大數據智能風控:業(yè)務解析、核心算法與前沿技術
定 價:99 元
- 作者:黃志翔 楊愷 鄭邦祺 周凡吟 李可 等
- 出版時間:2024/12/1
- ISBN:9787111759393
- 出 版 社:機械工業(yè)出版社
- 中圖法分類:
- 頁碼:
- 紙張:膠版紙
- 版次:
- 開本:16開
內容介紹
這是一本從業(yè)務和技術雙重視角解讀數智化風控的著作,是企業(yè)界和學術界強強合作的重要成果。
本書貫穿風控全鏈路,深度剖析了各業(yè)務環(huán)節(jié)所面對的核心風險,以及基于數據資源和智能技術來管控多重風險的解決方案。除了介紹通常關注的貸前、貸中、貸后風險管理,本書還討論了反欺詐、反洗錢、特殊名單管理、多頭風險管控等其他類型風險的應對方案,以及基于聯(lián)邦學習的數據孤島打通、基于關系網絡的數據挖掘與風險建模等前沿方案。
與同類書相比,本書以更完整的體系涵蓋了營銷、準入、授信、定價、定額、監(jiān)控、處置等各個環(huán)節(jié),以更開闊的視野涉及了信用、欺詐、洗錢等各類風險,以更豐富的維度拆解了核心業(yè)務的場景、問題、數據、技術和解決方案,既是對一線技術與業(yè)務實踐經驗的總結,也是對當下解決方案發(fā)展趨勢的概括。
(1)頭部科技公司資深風控專家:總結了行業(yè)內多家頭部公司在大數據智能風控領域的寶貴經驗。
(2)產學研緊密結合:除多位業(yè)界資深風控專家外,來自西南財經大學的統(tǒng)計與數據科學教授也參與了創(chuàng)作,分享了跨界視野和前沿技術。
(3)圍繞金融風控全鏈路:以解決實際問題為導向,深度剖析風控全鏈路各環(huán)節(jié)的核心風險,以及應對這些風險的智能風控技術、算法和解決方案。
(4)站在風控技術前沿:通過解讀大量國際前沿學術論文等手段,呈現(xiàn)風控領域前沿技術及其趨勢,如聯(lián)邦學習和關系網絡等領域的新進展等。
前 言
為什么要寫這本書
金融是一個既傳統(tǒng)又極具創(chuàng)新性的領域。金融風控作為信貸產品的核心競爭力,逐漸被如火如荼的大數據和人工智能技術所影響、改變、重塑。然而,在神秘的行業(yè)面紗下,目前只有較少頭部企業(yè)在不同場景下探索和挖掘大數據風控技術的潛力,學界也少有學者在了解和開展相關研究工作。
大數據技術使更多用戶能夠享受到與之匹配的信貸服務。在相對落后的工具下,信貸產品若無法精準識別客戶逾期風險、償債能力,往往會陷入兩種極端。一種是采用偏保守型策略,對于優(yōu)質客戶,給予過度的授信,而對于潛力客戶,則拒之門外;另一種是采用激進型策略,對于識別不準的客戶也進行準入,但是又缺乏匹配的風控能力,只能通過繼續(xù)授信來掩蓋風險指標,助長了部分客戶過度消費的不良習慣,甚至給整個市場帶來不可控的風險。優(yōu)秀的信貸服務應該是給予不同償債能力的客戶與之匹配的額度上限,并給予不同逾期風險的客戶與之匹配的定價,幫助客戶對資金進行合理的重分配。
大數據技術能夠更準確地識別出客戶的資金需求,匹配對應的信貸服務。金融行業(yè)常用“晴天送傘”來形容不佳的信貸服務,即對不需要資金的客戶提供高額度,反而把缺乏資金的客戶拒之門外。這就是典型的客戶需求識別不準問題,而基于大數據風控技術可以有效地匹配客戶真正需要的信用額度,避免無效地擴大敞口額度,徒增系統(tǒng)性風險。
大數據技術能夠降低信貸服務所產生的運營成本,從而提高社會化資金分配的效率;诖髷祿夹g更精準和更加自動化的需求識別、風險識別、償債能力識別,風控體系決策高效、規(guī)模效應強,可有效降低信貸機構作為服務提供方的運營成本,有利于更多地讓利于客戶,實現(xiàn)普惠金融。這對于小微企業(yè)客戶尤為有用。融資難一直是小微企業(yè)的核心痛點之一,滿足小微企業(yè)的經營需求可以激發(fā)更大的市場活力。
