精华内容
下载资源
问答
  • 银行授信风险管理趋势——台湾的银行信贷风险控制实务简洁、实用的特性,相信能够为大家利用人力、物力、...该文档为银行授信风险管理趋势——台湾的银行信贷风险控制实务,是一份很不错的参考资料,具有较高参考...
  • 什么是信贷风险控制

    千次阅读 2018-08-20 10:54:17
    信贷风险控制是一项综合性的工作,它贯穿于整个信贷业务流程的始终,包括贷前信用分析、贷中审查控制、贷后监控管理以及贷款安全收回几个环节。 信贷风险控制以追求利润最大化为目标,为了在规模、风险、效率和客户...

    信贷风险控制指的是通过风险识别、计量、监测和控制等程序,对信贷风险进行评级、分类、报告和管理,保持风险和效益的平衡发展,提高信贷的经济效益。

    信贷风险控制是一项综合性的工作,它贯穿于整个信贷业务流程的始终,包括贷前信用分析、贷中审查控制、贷后监控管理以及贷款安全收回几个环节。

    信贷风险控制以追求利润最大化为目标,为了在规模、风险、效率和客户体验之间取得平衡,建立相关信贷标准、制度、流程和岗位配置。

    在利率、资金成本、固定成本不变的情况下,规模和风险是影响信贷机构利润的两个重要因素。规模大、风险小,是所有信贷机构永远不变的追求。

    但是,以上两者在实践中常常是矛盾的。过于追求信贷规模的扩张,往往会导致贷款逾期率的不断增加;过于追求风险控制的完美,往往会限制信贷规模的增长。正是因为矛盾的存在,实践中的风险控制才必须追求两者的平衡,既不能只要规模,不管风险,也不能只顾及风控,不顾规模。

    例如,某信贷机构在现有条件下,规模达到了5亿,逾期率为2%是最佳选择,那么在信贷风控实践中,应始终以逾期率2%为前提,不断将规模扩大至5亿元。

    由于放款效率和客户体验会影响规模,尤其在小微信贷市场竞争不断激烈的背景下,放款效率和客户体验也给信贷风险控制提出了新的挑战。

    例如,如果某信贷机构只需要客户提供身份证就能获取客户的身份信息、家庭情况、房产信息和职业状况等,那么,就无需客户提供户口簿、结婚证、房产证等,如此可以大大提升放款效率和客户体验,吸引更多的客户选择该信贷机构。

    信贷风险包括多种不同的风险,比如信用风险、市场风险、操作风险、政策风险等,信贷风险控制的目的就是在保证业务量的前提下尽量降低风险。

    从流程上看,信贷风险控制包括贷前准入和调查、贷中审查和审批、贷后检查和逾期催收。

    信贷风险控制因信息不对称而起,解决的是信息不对称的问题。贷前环节收集和整合信息;贷中环节审核信息,并在此基础上进行恰当的决策;贷后环节是在放款后关注客户动态以及逾期处理。

    在这三个环节中,贷前是基础,收集和整合的信息越充分,越有利于贷中信息审核并做出正确的信贷决策。贷前和贷中环节所做工作越充分,贷后环节也就越轻松,只需要进行常规的贷后追踪;反之,如果贷前工作不够充分,就会影响贷中决策的效率和质量,进而增加贷后环节的工作量。

    如果信贷机构需要花费大量时间和精力处理贷后逾期,那么也就无暇顾及新市场的拓展,严重影响信贷机构的进一步发展。

    在我们的生活中,许多行为都有风险,这些风险大致可以分为三类:完全可控、不完全可控和完全不可控,第一类是指通过人力能够避免的这种风险,比如摔跤;第二类是指通过人力无法避免、但是可以控制其发生概率的风险,比如空难;第三类是指通过人力完全无法避免的风险,比如地震。

    信贷风险属于不完全可控的风险,信贷生来就带着风险,不可能完全避免,但是可以通过适当的方法控制其发生概率,经营信贷就是经营风险说的正是这个道理。

    信贷服务的对象大部分是从事商业活动的企业,它们同样面临着风险,这些风险可能会转化为信贷机构的风险,因此信贷风险具有传递性。这种传递性来自两个方面,一是客户的上下游合作伙伴或同行动态,比如客户下游延长计算周期可能会影响客户正常还款;二是信贷同行内的传递,比如某一信贷机构开始压缩贷款,这可能导致客户资金紧张,从而影响其他机构债权的正常收回。

