銀行數字化風控:業務與實踐

吳易璋

  • 出版商: 機械工業
  • 出版日期: 2023-01-01
  • 定價: $594
  • 售價: 9.5$564
  • 語言: 簡體中文
  • 頁數: 333
  • 裝訂: 平裝
  • ISBN: 7111717643
  • ISBN-13: 9787111717645
  • 立即出貨 (庫存 < 3)

買這商品的人也買了...

相關主題

商品描述

這是一本從業務視角講解銀行機構如何在數字化轉型的大背景下構建數字化風控體系的著作。

作者深耕銀行風控領域20餘年,將自己在銀行和金融機構的從業經驗以及為500餘家銀行提供諮詢和培訓的內容深度融合,
總結了一套全面的銀行數字化風控方法論,為零售、對公、普惠金融3大核心業務如何構建自己的風控體系,給出了明確的策略、方法與實踐。

全書核心內容具體如下:

第一部分(第1-2章)銀行數字化風控著重分析銀行數字化風控的重要性、
銀行業發展的必然趨勢以及金融科技在銀行數字化風控中的應用,探討如何構建銀行全面數字化風控體系。

第二部分(第3-8章)零售業務數字化風控從零售業務的貸前、貸中與貸後各環節入手,
著重介紹數字化風控策略、數字化風控模型以及數字化風控指標分析等內容,
特別是智能反欺詐、智能貸後與AI催收,是銀行需要重點關注的方向。

第三部分(第9-12章)對公授信數字化風控從對公業務數字化的重要性入手,介紹銀行業領先做法,
涵蓋全流程智能應用、數字化風險穿透識別與數字化金融事件分析等對公授信數字化風控具體內容。

第四部分(第13-16章)普惠金融數字化風控在分析普惠金融數字化風控難點與解決方案的基礎上,
探討普惠金融破解之道,並深入闡述銀行在數據管理與個人隱私保護、
農村數字普惠金融以及信貸資金流向監控方面的數字化智能風控做法。

