智能風控與反欺詐：體系、算法與實踐

這是一部指導信貸業務如何用智能風控、反欺詐的技術和方法實現風險控制的著作。

作者是資深的智能風控演算法專家，先後就職於頭部的互聯網公司的金融部門以及頭部的公募基金公司，致力於人工智能演算法在信貸風控領域的應用。

本書不僅體系化地講解了智能風控和反欺詐的體系、演算法、模型以及它們在信貸風控領域實踐的全流程，而且還從業務和技術兩個角度講解了傳統的金融風控體系如何與智能風控方法實現雙劍合璧。全書以實戰為導向，輔以多個用Python實現的綜合案例，便於讀者理解和實。

全書共10章，邏輯上分為四個部分：

第1～3章是風控業務的基礎，首先介紹了什麼是信用風險和欺詐風險，然後講解了傳統風險管理體系中搭建評分卡的思路，以及智能風控時代資料和模型的技術框架。

第4～6章集中講述了智能風控中常見的特徵工程、演算法原理和建模流程括梯度提升決策樹、孤立森林、神經網路、詞嵌入、圖嵌入等前．沿演算法的數學原理和公式。

第7～9章是作者參與過的風控和反欺詐實戰專案，以案例和代碼的形式，幫助讀者更好地將風控理念和建模技術融會貫通。

第10章以金融科技行業的頭部玩家為例，展望了智能風控和反欺詐技術未來的商業模式和發展方向。

推薦序
前言

第1章 互聯網金融與風險管理
1.1 互聯網金融的發展和現狀
1.2 風險管理類型劃分
1.2.1 欺詐風險
1.2.2 信用風險
1.3 風險管理的重要性
1.3.1 風險評估
1.3.2 差異化定價
1.3.3 整體利潤
1.4 本章小結

第2章 傳統風險管理體系
2.1 人工審核
2.1.1 紙質材料評估
2.1.2 電話回訪
2.1.3 線下走訪盡調
2.2 專家模型
2.2.1 業務規則庫
2.2.2 專家調查權重法
2.2.3 熵權法
2.3 評分卡模型
2.3.1 目標定義
2.3.2 樣本選取
2.3.3 變數分箱
2.3.4 變數篩選
2.3.5 模型建立
2.3.6 模型評估
2.3.7 模型應用
2.4 傳統方法的問題和挑戰
2.5 本章小結

第3章 智能風控模型體系
3.1 大數台
3.1.1 原始數據清洗
3.1.2 數據倉庫管理
3.1.3 數據標籤應用
3.2 決策引擎
3.2.1 規則配置
3.2.2 模型部署
3.2.3 挑戰者
3.2.4 版本和許可權管理
3.3 智能反欺詐模型
3.3.1 無監督學 3.3.2 圖計算
3.4 智能信用風險模型
3.4.1 專家模型
3.4.2 邏輯回歸
3.4.3 決策樹

第4章 風控大數據體系
第5章 智能風控中的常用算法
第6章 智能模型訓練流程
第7章 反欺詐案例
第8章 個人信貸風控案例
第9章 企業信貸風控案例
第10章 智能風控能力對外輸出

蔡主希

研究生畢業于哥倫比亞大學統計專業，資深智慧風控算法專家。
 
現就職于某具有“全牌照”業務的綜合性國際化資產管理集團，負責人工智能算法在金融科技領域的研究和落地。曾任兩家頭部互聯網公司金融部門風控算法專家，以及北京大資料研究院金融研究員。
 
是國內大資料風控驅者，致力於機器學工智慧算法在信貸風控領域的應用，參與過上百億信貸資產的管理，為超過30家金融機構搭建風險運營Saa台，主持過多家銀行的當地語系化風控體系建設專案。