大數據智慧風控:業務解析、核心演算法與尖端技術

推薦序
前言
第一篇 開篇
第1章 信貸風控概述
1.1 信貸風控的起源與發展
1.2 大數據帶來的變化
1.3 智能信貸的發展方向
第二篇 獲客
第2章 客群劃分
2.1 客群劃分簡介
2.1.1 客群劃分的意義及意義
2.1.2 傳統客群劃分法
2.1.3 信貸客群劃分的挑戰
2.2 基於大數據的客群劃分
2.2.1 畫像標籤體系
2.2.2 建構畫像的關鍵步驟
2.3 客群劃分案例
2.3.1 「新中產」客群劃分
2.3.2 母嬰客群劃分及潛在客群識別
第3章 信用產品獲客
3.1 獲客與廣告
3.1.1 線上廣告
3.1.2 網絡廣告的博弈關係與協調機制
3.1.3 網絡廣告的即時競價機制
3.2 金融信貸產品獲客
3.3 基於聯邦學習和多任務學習的建模方法
3.3.1 聯邦學習模型打破資料壁壘
3.3.2 多任務學習模型充分利用全鏈路資訊
第三篇 授信
第4章 信用評分卡工具
4.1 信用風控決策連結
4.1.1 風控決策連結與數碼化工具
4.1.2 信用評分卡及其關註點
4.2 信用評分卡的開發與應用
4.2.1 模型設計
4.2.2 模型訓練
4.2.3 分數校準
4.2.4 模型評估
4.2.5 模型監控
第5章 申請評分體系
5.1 貸前風控與申請評分卡
5.1.1 貸前風控場景
5.1.2 申請評分卡
5.2 智慧申請評分卡體系
5.2.1 整合客戶全局訊息
5.2.2 增強即時資訊利用
5.2.3 挖掘多模態數據
5.2.4 申請評分體系的監控
5.2.5 模型穩定性問題與因應措施
5.3 特殊場景：小型企業信貸的申請評分卡
5.3.1 小微型企業的定義
5.3.2 小微企業風險評估的困難點
5.3.3 解決思路：基於多源資料的小微企業評分卡開發
第6章 定價與定額
6.1 信用產品的定價與定額
6.1.1 信用產品風險定價簡介
6.1.2 信用產品風險定價具體模式
6.1.3 信用產品風險定額簡介
6.2 基於最適決策的定價與定額
6.2.1 最優決策模型
6.2.2 模型的數學表達
6.2.3 模型訓練與預測
6.2.4 樣本偏差問題
6.2.5 有條件限制時的最適決策
6.3 最優決策模型的效果評估
6.3.1 評估的困難點
6.3.2 離線評估方法
6.3.3 線上實驗設計
第四篇 貸中管理
第7章 貸中評分體系
7.1 貸中管理簡介
7.1.1 貸中場景與業務
7.1.2 貸中精細化管理
7.2 貸中管理模型體系
7.2.1 風險管理模型
7.2.2 額度管理模型
7.2.3 特殊場景模型
7.2.4 模型評估體系
7.3 分客群貸中管理
第五篇 貸後管理
第8章 貸後評分體系
8.1 貸後管理簡介
8.1.1 貸後場景與業務
8.1.2 貸後分期及協商
8.1.3 貸後評分卡體系
8.2 滾動預測評分卡
8.2.1 傳統滾動預測評分卡
8.2.2 跨期滾動預測評分卡
8.2.3 跨期滾動預測評分卡運營
8.3 多模態資料融合技術賦能貸後評分
8.3.1 貸後語音文字資料的記錄與挖掘
8.3.2 語音文字多模態資料的應用
8.3.3 語音文字多模態模型應用場景
第9章 貸後營運體系
9.1 貸後營運業務場景
9.1.1 貸後營運的主要目標
9.1.2 貸後營運的業務流程
9.1.3 貸後營運的重要指標
9.1.4 貸後營運的主要挑戰
9.2 貸後智慧化營運體系
9.2.1 貸後智慧化營運體系簡介
9.2.2 智能分案
9.2.3 智能作業
9.3 貸後智慧化營運的工程實現
9.3.1 貸後營運調度系統簡介
9.3.2 貸後營運調度系統設計
第10章 不良資產定價
10.1 不良資產發行與交易
10.1.1 不良資產市場現狀
10.1.2 不良資產證券化發行
10.1.3 不良資產轉讓與收購
10.1.4 不良資產定價
10.2 資料驅動的不良資產定價方法
10.2.1 靜態池與資產池的資料準備
10.2.2 基於客戶分群的不良資產定價方法
10.2.3 基於債項的不良資產定價方法
第六篇 其他典型風險的防治
第11章 反欺詐
11.1 詐欺與反詐欺
11.1.1 網絡詐欺的特性
11.1.2 黑色產業鏈
11.1.3 常見詐欺場景
11.2 反詐騙體系
11.2.1 線上反詐騙體系的構成
11.2.2 風險行為的全面感知
11.2.3 風險交易的準確識別
11.2.4 反詐騙體系的常用演算法
11.3 行銷場景反詐騙案例
11.3.1 事前風險感知
11.3.2 事中交易停損
11.3.3 事後案件分析
第12章 反洗錢
12.1 洗錢與反洗錢
12.1.1 國內外反洗錢情勢
12.1.2 網絡金融反洗錢
12.2 反洗錢風險防治體系
12.2.1 反洗錢風險防治系統簡介
12.2.2 洗錢風險監控方法
12.3 以交易網絡為基礎的洗錢風險識別
12.3.1 同構圖下的洗錢關鍵節點發現
12.3.2 同構圖下的洗錢風險社群發現
12.3.3 異構圖下的洗錢風險社群發現
第13章 特殊名單
13.1 特殊名單簡介
13.2 特殊名單管理
13.3 基於特殊名單的標籤擴散建模
第14章 多頭借貸防控
14.1 多頭借貸風險
14.2 多頭借貸防治基礎
14.2.1 聯防聯控與資料共享
14.2.2 個人徵信系統
14.2.3 其他資料管道
14.3 基於大數據的多頭借貸全流程防控
14.3.1 防控措施
14.3.2 多頭借貸防治的規則與模型
第七篇 風控新技術
第15章 聯邦學習
15.1 聯邦學習簡介
15.1.1 聯合建模的資料困境
15.1.2 破局之鑰：聯邦學習
15.1.3 多方安全計算、分佈式機器學習與聯邦學習的比較
15.1.4 隱私安全技術
15.2 縱向聯邦學習
15.2.1 縱向聯邦學習基本內容
15.2.2 縱向聯邦學習模型
15.2.3 案例：個人小額貸款風險建模
15.3 橫向聯邦學習
15.3.1 橫向聯邦學習基本內容
15.3.2 橫向聯邦學習演算法
15.3.3 案例：反詐騙建模
15.4 聯邦遷移學習
第16章 關係網絡
16.1 關係網絡簡介
16.2 圖儲存與圖計算
16.2.1 圖的儲存方式
16.2.2 圖的切分方式
16.2.3 圖計算系統
16.3 圖形演算法
16.3.1 圖傳播演算法
16.3.2 圖嵌入演算法
16.3.3 圖神經網絡演算法
16.4 基於關係網絡的風險建模
16.4.1 基於關係網絡的使用者信用風險評估模型建構
16.4.2 基於關係網絡的反詐騙模型建構