• 信用评分工具

    自动化信用管理的理论与实践

    安德森(著)

    李志勇(译)

    中国金融出版社,2017

    ISBN:9787504990334

  • 译者序

    “信用”在当下的中国社会是一个时髦而流行的词汇。这不仅有国务院自上而下建设社会信用体系的积极倡导和总体布局,也有普罗大众自下而上关于信用的意识觉醒和价值认知,更有行业参与者对信用市场不断地探索发展和开拓创新。一时间,雨后春笋,花开满地,“信用”的春天里一片生机盎然。

     

    企业信用和消费信用是信用研究和应用的两大主要板块。信用评级(credit rating)多应用于企业和资本市场融资,信用评分(credit scoring)多应用于个人和消费贷款。国内学界还过多停留在传统的企业信用上,忽视消费信用蓬勃向上的生命力,消费金融早已热火朝天。从世界范围内来看,消费信用无论在贷款总量还是贷款数量上都远超过企业信用。消费信用与人们生活息息相关,住房按揭、汽车金融和信用卡是消费信贷的主要形式。随着互联网金融的发展,网络贷款、虚拟信用卡、在线消费分期成为了新颖的信贷产品,以各种方式接入人们的生活场景,让大家逐渐意识到:信用等于财富。

     

    东西方信用服务产业的发展有着不同的风格和轨迹。在中国,“征信”一词常见于各类报道和报告。它最早见于《左传》:“君子之言,信而有征”。中国人民银行将其理论化,形成《现代征信学》一书。征信涵盖了一整套对信用信息采集、整理、保存、加工的专业化服务。在大数据时代,征信变成了一个商业热点,有数据和有能力搜集数据的公司都争先恐后做起了“征信”业务。欧美国家的信用产品和服务发展更早更多样,征信在人们生活的方方面面都发挥了巨大作用。专业的信用服务要依赖技术手段,利用模型对借款方的信用资质进行评估,以提供科学决策。随着时代的需求和变革,在结合基本国情和国外经验的基础上,中国的征信业沉寂多年之后正以崭新的姿态迎来高速发展的黄金时期。

     

    违约预测模型运行了几十年,逐渐走向成熟。可是次贷危机再次为我们敲响了警钟。信用风险不容低估,它是《巴塞尔新资本协议》的重点关注内容。协议提出对预期损失的测量不但需要准确估计违约概率,还需要估计违约损失程度(违约损失率、违约暴露),这是计算资本金和证券化贷款资产组合定价的基础。对损失程度的研究直到最近十来年才开始,而且集中在企业信用方面。由于消费信用贷款产品的多样性和复杂性,计量难度很大。全世界的信用评分者正在全力以赴。本书形成在《巴塞尔新资本协议》后,为了应对全球金融危机,《巴塞尔协议III》在2010年及时制定,增加了对流动性风险和杠杆率的重视。中国版的巴塞尔资本框架也在逐步建设当中,这要求各类银行都建立自己的内部风控体系。

     

    越来越丰富的信贷产品对信用建模技术提出了新的挑战。以互联网、大数据、云计算技术为基础的数据挖掘模型正在发挥巨大作用,从建模的思想和算法上都对信用模型进行了革新。对客户行为的多维画像使得评估更为准确。相比于静态的状态记录,动态的行为描述更加全面、真实、有效。数据说明一切,信用评分进入了一个新的时代。

     

    本书作者Lyn Thomas教授是世界信用研究的权威专家,毕生致力于信用评分的发展,长期从事学术研究、商业咨询和政策建议,积累了丰富的经验。他集合了当前信用研究和应用面临的主要问题,从三大挑战——定价(pricing)、利润(profit)与组合(portfolio)出发,进行了详尽的探讨和论述。其思想站在信用领域的最前沿。

     

    本书重点关注消费信用及其建模方法,内容翔实。在消费信用和金融创新大力发展的中国,亟须这样一部前瞻性的指导书。信用领域的从业者和研究者可以将它作为理论和实践的参考。同时,国内越来越多的高校正在开设信用管理专业,为行业培养更多的信用人才。本书也可作为各层次信用管理专业的教材。

     

