中國農(nóng)業(yè)銀行 零售業(yè)務大數(shù)據(jù)應用及數(shù)字化風險防控實務 ——風控策略、智能數(shù)據(jù)建模及反欺詐實務

第一模塊  風控策略

第一節(jié)  風控策略概要

一、多維度數(shù)據(jù)策略規(guī)則

1、社交及短信維度規(guī)則

2、移動設備維度規(guī)則

3、外部數(shù)據(jù)源規(guī)則

4、多維度評分卡規(guī)則

5、行為數(shù)據(jù)規(guī)則

二、風控審批策略的類別

1、經(jīng)濟能力維度(月收入、工資流水等信息)

2、app信息維度(貸款APP安裝個數(shù)、短信命中高風險關鍵詞)

3、基本信息維度(年齡、性別、工齡等信息)

4、信用歷史(征信貸款信息、還款記錄)

5、行為表現(xiàn)(活動軌跡、登陸時間、注冊時間等信息)

二、風控基本量化指標

1、FPD（首期逾期）

2、CPD（當前逾期）

3、flow rate（遷徙率）

4、vintage（賬齡分析）

第二節(jié)  數(shù)據(jù)主流獲取方式

一、H5渠道

1、電腦端與移動端

2、微信公眾號與小程序

二、API渠道

三、SDK渠道

四、數(shù)據(jù)的合規(guī)使用

第三節(jié)  數(shù)據(jù)分析常見場景及對應分析方法

一、三方數(shù)據(jù)源測評

1、SR（查得率）

2、CR（覆蓋率）

3、ERR（誤據(jù)率）

4、EDR（有效差異率）

5、IDR（無效差異率）

PS：以黑名單數(shù)據(jù)源測試為例    

二、準入策略的制定

1、基礎認證策略

2、貸前反欺詐策略

3、黑名單策略

4、特殊名單策略

5、信用風險策略   

三、風控白名單

1、銀行與金科公司聯(lián)合建模

2、內(nèi)部數(shù)據(jù)探索

3、外部數(shù)據(jù)匹配   

四、規(guī)則閾值cutoff的設定

1、通過評分找到風險被低估的區(qū)間

2、評估擬拒絕人群收益風險比

五、D類調(diào)優(yōu)與A類調(diào)優(yōu)案例解析

六、信用多頭策略    

七、評分策略應用

第四節(jié)  策略規(guī)則VS數(shù)據(jù)模型

一、風險決策的架構

1、策略規(guī)則+評分模型

2、策略規(guī)則+模型規(guī)則

二、評分模型三大盲區(qū)

1、建模數(shù)據(jù)集VS實際貸款人

2、歷史模型數(shù)據(jù)VS未來實際情況

3、目標變量界定VS實際商業(yè)目標

第二模塊  數(shù)據(jù)建模與模型驗證方法

第一節(jié)  風控模型概要

一、傳統(tǒng)信用評分模型

二、大數(shù)據(jù)信用評分模型

第二節(jié)  評分模型搭建全流程

一、A、B、C三種廣義評分模型

二、數(shù)據(jù)梳理和理解

三、數(shù)據(jù)探索分析

1、Proc Means

2、Proc Freq

3、Proc Univariate

四、定義目標變量

1、Roll rate（滾動率）

2、Vintage（賬齡分析）

五、樣本設計及抽取策略

六、數(shù)據(jù)清洗

七、特征衍生

八、特征變量篩選

九、模型變量分箱

十、模型擬合

十一、模型預測概率校準

十二、模型違約概率誤差校準

第三節(jié)  模型驗證指標

一、ROC/AUC

1、sklearn函數(shù)分類模型評估

2、混淆矩陣

3、AUC判斷標準

二、K-S值

1、計算KS的常見方法

2、當KS不佳時的優(yōu)化方法

3、K-S值判別標準

三、GINI系數(shù)

四、PSI

五、AUKS

第三模塊  一鍵式智能建模

第一節(jié)   智能建模架構與智能建模過程

一、智能建模——預測模型

1、樹相關模型

2、神經(jīng)網(wǎng)絡模型

3、回歸模型

4、GBDT

二、數(shù)據(jù)預處理

1、缺失值、離群值

2、糾偏、平滑化

3、高基數(shù)處理、衍生變量

三、智能建模過程

1、自動識別變量類型

2、生成最佳決策樹

3、機器學習模型迭代

4、由業(yè)務人員進行的策略管理

5、智能化策略部署

四、Sas建模流程VS智能建模流程

第二節(jié)   智能建模案例解析

一、銀行個人分期違約預測案例

二、銀行小微企業(yè)信貸客戶違約預測案例

第四模塊 欺詐黑產(chǎn)與數(shù)字化反欺詐策略

第一節(jié)   欺詐黑產(chǎn)市場現(xiàn)狀

一、黑產(chǎn)數(shù)據(jù)

二、欺詐客群分布

第二節(jié)   欺詐黑產(chǎn)產(chǎn)業(yè)鏈

一、三大類型欺詐鏈

二、信貸欺詐的主要方式

三、信貸常見五大欺詐行為

第三節(jié)   黑產(chǎn)如何獲取客戶信息

一、拖庫

二、撞庫

三、洗庫

第四節(jié)   黑產(chǎn)工具與平臺

一、黑產(chǎn)如何批量制造“真實”用戶行為

二、黑產(chǎn)“真實客戶”養(yǎng)成工具

三、黑產(chǎn)如何幫客戶實現(xiàn)數(shù)據(jù)“整容”

第五節(jié)   互聯(lián)網(wǎng)貸款風控的命門——反欺詐 

一、全面防范欺詐風險

二、反欺詐應用數(shù)據(jù)選擇

三、反欺詐模型VS信用模型

四、反欺詐之手機設備指紋實施

五、如何構建全流程反欺詐風控系統(tǒng)

六、反欺詐工作落地實施方案

七、反欺詐方案調(diào)整解析

第六節(jié)   三大金融場景反欺詐策略

一、互聯(lián)網(wǎng)貸款欺詐參與方、欺詐行為及反欺詐策略 

二、信用卡欺詐參與方、欺詐行為及反欺詐策略

三、電商分期欺詐參與方、欺詐行為及反欺詐策略

第五模塊  互聯(lián)網(wǎng)貸款不良催收策略與實踐

第一節(jié)   互聯(lián)網(wǎng)貸款催收管理方法論

一、催收管理的核心競爭優(yōu)勢

二、確定金融機構的風險偏好

三、數(shù)據(jù)分析的策略藝術

四、自動化催收工具提高生產(chǎn)力

五、平衡催收策略對信貸規(guī)模及成本收益率的影響

第二節(jié)   催收管理的生命周期

一、國際最佳實踐中，催收各階段原則與策略

二、催收管理時間軸

三、策略性催收的核心關注要點

四、催收的基本原則

第三節(jié)   催收管理的體系架構

一、將催收設計成一個綜合管理處置體系

二、催收及回款的組織架構

三、催收的流程、策略及差異化管理

第四節(jié)   催收管理的策略實踐

一、模型開發(fā)方法論——基于決策樹模型的策略開發(fā)

二、策略設計方法論——結合數(shù)據(jù)驅(qū)動與評分卡

三、滾動率模型與冠軍挑戰(zhàn)者策略

四、智能催收機器人在催收中的應用