简体网页||繁体网页

☆☆☆☆☆

图书标签:

• 风控
• 大数据
• 信贷风险管理
• 消费信贷
• 评分建模
• 互联网金融
• 金融科技
• 金融工程
• 量化金融
• 风险评估

店铺： 蓝墨水图书专营店

出版社： 电子工业出版社

ISBN：9787121319600

商品编码：15971840241

出版时间：2017-08-01

套装2本：

风控 大数据时代下的信贷风险管理和实践+互联网金融时代:消费信贷评分建模与应用

书号：9787121319600 9787121254994

风控：大数据时代下的信贷风险管理和实践 其他 – 2017年8月1日

王军伟 (作者)

基本信息

出版社: 电子工业出版社; 第1版 (2017年8月1日)

丛书名: 大数据科学与应用丛书

其他: 256页

ISBN: 9787121319600

条形码: 9787121319600

ASIN: B074BNVCMZ

定价 49元

本书对大数据时代下的信贷风险管理进行了介绍和剖析。首先，从经济学理论与实践应用上对信贷的产生和经济意义、信贷分析方法的变迁进行阐述；其次，对信贷整个生命周期中使用的Cohort分析、信贷业务开展、合同签订、风险监控预警、催收和不良资产处置、系统信息管理系统中报表等重要方法进行了深入讲解；，后，从财务数据、信用报告、交易流水等信贷角度方面分析借款者的还款能力和还款意愿，并提出了还款意愿的货币量化方法。同时，对传统信贷方法、IPC信贷方法、巴塞尔协议方法、大数据风控进行优缺点分析，提出了基于IPC信贷、巴塞尔协议的大数据风控模式，并给出了不同情况下的具体实施方案，有助于信贷机构提高自身风险管理能力。本书理论与实践相结合，适合银行、信用保证保险、消费金融、P2P、小贷公司、互联网金融、大数据风控等从业人员，以及有意从事金融工作的人员阅读与参考。

作者简介

王军伟曾服务于支付宝、众安保险、哈尔滨银行互联网金融事业部等，主要从事大数据分析挖掘、信贷风险管理工作,从事数据分析挖掘10多年，基于对Basel协议研究有10年余并从事信贷风险管理5年余，发表文章数十篇并独创阴阳五行经济学。

 

目录

目 录

 

导言 / 001

 

信贷的经济学基础 / 010

2.1 信贷产生的经济学分析 011

2.2 信贷分析方法随经济周期而发生变化 019

2.3 信贷风控和策略的经济学分析 024

 

信贷分析秘密武器 ——Cohort分析 / 027

Cohort分析的案例和模型 035

 

信贷业务的开展 / 040

4.1 客户画像和产品设计 041

4.2 市场开拓和营销 046

4.3 申请调查 051

 

信货分析 / 062

5.1 硬信息分析 66

5.2 软信息分析 113

5.3 还款意愿量化方法 126

5.4 全面风险管理 134

5.5 压力测试——未来预期与敏感度分析 139

 

现有信贷方法的优缺点与改进建议 / 145

6.1 传统信贷的优缺点和改进建议 147

6.2 IPC信贷的优缺点和改进建议 151

6.3 “信贷工厂”的优缺点和改进建议 154

6.4 巴塞尔协议模式的优缺点及改进建议 156

6.5 大数据风控模式的优缺点和改进建议 160

6.6 基于传统信贷、IPC信贷、“信贷工厂”、巴塞尔协议

和大数据风控模式融合的展望 177

 

信贷的审批决策 / 180

7.1 信贷审批委员会决策模式 182

7.2 “信贷工厂”审批模式 188

7.3 大数据风控自动审批模式 189

 

信贷的合同签订及贷款发放 / 200

 

风险监控预警 / 207

 

信贷的还款阶段 / 214

 

逾期管理和不良资产处理 / 221

 

MIS系统 / 234

 

 

后记 / 243

参考文献 / 246

 

基本信息

 

书名:互联网金融时代消费信贷评分建模与应用

 

定价：55元

 

作者:单良著

 

出版社：电子工业出版社

 

出版日期：2015-03-01

 

ISBN：9787121254994

 

