《智能风控与反欺诈：体系、算法与实践》内容简介

内容介绍这是一部指导信贷业务如何用智能风控、反欺诈的技术和方法实现风险控制的著作。作者是经验丰富的智能风控算法专家，先后就职于头部的互联网公司的金融部门以及头部的公募基金公司，致力于人工智能算法在信贷风控领域的应用。本书不仅体系化地讲解了智能风控和反欺诈的体系、算法、模型以及它们在信贷风控领域实践的全流程，而且还从业务和技术两个角度讲解了传统的金融风控体系如何与智能风控方法实现双剑合璧。全书以实战为导向，辅以多个用Python实现的综合案例，便于读者理解和实操。全书共10章，逻辑上分为四个部分：第1~3章是风控业务的基础，首先介绍了什么是信用风险和欺诈风险，然后讲解了传统风险管理体系中搭建评分卡的思路，以及智能风控时代数据和模型的技术框架。第4~6章集中讲述了智能风控中常见的特征工程、算法原理和建模流程，包括梯度提升决策树、孤立森林、神经网络、词嵌入、图嵌入等前沿算法的数学原理和公式。第7~9章是作者参与过的风控和反欺诈实战项目，通过案例和代码的形式，帮助读者更好地将风控理念和建模技术融会贯通。第10章以金融科技行业的头部玩家为例，展望了智能风控和反欺诈技术未来的商业模式和发展方向。
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。
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。

作品目录

推荐序
前言
第1章：互联网金融与风险管理
1.1、互联网金融的发展和现状
1.2、风险管理类型划分
1.3、风险管理的重要性
1.4、本章小结
第2章：传统风险管理体系
2.1、人工审核
2.2、专家模型
2.3、评分卡模型
2.4、传统方法的问题和挑战
2.5、本章小结
第3章：智能风控模型体系
3.1、大数据平台
3.2、决策引擎
3.3、智能反欺诈模型
3.4、智能信用风险模型
3.5、智能模型带来的提升
3.6、统计学与机器学习
3.7、本章小结
第4章：风控大数据体系
4.1、数据源类型
4.2、特征工程方法
4.3、数据测试与应用
4.4、数据安全合规
4.5、本章小结
第5章：智能风控中的常用算法
5.1、有监督学习
5.2、无监督学习
5.3、深度学习
5.4、图计算
5.5、强化学习
5.6、本章小结
第6章：智能模型训练流程
6.1、数据清洗
6.2、特征工程和特征筛选
6.3、模型训练
6.4、模型部署
6.5、监控预警
6.6、本章小结
第7章：反欺诈案例
7.1、案例背景
7.2、原始数据介绍
7.3、探索性数据分析
7.4、特征工程
7.5、模型训练
7.6、模型评估
7.7、案例优化
7.8、本章小结
第8章：个人信贷风控案例
8.1、案例背景
8.2、原始数据介绍
8.3、特征工程
8.4、探索性数据分析
8.5、模型训练
8.6、模型评估
8.7、模型应用
8.8、案例优化
8.9、本章小结
第9章：企业信贷风控案例
9.1、银行POS贷
9.2、汽车金融CP评级
9.3、案例优化
9.4、本章小结
第10章：智能风控能力对外输出
10.1、对外输出的意义
10.2、头部玩家介绍
10.3、合作模式及案例
10.4、金融科技创新与监管
10.5、本章小结