信用评分工具 自动化信用管理的理论与实践PDF电子书下载

大纲 1

第一部分 背景设定 19

第1章 信用评分及其业务 21

1.1 什么是信用评分 21

1.2 在哪儿使用信用评分？ 25

1.2.1 数据来源 27

1.2.2 信用风险管理周期 28

1.2.3 行为偏好 29

1.3 为什么要使用信用评分？ 30

1.3.1 如何影响贷款机构？ 32

1.3.2 对客户的影响 35

1.4 信用评分如何影响信用供给？ 36

1.5 小结 40

第2章 信用微历史 42

2.1 信用的历史 43

2.1.1 古代历史 44

2.1.2 中世纪到19世纪 46

2.1.3 20世纪 49

2.2 信用评分的历史 52

2.2.1 开拓时期 53

2.2.2 自动化时期 54

2.2.3 扩张时期 55

2.3 征信机构的历史 57

2.3.1 18世纪中期及以前 58

2.3.2 19世纪90年代以后 61

2.3.3 20世纪60年代以后 61

2.3.4 国际 63

2.4 评级机构的历史 64

2.5 小结 66

第3章 信用评分原理 68

3.1 评分卡是什么 68

3.1.1 评分卡的形态 69

3.1.2 如何开发评分卡 70

3.1.3 预测能力如何评估 71

3.1.4 评分卡的偏差是如何出现的 72

3.1.5 如何应对以上问题 74

3.2 采用何种测量方法 74

3.2.1 流程与策略 75

3.2.2 评分卡表现 78

3.2.3 违约概率和损失程度 79

3.3 评分卡开发流程 82

3.3.1 项目准备 83

3.3.2 数据准备 85

3.3.3 建模分析 86

3.3.4 模型确定 88

3.3.5 决策制定和策略 89

3.3.6 安全保护 90

3.4 什么会影响评分卡 91

3.4.1 经济偏移 92

3.4.2 市场偏移 93

3.4.3 操作偏移 95

3.4.4 目标偏移 95

3.4.5 不明偏移 96

3.5 小结 97

第二部分 风险业务 99

第4章 风险理论 101

4.1 风险相关术语 101

4.1.1 风险关联 101

4.1.2 风险环境 103

4.1.3 风险类型 103

4.2 数据与模型 106

4.2.1 数据类型 107

4.2.2 模型类型 107

4.2.3 人为判断 109

4.2.4 专家系统 110

4.3 小结 111

第5章 决策科学 112

5.1 自适应控制 113

5.2 成为主人 114

5.2.1 冠军挑战 118

5.2.2 优化 119

5.2.3 策略推断 119

5.3 小结 120

第6章 企业风险评估 121

6.1 风险评估基础 121

6.1.1 数据来源 122

6.1.2 风险模型 124

6.1.3 风险等级 125

6.2 中小企业贷款 126

6.2.1 关系型贷款 127

6.2.2 交易型贷款 128

6.3 财务比率评分 129

6.3.1 理论先驱 130

6.3.2 预测比率 131

6.3.3 限制因素 133

6.3.4 评级机构 134

6.3.5 内部等级 135

6.4 信用评级机构 136

6.4.1 字母等级 136

6.4.2 评级类型 138

6.4.3 存在问题 139

6.4.4 研究重点 141

6.5 前瞻数据建模 142

6.5.1 历史分析 142

6.5.2 结构模型 144

6.5.3 简约模型 146

6.6 小结 147

第三部分 数学和统计 149

第7章 预测统计 151

7.1 模型概述 152

7.2 参数模型 154

7.2.1 线性模型 155

7.2.2 判别分析 157

7.2.3 逻辑回归 158

7.3 非参模型 160

7.3.1 决策树 161

7.3.2 神经网络 162

7.3.3 遗传算法 163

7.3.4 K近邻法 164

7.3.5 线性规划 165

7.4 关键假设 166

7.4.1 数据因素 166

7.4.2 统计假设 168

7.4.3 解决方法 169

7.5 结果比较 171

第8章 区分度的测量 173

8.1 错误分类矩阵 175

8.2 Kullback散度 176

8.2.1 证据权重 177

8.2.2 信息值 178

8.2.3 稳定指数 178

8.3 KS统计量 179

8.4 相关系数 182

8.4.1 Pearson积矩 183

8.4.2 Spearman秩序 185

8.4.3 洛伦兹曲线 185

8.4.4 基尼系数 186

8.4.5 ROC曲线 188

8.5 卡方检验 190

8.6 准确性检验 193

8.6.1 概率论 194

8.6.2 二项分布 195

8.6.3 HL统计量 198

8.6.4 对数似然 198

8.7 小结 200

第9章 零碎内容 202

9.1 描述方法 202

9.1.1 聚类分析 202

9.1.2 因子分析 203

9.2 预报方法 203

9.2.1 马尔可夫链 204

9.2.2 生存分析 207

9.3 其他概念 209

9.3.1 相关性 209

9.3.2 交叉性 209

9.3.3 单调性 210

9.3.4 标准化 211

9.4 开发报告 212

9.4.1 特征分析报告 213

9.4.2 分数分布报告 214

9.4.3 新业务策略表 215

9.5 小结 216

第10章 头脑与机器 218

10.1 人员和项目 218

10.1.1 评分卡开发人员 219

10.1.2 外部供应商 219

