幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

大數據智能風控(業務解析核心演算法與前沿技術)

  • 作者：黃志翔//楊愷//鄭邦祺//周凡吟//李可等|責編:楊福川//董惠芝
  • 出版社：機械工業
  • ISBN：9787111759393
  • 出版日期：2024/12/01
  • 裝幀：平裝
  • 頁數：244
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    這是一本從業務和技術雙重視角解讀數智化風控的著作，是企業界和學術界強強合作的重要成果。
    本書貫穿風控全鏈路，深度剖析了各業務環節所面對的核心風險，以及基於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，以及基於聯邦學習的數據孤島打通、基於關係網路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、准入、授信、定價、定額、監控、處置等各個環節，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務的場景、問題、數據、技術和解決方案，既是對一線技術與業務實踐經驗的總結，也是對當下解決方案發展趨勢的概括。
作者介紹
黃志翔//楊愷//鄭邦祺//周凡吟//李可等|責編:楊福川//董惠芝
目錄
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  客群劃分的含義及意義
      2.1.2  傳統客群劃分方法
      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  構建畫像的關鍵步驟
    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  信貸產品獲客
    3.1  獲客與廣告
      3.1.1  在線廣告
      3.1.2  在線廣告的博弈關係和協調機制
      3.1.3  在線廣告的實時競價機制
    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  聯邦學習模型打破數據壁壘
      3.3.2  多任務學習模型充分利用全鏈路信息
第三篇  授信
  第4章  信貸評分卡工具
    4.1  信貸風控決策鏈路
      4.1.1  風控決策鏈路與數字化工具
      4.1.2  信貸評分卡及其關注點
    4.2  信貸評分卡的開發和應用
      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  智能申請評分卡體系
      5.2.1  整合客戶全域信息
      5.2.2  增強實時信息利用
      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  模型穩定性問題和應對措施
    5.3  特殊場景：面向小微企業信貸的申請評分卡

      5.3.1  小微企業的定義
      5.3.2  小微企業風險評估的難點
      5.3.3  解決思路：基於多源數據的小微企業評分卡開發
  第6章  定價與定額
    6.1  信貸產品的定價與定額
      6.1.1  信貸產品風險定價簡介
      6.1.2  信貸產品風險定價具體模式
      6.1.3  信貸產品風險定額簡介
    6.2  基於最優決策的定價與定額
      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  有條件約束時的最優決策
    6.3  最優決策模型的效果評估
      6.3.1  評估的難點
      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  貸后管理
  第8章  貸后評分體系
    8.1  貸后管理簡介
      8.1.1  貸后場景與業務
      8.1.2  貸後分期和協商
      8.1.3  貸后評分卡體系
    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  多模態數據融合技術賦能貸后評分
      8.3.1  貸后語音文本數據的記錄和挖掘
      8.3.2  語音文本多模態數據的應用
      8.3.3  語音文本多模態模型應用場景
  第9章  貸后運營體系
    9.1  貸后運營業務場景
      9.1.1  貸后運營的主要目標
      9.1.2  貸后運營的業務流程
      9.1.3  貸后運營的重要指標
      9.1.4  貸后運營的主要挑戰
    9.2  貸后智能化運營體系

      9.2.1  貸后智能化運營體系簡介
      9.2.2  智能分案
      9.2.3  智能作業
    9.3  貸后智能化運營的工程實現
      9.3.1  貸后運營調度系統簡介
      9.3.2  貸后運營調度系統設計
  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  數據驅動的不良資產定價方法
      10.2.1  靜態池與資產池的數據準備
      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  其他典型風險的防控
  第11章  反欺詐
    11.1  欺詐與反欺詐
      11.1.1  互聯網欺詐的特性
      11.1.2  黑色產業鏈
      11.1.3  常見欺詐場景
    11.2  反欺詐體系
      11.2.1  在線反欺詐體系的構成
      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  反欺詐體系的常用演算法
    11.3  營銷場景反欺詐案例
      11.3.1  事前風險感知
      11.3.2  事中交易止損
      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  國內外反洗錢形勢
      12.1.2  互聯網金融反洗錢
    12.2  反洗錢風險防控體系
      12.2.1  反洗錢風險防控體系簡介
      12.2.2  洗錢風險監控方法
    12.3  基於交易網路的洗錢風險識別
      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  多頭借貸防控基礎
      14.2.1  聯防聯控與數據共享

      14.2.2  個人徵信系統
      14.2.3  其他數據渠道
    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  多頭借貸防控的規則和模型
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  聯合建模的數據困境
      15.1.2  破局之鑰：聯邦學習
      15.1.3  多方安全計算、分散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：反欺詐建模
    15.4  聯邦遷移學習
  第16章  關係網路
    16.1  關係網路簡介
    16.2  圖存儲和圖計算
      16.2.1  圖的存儲方式
      16.2.2  圖的切分方式
      16.2.3  圖計算系統
    16.3  圖演算法
      16.3.1  圖傳播演算法
      16.3.2  圖嵌入演算法
      16.3.3  圖神經網路演算法
    16.4  基於關係網路的風險建模
      16.4.1  基於關係網路的用戶信用風險評估模型構建
      16.4.2  基於關係網路的反欺詐模型構建

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032