我們希望本書可以為更多的大數據技術從業(yè)者、在校學生揭開智能風控領域的面紗,讓其能夠結合所學的先進大數據技術設計出更具變革性的風控體系和風控方法論,乃至投身大數據風控這一極具前景的領域,加速行業(yè)變革。我們希望通過展示我們在大數據風控領域的實踐和思考(包括業(yè)務、數據、算法方面),為更多的金融從業(yè)者提供一些靈感,或者規(guī)避一些風險。我們希望本書能夠拋磚引玉,吸引更多有興趣的人加入大數據風控的討論和研究當中,為我國經濟的繁榮昌盛添磚加瓦。
讀者對象
本書適合對大數據技術、風控領域有濃厚興趣的讀者閱讀,包括但不限于:
金融領域從業(yè)者;
企事業(yè)單位的數字化技術領導或專家;
數理相關專業(yè)的在校學生,如統(tǒng)計學、計算機、人工智能、金融等專業(yè)的學生;
從事人工智能、大數據相關領域研究工作的學者。
本書特色
過去,人們關于智能風控領域的討論往往偏向于對某種風險類型進行技術介紹與實戰(zhàn)展示,例如用Python代碼講如何構建風控評分卡,如何構建反欺詐模型。本書從更高的視野、更全面的維度、更深入的業(yè)務場景、更前沿的風控技術等方面,講述全鏈路大數據風控體系的構成和核心關注點,有利于讀者更清晰地認識和理解風控。
更高的視野:從信貸產品的全鏈路出發(fā),講述大數據風控體系下各個環(huán)節(jié)的核心關注問題和有效的解決思路。
更全面的維度:包含信貸產品的信用風險、額度定價、欺詐風險、洗錢風險等全方位的決策視角。
更深入的業(yè)務場景:深入剖析貸前準入、貸中管理、貸后運營等多個核心環(huán)節(jié)所面臨的難題,以及業(yè)界可行的切入方式。
更前沿的風控技術:介紹因果推斷、關系網絡、聯(lián)邦學習等與風控能力息息相關的新技術。
如何閱讀本書
本書分為7篇。
第一篇 開篇(第1章):從風控的起源出發(fā),概述了大數據帶來的變化和未來的發(fā)展方向。
第二篇 獲客(第2和3章):講述了獲客中的客群劃分和廣告獲客模型。
第三篇 授信(第4~6章):講述了信貸評分卡工具,如何構建申請評分體系,如何做額度與定價管理。
第四篇 貸中管理(第7章):講述了貸中風險管理、額度管理等精細化管理模型。
第五篇 貸后管理(第8~10章):講述了貸后評分體系、貸后運營體系、不良資產定價。
第六篇 其他典型風險的防控(第11~14章):講述了反欺詐、反洗錢、特殊名單管理、多頭借貸風險的防控。
第七篇 風控新技術(第15和16章):講述了基于聯(lián)邦學習解決數據孤島問題的思路,以及基于關系網絡的風險建模。
勘誤和支持
由于作者水平有限,書中難免會出現(xiàn)一些錯誤或者表述不準確的地方,懇請讀者批評指正。聯(lián)系郵箱:yangkai188@jd.com。
作者簡介
黃志翔
京東科技風險管理中心副總經理、智能模型部負責人、京東科技技術委員會委員、中國人民大學“營銷管理-數據科學”實驗班企業(yè)家導師。致力于將大數據與人工智能技術應用于風控,助力普惠金融的發(fā)展,獲得國家發(fā)明專利20余項,發(fā)表學術論文10余篇,帶領團隊構建開源項目UTBoost,多次獲得京東科技集團技術之星等科技創(chuàng)新類獎項。
楊愷
京東科技風控模型高級經理、京東博士管培生、中國科學院大學通信與信息系統(tǒng)博士,現(xiàn)負責京東小微與供應鏈金融產品的智能風控模型體系建設。研究興趣廣泛,曾在邊緣人工智能、聯(lián)邦學習、因果推斷等技術領域提出領先算法,在國際頂級期刊和會議上發(fā)表論文20余篇。
鄭邦祺