    就像空难的原因可能是机器故障、操作不当、天气恶劣等,引发信贷风险的因素也从来都不是单一的,包括宏观层面的国家政策、国家对房地产行业的调控,中观层面的行业动态,微观层面的企业管理情况,正是信贷风险因素的复杂性决定了其控制的复杂性。

    另外,信贷投放有一定的周期,因此风险预测通常是基于历史和经验做出的,实际投放后,必然会出现与预测结果相悖的情况。信贷风险控制贯穿于贷前准入至贷后催收,各个环节都有不同的风控侧重点,这让信贷风险控制表现出一定的动态性。


    相关文章

    信贷风控——贷前+贷中+贷后的全方位风控

    基于个人信用评分的建模分析和授信决策

    金融风控:通过率与坏账率的博弈

    数字金融反欺诈技术名词表

    数字金融欺诈行为名词表

     

     

    展开全文
  • Word可编辑 Word可编辑 摘要 本文综合采用聚类分析判别分析层次分析等方法建立具有实 用价值的信贷风险控制模型应用模糊数学方法遗传算法等对常规 算法进行优化并予以软件实现在组合贷款风险测量与控制商业银 行信贷...
  • [精选]对汽车信贷风险控制的几点认识概述.pptx
  • 行业分类-金融管理-基于交易记录的信用贷款风险控制的系统及方法.zip
  • 银行信贷项目风险控制研究,王冰,,商业银行是以信用为基础、以经营货币借贷和结算业务为主的高负债高风险行业。商业银行的经营特点和其在一国国民经济中所处的关键
  • 企业信贷大数据云服务平台助力风险控制.pdf
  • 分析了高校贷款产生的原因,并提出了应从政府、高 校、银行三方入手,采取提高防范风险意识,加强外部宏观调控和监督以及高校自我约束和自我 发展等措施,共同对高校贷款风险进行防范和控制
  • 中创软件银行信贷风险管理系统以银行风险控制为核心,运用先进的风险控制理论和风险分析决策模型,基于业界流行的B/S三层结构,集成IBM公司先进的商业智能技术,能够很好地实现银行信贷业务管理、统计报表、决策支持...
  • 互联网个人消费信贷风险控制策略研究.pdf
  • 大学生网络信贷消费的法律风险控制
  • 商业银行信贷资金风险防范与控制-论文.zip
  • 论文研究-基于高阶矩风险控制贷款组合优化模型.pdf, 以银行各项资产组合收益率最大化为目标函数, 以VaR来控制贷款组合的风险价值, 以偏度约束来控制贷款组合收益率的...
  • #资源达人分享计划#
  • 基于企业商业年龄,研究信贷风险状态的 Logistic回归模型和寿命分布的概率模型,并给出信贷风险控制的案例计算。结果表明,贷款总额一定时,贷款额度分配受到贷款风险损失的 限制,银行不能满足全部企业的贷款需求,而从...
  • 在数字经济新时代,金融服务主管正在寻求方法去细分他们的产品和市场,保持与客户的联系,寻找能够推动增长和收入的新市场,并利用可以增加优势和降低风险的新技术。 在拥有了众多可用数据之后,金融机构利用数据...

    前提摘要

    在数字经济新时代,金融服务主管正在寻求方法去细分他们的产品和市场,保持与客户的联系,寻找能够推动增长和收入的新市场,并利用可以增加优势和降低风险的新技术。 在拥有了众多可用数据之后,金融机构利用数据科学,尤其是预测分析和机器学习技术,使企业能够根据既定的商业目标做出更好的决策。 准确的预测消费者未来行为可以让信用风险分析师,金融市场分析师和欺诈检测团队更好的制定和部署策略,以防止其商业模型遭到破坏。 Altair Knowledge Studio 提供了市场领先的预测分析和机器学习的解决方案,结合了传统的数据科学方法和复杂的统计算法,拥有交互式的界面,可以让商业分析师和数据科学家找出数据潜在价值和消费者市场的趋势。这些洞察力可以带来新机会,提高用户忠诚度并且降低企业风险。这些洞察力还可以提升收入底线,增强品牌价值。
    在这里插入图片描述

    为什么选择数据科学?