字数：232000

 

页码：260

 

版次：1

 

装帧：平装

 

开本：16开

 

商品重量：

 

 

编辑推荐

 

●国内首部讲述消费信贷评分建模的专业指导书；

●尚未出版，已引起多家互联网金融机构热议。

随着互联网金融机构、产品如雨后春笋般疯狂生长，金融消费产品几乎深入每个人的生活之中。以P2P为代表的互联网金融生态，疯狂吸金、敛财跑路等状况时有发生，互联网金融风险管理正面临前所未有的挑战。本书就是为了解决互联网金融时代出现的新的问题和挑战，通过建立科学的消费信贷评分模型来在上规范互联网金融产品的各种风险。

《数字时代金融风控：智能决策与稳健增长》 本书深入探讨在飞速发展的数字时代，金融机构如何构建和优化其风险管理体系，以应对日益复杂的市场环境和不断演变的风险形态。我们聚焦于大数据、人工智能等前沿技术在信贷风险管理中的实际应用，旨在为从业者提供一套系统性的理论框架和可操作的实践指南，助力企业在激烈的市场竞争中实现稳健、可持续的增长。 第一部分：数字时代金融风险概览与挑战 在这一部分，我们将首先梳理数字时代背景下，金融业面临的宏观经济环境、技术革新以及监管政策的变化。重点分析当前金融风险的主要类型，包括但不限于信用风险、市场风险、操作风险、流动性风险以及新兴的科技风险。 宏观经济环境的演变与影响： 探讨全球经济一体化、地缘政治风险、通货膨胀压力、利率波动等宏观因素对金融风险的影响。分析不同经济周期下，信贷资产质量的潜在变化以及金融机构的应对策略。 技术革新带来的机遇与挑战： 深入剖析大数据、人工智能（包括机器学习、深度学习）、云计算、区块链等技术如何重塑金融业态。阐述这些技术在提升效率、降低成本、拓展业务的同时，也可能带来新的风险点，例如数据安全、算法偏见、模型失效等。 监管政策的动态调整与合规要求： 分析各国金融监管机构在数字时代下，对金融风险管理提出的新要求和新趋势，如数据隐私保护、消费者权益、反洗钱、反欺诈等。探讨金融机构如何在满足合规性的同时，提升风险管理能力。 新兴风险形态的识别与预警： 关注数字时代特有的风险，如网络攻击、数据泄露、平台风险、系统性风险蔓延加速等。提出前瞻性的风险识别和预警机制。 第二部分：大数据赋能的信贷风险管理体系构建 本部分将聚焦于如何充分利用大数据技术，构建更加精准、高效、智能的信贷风险管理体系。从数据采集、清洗、分析到模型应用，我们将提供详尽的阐述。 大数据在信贷风险管理中的核心价值： 阐述大数据如何帮助金融机构突破传统数据局限，获取更丰富、更全面的客户画像和行为特征，从而实现更精准的风险评估。 多维度数据源的整合与利用： 探讨除传统征信数据外，如何整合和利用互联网行为数据、社交媒体数据、交易流水、甚至物联网数据等非结构化和半结构化数据。分析不同数据源的特点、潜在价值及采集、清洗、融合的挑战。 客户画像的构建与动态更新： 介绍构建精细化客户画像的方法论，包括客户的信用能力、还款意愿、消费习惯、潜在风险等维度。强调客户画像的动态更新机制，以应对客户行为的实时变化。 大数据驱动的信用评估模型： 深入讲解如何利用机器学习算法（如逻辑回归、决策树、随机森林、梯度提升树、神经网络等）构建创新的信用评分模型。对比不同模型的优劣，以及模型的可解释性与性能之间的权衡。 反欺诈与反洗钱的应用： 阐述如何利用大数据分析和机器学习技术，识别欺诈行为（如身份盗用、虚假信息、关联欺诈等）和洗钱活动。介绍图分析、异常检测等技术在反欺诈和反洗钱场景的应用。 风险预警与监测体系： 构建实时、动态的风险预警与监测体系。如何通过大数据分析，识别潜在的信用恶化信号，并及时发出预警，以便采取主动的风险干预措施。 第三部分：信贷全流程的风险精细化管理 本部分将深入探讨如何将大数据和智能化技术应用于信贷业务的各个环节，实现风险管理的精细化和全生命周期覆盖。 