銀行數(shù)字化風(fēng)控：業(yè)務(wù)與實(shí)踐

目錄
贊譽(yù)
序1
序2
前言
第一部分　銀行數(shù)字化風(fēng)控
第1章　銀行風(fēng)控演進(jìn)之路002
1.1　從3個(gè)角度認(rèn)識銀行數(shù)字化風(fēng)控002
1.1.1　角度1：銀行數(shù)字化風(fēng)控的本質(zhì)003
1.1.2　角度2：銀行數(shù)字化風(fēng)控的范疇003
1.1.3　角度3：傳統(tǒng)風(fēng)控、智能風(fēng)控與數(shù)字化風(fēng)控003
1.2　銀行數(shù)字化風(fēng)控演進(jìn)的4個(gè)階段011
1.2.1　第一個(gè)階段：KYC與專家經(jīng)驗(yàn)式風(fēng)控011
1.2.2　第二個(gè)階段：5C與要素分析式風(fēng)控013
1.2.3　第三個(gè)階段：數(shù)據(jù)庫與信貸生命周期分析015
1.2.4　第四個(gè)階段：大數(shù)據(jù)與銀行數(shù)字化風(fēng)控017
1.3　銀行風(fēng)控?cái)?shù)字化必要性的5個(gè)方面019
1.3.1　領(lǐng)先銀行風(fēng)控?cái)?shù)字化成效顯著020
1.3.2　外部因素：監(jiān)管約束021
1.3.3　內(nèi)部因素：內(nèi)生動(dòng)力022
1.3.4　打造未來銀行數(shù)字資產(chǎn)的關(guān)鍵一環(huán)023
1.3.5　培養(yǎng)銀行數(shù)字化人才的有效途徑025
1.4　本章小結(jié)026
第2章　銀行轉(zhuǎn)型　風(fēng)控先行027
2.1　數(shù)字化風(fēng)控：銀行數(shù)字化轉(zhuǎn)型的重中之重027
2.1.1　提升數(shù)字化風(fēng)控優(yōu)先級的4個(gè)原因028
2.1.2　銀行數(shù)字化精準(zhǔn)定位的4個(gè)層級029
2.1.3　數(shù)字化風(fēng)控要避免的4個(gè)誤區(qū)032
2.1.4　傳統(tǒng)風(fēng)控的4塊短板033
2.2　數(shù)據(jù)驅(qū)動(dòng)銀行數(shù)字化風(fēng)控加速轉(zhuǎn)型035
2.2.1　數(shù)據(jù)治理：銀行數(shù)字化風(fēng)控的根基036
2.2.2　金融科技：助力銀行數(shù)字化風(fēng)控040
2.2.3　破除迷信：銀行數(shù)字化風(fēng)控的風(fēng)控043
2.3　金融科技是把“雙刃劍”045
2.4　本章小結(jié)051
第二部分　零售業(yè)務(wù)數(shù)字化風(fēng)控
第3章　貸前、貸中數(shù)字化風(fēng)控054
3.1　互聯(lián)網(wǎng)貸款新規(guī)對傳統(tǒng)風(fēng)控的沖擊054
3.1.1　銀行核心風(fēng)控為何不能外包055
3.1.2　提升數(shù)字化風(fēng)控能力的4個(gè)因素062
3.1.3　數(shù)據(jù)、算法與模型賦能銀行零售業(yè)務(wù)數(shù)字化風(fēng)控064
3.2　銀行必須具備數(shù)字化風(fēng)控理念067
3.2.1　傳統(tǒng)風(fēng)控與數(shù)字化風(fēng)控067
3.2.2　模型、規(guī)則與策略068
3.2.3　零售業(yè)務(wù)數(shù)字化風(fēng)控的5個(gè)要點(diǎn)070
3.2.4　案例：大數(shù)據(jù)風(fēng)控漏洞引發(fā)10億元騙貸大案070
3.3　數(shù)據(jù)驅(qū)動(dòng)銀行數(shù)字化風(fēng)控072
3.3.1　獲取數(shù)據(jù)的3種方式073
3.3.2　行內(nèi)數(shù)據(jù)應(yīng)用的3個(gè)要點(diǎn)074
3.3.3　行外數(shù)據(jù)管理的6個(gè)要點(diǎn)075
3.3.4　選取優(yōu)質(zhì)數(shù)據(jù)源的5個(gè)公式077
3.4　數(shù)字化評分模型的建立與應(yīng)用079
3.4.1　評分卡建模方法論079
3.4.2　模型驗(yàn)證的4個(gè)指標(biāo)079
3.4.3　數(shù)據(jù)建模的步驟081
3.4.4　自動(dòng)化智能建模082
3.5　本章小結(jié)088
第4章　數(shù)字化風(fēng)控模型089
4.1　二代征信解析模型089