    如今,企业的高管们正在寻求解决方案以加速企业数字化转型。以便提高成本效率,制定更快的服务上线时间,产品服务战略需要重新考虑流程自动化,提高员工流动性和供应链效率。想要提高企业收入和提高用户忠诚度,企业必须优化信息和营销活动,利用实时信息,并与消费者进行个性化互动。在数字经济中,以数字为中心的服务和通用的数据访问将开辟新的收入流并是企业进入新市场。

    如今企业能够收集保留的数据要多于以往。深入了解兆字节数据或千万亿字节的数据以制定出可行的决策是数据科学团队的工作。利用各种统计工具和分析方法,数据科学团队能够支持更好的决策过程,寻找出新的机会,基于可信和可量化的数据做出决策。数据科学模型现在可以快速地从大量数据集中建立起来。这些模型有助于帮助企业分析预测未来可能发生的事情。随着消费者行为模式的变化,模型算法变得足够复杂,能够适应数据的波动。数据科学已经成为企业如何通过新产品和新的个性化服务进入市场以及企业如何控制成本和降低风险的重要组成部分。

    涵盖预测分析和机器学习的数据科学

    简单的定义,数据科学是一个跨学科领域,使用科学方法,统计算法和计算系统来洞察数据的过程。通常,这些数据来源不同,可能是庞大的并且通常在数据分析之前需要进行准备和清洗的。随着分析模型变得越来越复杂,对于数据更预测分析的功能就完全实现。

    预测分析

    预测分析是历史数据分析过程的延续。不过它可以更快的寻找出数据的潜在价值。能够成功克服数据分析复杂性的企业不仅能够得出何时或为什么会发生某些事情的结论,并且能够根据数据测量方式的变化了解未来将会发生什么。

    预测性分析可以被看作是一种预防性措施。它可以成功的预防阻碍企业获得成功的因素。为了预防,首先就要预测。如果可以预测,就可以对商业问题对症下药。

    预测分析利用各种统计算法观察历史数据。这些基本或复杂的数学模型被用于从数据中得出意义,潜在信息和得出合理推论。从分析数据得出的结论基于一个假设条件 - 未来形式将遵循过去形式。

    “我想防止丢失销售机会… ”
    ——通过预测客户对交叉/向上销售活动作出反应的倾向来解决这个问题
    “我想减少信用风险…”
    ——通过预测一个人在申请贷款过程中有能力偿还贷款或进行欺诈的可能性来解决这个问题。
    “我想提升用户忠诚度…”
    ——通过预测客户在特定市场条件下考虑竞争对手的倾向来解决这个问题。

    在这里插入图片描述

    机器学习

    机器学习是预测分析的一部分,是机器人技术发展的基础。在对不断变化的数据执行分析程序中,它可以实时地解释,理解,学习,执行和适应当前情况。在预测与信贷风险有关的消费者行为或应对市场营销的背景下,机器学习被定义为不依赖于精确编程就能自我优化以适应变化的模式和所推荐的行动的算法系统。

    机器学习将通过观察数百万甚至更过的数据点来学习。金融服务中的常见例子包括预测消费者的财务目标,利用消费者在移动设备上完成交易时向他们提供明智的建议或实行精准营销。预测分析和机器学习都试图达到同样的目的:从人们看不见的数百或数千个维度的数据提供市场洞察力。预测性分析依赖于数据团队解决和测试因果数据间关系的能力。这是通过更新正在使用的模型中的数据或手动更新模型的参数来实现的。机器学习则是通过在初始模型设计之后重新校准模型来消除此步骤。

    深度学习或多层神经网络是机器学习的一个分支。人工神经网络(ANN)从大量数据中适应和学习。相对于统计学和数据挖掘来说,人工神经网络基于人脑神经元功能并试图模拟我们大脑做决定的过程。神经网络模拟的是人脑进行非线性推理的过程。神经网络通过学习以前的交互事务来得出结论,从而更好的决策。人类神经网络的算法仿真更准确地被定义为人工神经网络。人工神经网络包含输入层、一组变量值、一个或多个隐藏层和一个输出层。
    在这里插入图片描述

    实际应用与机器学习

    数据蕴含了企业的经营运作的细节。利用预测分析和机器学习平台,如Altair Knowledge Studio,金融服务公司可以从他们的数据中学习,并在个人消费者的层面甚至是每笔交易中做出决策。有了这样的细节就可以做出有效推动运营的决策。例如,数据分析解决方案可以被用于:分析大量数据需要模型能够在分析工作流程中输入更多数据时,主动和持续地学习数据内涵意思。