    信用是金融交易的基础,也是相互信任的生产关系和社会关系的纽带。随着利率市场化的进程,风险定价、利润评估、资产证券化正在成为最新的金融动态。希望本书的出版能够对国内消费信用的发展作出及时的贡献。

    目录

    中文版序
    译者序
    前言
    概要


    第一部分 背景设定


    第1章 信用评分及其业务
    1.1 什么是信用评分
    1.2 在哪使用信用评分
    1.2.1 数据来源
    1.2.2 信用风险管理周期
    1.2.3 行为倾向
    1.3 为什么要用信用评分
    1.3.1 对贷款机构的影响
    1.3.2 对客户的影响
    1.4 如何影响信贷产业
    1.5 小结
    第2章 信用微历史
    2.1 信用的历史
    2.1.1 古代
    2.1.2 中世纪到19世纪
    2.1.3 20世纪
    2.2 信用评分的历史
    2.2.1 开拓时期
    2.2.2 自动化时期
    2.2.3 扩张时期
    2.3 征信机构的历史
    2.3.1 18世纪中期及以前
    2.3.2 19世纪90年代以后
    2.3.3 20世纪60年代以后
    2.3.4 国际
    2.4 评级机构的历史
    2.5 小结
    第3章 信用评分原理
    3.1 评分卡是什么
    3.1.1 评分卡的形态
    3.1.2 如何开发评分卡
    3.1.3 预测能力如何评估
    3.1.4 评分卡的偏差是如何出现的
    3.1.5 如何应对以上问题
    3.2 采用何种测量方法
    3.2.1 流程与策略
    3.2.2 评分卡表现
    3.2.3 违约概率和损失程度
    3.3 评分卡开发流程有哪些
    3.3.1 项目准备
    3.3.2 数据准备
    3.3.3 建模分析
    3.3.4 模型确定
    3.3.5 决策制定
    3.3.6 安全保护
    3.4 什么会影响评分卡
    3.4.1 经济偏移
    3.4.2 市场偏移
    3.4.3 操作偏移
    3.4.4 目标偏移
    3.4.5 不明偏移
    3.5 小结


    第二部分 风险业务


    第4章 风险理论
    4.1 风险相关术语
    4.1.1 风险关联
    4.1.2 风险环境
    4.1.3 风险类型
    4.2 数据与模型
    4.2.1 数据类型
    4.2.2 模型类型
    4.2.3 人为判断
    4.3.2 专家模型
    4.3 小结
    第5章 决策科学
    5.1 自适应控制
    5.2 成为主人
    5.2.1 冠军挑战
    5.2.2 优化
    5.2.3 策略推断
    5.3 小结
    第6章 企业风险评估
    6.1 风险评估基础
    6.1.1 数据来源
    6.1.2 风险模型
    6.1.3 风险等级
    6.2 中小企业贷款
    6.2.1 关系型贷款
    6.2.2 交易型贷款
    6.3 财务比率评分
    6.3.1 理论先驱
    6.3.2 预测比率
    6.3.3 限制因素
    6.3.4 评级机构
    6.3.5 内部等级
    6.4 信用评级机构
    6.4.1 字母等级
    6.4.2 评级类型
    6.4.3 存在问题
    6.4.4 研究重点
    6.5 前瞻数据建模
    6.5.1 历史分析
    6.5.2 结构模型
    6.5.3 简约模型
    6.6 小结


