本书对大数据时代下的信贷风险管理进行了介绍和剖析。首先，从经济学理论与实践应用角度对信贷的产生和经济意义、信贷分析方法的变化进行了阐述；其次，对信贷整个生命周期中使用的Cohort分析、信贷业务开展、合同签订、风险监控预警、催收和不良资产处置、管理信息系统等内容进行了深入讲解；再次，从财务数据、信用报告、交易流水等方面分析借款者的还款能力和还款意愿，并提出还款意愿的货币量化方法；然后，对传统信贷方法、IPC微贷技术、巴塞尔协议的风控、大数据风控进行优缺点分析，提出了基于IPC微贷、巴塞尔协议的大数据风控模式，并给出了不同情况下的具体实施方案，有助于信贷机构提高自身风险管理能力；最后，根据实践经验，新增了决策引擎、风控模型建设、风控策略、反欺诈、存量客户管理等内容，使得大数据风控更具有可操作性。本书理论与实践相结合，适合银行、信用保证保险、消费金融、资产证券化评级机构、小贷公司、互联网金融、大数据风控等从业人员，以及有意从事金融工作的人员阅读与参考。

前言/Prologue 风起云涌的资本市场处处隐藏着风险与收益，这背后也有潜在的数据信息，而利用数据来驾驭资本是资本管理的本质要求，更是控制风险并确保收益的关键。在资本中，信贷是根基，因而信贷管理的风险控制（简称风控）显得尤为重要。 随着近年来大数据风控的探索和实践，信贷目前已形成了相对成熟的风控模式、结构，如决策引擎、风控策略、反欺诈等。同时，随着数据政策、金融政策的完善，以及市场逐渐进入存量客户竞争阶段，风控需要考虑到存量客户管理、贷中管理等。因此，有必要对《风控：大数据时代下的信贷风险管理和实践》的内容进行更新和补充，解决读者反馈与咨询的问题，也就有了现在的第2版。 本书共16章，较第1版新增了4章。其中，前7章与第1版的顺序保持一致，并新增、调整或完善了部分内容，使得逻辑更为通畅；第8～11章为新增章节；第12章除了包括第1版的第9章内容，还对内容进行了扩展；第13～16章与第1版的第8章、第10～12章保持一致，并新增、完善或调整了部分内容。本书的内容具体如下。 第1章和第2章，从主流经济学的跨期选择、消费理论、厂商理论、帕累托效率或卡尔多?希克斯效率、马克思经济学等角度对信贷进行解读，并新增了用笔者的资本理论解读信贷等内容。 第3章重点阐述信贷分析秘密武器—— Cohort分析，以及它在信贷中的应用，并在第1版的基础上新增了其在资产证券化、保险等业务中的应用经验，从而解决保险等领域长期难以客观评估的问题。 第4章介绍信贷机构如何根据自己的风控偏好进行客户选择、客户画像、信贷产品设计、市场营销等运营。 第5章从信贷分析涉及的财务分析、信用分析、银行流水分析、交易流水分析等方面分析客户的还款能力和还款意愿，并对各种软信息进行分析，从而校验还款能力和还款意愿，给出还款意愿的货币化量化方法。 第6章对传统信贷分析方法、IPC微贷技术、“信贷工厂”、巴塞尔协议模式、大数据风控模式进行了优缺点分析，并提出改进建议，最终给出基于传统信贷、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，同时对全面风险评估和压力测试进行简要介绍。 第7章从审批方面阐述大数据风控审批模式和实施经验。 第8章主要对决策引擎进行介绍，并分享基于MySQL、Drools、Spark的自建决策引擎的经验。在第1版的基础上，解决了作为风控重要基础的决策引擎购买费用高、建设资料少等问题。 第9章介绍风控模型建设以及常见问题和对策。 第10章介绍风控策略的平衡和选择，如评分卡策略及模拟等，较第1版新增了模型策略使用方面的实践经验等内容。 第11章介绍反欺诈分析和挖掘，以及规则制定过程，将第1版分散的反欺诈内容进行集中，并给出其运营机制以供读者参考。 第12章介绍存量客户管理及贷中管理，如预警监测，较第1版新增了风控在存量竞争中如何实施，以及新预警方法等内容。 第13章介绍信贷的合同签订及贷款发放。 第14章简要介绍信贷还款阶段中的相关问题及注意事项，较第1版新增了还款提醒短信、对逾期率的影响等方面的内容。 第15章就逾期管理和不良资产处置进行阐述，较第1版新增了动态催收模型与个性催收方案和分析等内容。 第16章介绍管理信息系统，给出了其中的关键性报表。 感谢电子工业出版社的李树林编辑为本书出版的辛勤付出。感谢我的妻子周晓霞和两个孩子，为了尽快完成稿子，他们给了我充足的时间和鼓励，尤其感谢我的妻子周晓霞对我的支持和包容。 因为个人经验和认知有限，书中难免存在不妥之处，恳请读者抱着“尽信书不如无书”的理念和质疑的态度来阅读此书，同时希望读者指出文中的错误、不足，并发电子邮件（wjw84221@aliyun.com）给我，在此表示感谢！ 王军伟 2023年4月10日

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