贷前风险评估与决策优化： 智能营销与客户准入： 如何通过大数据分析，精准识别高潜力、低风险客户，提升营销转化率。 自动化审批流程： 构建基于评分模型的自动化信贷审批系统，提高审批效率，降低人工成本，并减少主观偏差。 反欺诈在贷前环节的应用： 强调贷前环节对欺诈的严防死守，通过多维度交叉验证和行为分析，识别和拦截高风险欺诈申请。 贷中风险监控与预警： 实时交易监控： 监控客户在整个信贷周期内的交易行为，识别异常交易模式，判断客户还款能力或意愿的潜在变化。 行为模式分析： 分析客户的行为模式变化，如还款行为、消费习惯、联系人变化等，作为风险预警的信号。 负面事件的及时捕捉： 利用大数据技术，监测与客户相关的外部负面信息，如舆情、司法信息、失信名单等。 贷后管理与催收智能化： 风险分类与分级管理： 基于客户当前的风险状况，进行精细化分类，并制定差异化的贷后管理策略。 预测性催收： 利用模型预测客户的违约概率和催收难度，优化催收资源的分配，提升催收效率。 智能化催收策略： 结合客户画像和行为分析，制定个性化的催收方案，提高沟通效率和客户转化率。 资产组合的风险监控： 对整个信贷资产组合进行宏观和微观层面的风险监控，识别潜在的系统性风险。 第四部分：互联网金融时代的消费信贷创新与风险实践 本部分将重点关注互联网金融背景下，消费信贷领域的创新模式以及相应的风险管理挑战与对策。 消费信贷模式的演进： 分析传统银行信贷、P2P借贷、场景金融、助贷模式、消费分期等各类消费信贷模式的特点、优势和风险。 消费信贷评分建模的特殊性： 探讨消费信贷与传统企业信贷在用户画像、数据获取、风险特征等方面的差异。重点讲解如何针对消费信贷场景，构建更加适合的评分模型。 场景金融与获客风险： 分析消费信贷与具体消费场景的结合，如何通过场景获客，以及场景中的潜在风险，例如商户风险、平台风险等。 小额、高频的风险管理挑战： 探讨消费信贷业务量大、单笔金额小、交易频率高的特点，对风险管理带来的挑战，以及如何通过自动化和智能化手段应对。 数据安全与隐私保护： 在消费信贷业务中，如何确保海量用户数据的安全，并严格遵守数据隐私保护法规，赢得用户信任。 合规经营与风险底线： 强调在追求业务创新的同时，必须坚守合规经营的红线，确保业务模式的合规性，避免踩雷。 案例研究与最佳实践： 通过分析国内外成功的消费信贷机构的风险管理案例，提炼其在模型应用、风控策略、技术应用等方面的经验教训，为读者提供借鉴。 第五部分：未来展望与可持续发展 在本书的最后部分，我们将展望数字时代金融风险管理的未来发展趋势，并探讨如何构建可持续的风险管理体系。 人工智能在风险管理中的深化应用： 探讨更先进的AI技术，如联邦学习、可解释AI、强化学习等在风险管理领域的潜在应用。 宏观审慎与微观审慎的协同： 分析如何将个体金融机构的风险管理能力与宏观金融稳定性相结合，构建更加 robust 的金融体系。 绿色金融与ESG风险管理： 探讨环境、社会和公司治理（ESG）因素对金融风险的影响，以及如何将其纳入风险管理框架。 跨界合作与生态共赢： 金融机构如何与科技公司、监管机构、行业协会等进行合作，共同构建更加健康的金融生态。 人才培养与组织文化建设： 强调构建一支具备数据素养、风险意识和创新能力的专业团队，以及营造积极的企业风险文化。 本书的目标读者群广泛，包括但不限于：银行、证券、保险、基金、信托等各类金融机构的风险管理部门、信贷业务部门、科技部门、合规部门的从业人员；互联网金融平台的风控、产品、运营人员；以及对数字时代金融风险管理感兴趣的研究者、学者和学生。 通过阅读本书，读者将能够： 深刻理解数字时代金融风险的复杂性和挑战。 掌握大数据和人工智能在信贷风险管理中的核心应用技术和方法。 构建和优化信贷全流程的风险管理体系。 了解互联网金融时代消费信贷的创新模式和风险应对之道。 为金融机构在数字时代的稳健发展和风险抵御提供坚实的基础。