    第三部分 数学和统计


    第7章 预测统计
    7.1 模型概述
    7.2 参数模型
    7.2.1 线性模型
    7.2.2 判别分析
    7.2.3 逻辑回归
    7.3 非参模型
    7.3.1 决策树
    7.3.2 神经网络
    7.3.3 遗传算法
    7.3.4 K近邻法
    7.3.5 线性规划
    7.4 关键假设
    7.4.1 数据因素
    7.4.2 统计假设
    7.4.3 解决方法
    7.5 结果比较
    第8章 区分度的测量
    8.1 错误分类矩阵
    8.2 Kullback散度
    8.2.1 证据权重
    8.2.2 信息值
    8.2.3 稳定指数
    8.3 KS统计量
    8.4 相关系数
    8.4.1 Pearson积矩
    8.4.2 Spearman秩序
    8.4.3 洛伦兹曲线
    8.4.4 基尼系数
    8.4.5 ROC曲线
    8.5 卡方检验
    8.6 准确性检验
    8.6.1 概率论
    8.6.2 二项分布
    8.6.3 HL统计量
    8.6.4 对数似然
    8.7 小结
    第9章 零碎内容
    9.1 描述方法
    9.1.1 聚类分析
    9.1.2 因子分析
    9.2 预报方法
    9.2.1 马尔可夫链
    9.2.2 生存分析
    9.3 其他概念
    9.3.1 相关性
    9.3.2 交叉作用
    9.3.3 单调性
    9.3.4 标准化
    9.4 开发报告
    9.4.1 特征分析被告
    9.4.2 分数分布报告
    9.4.3 新业务策略表
    9.5 小结
    第10章 头脑和机器
    10.1 人员和项目
    10.1.1 评分卡开发人员
    10.1.2 外部供应商
    10.1.3 内部资源
    10.1.4 项目组
    10.1.5 指导委员会
    10.2 软件
    10.2.1 评分卡开发
    10.2.2 决策引擎
    10.3 小结


    第四部分 数据!


    第11章 数据考虑
    11.1 数据透明
    11.2 数据数量
    12.2.1 深度和广度
    11.2.2 同质性
    11.2.3 可得性
    11.3 数据质量
    11.3.1 关联性
    11.3.2 准确性
    11.3.3 完备性
    11.3.4 时效性
    11.3.5 一致性
    11.3.6 对征信机构的影响
    11.4 数据设计
    11.4.1 数据类型
    11.4.2 表格设计
    11.5 小结
    第12章 数据来源
    12.1 客户信息
    12.1.1 申请表
    12.1.2 财务信息
    12.2 内部信息
    12.2.1 数据类型
    12.2.2 数据库类型
    12.2.3 客户关系管理
    12.3 征信数据
    12.3.1 查询检索
    12.3.2 公共信息
    12.3.3 共享数据
    12.3.4 欺诈预警
    12.3.5 征信分数
    12.3.6 地理指标
    12.3.7 其他来源
    12.4 小结
    第13章 评分结构
    13.1 定制服务
    13.1.1 通用评分卡
    13.1.2 定制评分卡
    13.1.3 专家模型
    13.2 系统架设
    13.3 数据整合
    13.3.1 独立分数
    13.3.2 离散分数
    13.3.3 合并分数
    13.3.4 决策矩阵
    13.4 信用评分
    13.5 数据匹配
    13.6 小结
    第14章 信息共享
    14.1 征信机构
    14.1.1 公共与民营
    14.1.2 正面与负面
    14.2 参与合作
    14.2.1 互惠原则
    14.2.2 促进因素
    14.2.3 阻碍因素
    14.3 小结
    第15章 数据准备
    15.1 数据获取
    15.1.1 申请数据
    15.1.2 征信数据
    15.1.3 观测数据
    15.1.4 表现数据
    15.1.5 数据整合
    15.2 好坏定义
    15.2.1 选择状态
    15.2.2 表现状态
    15.2.3 当前状态和最坏状态
    15.2.4 定义设定
    15.2.5 好坏定义标准
    15.3 时间窗口
    15.4 样本设计
    15.4.1 样本类型
    15.4.2 最大和最小样本量
    15.4.3 分层随机抽样
    15.5 小结


