| 作者 |
| 张伟 等 |
| 丛书名 |
| 金融科技 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9782111291819 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 ---------------------------8084833 - 智能风控：评分卡建模原理、方法与风控策略构建--------------------------- 内容简介 这是一部系统讲解评分卡建模的智能风控著作，从业务与技术、理论与实践、传统风控与智能风控等角度透彻讲解评分卡建模的原理、流程、方法及其风控策略构建。 作者在智能风控领域深耕十余年，既熟悉商业银行传统风控体系思想、方法、技术、工具，又熟悉人工智能背景下的创新智能风控相关解决方案、风险策略和风险建模技术，本书是作者实践经验的系统性总结。 本书内容分为六部分。 第1部分（第1章）介绍评分卡建模基础知识，包括评分卡模型的概念和定义、评分卡建模全流程、评分卡模型的评价等。 第二部分（第2章）介绍银行零售信贷领域产品特征和业务流程，以及信用风险和欺诈风险概念，介绍评分卡的应用场景和业务基础知识。 第三部分（第3~11章）系统介绍评分建模的全流程，覆盖需求理解、数据理解、特征工程、模型设计、模型开发、模型验证、模型部署、模型监控、模型优化等模型全生命周期各环节。 第四部分（第12~14章）总结了评分建模的关键问题及其解决方案，包括拒绝推断、模型可解释性等，以及模型开发过程中诸如分布不均衡、模型性能下降、模型迭代漂移等问题。 第五部分（第15章）介绍了当前业界除评分卡外使用频率Z高的高维机器学习技术，比较了传统评分卡模型和高维机器学习模型，并重点介绍了XGBoost和LightGBM模型。 第六部分（第16章）以贷前自动化审批场景为例，介绍基于评分的自动化审批策略构建，帮助读者理解评分卡模型在风险策略设计中的应用。 ---------------------------8082647 - 智能风控平台：架构、设计与实现--------------------------- . 本书讲解了如何基于不同业务场景的智能风控方法来构建一个从数据到计算再到决策的通用智能风控平台，该平台既能应用于业务的全流程，又能承载互联网业务中的大部分风险控制方案。 全书从智能风控的原理、智能风控平台的架构、智能风控平台的产品设计与实现3个维度展开： 第1部分（第1~3章） 从智能风控的定义、演进以及智能风控如何与业务结合等方面介绍了智能风控的基础知识和原理； 第二部分（第4~5章） 详细讲解了智能风控平台的业务架构、功能架构和技术架构，为智能风控平台的设计与实现打下基础； 第三部分（第6~7章） 从产品设计与实现的角度讲解了智能风控平台的核心系统，如决策引擎系统、指标管理系统、接口管理系统、风险管理系统，以及次核心系统，如贷中监控系统、贷后管理系统、平台管理系统等。 |
| 目录 |
| [套装书具体书目] 8082647 - 智能风控平台：架构、设计与实现 - 9787111686385 - 机械工业出版社 - 定价 89 8084833 - 智能风控：评分卡建模原理、方法与风控策略构建 - 9787111695677 - 机械工业出版社 - 定价 89 ---------------------------8084833 - 智能风控：评分卡建模原理、方法与风控策略构建--------------------------- 《智能风控：评分卡建模》 第1章 导论 1.1 从几个常见面试问题说起 1.2 关于模型的认识 1.3 机器学习与深度学习 1.4 评分模型与评分卡模型 1.5 评分卡建模全流程 1.6 模型评价标准（技术角度和业务角度） 第2章 零售信贷业务产品和风险 2.1 银行零售信贷业务概述 2.2 银行零售信贷产品特征与业务流程 2.3 信用与信用风险 2.4 欺诈与欺诈风险 2.5 本章小结 第3章 从业务需求理解开始 3.1 明确要解决的问题 3.2 业务访谈需要了解什么 3.3 本章小结 第4章 源数据基础决定模型上限 4.1 数据决定了模型的上限 4.2 关于数据的认识 4.3 不同类型评分卡的可用数据 4.4 人行征信报告 4.5 金融大数据 4.6 数据质量诊断 4.7 业务数据分析 4.8 本章小结 第5章 特征工程提取有效的风险特征 5.1 特征工程概述 5.2 特征预处理 5.3 特征生成 5.4 特征选择与降维 5.5 实践案例 5.6 本章小结 第6章 评分卡模型设计 6.1模型设计概述 6.2 建模样本基础与排除规则 6.3 模型细分 6.3 表现期定义与账龄分析 6.4 目标定义与滚动率分析 6.5 观察期定义与逾期趋势分析 6.6 模型设计汇总计数 6.7 本章小结 第7章 评分卡模型开发 7.1 模型开发概述 7.2 样本分区与样本抽样 7.3 变量分箱 7.4 变量筛选 7.5 转换WOE 7.6 逻辑回归 7.7 评分标尺 7.8 实践案例 7.9 本章小结 第8章 评分卡模型验证 8.1 模型验证概述 8.2 模型验证方法 8.3 模型验证三阶段 8.4 本章小结 第9章 评分卡模型部署 9.1 模型部署概述 9.2 基于评分卡的规则化部署 9.3 基于PMML标准化部署 9.4 本章小结 第10章 评分卡模型监控 10.1 模型监控概述 10.2 前端监控 10.3 后端监控 10.4 本章小结 第11章 评分卡模型优化 11.1 模型优化概述 11.2 模型优化的触发条件 11.3 模型性能下降的原因诊断 11.4 模型优化方法 11.5 本章小结 第12章 拒绝推断问题 12.1 什么是拒绝推断 12.2 为什么要做拒绝推断 12.3 如何做拒绝推断 12.4 