更新时间：2024-08-06 17:02:24
封面
版权信息
内容简介
前言
第1章 互联网信贷业务逻辑和风险
1.1 互联网信贷业务
1.1.1 互联网信贷的定义和范围
1.1.2 互联网信贷的业务模式
1.1.3 互联网信贷业务监管演进
1.1.4 互联网信贷业务的发展趋势
1.2 互联网信贷风险
1.2.1 认识风险
1.2.2 风险管理的组织架构和“三道防线”
1.2.3 信贷风险管理流程
1.2.4 大数据风控
1.2.5 大数据风控管理原则
1.3 本章小结
第2章 大数据智能风控的由来
2.1 金融科技的概念、发展及影响
2.1.1 金融科技的概念
2.1.2 金融科技的创新历程
2.1.3 金融科技的影响
2.2 银行数字化转型
2.2.1 银行数字化转型的内涵
2.2.2 银行数字化转型的三大因素
2.2.3 银行数字化转型的基本思路与对策
2.3 从传统风控到大数据智能风控
2.3.1 风控1.0：传统风控
2.3.2 风控2.0：大数据风控
2.3.3 风控3.0：大数据智能风控
2.4 大数据智能风控的内涵与建设
2.4.1 大数据智能风控的内涵
2.4.2 大数据智能风控的建设
2.5 案例剖析
2.5.1 经营原则：数据驱动战略
2.5.2 全面应用大数据和人工智能技术
2.5.3 打造一流的智能风控体系
2.5.4 对我国商业银行的启示
2.6 本章小结
第3章 大数据智能风控基础：大数据
3.1 大数据对商业银行的影响
3.1.1 大数据的特性
3.1.2 大数据赋能
3.2 内部数据
3.3 外部数据
3.3.1 外部数据分类
3.3.2 外部数据源的管理原则
3.3.3 外部数据管理流程
3.3.4 外部数据评估
3.4 人行征信
3.4.1 人行征信简介
3.4.2 人行征信的历史沿革
3.4.3 人行征信数据的主要来源
3.4.4 二代征信的主要改进
3.4.5 人行征信的业务实践
3.5 智能数据体系
3.5.1 数据技术架构
3.5.2 统一数据管理
3.6 案例剖析
3.7 本章小结
第4章 大数据智能风控核心：模型
4.1 模型的理论框架
4.1.1 模型发展历程
4.1.2 模型的分类
4.1.3 模型的特征
4.2 模型算法
4.2.1 逻辑回归算法
4.2.2 决策树
4.2.3 集成学习
4.3 模型评价指标
4.3.1 混淆矩阵
4.3.2 评价指标
4.4 模型开发流程
4.4.1 模型定位
4.4.2 数据处理
4.4.3 样本准备
4.4.4 特征变量评估
4.4.5 模型训练
4.4.6 模型管理
4.5 案例剖析
4.6 本章小结
第5章 大数据智能风控载体：风控平台
5.1 风控平台的理论框架
5.1.1 风控平台的内涵
5.1.2 风控平台建设的合规要求
5.1.3 风控平台建设的同业实践
5.1.4 风控平台的设计原则
5.2 风控系统建设方案
5.2.1 风控系统架构建设
5.2.2 风控系统流程建设
5.3 决策引擎建设方案
5.3.1 决策引擎的内涵
5.3.2 决策引擎的功能架构
5.3.3 决策引擎的主要优势和应用
5.3.4 决策引擎的核心组件
5.4 本章小结
第6章 风控策略应用
6.1 风控策略的管理内涵
6.1.1 模型与规则
6.1.2 政策与策略