    第五部分 评分卡开发


    第16章 变量转换
    16.1 转换方法
    16.1.1 虚拟变量
    16.1.2 风险变量
    16.1.3 方法选择
    16.2 粗细分类
    16.2.1 特征分析报告
    16.2.2 细分类
    16.2.3 粗分类
    16.3 统计量的应用
    16.3.1 预测能力测度
    16.3.2 粗分类例子
    16.4 合并算法
    16.4.1 非相邻合并
    16.4.2 相邻合并
    16.4.3 单调相邻合并
    16.5 实际案例
    16.5.1 判决
    16.5.2 行业
    16.5.3 职业
    16.6 小结
    第17章 特征选取
    17.1 参考因素
    17.2 统计量
    17.3 降维方法
    17.3.1 建模处理
    17.3.2 相关矩阵
    17.3.3 因子分析
    17.4 变量供给
    17.4.1 分步
    17.4.2 分块
    17.5 小结
    第18章 样本细分
    18.1 驱动因素
    18.2 识别交叉作用
    18.3 处理交叉作用
    18.4 小结
    第19章 拒绝推断
    19.1 推断原理
    19.2 总体流动
    19.3 表现赋值
    19.4 特殊类别
    19.5 推断方法
    19.5.1 随机补充
    19.5.2 展开法
    19.5.3 外推法
    19.5.4 同生表现
    19.5.5 双变量推断
    19.6 小结
    第20章 模型校准
    20.1 分数分段
    20.1.1 CH统计量
    20.1.2 基准方法
    20.1.3 边际风险边界
    20.2 线性变换
    20.2.1 线性移动
    20.2.2 比率缩放
    20.3 线性规划重构
    20.4 小结
    第21章 检验交付
    21.1 组成成分
    21.1.1 开发依据
    21.1.2 持续检验
    21.2.3 回溯测试
    21.2 差别效果
    21.3 小结
    第22章 开发管理
    22.1 进程安排
    22.2 高效操作
    22.2.1 重复利用
    22.2.2 重新建模
    22.3 小结


    第六部分 实施和使用


    第23章 实施安装
    23.1 自动化决策
    23.1.1 自动化程度
    23.1.2 职责
    23.1.3 员工沟通
    23.1.4 客户教育
    23.2 安装和测试
    23.2.1 数据、资源和切换
    23.2.2 测试
    23.3 小结
    第24章 管理控制
    24.1 政策规则
    24.2 撤销
    24.3 移交
    24.3.1 信息验证
    24.3.2 帐户情况
    24.4 控制
    24.4.1 竞争环境
    24.4.2 评分及策略控制
    24.4.3 撤销控制
    24.5 小结
    第25章 跟踪监控
    25.1 组合分析
    25.1.1 逾期分布
    25.1.2 转移矩阵
    25.2 表现跟踪
    25.2.1 模型表现
    25.2.2 账龄分析
    25.2.3 分数错配
    25.3 偏移报告
    25.3.1 总体稳定性报告
    25.3.2 分数偏移报告
    25.3.3 特征分析
    25.4 选择过程
    25.4.1 决策过程
    25.4.2 分数决策
    25.4.3 政策原则
    25.4.4 人为撤销
    25.5 小结
    第26章 金融财务
    26.1 坏账准备金
    26.2 直接估计
    26.2.1 净流量法
    26.2.2 转移矩阵法
    26.3 损失估计
    26.3.1 损失概率
    26.3.2 损失程度
    26.3.3 预测分析
    26.4 利润模型
    26.4.1 利润来源
    26.4.2 利润决策
    26.4.3 利润评分
    26.5 风险定价
    26.5.1 理论实践
    26.5.2 行为变化
    26.5.3 战略考虑
    26.5.4 客户影响
    26.6 小结


    第七部分 信用风险管理周期


    第27章 市场营销
    27.1 广告媒体
    27.2 数量质量
    27.3 初步筛选
    27.4 市场数据
    27.5 小结
    第28章 申请审批
    28.1 收集潜在客户信息
    28.1.1 获取申请信息
    28.1.2 纸质数据采集
    28.1.3 初筛和清洗
    28.2 策略分类
    28.3 决策执行
    28.3.1 拒绝
    28.3.2 接受
    28.4 小结
    第29章 账户管理
    29.1 额度类型
    29.2 超限管理
    29.2.1 支票账户
    29.2.2 信用卡
    29.2.3 客户知情效应
    29.3 其他功能
    29.3.1 提额请求
    29.3.2 提高额度
    29.3.3 额度复核
    29.3.4 交叉销售
    29.3.5 重获客户
    29.4 小结
    第30章 催收回收
    30.1 概述
    30.2 时机策略
    30.3 催收评分
    30.4 小结
    第31章 欺诈防范
    31.1 欺诈类型
    31.2 侦测工具
    31.3 防范策略
    31.4 欺诈评分
    31.5 小结