4.1.1　什么是征信089
4.1.2　二代征信報(bào)告解析面臨的五大挑戰(zhàn)090
4.1.3　報(bào)告解析：衍生變量ABC092
4.2　授信額度模型096
4.2.1　建模目標(biāo)：利潤大化097
4.2.2　矩陣額度模型：從一維到多維099
4.2.3　模型訓(xùn)練與機(jī)器學(xué)習(xí)100
4.2.4　3W1H：貸中額度管理101
4.2.5　授信額度生命周期102
4.3　風(fēng)險(xiǎn)定價(jià)模型102
4.3.1　風(fēng)險(xiǎn)定價(jià)一二三103
4.3.2　利率市場化賦予銀行自主定價(jià)權(quán)105
4.3.3　從產(chǎn)品定價(jià)到客戶定價(jià)105
4.3.4　風(fēng)險(xiǎn)定價(jià)的3個(gè)核心思路107
4.3.5　風(fēng)險(xiǎn)定價(jià)的4個(gè)方法108
4.4　風(fēng)險(xiǎn)預(yù)警模型109
4.4.1　風(fēng)險(xiǎn)預(yù)警模型的構(gòu)建過程109
4.4.2　基于六大行為要素的風(fēng)險(xiǎn)預(yù)警112
4.4.3　風(fēng)險(xiǎn)監(jiān)控預(yù)警流程、模塊與閾值113
4.4.4　風(fēng)險(xiǎn)預(yù)警指標(biāo)體系116
4.5　本章小結(jié)118
第5章　數(shù)字化風(fēng)控策略119
5.1　貸款的生命線：風(fēng)控策略119
5.1.1　制定策略的4項(xiàng)基本原則120
5.1.2　風(fēng)控策略生命周期的3個(gè)階段121
5.1.3　準(zhǔn)入策略的5個(gè)要點(diǎn)127
5.2　白名單策略130
5.2.1　制定白名單策略的3種方法130
5.2.2　白名單策略的兩類應(yīng)用場景131
5.2.3　三步篩選白名單133
5.3　黑名單策略134
5.3.1　內(nèi)部黑名單134
5.3.2　外部黑名單135
5.3.3　常用的5類黑名單136
5.4　多頭借貸策略138
5.5　反欺詐策略139
5.6　本章小結(jié)140
第6章　數(shù)字化風(fēng)控指標(biāo)及其分析方法141
6.1　了解3個(gè)基礎(chǔ)概念141
6.2　掌握3個(gè)重要的指標(biāo)分析143
6.2.1　賬齡分析146
6.2.2　滾動(dòng)率分析150
6.2.3　遷徙率分析155
6.3　F（STQ）PD指標(biāo)157
6.3.1　F（STQ）PD指標(biāo)的含義158
6.3.2　FPD的計(jì)算公式158
6.3.3　F（STQ）PD的應(yīng)用場景158
6.4　常用數(shù)字化風(fēng)控指標(biāo)159
6.5　本章小結(jié)161
第7章　數(shù)字化風(fēng)控的命門：智能反欺詐162
7.1　數(shù)字金融欺詐帶來的嚴(yán)峻挑戰(zhàn)162
7.1.1　反欺詐新動(dòng)向163
7.1.2　揭秘欺詐“黑話”163
7.2　揭露黑色產(chǎn)業(yè)市場166
7.2.1　黑產(chǎn)欺詐銀行的典型場景167
7.2.2　黑產(chǎn)攻擊銀行的3種表現(xiàn)形式169
7.3　偽造“優(yōu)質(zhì)客戶”生產(chǎn)線169
7.3.1　銀行優(yōu)質(zhì)客戶的5個(gè)特征170
7.3.2　批量制造“真實(shí)”客戶171
7.3.3　數(shù)據(jù)整容172
7.4　典型欺詐案例剖析175
7.5　智能反欺詐：思路、系統(tǒng)與技術(shù)176
7.5.1　策略反欺詐與技術(shù)反欺詐176
7.5.2　智能反欺詐的5個(gè)層級177
7.5.3　智能反欺詐之“六脈神劍”178
7.6　人手識別183
7.6.1　從人臉識別到人手識別184
7.6.2　生物識別技術(shù)面面觀185
7.6.3　人手識別原理186
7.6.4　人手識別的三大特點(diǎn)186
7.7　本章小結(jié)187
第8章　數(shù)字化貸后管理188
8.1　銀行傳統(tǒng)貸后催收工作188
8.1.1　傳統(tǒng)貸后催收模式189
8.1.2　傳統(tǒng)貸后催收模式的6個(gè)痛點(diǎn)190
8.1.3　從傳統(tǒng)走向數(shù)字化193
8.2　智能貸后催收新模式194
8.3　互聯(lián)網(wǎng)法催：新型不良資產(chǎn)處置方式199
8.3.1　互聯(lián)網(wǎng)法院200