京東科技高級經理,先后負責了京東金條、白條等多個產品的精準營銷、信用風控和反欺詐等相關場景的模型體系建設,涵蓋產品全鏈路,從獲客、貸前審批、貸中管理到貸后運營,以及反欺詐、反洗錢等環(huán)節(jié)。擅長深度學習、復雜網絡、異常檢測等多種機器學習方法,熱衷于數據挖掘以及算法的跨領域優(yōu)化實踐。
周凡吟
西南財經大學統(tǒng)計學院教授、博士生導師、應用統(tǒng)計碩士教育中心執(zhí)行主任、四川省高層次人才、四川省學術與技術帶頭人后備人選,先后畢業(yè)于英國曼徹斯特大學、劍橋大學、帝國理工學院,曾任職美國花旗銀行倫敦總部量化交易分析部門。主要研究領域包括信用風險評估、企業(yè)生存風險分析、復雜網絡數據挖掘等,主持主研國家級基金項目6項,在國際頂級刊物上發(fā)表論文10余篇,長期致力于促進學術與產業(yè)的有效融合,深度參與了多個普惠金融、金融監(jiān)管、數字政府的政產學研項目,沉淀出關鍵技術成果與專利50余項。
李可
西南財經大學統(tǒng)計學院副教授、博士生導師、數據科學系主任、四川省高層次人才,曾任職美國谷歌公司和瑞士諾華集團,主要從事數據科學、人工智能、金融科技、精準醫(yī)學、糧食安全、能源經濟、環(huán)境政策等交叉領域的研究與教學工作,致力于推動政產學研深度融合、聯(lián)合培養(yǎng)數智化人才,形成了國家級一流課程、四川省高階課程、四川省一流課程等成果。
目 錄?Contents
推薦序
前言
第一篇 開篇
第1章 信貸風控概述 3
1.1 信貸風控的起源與發(fā)展 3
1.2 大數據帶來的變化 7
1.3 智能信貸的發(fā)展方向 10
第二篇 獲客
第2章 客群劃分 15
2.1 客群劃分簡介 15
2.1.1 客群劃分的含義及意義 15
2.1.2 傳統(tǒng)客群劃分方法 16
2.1.3 信貸客群劃分的挑戰(zhàn) 17
2.2 基于大數據的客群劃分 18
2.2.1 畫像標簽體系 18
2.2.2 構建畫像的關鍵步驟 19
2.3 客群劃分案例 21
2.3.1 “新中產”客群劃分 21
2.3.2 母嬰客群劃分及潛在客群
識別 24
第3章 信貸產品獲客 28
3.1 獲客與廣告 28
3.1.1 在線廣告 29
3.1.2 在線廣告的博弈關系和
協(xié)調機制 31
3.1.3 在線廣告的實時競價
機制 34
3.2 金融信貸產品獲客 35
3.3 基于聯(lián)邦學習和多任務學習的
建模方法 37
3.3.1 聯(lián)邦學習模型打破數據
壁壘 37
3.3.2 多任務學習模型充分利用
全鏈路信息 38
第三篇 授信
第4章 信貸評分卡工具 43
4.1 信貸風控決策鏈路 43
4.1.1 風控決策鏈路與數字化
工具 43
4.1.2 信貸評分卡及其關注點 45
4.2 信貸評分卡的開發(fā)和應用 45
4.2.1 模型設計 46
4.2.2 模型訓練 54
4.2.3 分數校準 60
4.2.4 模型評估 61
4.2.5 模型監(jiān)控 65
第5章 申請評分體系 67
5.1 貸前風控與申請評分卡 67
5.1.1 貸前風控場景 67
5.1.2 申請評分卡 68
5.2 智能申請評分卡體系 69
5.2.1 整合客戶全域信息 69
5.2.2 增強實時信息利用 70
5.2.3 挖掘多模態(tài)數據 71
5.2.4 申請評分體系的監(jiān)控 71
5.2.5 模型穩(wěn)定性問題和應對
措施 72
5.3 特殊場景:面向小微企業(yè)
信貸的申請評分卡 75
5.3.1 小微企業(yè)的定義 76
5.3.2 小微企業(yè)風險評估的難點 77
5.3.3 解決思路:基于多源數據的
小微企業(yè)評分卡開發(fā) 78
第6章 定價與定額 81
6.1 信貸產品的定價與定額 81
6.1.1 信貸產品風險定價簡介 81
6.1.2 信貸產品風險定價具體
模式 83