    第八部分 监管环境


    第32章 监管概念
    32.1 最佳实践
    32.2 善良治理
    32.3 商业道德和社会责任
    32.4 合规等级
    32.5 小结
    第33章 数据隐私
    33.1 背景
    33.1.1 历史概况
    33.1.2 Tournier案件
    33.1.3 OECD数据隐私指引
    33.1.4 欧洲理事会公约
    33.1.5 欧盟数据保护指令
    33.1.6 特殊情况
    33.2 原则
    33.2.1 收集方式
    33.2.2 合理目的
    33.2.3 信息质量
    33.2.4 信息使用
    33.2.5 信息披露
    33.2.6 主体权利
    33.2.7 信息安全
    33.3 小结
    第34章 禁止歧视
    34.1 何为歧视
    34.2 存疑特征
    34.3 小结
    第35章 公平信贷
    35.1 掠夺性放贷
    35.2 不负责放贷
    35.3 负责任放贷
    35.4 小结
    第36章 资本充足
    36.1 巴塞尔协议Ⅰ
    36.2 巴塞尔协议Ⅱ
    36.2.1 标准法
    36.2.2 内部评级法
    36.2.3 风险暴露类别
    36.2.4 违约定义
    36.2.5 评级意义
    36.2.6 执行问题
    36.3 风险加权资产的计算
    36.4 小结
    第37章 了解客户
    37.1 尽职调查要求
    37.2 客户身份识别要求
    第38章 国家差异
    38.1 美国
    38.2 加拿大
    38.3 英国
    38.4 澳大利亚
    38.5 南非


    参考文献
    术语字典
    后记致谢

  • 消费信用模型

    定价、利润与组合

    托马斯(著)

    李志勇(译)

    中国金融出版社,2016

    ISBN:9787504984111

  • 译者序

    这是迄今为止非常详尽地介绍信用评分的一本著作。它是商业银行和贷款机构半个多世纪以来在贷款技术和风险管理方面全面的经验总结,称其为信用评分领域的“百科全书”毫不为过。

     

    自 20 世纪 60 年代理论基础和 70 年代计算能力有了重大突破以来,自动化信贷审批和风险管理逐渐成为主流。更丰富的数据、更科学的方法、更完善的流程所带来的风险管理技术革新,已满足了亿万个人和企业的融资需求,促进了欧美经济几十年的高速增长。国内的自动化信用管理和大数据风险评估才刚刚起步,尚在混沌和懵懂之中摸索。以其庞大的人口基数和经济总量,中国理应成为个人消费信贷和中小微企业融资蓬勃发展的蓝海。因此,可以预见,消费升级将带来中国经济的再次腾飞,而消费信贷则是其中最重要的支撑点和爆发点。行业代表已提前行动,大批消费金融、小额贷款和金融科技公司崛起,传统商业银行开始转型,许多财力雄厚的集团企业也纷纷成立消费金融和小微金融事业部,依靠其丰富的数据积累开始做线上、线下的贷款业务。然而,如火如荼“跑马圈地”的背后却是单一的征信体系、缺失的制度保障和薄弱的风控技术,我们还有很长的路要走。

     

    本书副标题是“自动化信用管理的理论与实践”。事实上,“自动化”在数据时代和移动互联的背景下已升级为“现代化”,使决策更科学、更智能。“信用管理” 不仅是风险控制,还有与此相关的市场营销、欺诈识别和账户管理。“理论”与“实践” 也让本书区别于其他学术著作和大众读物。本书不仅搜集、引用大量理论,而且着眼于实际情况,对行业实践进行系统梳理,为实际应用服务。本书作者恰好在南非生活和工作,以其 30 多年的银行风险管理的经验,为发展中国家实现信用评估和信用管理现代化提供了宝贵的经验。

     

    深入理解信用评分,它有如下几层意义:(1)交易层面,准确判定好坏,预测违约风险;(2)个体层面,考虑客户关系周期,实现利润最大化;(3)公司层面,适应经济周期,维护金融系统稳定;(4)社会层面,减少不公正歧视,保护弱势群体,提高信贷可得性,增加社会福祉。第一点和第四点看似矛盾,但人类文明的发展权由大家共同享有,个人借钱改善生活,企业融资扩大经营, 和谐社会应给予缺少征信记录、具有较少和负面征信记录的个体公平的对待。“Access to Credit”既是一种愿望,也是一种权利。信用评分恰如其分地在微观层面增加基尼系数(区分能力)和宏观层面降低基尼系数(贫富差距)上实现了统一。