评分☆☆☆☆☆

《风控 大数据时代下的信贷风险管理和实践》这本书，真的让我大开眼界。刚拿到手里的时候，就被它厚重的体量和专业感震慑住了，但读进去之后，才发现它绝不仅仅是一本枯燥的学术著作。作者以一种非常接地气的方式，将大数据这个抽象的概念，层层剥离，深入浅出地展现在信贷风险管理的应用层面。 书中对大数据采集、清洗、分析和建模的全过程进行了详尽的阐述，让我对数据是如何转化为洞察力的有了清晰的认识。特别是关于不同类型的大数据源（如交易数据、社交数据、行为数据等）如何被用来构建更全面、更精准的风险画像，这部分内容让我受益匪浅。作者没有回避实际操作中的难点，比如数据孤岛问题、数据质量控制、隐私保护等，并提供了切实可行的解决方案。 更令我印象深刻的是，书中不仅仅停留在理论层面，而是通过大量的实际案例，展示了大数据在信贷风控中的具体应用。无论是反欺诈、信用评分、逾期预测，还是贷后管理，书中都给出了清晰的逻辑和可借鉴的实践方法。我特别喜欢书中对一些新兴风控技术的探讨，比如机器学习在信用评分模型中的应用，以及如何利用图计算来发现潜在的关联风险。 这本书的价值在于，它不仅为业内人士提供了宝贵的实战指导，也为对信贷风控领域感兴趣的初学者搭建了一个扎实的知识框架。它让我明白，在大数据时代，信贷风险管理不再是简单的“经验判断”，而是需要高度依赖数据驱动和技术创新的系统工程。读完这本书，我感觉自己对信贷业务的风险控制有了更深刻的理解，也对接下来的工作充满了信心。

评分☆☆☆☆☆

《互联网金融时代:消费信贷评分建模与应用》这本书，简直是为我这种在消费信贷领域摸爬滚打的从业者量身定做的。它没有讲那些遥不可及的大概念，而是直击痛点，把消费信贷评分模型这个核心业务环节，拆解得明明白白。从最基础的变量选择，到模型构建的各种算法，再到模型的验证和落地，书中几乎涵盖了所有我关心的问题。 我最欣赏的是书中对于评分模型在实际业务中应用的深入剖析。它不仅仅是教你如何“建模型”，更重要的是告诉你如何“用模型”。比如，如何将模型结果转化为实际的信贷审批策略，如何进行模型的效果监控和迭代优化，以及如何应对模型在不同业务场景下的适用性问题。这些都是在日常工作中经常会遇到的挑战，而这本书给出了非常务实的建议。 书中对消费信贷的特点有着深刻的洞察，并在此基础上，探讨了不同类型消费信贷（如信用卡、小额贷款、分期付款等）在评分建模上的差异和侧重点。我尤其对书中关于“非传统数据”在消费信贷评分中的应用部分印象深刻，这部分内容让我认识到，数据维度可以如此丰富，而且这些数据往往能捕捉到更细微的个人行为和偏好。 坦白说，这本书的知识密度非常大，需要读者有一定的基础才能更好地理解。但是，如果你对消费信贷评分建模感兴趣，并且希望提升自己在这一领域的专业能力，那么这本书绝对是一本不可多得的宝藏。它让我看到了数据分析和模型应用在提升信贷业务效率和降低风险方面的巨大潜力。