10.1.3 内部资源 220

10.1.4 项目组 222

10.1.5 指导委员会 222

10.2 软件 223

10.2.1 评分卡开发 224

10.2.2 决策引擎 225

10.3 小结 226

第四部分 数据 227

第11章 数据考虑 229

11.1 数据透明度 229

11.2 数据数量 231

11.2.1 深度和广度 231

11.2.2 同质性 232

11.2.3 可得性 232

11.3 数据质量 233

11.3.1 关联性 234

11.3.2 准确性 234

11.3.3 完备性 236

11.3.4 时效性 236

11.3.5 一致性 237

11.3.6 对征信机构的影响 238

11.4 数据设计 239

11.4.1 数据类型 239

11.4.2 表格设计 241

11.5 小结 242

第12章 数据来源 244

12.1 客户信息 244

12.1.1 申请表 245

12.1.2 财务信息 247

12.2 内部信息 248

12.2.1 数据类型 248

12.2.2 数据库类型 249

12.2.3 客户关系管理 250

12.3 征信数据 251

12.3.1 查询检索 253

12.3.2 公共信息 254

12.3.3 共享数据 256

12.3.4 欺诈预警 257

12.3.5 征信分数 258

12.3.6 地理指标 259

12.3.7 其他来源 261

12.4 小结 261

第13章 评分结构 262

13.1 定制服务 262

13.1.1 通用评分卡 263

13.1.2 定制评分卡 265

13.1.3 专家模型 266

13.2 系统架设 266

13.3 数据整合 267

13.3.1 独立分数 267

13.3.2 离散分数 268

13.3.3 合并分数 269

13.3.4 决策矩阵 270

13.4 信用评分 270

13.5 数据匹配 272

13.6 小结 273

第14章 信息共享 275

14.1 征信机构 275

14.1.1 公共与民营 276

14.1.2 正面信息与负面信息 279

14.2 参与合作 280

14.2.1 互惠原则 280

14.2.2 促进因素 281

14.2.3 阻碍因素 283

14.3 小结 285

第15章 数据准备 286

15.1 数据获取 286

15.1.1 申请数据 286

15.1.2 征信数据 288

15.1.3 观测数据 288

15.1.4 表现数据 289

15.1.5 数据整合 290

15.2 好坏定义 291

15.2.1 选择状态 291

15.2.2 表现状态 293

15.2.3 当前状态和最坏状态 294

15.2.4 定义设定 295

15.2.5 好坏定义标准 296

15.3 时间窗口 298

15.4 样本设计 301

15.4.1 样本类型 302

15.4.2 最大和最小样本量 302

15.4.3 分层随机抽样 303

15.5 小结 305

第五部分 评分卡开发 307

第16章 变量转换 309

16.1 转换方法 309

16.1.1 虚拟变量 310

16.1.2 风险变量 311

16.1.3 方法选择 312

16.2 粗细分类 312

16.2.1 特征分析报告 313

16.2.2 细分类 314

16.2.3 粗分类 315

16.3 统计量的应用 317

16.3.1 预测能力测度 317

16.3.2 粗分类例子 317

16.4 池化算法 318

16.4.1 非邻池化 318

16.4.2 相邻池化 319

16.4.3 单调相邻池化 320

16.5 实际案例 321

16.5.1 法院判决 321

16.5.2 行业种类 322

16.5.3 职业种类 323

16.6 小结 324

第17章 特征选取 325

17.1 参考因素 325

17.2 预测能力 327

17.3 降维方法 329

17.3.1 建模处理 329

17.3.2 相关矩阵 330

17.3.3 因子分析 330

17.4 变量输入 332

17.4.1 分步 332

17.4.2 分块 332

17.5 小结 335

第18章 样本分层 336

18.1 驱动因素 336

18.2 识别交叉作用 337

18.3 处理交叉作用 338

18.4 小结 339

第19章 拒绝推断 340

19.1 推断原理 340

19.2 总体流动 342

19.3 表现赋值 344

19.4 特殊类别 345

19.5 推断方法 346

19.5.1 随机补充 347

19.5.2 展开法 348

19.5.3 外推法 349

19.5.4 同生表现 350

19.5.5 二阶段法 351

19.6 小结 352

第20章 模型校准 354

20.1 分数分段 354

20.1.1 CH统计量 355

20.1.2 基准方法 355

20.1.3 边际风险边界 356

20.2 线性变换 359

20.2.1 线性移动 359

20.2.2 比率缩放 359

20.3 线性规划重构 362

20.4 小结 363

第21章 检验交付 365

21.1 组成成分 366

21.1.1 开发依据 367

21.1.2 持续检验 368

21.1.3 回溯测试 369

21.2 差别效果 370

21.3 小结 370

第22章 开发管理 372

22.1 进程安排 372

22.2 高效操作 372

22.2.1 重复利用 373

22.2.2 重新建模 373