     

    本书系统完整:第一部分介绍信用评分的背景和意义,第二部分介绍风险管理理论和应用,第三部分介绍数学和统计方法,第四部分介绍数据和信息来源,第五部分介绍建模和开发过程,第六部分介绍实施和使用,第七部分介绍信用风险管理周期, 第八部分介绍监管体系和制度。本书对在校专业学生、建模开发人员、行业从业人员、专家研究人员、公司领导者、政府监管者、政策制定者,特别是对进入和正在进入这个行业的公司,都有很强的指导意义。

     

    信用时代已经拉开帷幕,我们身处其中,每个人的生活都受到它的影响,每个人也都在为创造一个诚实守信的社会贡献力量。愿每个人都珍惜信用、积累信用、享受信用!

     

    欢迎来到信用评分的世界!

    目录

    中文版序

    译者序

    前言

     

    1 消费信用和信用评分简介


    1.1 引言: 消费信用的重要性和影响力
    1.2 违约信用评分的历史背景
    1.3 贷款机构的目标
    1.3.1 银行的目标
    1.3.2 贷款过程
    1.4 贷款决策的建模工具
    1.4.1 影响图
    1.4.2 消费信贷中的申请决策
    1.4.3 决策树
    1.4.4 消费信贷决策树
    1.4.5 策略树
    1.5 概率、比率和分数
    1.5.1 概率和比率
    1.5.2 总体比率和信息比率
    1.5.3 分数: 一个充分统计量
    1.5.4 对数比率分数
    1.5.5 对数比率分数的分解
    1.5.6 朴素Bayes评分卡的构建
    1.5.7 分数分布
    1.6 分数的变换
    1.6.1 缩放自然分数
    1.6.2 缩放正态分布的分数
    1.6.3 多级评分卡
    1.6.4 风险率和时变分数
    1.6.5 离散时间风险概率
    1.7 贷款的回报和成本
    1.7.1 单期贷款的回报率模型
    1.7.2 单期企业债券的回报率模型
    1.7.3 消费贷款的利润率和回报率
    1.7.4 两期回报率模型
    1.7.5 多期贷款
    1.8 评分卡构建的基本原理
    1.8.1 建立评分卡的基本方法
    1.8.2 拒绝推断
    1.8.3 行为评分
    1.8.4 数据样本
    1.8.5 数据检验和整理
    1.8.6 样本细分
    1.8.7 训练和检验样本
    1.8.8 剔除特征变量
    1.8.9 特征粗分类
    1.8.10 卡方和信息统计量
    1.8.11 粗分类生成新变量
    1.8.12 评分卡最终形成和检验
    1.9 逻辑回归评分卡
    1.10 其他建立评分卡的方法
    1.10.1 线性回归
    1.10.2 散度最大化
    1.10.3 线性规划
    1.10.4 分类树


    2 评分系统的评估


    2.1 评分卡质量的评估
    2.1.1 交叉验证法
    2.1.2 自展法
    2.2 判别能力的测量
    2.2.1 散度与信息量
    2.2.2 马氏距离
    2.2.3 KS统计量
    2.2.4 D一致性统计量与U统计量
    2.3 ROC曲线和Gini系数
    2.3.1 Gini系数和AUROC
    2.3.2 ROC曲线与D统计量、KS统计量的关系
    2.3.3 Gini系数的边界
    2.3.4 ROC曲线和商业决策
    2.3.5 CAP曲线与准确率
    2.4 评分卡细分对判别能力的影响
    2.4.1 样本细分对Gini系数的影响
    2.4.2 样本细分对KS统计量的影响
    2.4.3 样本细分对散度的影响
    2.5 评分卡预测概率的校准
    2.5.1 二项检验
    2.5.2 二项检验的正态近似
    2.5.3 卡方检验
    2.6 分类预测正确程度的测量
    2.6.1 混淆矩阵
    2.6.2 第一类错误和第二类错误, 敏感度和特异度
    2.6.3 交换集合
    2.6.4 最小错误成本