目錄大綱

目錄
讚譽
序1
序2
前言
第一部分銀行數字化風控
第1章銀行風控演進之路002
1.1 從3個角度認識銀行數字化風控002
1.1.1 角度1:銀行數字化風控的本質003
1.1.2 角度2:銀行數字化風控的範疇003
1.1.3 角度3:傳統風控、智能風控與數字化風控003
1.2 銀行數字化風控演進的4個階段011
1.2.1 第一個階段:KYC與專家經驗式風控011
1.2.2 第二個階段:5C與要素分析式風控013
1.2.3 第三個階段:數據庫與信貸生命週期分析015
1.2.4 第四個階段:大數據與銀行數字化風控017
1.3 銀行風控數字化必要性的5個方面019
1.3.1 領先銀行風控數字化成效顯著020
1.3.2 外部因素:監管約束021
1.3.3 內部因素:內生動力022
1.3.4 打造未來銀行數字資產的關鍵一環023
1.3.5 培養銀行數字化人才的有效途徑025
1.4 本章小結026
第2章銀行轉型風控先行027
2.1 數字化風控:銀行數字化轉型的重中之重027
2.1.1 提升數字化風控優先級的4個原因028
2.1.2 銀行數字化精准定位的4個層級029
2.1.3 數字化風控要避免的4個誤區032
2.1.4 傳統風控的4塊短板033
2.2 數據驅動銀行數字化風控加速轉型035
2.2.1 數據治理:銀行數字化風控的根基036
2.2.2 金融科技:助力銀行數字化風控040
2.2.3 破除迷信:銀行數字化風控的風控043
2.3 金融科技是把“雙刃劍”045
2.4 本章小結051
第二部分零售業務數字化風控
第3章貸前、貸中數字化風控054
3.1 互聯網貸款新規對傳統風控的衝擊054
3.1.1 銀行核心風控為何不能外包055
3.1.2 提升數字化風控能力的4個因素062
3.1.3 數據、算法與模型賦能銀行零售業務數字化風控064
3.2 銀行必須具備數字化風控理念067
3.2.1 傳統風控與數字化風控067
3.2.2 模型、規則與策略068
3.2.3 零售業務數字化風控的5個要點070
3.2.4 案例:大數據風控漏洞引發10億元騙貸大案070
3.3 數據驅動銀行數字化風控072
3.3.1 獲取數據的3種方式073
3.3.2 行內數據應用的3個要點074
3.3.3 行外數據管理的6個要點075
3.3.4 選取優質數據源的5個公式077
3.4 數字化評分模型的建立與應用079
3.4.1 評分卡建模方法論079
3.4.2 模型驗證的4個指標079
3.4.3 數據建模的步驟081
3.4.4 自動化智能建模082
3.5 本章小結088
第4章數字化風控模型089
4.1 二代徵信解析模型089
4.1.1 什麼是徵信089
4.1.2 二代徵信報告解析面臨的五大挑戰090
4.1.3 報告解析:衍生變量ABC092
4.2 授信額度模型096
4.2.1 建模目標:利潤大化097
4.2.2 矩陣額度模型:從一維到多維099
4.2.3 模型訓練與機器學習100
4.2.4 3W1H:貸中額度管理101
4.2.5 授信額度生命週期102
4.3 風險定價模型102
4.3.1 風險定價一二三103
4.3.2 利率市場化賦予銀行自主定價權105
4.3.3 從產品定價到客戶定價105
4.3.4 風險定價的3個核心思路107
4.3.5 風險定價的4個方法108
4.4 風險預警模型109
4.4.1 風險預警模型的構建過程109
4.4.2 基於六大行為要素的風險預警112
4.4.3 風險監控預警流程、模塊與閾值113
4.4.4 風險預警指標體系116
4.5 本章小結118
第5章數字化風控策略119
5.1 貸款的生命線:風控策略119
5.1.1 制定策略的4項基本原則120
5.1.2 風控策略生命週期的3個階段121
5.1.3 准入策略的5個要點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140
第6章數字化風控指標及其分析方法141
6.1 了解3個基礎概念141
6.2 掌握3個重要的指標分析143
6.2.1 賬齡分析146
6.2.2 滾動率分析150
6.2.3 遷徙率分析155
6.3 F(STQ)PD指標157
6.3.1 F(STQ)PD指標的含義158
6.3.2 FPD的計算公式158
6.3.3 F(STQ)PD的應用場景158
6.4 常用數字化風控指標159
6.5 本章小結161
第7章數字化風控的命門:智能反欺詐162
7.1 數字金融欺詐帶來的嚴峻挑戰162
7.1.1 反欺詐新動向163
7.1.2 揭秘欺詐“黑話”163
7.2 揭露黑色產業市場166
7.2.1 黑產欺詐銀行的典型場景167
7.2.2 黑產攻擊銀行的3種表現形式169
7.3 偽造“優質客戶”生產線169
7.3.1 銀行優質客戶的5個特徵170
7.3.2 批量製造“真實”客戶171
7.3.3 數據整容172
7.4 典型欺詐案例剖析175
7.5 智能反欺詐:思路、系統與技術176
7.5.1 策略反欺詐與技術反欺詐176
7.5.2 智能反欺詐的5個層級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186
7.7 本章小結187
第8章數字化貸後管理188
8.1 銀行傳統貸後催收工作188
8.1.1 傳統貸後催收模式189
8.1.2 傳統貸後催收模式的6個痛點190
8.1.3 從傳統走向數字化193
8.2 智能貸後催收新模式194
8.3 互聯網法催:新型不良資產處置方式199
8.3.1 互聯網法院200
8.3.2 互聯網仲裁200
8.3.3 網絡賦強公證203
8.4 本章小結205
第三部分對公授信數字化風控
第9章銀行數字化轉型下半場:對公授信208
9.1 對公授信局面:日趨複雜208
9.2 對公授信數字化:箭在弦上209