22.3 小结 374

第六部分 实施和使用 375

第23章 实施安装 377

23.1 自动化决策 377

23.1.1 自动化程度 377

23.1.2 职责 378

23.1.3 员工沟通 379

23.1.4 客户教育 380

23.2 安装和测试 382

23.2.1 数据、资源和切换 382

23.2.2 测试 383

23.3 小结 384

第24章 管理控制 385

24.1 政策规则 385

24.2 撤销 386

24.3 移交 388

24.3.1 信息验证 388

24.3.2 账户情况 389

24.4 控制 390

24.4.1 竞争环境 390

24.4.2 评分及策略控制 391

24.4.3 撤销控制 391

24.5 小结 392

第25章 跟踪监控 393

25.1 组合分析 394

25.1.1 逾期分布 395

25.1.2 转移矩阵 395

25.2 表现跟踪 398

25.2.1 模型表现 398

25.2.2 账龄分析 400

25.2.3 分数错配 402

25.3 偏移报告 404

25.3.1 总体稳定性报告 404

25.3.2 分数偏移报告 405

25.3.3 特征分析 406

25.4 选择过程 407

25.4.1 决策过程 409

25.4.2 分数决策 412

25.4.3 政策规则 413

25.4.4 人为撤销 413

25.5 小结 414

第26章 金融财务 416

26.1 坏账准备 416

26.2 直接损失估计 418

26.2.1 净流量法 418

26.2.2 转移矩阵法 420

26.3 损失估计 421

26.3.1 损失概率 422

26.3.2 损失程度 425

26.3.3 预测分析 427

26.4 利润模型 429

26.4.1 利润来源 430

26.4.2 利润决策 432

26.4.3 利润评分 433

26.5 风险定价 434

26.5.1 理论实践 435

26.5.2 行为变化 436

26.5.3 战略考虑 438

26.5.4 客户影响 439

26.6 小结 440

第七部分 信用风险管理周期 441

第27章 市场营销 443

27.1 广告媒体 443

27.2 数量与质量 444

27.3 初步筛选 446

27.4 市场数据 447

27.5 小结 449

第28章 申请审批 450

28.1 收集潜在客户信息 451

28.1.1 获取申请信息 451

28.1.2 纸质数据采集 452

28.1.3 初筛和清洗 453

28.2 策略分类 454

28.3 决策执行 457

28.3.1 拒绝 457

28.3.2 接受 458

28.4 小结 461

第29章 账户管理 462

29.1 额度类型 463

29.2 超限管理 464

29.2.1 支票账户 464

29.2.2 信用卡授权 466

29.2.3 客户知情效应 467

29.3 更多限额和其他功能 468

29.3.1 提额请求 468

29.3.2 提高额度 468

29.3.3 额度复核 469

29.3.4 交叉销售 469

29.3.5 重获客户 470

29.4 小结 471

第30章 催收回收 472

30.1 概述 472

30.2 时机策略 474

30.3 催收评分 476

30.4 小结 479

第31章 欺诈防范 480

31.1 欺诈类型 482

31.2 欺诈侦测工具 486

31.3 欺诈防范策略 487

31.4 欺诈评分 488

31.5 小结 490

第八部分 监管环境 493

第32章 监管概念 495

32.1 最佳实践 495

32.2 善良治理 495

32.3 商业道德和社会责任 497

32.4 合规等级 499

32.5 小结 500

第33章 隐私保护 501

33.1 背景 501

33.1.1 历史概况 502

33.1.2 Tournier案件 503

33.1.3 OECD数据隐私指引 504

33.1.4 欧洲理事会公约 505

33.1.5 欧盟数据保护指令 506

33.1.6 特殊情况 506

33.2 原则 507

33.2.1 收集方式 508

33.2.2 合理目的 509

33.2.3 信息质量 510

33.2.4 信息使用 511

33.2.5 信息披露 512

33.2.6 主体权利 512

33.2.7 信息安全 513

33.3 小结 514

第34章 禁止歧视 516

34.1 何为歧视 516

34.2 存疑特征 518

34.3 小结 519

第35章 公平信贷 520

35.1 掠夺性放贷 520

35.2 不负责放贷 521

35.3 负责任放贷 523

35.4 小结 524

第36章 资本要求 525

36.1 巴塞尔协议Ⅰ 527

36.2 巴塞尔协议Ⅱ 528

36.2.1 标准法 529

36.2.2 内部评级法 529

36.2.3 风险暴露类别 530

36.2.4 违约定义 531

36.2.5 评级意义 531

36.2.6 执行问题 532

36.3 风险加权资产的计算 532

36.4 小结 535

第37章 了解客户 537

37.1 尽职调查要求 538

37.2 客户身份识别要求 539

第38章 国家差异 540

38.1 美国 540

38.2 加拿大 541

38.3 英国 542

38.4 澳大利亚 544

38.5 南非 545

参考文献 547

术语字典 565

后记 595