數(shù)據(jù)化風(fēng)控：信用評(píng)分建模教程

定　價(jià)：￥65.00

作　者：	單良著
出版社：	電子工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787121346293	出版時(shí)間：	2018-09-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	240	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　隨著國(guó)內(nèi)消費(fèi)金融市場(chǎng)的開(kāi)放與高度競(jìng)爭(zhēng)，小貸公司、P2P、消費(fèi)金融公司，現(xiàn)金貸公司等蜂擁而立，野蠻生長(zhǎng)。這些金融產(chǎn)品的共同屬性就是放款金額小，審批速度快，規(guī)模數(shù)量大。不管是申貸時(shí)或核撥后，每位客戶在不同階段都有不同的潛在風(fēng)險(xiǎn)，這些風(fēng)險(xiǎn)征兆可能存在于各種令人忽略的細(xì)節(jié)中，這考驗(yàn)風(fēng)險(xiǎn)控制的執(zhí)行與管理能力，信用評(píng)等模型的精準(zhǔn)決策與快速調(diào)整，就關(guān)乎風(fēng)險(xiǎn)資產(chǎn)品質(zhì)是好壞的*大關(guān)鍵與命脈。信用評(píng)分模型建立在完整的歷史數(shù)據(jù)上，藉由數(shù)據(jù)匯整、清理、分群及探勘等技術(shù)，將大量數(shù)據(jù)轉(zhuǎn)化為有用的風(fēng)險(xiǎn)信息，信用評(píng)分模型建立后，可將風(fēng)險(xiǎn)數(shù)據(jù)化，清楚呈現(xiàn)客戶的違約率及風(fēng)險(xiǎn)排序，使風(fēng)險(xiǎn)單位得以確切掌握客戶風(fēng)險(xiǎn)，并制定更為精準(zhǔn)的授信政策。環(huán)顧國(guó)內(nèi)市場(chǎng)具備建模能力的專(zhuān)才供需失衡，特將評(píng)分建模過(guò)程逐一章節(jié)細(xì)分介紹，并提供實(shí)際案例與讀者分享，解開(kāi)長(zhǎng)久以來(lái)對(duì)建模是個(gè)黑盒子的印象。并期盼更多具備風(fēng)險(xiǎn)建模的專(zhuān)才加入，具備自我開(kāi)發(fā)建模的能力，讓普惠金融更能良性發(fā)展。

作者簡(jiǎn)介

　　單良，本科畢業(yè)于美國(guó)紐約哥倫比亞大學(xué)，復(fù)旦大學(xué)、臺(tái)灣大學(xué)EMBA，曾任職于香港維信理財(cái)公司、臺(tái)北富邦銀行、中國(guó)信托商業(yè)銀行、澳商澳盛銀行及臺(tái)新銀行等機(jī)構(gòu)；兼任臺(tái)灣金融研訓(xùn)院特約講師、VISA中國(guó)區(qū)兼職顧問(wèn)。具備臺(tái)灣銀行業(yè)消費(fèi)金融風(fēng)險(xiǎn)管理與大陸小貸、P2P風(fēng)控管理完整資歷，長(zhǎng)期關(guān)注兩岸消費(fèi)金融產(chǎn)業(yè)風(fēng)控管理的發(fā)展與創(chuàng)新。曾發(fā)表前瞻性評(píng)論，并為臺(tái)灣金融研訓(xùn)院、中國(guó)P2P網(wǎng)貸實(shí)務(wù)研修班授課。著作有《信用評(píng)等模型關(guān)鍵12堂課》《互聯(lián)網(wǎng)金融時(shí)代消費(fèi)信貸評(píng)分建模與應(yīng)用》。喬楊 ZRobot CEO。曾擔(dān)任知名互聯(lián)網(wǎng)金融公司聯(lián)合創(chuàng)始人兼首席風(fēng)險(xiǎn)官，美國(guó)發(fā)現(xiàn)金融芝加哥總部擔(dān)任風(fēng)險(xiǎn)策略及模型業(yè)務(wù)高級(jí)經(jīng)理，發(fā)現(xiàn)金融上海大數(shù)據(jù)風(fēng)控中心風(fēng)控策略及大數(shù)據(jù)建模業(yè)務(wù)負(fù)責(zé)人。曾參與美國(guó)通用電氣公司財(cái)務(wù)管理領(lǐng)導(dǎo)力項(xiàng)目（FMP），研究商品期貨和貨幣的對(duì)沖策略。他擁有美國(guó)愛(ài)荷華大學(xué)經(jīng)濟(jì)學(xué)及MBA雙碩士學(xué)位，芝加哥大學(xué)計(jì)算機(jī)科學(xué)碩士學(xué)位，SAS認(rèn)證師，Teradata認(rèn)證SQL專(zhuān)家，微軟認(rèn)證系統(tǒng)工程師（MCSE）等。