9.2.1 企業形態出現根本性改變209
9.2.2 與傳統迥異的投入產出新規律210
9.2.3 綠色金融提出對公風控新課題211
9.2.4 金融生態圈進化增加風控難度212
9.2.5 商業新模式帶來風控新挑戰213
9.3 “吐槽大會”—傳統對公風控的四大痛點214
9.3.1 信貸員:難以全面收集多方信息214
9.3.2 審貸官:專家審貸標準不一214
9.3.3 風險經理:預警耗時、費事且不精準215
9.3.4 管理者:無法及時掌握對公業務全貌215
9.4 對公數字化的五大成果216
9.5 案例解析:提前預警破產事件217
9.5.1 案件背景218
9.5.2 智能追溯破產原因218
9.5.3 智能識別風險事件219
9.6 本章小結220
第10章全流程智能數字化221
10.1 什麼是全流程智能數字化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 貸前調查階段223
10.2.1 常用智能技術223
10.2.2 智能技術應用的典型場景225
10.2.3 數字技術賦能貸前調查226
10.3 貸中審查階段228
10.3.1 智能識別財務造假228
10.3.2 智能識別客戶欺詐229
10.3.3 企業關聯關係核查230
10.3.4 大數據企業信用評級232
10.3.5 智能授信合同管理232
10.4 貸後管理階段233
10.4.1 智能財務風險預警233
10.4.2 智能監控預警模型234
10.4.3 智能輿情監控234
10.4.4 有效掌握財產線索234
10.4.5 黑名單管理235
10.4.6 防止關聯風險傳導235
10.5 本章小結235
第11章數字化風險穿透識別236
11.1 圖計算237
11.1.1 什麼是圖計算237
11.1.2 圖計算的優點238
11.1.3 圖計算技術的應用場景239
11.2 知識圖譜241
11.2.1 什麼是知識圖譜241
11.2.2 從4個角度了解知識圖譜242
11.2.3 知識圖譜的應用場景242
11.3 企業風險畫像244
11.3.1 必要性分析244
11.3.2 企業風險畫像的主要內容245
11.3.3 企業風險畫像的應用場景249
11.4 風險信號體系250
11.4.1 風險信號250
11.4.2 風險信號的自動識別與應用251
11.4.3 風險信號的主體與分類252
11.4.4 風險信號的層級253
11.5 本章小結253
第12章數字化金融事件分析254
12.1 事件語義學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 事件抽取的相關概念257
12.2.4 事件抽取的相關技術258
12.2.5 事件圖譜的應用場景262
12.3 3個關鍵要素263
12.3.1 金融事件圖譜263
12.3.2 銀行應用場景264
12.3.3 金融風險事件集合266
12.4 本章小結268
第四部分普惠金融數字化風控
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—優術274
13.2 普惠金融的風險誘因275
13.2.1 過度授信遭遇經濟下行275
13.2.2 短貸長用助長盲目擴張276
13.2.3 連環擔保導致風控失效276
13.2.4 多重因素造成生存艱難277
13.3 普惠金融數字化風控的著眼點277
13.3.1 發現4個不足之處277
13.3.2 提出4個改進舉措278
13.3.3 解決4個棘手問題279
13.4 數字普惠金融280
13.4.1 數字普惠金融促進銀行全面升級281
13.4.2 銀行推進數字普惠金融全面發展282
13.4.3 銀行數字普惠金融的未來284
13.5 本章小結285
第14章銀行數據管理與個人信息保護286
14.1 銀行數字化:三部重要法律287
14.2 銀行數據管理287
14.2.1 銀行數據管理的必要性287
14.2.2 銀行數據管理面臨的挑戰288
14.2.3 銀行數據管理的實施路徑288
14.3 自然人數據管理與應用289
14.3.1 多頭借貸290
14.3.2 反欺詐評分290
14.3.3 App行為風險特徵292
14.3.4 還款能力評估293
14.3.5 客戶綜合評分293
14.4 中小企業數據管理與應用294
14.4.1 中小企業風險結構294
14.4.2 中小企業風險畫像296
14.4.3 風險畫像數據來源296
14.4.4 中小企業風險監控297
14.5 “三大紀律、八項注意”298
14.5.1 “三大紀律”298
14.5.2 “八項注意”301
14.6 本章小結304
第15章農村數字普惠金融305
15.1 農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 金融服務功能單一307
15.1.4 貸款准入門檻高308
15.2 當鄉村振興遇上金融科技308
15.2.1 什麼是農村數字普惠金融309
15.2.2 農村數字普惠金融的3種模式309
15.2.3 農村普惠金融的6個不足310
15.3 服務“三農”心中有“數”311
15.3.1 “三農”數字徵信311
15.3.2 “三農”數字化風控313
15.3.3 “三農”數據採集315
15.3.4 “三農”數據分析316
15.4 整村授信數字化317
15.4.1 整村授信數字化破解兩大難題317
15.4.2 整村授信數字化實現3項收益318
15.4.3 整村授信數字化實施5個步驟319
15.5 本章小結320
第16章信貸資金流向監控321
16.1 傳統監控無效的三大原因321
16.2 現金流核查的三大難點322
16.3 監管要求與處罰案例324
16.4 智能監控與預警326
16.5 資金流向知識圖譜330
16.6 本章小結333