风控红宝书重磅上市！技术和业务双维度揭秘风控与反欺诈

互联网金融是中国金融行业数字化升级的产物。2020年监管部门出台了一系列举措，标志着这个行业从成长期正式步入成熟期。互联网金融机构的快速发展离不开依托于大数据和机器学习的风控及反欺诈能力，这些风险管理能力帮助机构在过去十年通过信贷业务赚取了利润，也是未来十年各机构开展金融科技业务的核心竞争力。

市面上与风控相关的图书，多数图书专注于评分卡或者智能风控的单一方面，缺乏将两者有机结合的资料，这使得刚入行的新人很难对整个行业有一个完整的认知。与此同时，业务人员和技术人员对风控的理解也存在鸿沟。

蔡主希所著《智能风控与反欺诈》，一方面是想降低整个信贷风控行业的门槛，帮助更多对此感兴趣的学生快速了解并加入这个行业；另一方面是想帮助各大公司的业务人员和技术人员拉齐彼此对于风控的认知，提高合作效率，促进整个金融行业的科技化转型。当然，笔者并不鼓励读者去互联网平台借贷，希望读者可以提高风险意识，谨慎操作，远离不法贷款平台。

本书读者对象

本书主要面向信贷风控行业的广大业务人员、策略分析师、数据分析师、算法工程师以及对互联网金融和智能风控、反欺诈感兴趣的读者。

如何阅读本书

本书集合了目前互联网金融行业风控方面的业务和技术内容，辅以项目案例和代码实现，力求帮助读者通过一本书了解智能风控和反欺诈技术的全貌。

第1～3章涵盖风控业务的基础知识，主要介绍了什么是信用风险和欺诈风险，传统风险管理体系中搭建评分卡的思路，以及智能风控时代下大数据平台、决策引擎和智能模型的技术框架。

第4～6章介绍智能风控模型中常见的数据源和算法，其中数学原理和公式较多，适合想了解更多模型知识的业务人员以及想从事建模工作的读者。

第7～9章讲解笔者参与过的风控和反欺诈的实战项目，希望帮助读者通过实际案例更好地将风控理念和建模技术融会贯通，缺乏项目经验的读者可以重点关注这部分内容。如果还想了解更多风控算法的Python代码实现，可以关注梅子行老师的书。

第10章是行业内金融科技的头部玩家解析和案例介绍，可帮助读者初步了解智能风控和反欺诈在未来十年的应用方向。金融科技目前在国内仍然处于探索阶段，市面上还没有系统介绍这方面知识的图书，感兴趣的读者可以关注相关头部公司或者权威媒体的宣传账号，紧跟行业动向。

作者简介

蔡主希，研究生毕业于哥伦比亚大学统计专业，资深智能风控算法专家。

现就职于某具有“全牌照”业务的综合性国际化资产管理集团，负责人工智能算法在金融科技领域的研究和落地。曾任两家头部互联网公司金融部门风控算法专家，以及北京大数据研究院金融研究员。

关注“图书小编辑”视频号，来听听作者怎么说...

蔡主希是国内大数据风控领域的先驱者，致力于机器学习和人工智能算法在信贷风控领域的应用，参与过上百亿信贷资产的管理，为超过30家金融机构搭建风险运营SaaS平台，主持过多家银行的本地化风控体系建设项目。

大咖推荐

本书突出的优点就是它从实际案例出发，系统地讨论了智能风控和反欺诈在业务、技术、体制机制、推广模式等各个方面的主要问题和解决方案。它不只是一本技术书籍，还是一本全方位地指导我们将金融科技落地的业务书籍。

—— 鄂维南 中国科学院院士/普林斯顿大学教授/北京大数据研究院院长

作者拥有良好的数据科学背景，以及在银行和互联网金融行业从事风控工作的丰富经验，对金融风险的本质和智能风控技术的应用有着深刻的理解。本书既包括了传统金融风控的核心技术，又涵盖了AI驱动的智能风控技术，对传统风控与智能风控如何实现双剑合璧有全面和深入的思考。

——田江 光大科技大数据部负责人

曾有幸与作者共事，见证了他作为智能风控专家主持多家大型金融机构的信贷风控体系建设项目的过程，其专业性得到了客户的一致称赞。本书是他深厚理论基础和丰富实战经验的结晶，对于传统金融机构和互联网金融公司的业务及技术人员，都具有很好的参考和借鉴价值。

——顾敏洁 品见智能创始人及CEO

从概念到体系搭建，从算法方案到实战演练，本书由浅入深、全方面、多维度地展示了当前互联网金融行业是如何做智能风控的。对初学者极其友好，对有一定经验的读者也有总结和提升的作用。

——翟锟 龙盈智达科技有限公司风控专家

本书全面地介绍了智能风控领域常用的机器学习算法模型、大数据风控体系、智能风控建模流程，以及反欺诈和信用风险方面的案例。主要特色是系统全面和注重实践，对于想快速了解智能风控的分析师来说是一本难得的参考书。