    Altair Knowledge Studio 的灵活性允许数据科学团队能够构建包括机器学习和神经网络算法在内的预测分析工作流程,而无需依赖于编写复杂的代码。Altair Knowledge Studio金融服务客户已成功解决影响风险,企业利润和市场份额的复杂业务问题。

    收集倾向得分

    倾向评分模型是数据科学家使用的一种统计方法和一系列技术,用于估计消费者应对某些特定行为的可能性,例如购买新金融产品或服务的倾向,或偿还未偿还的信用额度债务的倾向。实质上,基于共同特征(如收入范围或年龄层次)给消费者分配不同的权重,以准确预测消费者未来的行为。预测分析可以很好的处理多维数据,并使金融机构能创建倾向评分模型,以便更好地了解他们的消费者将如何反应特定的营销活动。

    优化建立在传统预测建模技术的基础上,得到结果出现的概率,将分析转化为规范的功能。赋予分析师自动嵌入决策以最大或最小化与债务收集相关的目标的能力,构建预测分析模型,该模型已经将持卡人细分并在持卡人的各种个人资料视图中打分。通过优化托收,金融机构可以更好地确定个人支付未偿债务的倾向,事实证明,通过使用有针对性的消息传递方法可以提高欠款催收率。

    降低信用风险

    一旦欺诈者改变策略,传统的基于规则的系统就会失效。简单地添加更多的规则是低效的;在大型交易数据集中很难检测到异常行为,特别是当有许多不断变化的欺诈策略时。欺诈检测和预防是指在发生欺诈行为之前连接多个数据点以发现潜在的欺诈行为。利用预测分析,金融服务机构可以发现与通常观察到的行为相比,被认为异常的事件。寻找设备、产品、位置和其他数据点之间的关联,并将相关数据点聚合到公司层面(客户、员工和/或业务),有效地将大量的知识与之前与该实体进行交互的所有人联系起来。

    减轻欺诈风险

    金融公司在向申请人提供信贷额度时,很难在最大化业务收入和最小化申请人坏账的倾向之间找到平衡。很难将不同的数据集与大量交易数据、银行账户/产品持有数据和人口统计数据相结合,以创建准确的信贷风险评分模型。预测分析有助于金融机构更好地细分客户,并创建评分模型,识别新的机会并提供更高的限额,同时最大限度地减少非支付损失。这种评分模型在内部数据的基础上与外部数据源相结合,例如来自风险评分提供者的数据。机器学习扩展了模型的学习过程,在将新数据添加到分析例程时可以提高结果的准确性和一致性。

    软件介绍

    Altair Knowledge Studio专为数据科学家和商业分析师而设计。其开放、灵活的方法允许数据科学团队创建复杂的分析工作流程,并使用先进的算法和复杂的统计模型。

    此外,Altair Knowledge Studio无需编码,使在数据科学建模技术方面经验较少的商业分析师能够轻易的构建和部署模型。Altair Knowledge Studio直观和交互的使用界面消除了数据科学固有的复杂性,使金融机构能够快速从可信数据中获得潜在信息,从而做出更快、更自信的决策。

    Altair Knowledge Studio支持广泛的分析算法,能运用到利用或不利用神经网络和机器学习的模型中。无论采用何种方法,金融服务企业都可以从数据中发现隐藏的价值,从而更好地管理信贷风险、欺诈风险和欠款催收。在不增加数据科学过程复杂性的情况下,Altair Knowledge Studio还可以有效的处理更复杂的案例 - 例如推荐器,场景优化,情感分析,大规模异常检测和业务预测。

    预测分析和机器学习可以为金融服务企业创造更好的客户体验,从而增加利润增长。 预测模型被用于新的机器学习中,这让它们独立地适应和学习以前的计算,以产生可信的、可重复的结果。
    在这里插入图片描述

    要点回顾

    预测分析是通过洞察历史数据,来帮助预测消费者行为并制定有效策略的方法。利用如Altair Knowledge Studio的解决方案,企业可以从数据中发掘潜在信息,作为预防破坏增长、增加收入和促进成功的措施。 使用先进的预测技术和技巧,可以洞察复杂的多维数据。Altair Knowledge Studio提供了领先的数据科学解决方案,可以从不同数据源中挖掘数据进行洞察。机器学习有助于提高结果的准确性,而不需要依赖显式编程来适应数据的不断变化。随之建立好的数据科学模型,可以相应的有效地推荐适当的企业措施,包括了改进欠款催收,降低坏账风险和减少金融欺诈等策略。

    有感兴趣的小伙伴可以可以免费申请软件试用一下呀,欢迎小伙伴和我们及时沟通交流~

    展开全文
  • 想知道近期有什么最新活动?大数点为你整理的近期活动信息在此:清华大数据“技术·前沿”系列讲座个人消费信贷风险控制讲座2019年5月20日本场清华大数据“技术·前沿”系列...