本章小结 第13章 评分卡模型可解释性、指向性与指导性 13.1模型可解释性 13.2 模型可解释性算法 13.3 评分卡模型的归因方法 13.4 基于PMML的Scorecard的模型可解释 13.5 本章小结 第14章 评分卡模型的其他常见关键问题 14.1 样本量不足条件下的建模问题 14.2 冷启动问题 14.3 分值集中度问题与分值分布偏斜问题 14.4 模型质量下降问题 14.6 本章小结 第15章 从评分卡模型到高维机器学习模型 15.1 理性看待传统评分卡模型 15.2 高维机器学习模型：XGBoost与LightGBM 15.3 从评分卡到高维机器学习模型 15.4 本章小结 第16章 构建基于评分卡的风险策略应用 16.1 策略的定义 16.2 策略与模型的关系 16.3 风险策略体系 16.4 实践案例：基于申请评分的自动化审批策略应用 16.5 更高阶的策略设计 16.6 本章小结 参考文献 ---------------------------8082647 - 智能风控平台：架构、设计与实现--------------------------- 前 言 第一部分 智能风控基础 第1章 认识智能风控 2 1.1 什么是风控 2 1.1.1 风控的定义和作用 3 1.1.2 什么是大数据风控 6 1.1.3 什么是智能风控 7 1.2 风控的目标 8 1.2.1 控风险 8 1.2.2 稳增长 9 1.2.3 保平衡 10 1.3 风险的管理 11 1.3.1 三道防线 13 1.3.2 七大系统 13 1.3.3 五大体系 15 1.3.4 八大风险 16 1.4 本章小结 17 第2章 智能风控进化史 18 2.1 智能风控1.0 19 2.2 智能风控2.0 21 2.3 智能风控3.0 27 2.4 本章小结 31 第3章 风控与业务场景的契合 33 3.1 业务催生风险 33 3.1.1 风险滋生 34 3.1.2 风险爆发 35 3.1.3 风险阻塞 35 3.1.4 风险迭代 36 3.2 业务场景下的风控 37 3.2.1 电商风控 37 3.2.2 支付风控 43 3.2.3 信贷风控 48 3.2.4 保险风控 55 3.3 本章小结 59 第二部分 智能风控平台 第4章 智能风控业务 62 4.1 智能信贷业务背景 62 4.1.1 传统金融和互联网的碰撞 63 4.1.2 智能信贷业务应用 67 4.2 智能信贷风控业务背景 72 4.2.1 信贷风控和金融科技的碰撞 73 4.2.2 智能信贷风控业务应用 75 4.3 本章小结 78 第5章 智能风控平台架构 79 5.1 智能风控业务架构 79 5.1.1 信贷业务组织结构 80 5.1.2 传统信贷风控业务架构 81 5.1.3 智能风控业务架构组成 84 5.2 智能风控系统功能架构 93 5.2.1 智能风控系统功能架构组成 93 5.2.2 数据平台 95 5.2.3 接口管理系统 96 5.2.4 分析引擎系统 98 5.2.5 数据挖掘系统 99 5.2.6 关系网络系统 101 5.2.7 决策引擎系统 103 5.2.8 指标管理系统 106 5.2.9 风控服务管理系统 108 5.2.10 贷中监控系统 110 5.2.11 贷后管理系统 111 5.2.12 贷后催收系统 113 5.2.13 智能语音机器人 115 5.2.14 风险管理系统 117 5.2.15 风险报表系统 120 5.2.16 平台管理系统 122 5.3 智能风控系统技术架构 125 5.3.1 访问层 127 5.3.2 展现层 127 5.3.3 系统层 129 5.3.4 大数据平台 133 5.4 智能风控平台业务、功能、技术架构的区别 135 5.5 本章小结 136 第三部分 智能风控平台设计 第6章 智能风控平台核心系统 138 6.1 决策引擎系统 139 6.1.1 决策引擎系统的定义 139 6.1.2 规则 140 6.1.3 模型 145 6.1.4 评分卡 146 6.1.5 表达式 149 6.1.6 模型监控 151 6.1.7 决策流管理 154 6.1.8 风控报告 158 6.1.9 风险审核 161 6.1.10 通用功能 164 6.2 指标管理系统 167 6.2.1 指标管理系统的定义 168 6.2.2 指标列表 170 6.2.3 指标配置 170 6.3 接口管理系统 172 6.3.1 接口管理系统的定义 172 6.3.2 IP管理 174 6.3.3 API管理 175 6.3.4 码值管理 182 6.3.5 自动测试 185 6.3.6 文档管理 187 6.3.7 流量管理 189 6.3.8 监控预警 191 6.4 风险管理系统 193 6.4.1 风险管理系统的定义 193 6.4.2 名单管理 194 6.4.3 标签管理 198 6.4.4 自动检测 200 6.4.5 风险画像 202 6.5 核心系统运作方式 203 6.6 本章小结 205 第7章 智能风控平台次核心系统 206 7.1 贷中监控系统 206 7.1.1 贷中监控系统的定义 207 7.1.2 自动监控 208 7.1.3 风险预警 212 7.1.4 监控统计 213 7.2 贷后管理系统 216 7.2.1 贷后管理系统的定义 217 7.2.2 贷后风险管理 218 7.2.3 资产风险管理 220 7.2.4 贷后流程管理 221 7.2.5 贷后任务管理 228 7.3 平台管理系统 232 7.3.1 平台管理系统的定义 232 7.3.2 角色管理 233 7.3.3 权限管理 236 7.3.4 机构管理 238 7.3.5 用户管理 239 7.3.6 日志管理 240 7.4 本章小结 241 |