——张伟 CraiditX氪信科技技术合伙人/高级风控总监及解决方案专家

目录

推荐序

前　言

第1章　互联网金融与风险管理1

1.1　互联网金融的发展和现状1

1.2　风险管理类型划分2

1.2.1　欺诈风险4

1.2.2　信用风险6

1.3　风险管理的重要性10

1.3.1　风险评估10

1.3.2　差异化定价12

1.3.3　整体利润最优13

1.4　本章小结14

第2章　传统风险管理体系15

2.1　人工审核15

2.1.1　纸质材料评估16

2.1.2　电话回访16

2.1.3　线下走访尽调17

2.2　专家模型17

2.2.1　业务规则库17

2.2.2　专家调查权重法18

2.2.3　熵权法19

2.3　评分卡模型21

2.3.1　目标定义21

2.3.2　样本选取23

2.3.3　变量分箱24

2.3.4　变量筛选24

2.3.5　模型建立29

2.3.6　模型评估30

2.3.7　模型应用33

2.4　传统方法的问题和挑战34

2.5　本章小结35

第3章　智能风控模型体系36

3.1　大数据平台36

3.1.1　原始数据清洗37

3.1.2　数据仓库管理37

3.1.3　数据标签应用38

3.2　决策引擎38

3.2.1　规则配置39

3.2.2　模型部署40

3.2.3　冠军挑战者41

3.2.4　版本和权限管理42

3.3　智能反欺诈模型42

3.3.1　无监督学习43

3.3.2　图计算44

3.4　智能信用风险模型45

3.4.1　专家模型45

3.4.2　逻辑回归46

3.4.3　决策树46

3.4.4　集成树47

3.4.5　深度神经网络47

3.4.6　循环神经网络48

3.5　智能模型带来的提升48

3.5.1　数据广度和深度48

3.5.2　模型快速迭代和主动学习49

3.5.3　线上自动决策49

3.6　统计学与机器学习49

3.7　本章小结50

第4章　风控大数据体系51

4.1　数据源类型51

4.1.1　征信报告52

4.1.2　消费能力54

4.1.3　资产状况54

4.1.4　基本信息54

4.1.5　黑名单55

4.1.6　多头借贷55

4.1.7　运营商56

4.1.8　地理位置56

4.1.9　设备属性57

4.1.10　操作行为57

4.2　特征工程方法57

4.2.1　统计量58

4.2.2　离散化58

4.2.3　时间周期趋势59

4.2.4　交叉项59

4.2.5　隐性特征60

4.2.6　用户画像61

4.3　数据测试与应用61

4.3.1　联合建模机制61

4.3.2　数据质量评估62

4.3.3　线上应用63

4.4　数据安全合规63

4.5　本章小结64

第5章　智能风控中的常用算法68

5.1　有监督学习68

5.1.1　逻辑回归69

5.1.2　决策树70

5.1.3　随机森林73

5.1.4　梯度提升决策树74

5.2　无监督学习76

5.2.1　聚类76

5.2.2　孤立森林79

5.3　深度学习80

5.3.1　深度神经网络80

5.3.2　循环神经网络83

5.3.3　词嵌入86

5.3.4　自编码器88

5.3.5　迁移学习89

5.4　图计算91

5.4.1　社区发现91

5.4.2　标签传播92

5.4.3　图嵌入93

5.5　强化学习97

5.6　本章小结99

第6章　智能模型训练流程101

6.1　数据清洗101

6.1.1　缺失值处理102

6.1.2　异常值处理103

6.1.3　重复值处理105

6.1.4　一致性检验105

6.1.5　有效性检验106

6.2　特征工程和特征筛选107

6.2.1　探索性数据分析107

6.2.2　稳定性108

6.2.3　重要性109

6.2.4　相关性110

6.2.5　解释性111

6.3　模型训练111

6.4　模型部署114

6.5　监控预警114

6.6　本章小结119

第7章　反欺诈案例120

7.1　案例背景120

7.2　原始数据介绍120

7.3　探索性数据分析121

7.3.1　交易笔数121

7.3.2　交易时间122

7.3.3　交易类型123

7.3.4　交易IP地址124

7.4　特征工程124

7.4.1　特征加工124

7.4.2　特征筛选130

7.4.3　特征分组130

7.5　模型训练131

7.6　模型评估134

7.7　案例优化136

7.8　本章小结137

第8章　个人信贷风控案例138

8.1　案例背景138

8.2　原始数据介绍139

8.3　特征工程139

8.4　探索性数据分析142

8.5　模型训练144

8.5.1　逻辑回归144

8.5.2　XGBoost150

8.5.3　Wide&Deep158

8.6　模型评估162

8.7　模型应用168

8.8　案例优化169

8.9　本章小结170

第9章　企业信贷风控案例171

9.1　银行POS贷171

9.1.1　案例背景171

9.1.2　原始数据介绍1

▲上下滑动查看

当当限时每满100减50

新书上市，欢迎购买

“坑位”有限，欢迎扫码加入智能风控读者群

满员请加华章妹微信（zj06220_0）,备注智能风控入群

扫码关注【图书小编辑】视频号

每天来听华章哥讲书

更多精彩回顾

书讯 | 4月书讯 | 好书和最美四月天一起来了...

资讯 | RedMonk 编程语言排行榜：JS持续霸榜，Dart 快速上升！

书单 | 8本书助你零基础转行数据分析岗

干货 | 数字化转型最致命的5个误区

收藏 | Redis最佳实践：7个维度+43条使用规范，带你彻底玩转Redis | 附实践清单

赠书 | 【第49期】眼花缭乱的数据库，怎样选择？给你这个书单，想学哪个学哪个

点击阅读全文查看购买