    3 基于风险定价


    3.1 消费信贷中的可变定价
    3.1.1 可变定价
    3.1.2 差异化定价
    3.1.3 响应率和接受率
    3.1.4 双重定价
    3.2 无风险利率响应函数和最优定价
    3.2.1 无风险响应率
    3.2.2 弹性
    3.2.3 最大支付意愿
    3.2.4 常见的响应函数
    3.2.5 最优定价
    3.3 风险响应关系, 逆向选择和负担能力
    3.3.1 风险响应关系
    3.3.2 逆向选择
    3.3.3 风险响应关系和逆向选择的区别
    3.3.4 负担能力
    3.4 基于风险的响应函数和定价
    3.4.1 基于风险的好人概率
    3.4.2 基于风险的最优利率
    3.4.3 无逆向选择的最优利率
    3.4.4 有逆向选择的最优利率
    3.5 多种优惠条件下的接受概率
    3.5.1 贷款的多种优惠条件
    3.5.2 逻辑接受概率函数
    3.5.3 线性规划估计最大支付意愿
    3.5.4 加速生命模型估计最大支付意愿
    3.6 借贷博弈定价模型


    4 利润评分和动态模型


    4.1 行为评分和账户动态管理
    4.1.1 账户管理和利润率
    4.1.2 行为分数
    4.2 利润评分和风险回报矩阵
    4.2.1 客户层面和产品层面的评分
    4.2.2 风险回报矩阵
    4.2.3 风险回报矩阵里的最优策略
    4.2.4 消费行为的动态估计
    4.3 账户行为的Markov链模型
    4.3.1 Markov链的定义
    4.3.2 消费信用中的Markov链模型
    4.3.3 Markov链的参数估计和假设检验
    4.3.4 Markov链模型的延伸
    4.4 Markov的利润率决策模型
    4.5 生存分析的违约评分系统
    4.5.1 何时违约
    4.5.2 生存分析
    4.5.3 比例风险模型
    4.5.4 Cox比例风险模型
    4.5.5 建立比例风险模型
    4.5.6 比例风险行为分数
    4.6 生存分析利润模型
    4.6.1 生存分析计算利润率
    4.6.2 风险竞争


    5 组合信用风险和巴塞尔协议
    5.1 组合信用风险
    5.1.1 组合层面的度量
    5.1.2 组合层面的违约概率
    5.1.3 违约损失率和组合层面的损失
    5.2 经济和监管资本
    5.2.1 资产和负债
    5.2.2 贷款中的风险
    5.2.3 监管和经济资本
    5.3 巴塞尔资本协议概述
    5.3.1 历史
    5.3.2 期望损失、意外损失、监管资本和在险价值
    5.3.3 组合不变性
    5.3.4 巴塞尔模型中的监管资本
    5.3.5 消费信用的巴塞尔方程
    5.3.6 小结
    5.4 巴塞尔新资本协议对信用评分的影响
    5.4.1 三角关系
    5.4.2 违约的定义
    5.4.3 时点和周期违约概率
    5.4.4 校准
    5.4.5 消费贷款中的企业信用模型
    5.4.6 违约暴露
    5.4.7 违约损失率
    5.5 监管资本和最优临界分数
    5.5.1 个人贷款接受决策的建模
    5.5.2 给定股权资本的组合最优临界分数
    5.5.3 可变股权资本的组合最优临界分数
    5.5.4 巴塞尔协议对ROC曲线的影响
    5.6 消费和企业贷款组合的信用风险建模
    5.6.1 企业信用模型的发展
    5.6.2 基于信誉的消费结构模型
    5.6.3 基于负担能力的消费结构模型
    5.6.4 基于风险函数的消费简约模型
    5.6.5 基于Markov链的消费简约模型
    5.7 消费信贷组合的压力测试
    5.7.1 巴塞尔协议中的压力测试
    5.7.2 敏感分析和情景分析
    5.7.3 违约概率的静态压力测试方法
    5.7.4 动态相关性模型
    5.7.5 基于模型的动态方法
    5.7.6 LGD和EAD的压力测试


    附录
    术语表
    参考文献
    译后记