圖書(shū)目錄

第一章信用評(píng)分基礎(chǔ)認(rèn)識(shí)與應(yīng)用 /001
第一節(jié) 信用評(píng)分卡簡(jiǎn)介 /003
第二節(jié) 評(píng)分卡建立與驗(yàn)證 /008
第三節(jié) 評(píng)分應(yīng)用 /026
第二章信用評(píng)分模型規(guī)格與設(shè)計(jì) /031
第一節(jié) 數(shù)據(jù)收集、質(zhì)量檢驗(yàn) /031
第二節(jié) 應(yīng)排除的數(shù)據(jù)樣本 /033
第三節(jié) 樣本期間、好壞客戶定義 /034
第四節(jié) 范例 /039
第三章分組（Segmentation）目的與分析選擇 /041
第一節(jié) 分組目的 /041
第二節(jié) 分組分析 /043
第三節(jié) 范例 /046
第四章細(xì)致分析與自變量分析 /049
第一節(jié) 細(xì)致分類(lèi)（Fine Classing） /051
第二節(jié) 范例 /052
第三節(jié) 單因子分析（Single Factor Analysis） /057
第四節(jié) 粗略分類(lèi)（Coarse Classing） /064
第五節(jié) 范例 /065
第五章模型建立方法討論 /071
第一節(jié) 線性回歸（Linear Regression） /073
第二節(jié) 邏輯回歸（Logistic Regression） /077
第三節(jié) 兩階段式建立方法 /082
第四節(jié) 初始模型討論 /084
第五節(jié) 范例 /085
第六章拒絕推論（Reject Inference）的原因與方法 /089
第一節(jié) 拒絕推論的原因 /090
第二節(jié) 拒絕推論的方法 /092
第七章最終模型選擇與風(fēng)險(xiǎn)校準(zhǔn)（Calibration） /099
第一節(jié) 最終模型產(chǎn)出 /101
第二節(jié) 設(shè)定風(fēng)險(xiǎn)校準(zhǔn)（Risk Calibration） /105
第三節(jié) 模型驗(yàn)證 /109
第八章決策點(diǎn)（Cut-off）設(shè)定 /115
第一節(jié) 決策點(diǎn)策略設(shè)定方式 /116
第二節(jié) 核準(zhǔn)點(diǎn)應(yīng)用方式 /118
第三節(jié) 范例 /119
第九章信用評(píng)分模型監(jiān)控報(bào)告 /123
第一節(jié) 前端監(jiān)控報(bào)告 /126
第二節(jié) 后端監(jiān)控報(bào)告 /135
第十章信用評(píng)分模型策略運(yùn)用 /151
第一節(jié) 業(yè)務(wù)策略制訂方式 /152
第二節(jié) 業(yè)務(wù)策略應(yīng)用方式 /154
第三節(jié) 范例 /158
第十一章信用評(píng)分模型案例（消費(fèi)產(chǎn)品分期） /161
第一節(jié) 數(shù)據(jù)樣本 /162
第二節(jié) 樣本好壞表現(xiàn)定義 /163
第三節(jié) 變量分析 /167
第四節(jié) 模型建立與驗(yàn)證 /170
第十二章信用評(píng)分模型案例（現(xiàn)金貸） /173
第一節(jié) 數(shù)據(jù)樣本 /174
第二節(jié) 樣本好壞表現(xiàn)定義 /175
第三節(jié) 變量分析 /176
第四節(jié) 模型建立與驗(yàn)證 /178
第十三章催收框架 /183
第一節(jié) 催收管理流程 /185
第二節(jié) 催收管理系統(tǒng)簡(jiǎn)介 /190
第三節(jié) 催收模型系統(tǒng) /191
第四節(jié) 催收策略系統(tǒng) /195
第十四章催收技巧及KPI標(biāo)準(zhǔn) /213