    640?wx_fmt=png


    想知道近期有什么最新活动?大数点为你整理的近期活动信息在此:


    清华大数据“技术·前沿”系列讲座

    个人消费信贷与风险控制讲座

    2019年5月20日


    本场清华大数据“技术·前沿”系列讲座邀请到博金贷金融科技研究院院长,现任排列科技首席科学家陈薇博士为大家介绍个人消费信贷产品的发展过程,总结信贷产品在不同维度上的大品类和他们的特点。


    个人消费金融行业良性发展的需要高质量的风控。消费金融的风控目标是控制欺诈风险、选定目标客群、进行合理定价、控制和稳定不良水平。传统的线下风控从人工经验出发到数据驱动的量化数据风控,通过数据和模型预测风险程度,高效高速,用户体验好。而风控模型建立的核心要素之一就是建立模型的训练目标。如何使用数据分析和历史经验结合,找到合适的风控坏样本指标十分重要。本讲座会结合实际,介绍从时序上的信贷业务操作和数据上,找到既能快速反应信贷业务质量,又能覆盖未来风险损失的坏标签。


    【时间】5月20日 13:30-15:30

    【地点】清华校内(报名通过后将以短信/邮件形式通知)

    【报名方式】扫描下方二维码报名


    640?wx_fmt=png


    注:此次活动属于大数据能力提升项目实践模块讲座(8次以上)


    【主办单位】清华大学交叉信息研究院、数据科学研究院

    【协办单位】清华校友总会AI大数据专委会、清数大数据产业联盟


    【嘉宾简介】


    640?wx_fmt=png


    陈薇博士,博金贷金融科技研究院院长,江西互联网金融协会特聘风控专家,现任排列科技首席科学家。


    具体情况请点击:报名 | 飞速发展的个人消费信贷与风险控制讲座


      清华大学教育大数据论坛

    2019年5月26日


    640?wx_fmt=jpeg


    【活动时间】2019年5月26日(周日)

    【活动地点】北京


    2014年9月,清华大学在国内首次开创“大数据能力提升项目”,培养大数据领域研究和应用型人才。2016年2月,北京大学、对外经济贸易大学、中南大学首次成功申请到“数据科学与大数据技术”本科新专业。2017年3月,第二批32所高校获批。至此,共有35所高校正在筹备“数据科学与大数据技术”专业,该专业学制为四年,授予工学学位或理学学位。教育部最新公布的高校新增专业名单中,有248所学校获批,是过去两次审批通过额度近8倍。


    数据科学人才缺口百万,数据科学与大数据技术专业发展需要培养具有多学科交叉能力的大数据人才。 开展基于社会科学、计算科学和数据科学融合的科学研究和人才培养工作已经十分必要和迫切。大数据应用于高校科研和人才培养,比较典型的是助力高校建立科研大数据平台、教学大数据平台、智慧校情分析和数据中台多样化应用。


    一、论坛对象


    教育厅、教委负责人与相关负责人

    高校负责人,信息中心、学工部、保卫处、科技处(科发院)与学院负责人与相关负责人

    高校心理学院或心理学系负责人与相关负责人

    教育行业协会,心理行业协会

    教育行业优秀代表,心理机构优秀代表

    对论坛感兴趣的市场人士


    一、 主办协办


    主办单位:清华大学数据科学研究院 、中国知网

    承办单位:清大幸福


    二、演讲嘉宾


    清华大学数据科学研究院、清华大学计算机系、清华大学教育研究院、清华社会科学学院专家,教育厅、教委与高校代表 


    三、考察学习


    清华大学幸福实验室


    四、论坛议程与主题

    (以会议当天发布为准)