8.3.2　互聯(lián)網(wǎng)仲裁200
8.3.3　網(wǎng)絡(luò)賦強(qiáng)公證203
8.4　本章小結(jié)205
第三部分　對公授信數(shù)字化風(fēng)控
第9章　銀行數(shù)字化轉(zhuǎn)型下半場：對公授信208
9.1　對公授信局面：日趨復(fù)雜208
9.2　對公授信數(shù)字化：箭在弦上209
9.2.1　企業(yè)形態(tài)出現(xiàn)根本性改變209
9.2.2　與傳統(tǒng)迥異的投入產(chǎn)出新規(guī)律210
9.2.3　綠色金融提出對公風(fēng)控新課題211
9.2.4　金融生態(tài)圈進(jìn)化增加風(fēng)控難度212
9.2.5　商業(yè)新模式帶來風(fēng)控新挑戰(zhàn)213
9.3　“吐槽大會”—傳統(tǒng)對公風(fēng)控的四大痛點(diǎn)214
9.3.1　信貸員：難以全面收集多方信息214
9.3.2　審貸官：專家審貸標(biāo)準(zhǔn)不一214
9.3.3　風(fēng)險(xiǎn)經(jīng)理：預(yù)警耗時(shí)、費(fèi)事且不精準(zhǔn)215
9.3.4　管理者：無法及時(shí)掌握對公業(yè)務(wù)全貌215
9.4　對公數(shù)字化的五大成果216
9.5　案例解析：提前預(yù)警破產(chǎn)事件217
9.5.1　案件背景218
9.5.2　智能追溯破產(chǎn)原因218
9.5.3　智能識別風(fēng)險(xiǎn)事件219
9.6　本章小結(jié)220
第10章　全流程智能數(shù)字化221
10.1　什么是全流程智能數(shù)字化221
10.1.1　決策智能化222
10.1.2　分析智能化222
10.1.3　流程智能化223
10.2　貸前調(diào)查階段223
10.2.1　常用智能技術(shù)223
10.2.2　智能技術(shù)應(yīng)用的典型場景225
10.2.3　數(shù)字技術(shù)賦能貸前調(diào)查226
10.3　貸中審查階段228
10.3.1　智能識別財(cái)務(wù)造假228
10.3.2　智能識別客戶欺詐229
10.3.3　企業(yè)關(guān)聯(lián)關(guān)系核查230
10.3.4　大數(shù)據(jù)企業(yè)信用評級232
10.3.5　智能授信合同管理232
10.4　貸后管理階段233
10.4.1　智能財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警233
10.4.2　智能監(jiān)控預(yù)警模型234
10.4.3　智能輿情監(jiān)控234
10.4.4　有效掌握財(cái)產(chǎn)線索234
10.4.5　黑名單管理235
10.4.6　防止關(guān)聯(lián)風(fēng)險(xiǎn)傳導(dǎo)235
10.5　本章小結(jié)235
第11章　數(shù)字化風(fēng)險(xiǎn)穿透識別236
11.1　圖計(jì)算237
11.1.1　什么是圖計(jì)算237
11.1.2　圖計(jì)算的優(yōu)點(diǎn)238
11.1.3　圖計(jì)算技術(shù)的應(yīng)用場景239
11.2　知識圖譜241
11.2.1　什么是知識圖譜241
11.2.2　從4個(gè)角度了解知識圖譜242
11.2.3　知識圖譜的應(yīng)用場景242
11.3　企業(yè)風(fēng)險(xiǎn)畫像244
11.3.1　必要性分析244
11.3.2　企業(yè)風(fēng)險(xiǎn)畫像的主要內(nèi)容245
11.3.3　企業(yè)風(fēng)險(xiǎn)畫像的應(yīng)用場景249
11.4　風(fēng)險(xiǎn)信號體系250
11.4.1　風(fēng)險(xiǎn)信號250
11.4.2　風(fēng)險(xiǎn)信號的自動(dòng)識別與應(yīng)用251
11.4.3　風(fēng)險(xiǎn)信號的主體與分類252
11.4.4　風(fēng)險(xiǎn)信號的層級253
11.5　本章小結(jié)253
第12章　數(shù)字化金融事件分析254
12.1　事件語義學(xué)254
12.1.1　語義255
12.1.2　事件255
12.1.3　語義理解255
12.2　事件圖譜256
12.2.1　事件圖譜的定義256
12.2.2　知識圖譜與事件圖譜257
12.2.3　事件抽取的相關(guān)概念257
12.2.4　事件抽取的相關(guān)技術(shù)258