评分☆☆☆☆☆

一直以来，我对大数据和金融的结合都充满了好奇，也深知这其中的复杂性。《风控 大数据时代下的信贷风险管理和实践》这本书，则将这种好奇心转化为了一种深刻的理解。作者在书中展现了令人惊叹的洞察力，将大数据这一“利器”如何在信贷风险管理这样一个传统而又至关重要的领域发挥作用，娓娓道来。 书中对“风控”的定义和范畴的界定非常清晰，从宏观的政策法规，到微观的个体行为，都考虑得非常周全。而大数据，在这个过程中扮演着至关重要的角色，它不仅是数据的集合，更是一种思维方式的转变。作者通过对一系列具体场景的描绘，比如如何利用大数据识别欺诈、预测违约，如何构建更加精细化的信用评分模型，让我切实感受到大数据带来的效率提升和风险降低。 书中对各种大数据技术的介绍，比如自然语言处理、机器学习、深度学习等，都与风控场景紧密结合，让我看到了技术如何赋能金融业务。而且，作者并没有停留在技术本身，而是强调了技术与业务的融合，以及在应用过程中需要考虑的伦理、合规等问题。这让这本书不仅具有很强的技术指导意义，也具有很高的战略思考价值。 我特别喜欢书中关于“数据驱动的决策”这一理念的强调。它让我明白，在大数据时代，信贷风险管理不再是凭感觉，而是需要基于数据分析的科学决策。这种思维方式的转变，对于提升金融机构的整体竞争力至关重要。这本书给我带来的不仅仅是知识，更是一种对未来金融行业发展趋势的预见。

评分☆☆☆☆☆

《互联网金融时代:消费信贷评分建模与应用》这本书，简直就是一本“活教材”。它没有那些虚头巴脑的理论，而是非常实在地告诉你，如何从零开始构建一个有效的消费信贷评分模型。我曾经在构建模型时遇到不少瓶颈，这本书恰好解答了我很多疑惑。 书中对模型构建的每一个环节都进行了细致的讲解，从数据准备、特征工程，到模型选择、参数调优，再到模型评估和部署，每一个步骤都清晰明了。特别是在特征工程方面，书中提供了很多非常实用的技巧和思路，如何挖掘和创造出能够有效区分风险的变量，这对于提升模型效果至关重要。 我尤其欣赏书中对于模型在实际业务中应用的论述。模型建好之后，如何将其顺利地融入到信贷审批流程中，如何进行持续的监控和迭代，这些都是非常关键的环节。书中给出了很多成熟的实践经验，比如如何处理模型在不同客群和业务场景下的差异，如何进行模型效果的量化评估，这些对于降低模型落地风险非常有帮助。 这本书的语言风格也比较通俗易懂，即使是对于非技术背景的读者，只要有心学习，也能从中获得很多启发。它让我明白，消费信贷评分建模并非高不可攀，而是可以通过系统性的学习和实践来掌握的一项关键技能。读完这本书，我感觉自己在消费信贷风控领域的技术能力得到了显著提升。

评分☆☆☆☆☆

《风控 大数据时代下的信贷风险管理和实践》这本书，是一本让我“醍醐灌顶”的著作。在信息爆炸的大数据时代，信贷风险管理面临着前所未有的挑战和机遇。作者以其深厚的行业经验和敏锐的洞察力，为我们描绘了一幅清晰的蓝图。 书中对于“风险”的理解，不再局限于传统的信用风险，而是拓展到了市场风险、操作风险、流动性风险等多个维度，并且详细阐述了大数据如何能够帮助我们更全面、更精准地识别和管理这些风险。我尤其对书中关于“主动风控”和“智能化风控”的理念印象深刻，这是一种将风险管理从被动应对转变为主动预防的思维模式。 作者在书中详细介绍了大数据在风控各个环节的应用，从贷前客户的准入和评估，到贷中业务的监测和预警，再到贷后资产的催收和处置，每一个环节都得到了深入的探讨。书中列举了大量的案例，展示了如何利用大数据技术，例如机器学习、图计算、自然语言处理等，来提升风控的效率和准确性。 更重要的是，这本书让我认识到，在大数据时代，风控已经不再仅仅是金融机构的“后勤部门”，而是成为了驱动业务增长的核心竞争力。通过有效的风控，金融机构可以更好地平衡风险与收益，实现可持续发展。这本书为我打开了新的视野，让我对信贷风险管理有了更深刻的理解和更广阔的想象空间。