风控：大数据时代下的信贷风险管理和实践（第2版）

目录/Contents
导言　　1
信贷的经济学基础　　11
2.1 信贷产生的经济学分析　　12
2.2 信贷分析方法随经济周期而变化　　19
2.3 信贷风控和策略的经济学分析　　24
信贷分析秘密武器——Cohort分析　　027
3.1 Cohort分析的案例和模型　　35
3.2 Cohort分析在资产证券化与保险中的应用　　39
信贷运营　　45
4.1 客户画像　　46
4.2 信贷产品设计　　49
4.3 引流获客与市场营销　　51
4.4 申请调查　　58
信贷分析　　64
5.1 信贷硬信息分析　　68
5.2 信贷软信息分析　　112
5.3 还款意愿量化方法　　117
信贷分析方法融合与全面风险管理　　123
6.1 传统信贷分析方法的优缺点和改进建议　　125
6.2 IPC微贷技术的优缺点和改进建议　　128
6.3 “信贷工厂”的优缺点和改进建议　　131
6.4 巴塞尔协议的风控模式的优缺点及改进建议　　133
6.5 大数据风控模式的优缺点和改进建议　　137
6.6 基于传统信贷、IPC微贷技术、“信贷工厂”、巴塞尔
协议和大数据风控模式融合的展望　　146
6.7 压力测试——未来预期与敏感度分析　　148
6.8 全面风险管理　　150
信贷的审批决策　　155
7.1 信贷审批委员会决策模式　　157
7.2 “信贷工厂”审批模式　　161
7.3 大数据风控的自动审批模式　　162
决策引擎　　165
8.1 以FICO的Blaze为代表的商业决策引擎　　167
8.2 基于MySQL的自建决策引擎　　169
8.3 基于Drools的自建决策引擎　　174
8.4 基于Spark的自建决策引擎　　178
风控模型建设与问题对策　　180
9.1 模型选择　　181
9.2 模型开发　　183
9.3 变量的选择及处理　　185
9.4 模型结果的评测　　187
9.5 模型校准与映射　　188
9.6 模型监测　　190
9.7 模型的常见问题和对策　　191
风控策略　　193
10.1 模型策略　　195
10.2 新客户的授信策略　　201
10.3 定价策略　　205
10.4 人工复审与问卷调查的风控策略　　210
10.5 数据及A/B测试中的风控策略　　212
10.6 基于矩阵和优化的风控决策　　213
反欺诈分析和挖掘　　215
11.1 欺诈的定义　　216
11.2 欺诈的界定　　218
11.3 协同反欺诈　　219
11.4 反欺诈方法　　221
11.5 欺诈场景是分析与挖掘的关键　　222
11.6 反欺诈的案例　　227
存量客户管理及贷中管理　　230
12.1 存量客户分层　　233
12.2 存量客户的额度管理　　235
12.3 大额贷款与循环信贷的贷中管理　　237
12.4 分期产品的贷中管理　　238
12.5 预警监测　　239
12.6 存量客户的信贷定价管理　　242
信贷的合同签订及贷款发放　　245
13.1 准备借款合同　　247
13.2 签订合同　　248
13.3 放款流程　　249
13.4 资金来源　　250
13.5 档案管理　　252
信贷的还款阶段　　254
14.1 还款方式　　255
14.2 支付方式　　256
14.3 还款提醒　　259
14.4 还款风险预防　　261
14.5 还款处理方式　　262
逾期管理和不良资产处置　　263
15.1 逾期信息处理　　266
15.2 催收策略　　267
15.3 动态催收策略　　271
15.4 催收行动　　273
15.5 不良资产处置　　274
管理信息系统　　276
附录A　　283
附录B　　284
参考文献　　285
后记　　289