12.2.5　事件圖譜的應(yīng)用場景262
12.3　3個(gè)關(guān)鍵要素263
12.3.1　金融事件圖譜263
12.3.2　銀行應(yīng)用場景264
12.3.3　金融風(fēng)險(xiǎn)事件集合266
12.4　本章小結(jié)268
第四部分　普惠金融數(shù)字化風(fēng)控
第13章　普惠金融破局之道270
13.1　破局的三大思路270
13.1.1　政策破局—取勢271
13.1.2　思維破局—明道271
13.1.3　科技破局—優(yōu)術(shù)274
13.2　普惠金融的風(fēng)險(xiǎn)誘因275
13.2.1　過度授信遭遇經(jīng)濟(jì)下行275
13.2.2　短貸長用助長盲目擴(kuò)張276
13.2.3　連環(huán)擔(dān)保導(dǎo)致風(fēng)控失效276
13.2.4　多重因素造成生存艱難277
13.3　普惠金融數(shù)字化風(fēng)控的著眼點(diǎn)277
13.3.1　發(fā)現(xiàn)4個(gè)不足之處277
13.3.2　提出4個(gè)改進(jìn)舉措278
13.3.3　解決4個(gè)棘手問題279
13.4　數(shù)字普惠金融280
13.4.1　數(shù)字普惠金融促進(jìn)銀行全面升級281
13.4.2　銀行推進(jìn)數(shù)字普惠金融全面發(fā)展282
13.4.3　銀行數(shù)字普惠金融的未來284
13.5　本章小結(jié)285
第14章　銀行數(shù)據(jù)管理與個(gè)人信息保護(hù)286
14.1　銀行數(shù)字化：三部重要法律287
14.2　銀行數(shù)據(jù)管理287
14.2.1　銀行數(shù)據(jù)管理的必要性287
14.2.2　銀行數(shù)據(jù)管理面臨的挑戰(zhàn)288
14.2.3　銀行數(shù)據(jù)管理的實(shí)施路徑288
14.3　自然人數(shù)據(jù)管理與應(yīng)用289
14.3.1　多頭借貸290
14.3.2　反欺詐評分290
14.3.3　App行為風(fēng)險(xiǎn)特征292
14.3.4　還款能力評估293
14.3.5　客戶綜合評分293
14.4　中小企業(yè)數(shù)據(jù)管理與應(yīng)用294
14.4.1　中小企業(yè)風(fēng)險(xiǎn)結(jié)構(gòu)294
14.4.2　中小企業(yè)風(fēng)險(xiǎn)畫像296
14.4.3　風(fēng)險(xiǎn)畫像數(shù)據(jù)來源296
14.4.4　中小企業(yè)風(fēng)險(xiǎn)監(jiān)控297
14.5　“三大紀(jì)律、八項(xiàng)注意”298
14.5.1　“三大紀(jì)律”298
14.5.2　“八項(xiàng)注意”301
14.6　本章小結(jié)304
第15章　農(nóng)村數(shù)字普惠金融305
15.1　農(nóng)村普惠金融的四大困境305
15.1.1　金融科技普及推廣難306
15.1.2　金融市場供求不均衡307
15.1.3　金融服務(wù)功能單一307
15.1.4　貸款準(zhǔn)入門檻高308
15.2　當(dāng)鄉(xiāng)村振興遇上金融科技308
15.2.1　什么是農(nóng)村數(shù)字普惠金融309
15.2.2　農(nóng)村數(shù)字普惠金融的3種模式309
15.2.3　農(nóng)村普惠金融的6個(gè)不足310
15.3　服務(wù)“三農(nóng)”心中有“數(shù)”311
15.3.1　“三農(nóng)”數(shù)字征信311
15.3.2　“三農(nóng)”數(shù)字化風(fēng)控313
15.3.3　“三農(nóng)”數(shù)據(jù)采集315
15.3.4　“三農(nóng)”數(shù)據(jù)分析316
15.4　整村授信數(shù)字化317
15.4.1　整村授信數(shù)字化破解兩大難題317
15.4.2　整村授信數(shù)字化實(shí)現(xiàn)3項(xiàng)收益318
15.4.3　整村授信數(shù)字化實(shí)施5個(gè)步驟319
15.5　本章小結(jié)320
第16章　信貸資金流向監(jiān)控321
16.1　傳統(tǒng)監(jiān)控?zé)o效的三大原因321
16.2　現(xiàn)金流核查的三大難點(diǎn)322
16.3　監(jiān)管要求與處罰案例324
16.4　智能監(jiān)控與預(yù)警326
16.5　資金流向知識圖譜330
16.6　本章小結(jié)333