數據化風控——信用評分建模教程

作譯者：單良,喬楊

出版時間：2018-09

千字數：213

版次：01-01

頁數：240

開本：16開裝幀：I S B N ：9787121346293

換版：

紙質書定價：￥65.0

隨著國內消費金融市場的開放與高度競爭,小貸公司、P2P、消費金融公司,現金貸公司等蜂擁而立,野蠻生長。這些金融產品的共同屬性就是放款金額小,審批速度快,規模數量大。不管是申貸時或核撥後，每位客戶在不同階段都有不同的潛在風險，這些風險徵兆可能存在於各種令人忽略的細節中，這考驗風險控制的執行與管理能力,信用評等模型的精準決策與快速調整,就關乎風險資產品質是好壞的最大關鍵與命脈。信用評分模型建立在完整的歷史數據上，藉由數據匯整、清理、分群及探勘等技術，將大量數據轉化為有用的風險信息，信用評分模型建立後，可將風險數據化，清楚呈現客戶的違約率及風險排序，使風險單位得以確切掌握客戶風險，並制定更為精準的授信政策。環顧國內市場具備建模能力的專才供需失衡,特將評分建模過程逐一章節細分介紹,並提供實際案例與讀者分享,解開長久以來對建模是個黑盒子的印象。並期盼更多具備風險建模的專才加入,具備自我開發建模的能力,讓普惠金融更能良性發展。

第一章信用評分基礎認識與套用 /001

第一節信用評分卡簡介 /003

第二節評分卡建立與驗證 /008

第三節評分套用 /026

第二章信用評分模型規格與設計 /031

第一節數據收集、質量檢驗 /031

第二節應排除的數據樣本 /033

第三節樣本期間、好壞客戶定義 /034

第四節範例 /039

第三章分組（Segmentation）目的與分析選擇 /041

第一節分組目的 /041

第二節分組分析 /043

第三節範例 /046

第四章細緻分析與自變數分析 /049

第一節細緻分類（Fine Classing） /051

第二節範例 /052

第三節單因子分析（Single Factor Analysis） /057

第四節粗略分類（Coarse Classing） /064

第五節範例 /065

第五章模型建立方法討論 /071

第一節線性回歸（Linear Regression） /073

第二節邏輯回歸（Logistic Regression） /077

第三節兩階段式建立方法 /082

第四節初始模型討論 /084

第五節範例 /085

第六章拒絕推論（Reject Inference）的原因與方法 /089

第一節拒絕推論的原因 /090

第二節拒絕推論的方法 /092

第七章最終模型選擇與風險校準（Calibration） /099

第一節最終模型產出 /101

第二節設定風險校準（Risk Calibration） /105

第三節模型驗證 /109

數據化風控——信用評分建模教程

基本介紹

相關詞條

熱門詞條