    8:00-9:00 ,参会签到

    9:00-9:20,开幕致辞

    9:20-10:40,主题演讲

    10:40-10:50,合影与中场休息

    -

    12:00-13:30,午餐

    13:30-15:30,主题演讲

    15:30-16:50,圆桌对话

    16:50-17:00,中场休息

    17:00-18:00,清华大学幸福实验室考察

    18:00-20:30,晚餐


    主题演讲:高校科研大数据平台建设及应用

    主题演讲:高校教育大数据研究及应用

    主题演讲:高校大数据心理项目的应用场景、技术实现路径与价值

    主题演讲:高校知识大数据研究及应用

    主题演讲:高校大数据包括大数据心理项目如何快速开展

    主题演讲:大数据在高校中的三大经典应用

    专家、教育厅、教委与高校代表圆桌对话


    五、论坛收费


    会务费:1580元/人,含餐费,交通、住宿费自理。


    六、联系方式


    清华大学教育大数据论坛秘书处 


    方老师:电话 13241882295    

    微信 fr41882295(请注明:论坛)


    640?wx_fmt=jpeg


    穆老师:电话 15330278375  

    微信 qxl15330278375(请注明:论坛)


    640?wx_fmt=jpeg


    报名请填写报名表:


    清华大学教育大数据论坛报名回执表


    报名回执表

    贵机构名称

    姓   名


    联系电话


    传   真


    邮   箱


    参加人员

    姓名

    所属部门与职务

    电话

    手机

    邮箱

    备  注



















    备  注

     


    1、填完本回执单联系方老师13241882295,会务组收到后将发出正式的参会通知函;

    2、请完整填写好各项信息,以便会务组进行安排;

              

    清华大学教育大数据论坛

                                2019年5月8日


    清华大学教育大数据论坛参会代表与合作伙伴预热邀请


    一、邀请背景与范围


    清华大学教育大数据论坛于5月26日召开,氢心理平台下属机构清大幸福受邀成为论坛承办方,将负责论坛筹备相关的具体事务。


    诚邀:


    1. 论坛参会代表:


    教育厅、教委负责人与相关负责人

    高校负责人,信息中心、学工部、保卫处、科技处(科发院)与学院负责人与相关负责人

    高校心理学院或心理学系负责人与相关负责人

    教育行业协会,心理行业协会

    教育行业优秀代表,心理机构优秀代表

    对论坛感兴趣的市场人士


    2. 推荐人:


    推荐参会单位与参会代表;推荐协办单位与赞助商。有教育系统资源者优先


    3. 论坛协办单位:


    与教育、大数据、信息、心理、身心健康相关的机构


    4. 论坛赞助单位:


    提供会务相关支持,不限行业


    具体情况请点击:报名 | 大数据时代到了,清华大学教育大数据论坛预热邀请函


    640?wx_fmt=png


    640?wx_fmt=jpeg

    展开全文
  • 我国个人消费信贷自2006飞速发展至今,其发展趋势上消费信贷的规模绝对数值大,但是渗透率较发达国家仍然较低,因此还有巨大空间。极速发展的消费信贷来自新的金融技术和更广泛的...

    640?wx_fmt=png


    我国个人消费信贷自2006飞速发展至今,其发展趋势上消费信贷的规模绝对数值大,但是渗透率较发达国家仍然较低,因此还有巨大空间。极速发展的消费信贷来自新的金融技术和更广泛的获客渠道。扩大的消费金融规模伴随着不少风险,这些风险形成来源复杂多样,需要系统化的新型监管和高速高效的智能风控应用。


    本场清华大数据“技术·前沿”系列讲座,我们邀请到博金贷金融科技研究院院长,现任排列科技首席科学家陈薇博士为大家介绍个人消费信贷产品的发展过程,总结信贷产品在不同维度上的大品类和他们的特点。


    个人消费金融行业良性发展的需要高质量的风控。消费金融的风控目标是控制欺诈风险、选定目标客群、进行合理定价、控制和稳定不良水平。传统的线下风控从人工经验出发到数据驱动的量化数据风控,通过数据和模型预测风险程度,高效高速,用户体验好。而风控模型建立的核心要素之一就是建立模型的训练目标。如何使用数据分析和历史经验结合,找到合适的风控坏样本指标十分重要。本讲座会结合实际,介绍从时序上的信贷业务操作和数据上,找到既能快速反应信贷业务质量,又能覆盖未来风险损失的坏标签。


