图书介绍
信用评分工具 自动化信用管理的理论与实践pdf电子书版本下载
- 雷蒙·安德森著；李志勇译 著
- 出版社： 北京：中国金融出版社
- ISBN：9787504990334
- 出版时间：2017
- 标注页数：595页
- 文件大小：96MB
- 文件页数：619页
- 主题词：信用评级－自动化－研究
PDF下载
下载说明
信用评分工具 自动化信用管理的理论与实践PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
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