6.1.3 信貸產品風險定額簡介 85
6.2 基于最優(yōu)決策的定價與定額 86
6.2.1 最優(yōu)決策模型 86
6.2.2 模型的數學表達 87
6.2.3 模型訓練與預測 90
6.2.4 樣本偏差問題 92
6.2.5 有條件約束時的最優(yōu)決策 93
6.3 最優(yōu)決策模型的效果評估 96
6.3.1 評估的難點 96
6.3.2 離線評估方法 98
6.3.3 線上實驗設計 99
第四篇 貸中管理
第7章 貸中評分體系 105
7.1 貸中管理簡介 105
7.1.1 貸中場景與業(yè)務 105
7.1.2 貸中精細化管理 107
7.2 貸中管理模型體系 108
7.2.1 風險管理模型 108
7.2.2 額度管理模型 111
7.2.3 特殊場景模型 112
7.2.4 模型評估體系 112
7.3 分客群貸中管理 114
第五篇 貸后管理
第8章 貸后評分體系 119
8.1 貸后管理簡介 119
8.1.1 貸后場景與業(yè)務 119
8.1.2 貸后分期和協(xié)商 121
8.1.3 貸后評分卡體系 122
8.2 滾動預測評分卡 123
8.2.1 傳統(tǒng)滾動預測評分卡 123
8.2.2 跨期滾動預測評分卡 125
8.2.3 跨期滾動預測評分卡
運營 129
8.3 多模態(tài)數據融合技術賦能貸后
評分 130
8.3.1 貸后語音文本數據的記錄
和挖掘 131
8.3.2 語音文本多模態(tài)數據的
應用 132
8.3.3 語音文本多模態(tài)模型應用
場景 134
第9章 貸后運營體系 136
9.1 貸后運營業(yè)務場景 136
9.1.1 貸后運營的主要目標 136
9.1.2 貸后運營的業(yè)務流程 137
9.1.3 貸后運營的重要指標 138
9.1.4 貸后運營的主要挑戰(zhàn) 139
9.2 貸后智能化運營體系 139
9.2.1 貸后智能化運營體系
簡介 140
9.2.2 智能分案 141
9.2.3 智能作業(yè) 143
9.3 貸后智能化運營的工程
實現(xiàn) 145
9.3.1 貸后運營調度系統(tǒng)簡介 145
9.3.2 貸后運營調度系統(tǒng)設計 146
第10章 不良資產定價 149
10.1 不良資產發(fā)行與交易 149
10.1.1 不良資產市場現(xiàn)狀 149
10.1.2 不良資產證券化發(fā)行 151
10.1.3 不良資產轉讓與收購 151
10.1.4 不良資產定價 152
10.2 數據驅動的不良資產定價
方法 153
10.2.1 靜態(tài)池與資產池的數據
準備 153
10.2.2 基于客戶分群的不良資產
定價方法 155
10.2.3 基于債項的不良資產定價
方法 156
第六篇 其他典型風險的防控
第11章 反欺詐 161
11.1 欺詐與反欺詐 161
11.1.1 互聯(lián)網欺詐的特性 161
11.1.2 黑色產業(yè)鏈 162
11.1.3 常見欺詐場景 165
11.2 反欺詐體系 165
11.2.1 在線反欺詐體系的
構成 166
11.2.2 風險行為的全面感知 168
11.2.3 風險交易的準確識別 169
11.2.4 反欺詐體系的常用
算法 170
11.3 營銷場景反欺詐案例 174
11.3.1 事前風險感知 174
11.3.2 事中交易止損 175
11.3.3 事后案件分析 175
第12章 反洗錢 177
12.1 洗錢與反洗錢 177
12.1.1 國內外反洗錢形勢 178
12.1.2 互聯(lián)網金融反洗錢 179
12.2 反洗錢風險防控體系 180
12.2.1 反洗錢風險防控體系
簡介 180
12.2.2 洗錢風險監(jiān)控方法 18