    【时间】5月20日 13:30-15:30

    【地点】清华校内(报名通过后将以短信/邮件形式通知)

    【报名方式】点击文末“阅读原文”扫描下方二维码报名


    640?wx_fmt=png


    注:此次活动属于大数据能力提升项目实践模块讲座(8次以上)


    【主办单位】清华大学交叉信息研究院、数据科学研究院

    【协办单位】清华校友总会AI大数据专委会、清数大数据产业联盟


    【嘉宾简介】


    640?wx_fmt=png


    陈薇博士,博金贷金融科技研究院院长,江西互联网金融协会特聘风控专家,现任排列科技首席科学家。曾任职于Lendingclub (NYSE:LC) 任首席数据科学家,负责风险管理相关技术创新,开创性将机器学习与文本数据挖掘系统引入P2P贷款风险分析,取得非常良好的效果,并极大缩短了研发周期,主导的非传统风险模型与决策算法的研究与开发,使公司风控水准远高于美国传统银行。再之前,陈薇曾任Paypal(NYSE:PYPL)主任信贷分析师,专注线上交易风险识别和分析,尤其是银行交易的风险分析和建模设计,创新性将大数据,人工智能和机器学习运用于风险识别和决策。持有内布拉斯加大学计算机科学系博士学位,清华大学计算机工程系硕士及中国人工智能重点实验室成员,曾担任数个学术期刊评审,发表专业论文数十篇。


    “技术·前沿”系列讲座

    清华-青岛数据科学研究院“技术·前沿”系列讲座,以知识传播为使命,分享大数据新技术与前沿挑战;旨在介绍大数据面临的新挑战及各种前沿技术,与校内科研队伍互动交流。更多精彩干货及线下活动,敬请关注公众号数据派THU(ID:DatapiTHU)及姐妹号THU数据派(ID:datapi)

    640?wx_fmt=jpeg

    点击“阅读原文”报名

    展开全文
  • 人们习惯性地认为,只有银行才能建立信用体系,然而在大数据时代,互联网公司运用大数据控制信贷风险已初露端倪。 阿里巴巴、淘宝、天猫这些“阿里系”的电商平台,在深耕电商领域的同时,记录着各个商家、网店的...
  • 小额贷款公司的信用风险及其控制研究 - 副本-论文.zip
  • 当前,在银行、小贷等各类信贷机构的不良贷款不断爆发的背景下,小微信贷风险控制受到前所未有的重视,在各类机构开展小微信贷过程中,涌现了各种小微信贷风控技术和模式,本文将从微观实践视角下信贷风险控制的...
  • 中国金融供应链法律风险控制-着重存量金融贷款20150914-中英海商法论坛-word资料.pdf
  • 构建零售商和供应商期望利润模型,分别讨论银行风险中性及下侧风险控制下的零售商订货与供应商定价决策,并利用斯坦克尔伯格博弈求解.最后,对供应商担保系数、银行风险容忍系数进行灵敏度分析.研究表明:1)给定担保系数...
  • 针对目前我国金融机构面临的大企业环境"苛刻",小企业贷款"条件差"的现状,以核心产业集群中供应商和经销商两头为主要研究对象,通过归纳、分析、对比等方法对逆向供应链融资产生的背景和风险的特点进行讨论,提出围绕...
  • 模型创新和特色: 一是提出了在一组新的贷款发放时,新、旧两组贷款风险叠加后的全部组合风险控制的科学问题.由于在实践中银行家们真正关注的不是一组新贷款组合的风险控制,而是银行贷款全部组合的风险, 故立足于新、...
  • 融360与平台上的金融机构合作,提供了近7万贷款用户的基本身份信息、消费行为、银行还款等数据信息,需要参赛者以此建立准确的风险控制模型,来预测用户是否会逾期还款。由于该比赛已结束,平台的数据已经无法下载,...
  • 2016年1月16日,由企业网D1Net和中国信息化发展战略与创新联盟联合举办的2016年北京部委央企及大型企业CIO年会在北京隆重举行...主持人:下面我们请出饿了么高级风控专家王彬跟我们分享互联网公司的风险控制,掌声有...
  • 论文研究-委托监管下存货质押融资的关键风险控制指标.pdf, 针对季节性存货质押融资业务,考虑...银行对贷款下侧风险的限制在一定程度上也能使贷款风险满足银行的规定标准.

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 11,353
精华内容 4,541
关键字:

信贷风险控制