国产精品变态重口在线,国产一级毛片久久久久久久女18,优配网,亚洲欧美日韩成人综合一区 中文字幕久久人妻被中出一区精品_在线人成免费视频69国产_亚洲簧片在线播放_每天av专区无码

商業(yè)銀行風(fēng)險計量

課程大綱
上篇  對公業(yè)務(wù)數(shù)字化風(fēng)控
第一節(jié)：銀行對公數(shù)字化風(fēng)控的數(shù)字成果（某大行實際案例）
一、解放客戶經(jīng)理的雙手和大腦，讓客戶經(jīng)理每月有效時間增加3到4倍！
二、顯著提升風(fēng)控效果，讓風(fēng)險排查覆蓋率達(dá)到100%并可提前數(shù)月預(yù)警風(fēng)險！
三、大幅增長工作效能，讓對公授信業(yè)務(wù)的工作效率至少提升150%以上！
四、極大降低業(yè)務(wù)成本，讓分行級貸后風(fēng)險經(jīng)理工作量一年可減少2000人天！
五、有效提升行長全局掌控能力，讓對公業(yè)務(wù)真正實現(xiàn)可視化、全面化掌控！
第二節(jié)：銀行對公數(shù)字化風(fēng)控的五種模式
一、模式一：某大行“3+2+1”對公做精策略
二、模式二：某區(qū)域性銀行對公資產(chǎn)業(yè)務(wù)數(shù)字化轉(zhuǎn)型之路
三、模式三：某大行分行對公授信全流程數(shù)字化轉(zhuǎn)型
四、模式四：產(chǎn)業(yè)鏈金融服務(wù)開放化轉(zhuǎn)型
五、模式五：區(qū)塊鏈技術(shù)在商業(yè)銀行的應(yīng)用
第三節(jié)：傳統(tǒng)對公授信業(yè)務(wù)的痛點與難點
一、客戶經(jīng)理難以多方廣泛收集企業(yè)信息
二、行內(nèi)各位審貸專家審貸標(biāo)準(zhǔn)不一致
三、貸后管理與預(yù)警耗時費事不精準(zhǔn)
四、行長無法及時掌握對公業(yè)務(wù)全貌
第四節(jié)：對公授信業(yè)務(wù)的數(shù)字化風(fēng)控體系
一、對公授信風(fēng)控數(shù)字化方案如何提升銀行效能
1、用數(shù)字化方式幫助銀行全面整合多源風(fēng)險信息
2、數(shù)據(jù)智能如何驅(qū)動數(shù)據(jù)事件理解及風(fēng)險挖掘 
3、與專家智識相結(jié)合的業(yè)務(wù)風(fēng)險便捷監(jiān)控
4、如何實現(xiàn)對公授信客戶全流程智能管控
5、對公客戶監(jiān)控指標(biāo)要做到自定義靈活配置
案例解析：（從上海某公司破產(chǎn)事件看對公授信數(shù)字化風(fēng)控，如何實現(xiàn)對企業(yè)多維度風(fēng)險預(yù)警）
二、數(shù)字化如何助力銀行實現(xiàn)對公客戶全程風(fēng)控決策支持
1、貸前：預(yù)審盡調(diào)及報告支持（自動化、智能化加持）
（1）企業(yè)預(yù)授信分析建模，精準(zhǔn)剖析企業(yè)風(fēng)險
（2）系統(tǒng)自動出具盡調(diào)報告，節(jié)省80%以上時間
（3）智能化文檔要素抽取，提高信貸效率
2、貸中：貸中評審及風(fēng)險篩查（全方位、精準(zhǔn)化風(fēng)控）
（1）專家知識復(fù)用，指標(biāo)趨勢分析和行業(yè)對標(biāo)分析，個性化定制指標(biāo)深入分析
（2）多維風(fēng)險排查：股權(quán)維度、財務(wù)維度、輿情維度、行業(yè)維度、關(guān)聯(lián)維度、專項分析
（3）案例：（成功輔助某分行審貸官審批超過百億規(guī)模授信。）
3、貸后：預(yù)警配置及排查管控（數(shù)字化、實時化預(yù)警）
（1）數(shù)字化風(fēng)險排查——構(gòu)建企業(yè)全面風(fēng)險畫像
（2）數(shù)字化風(fēng)險管控——及時追蹤風(fēng)險處理情況
（3）數(shù)字化貸后監(jiān)控——構(gòu)建實時監(jiān)控預(yù)警體系
（4）案例解析
三、數(shù)字化如何實現(xiàn)對公客戶風(fēng)險發(fā)現(xiàn)、追蹤與傳導(dǎo)分析
1、銀行如何通過事件語義理解發(fā)現(xiàn)風(fēng)險
2、銀行如何通過事件圖譜分析預(yù)見風(fēng)險
3、銀行如何通過指標(biāo)模型計算量化風(fēng)險
4、銀行如何通過數(shù)據(jù)智能解析管控風(fēng)險
案例解析：（自動識別某企業(yè)風(fēng)險事件，實現(xiàn)多維度傳導(dǎo)式風(fēng)險預(yù)警）
四、數(shù)字化如何實現(xiàn)對公授信客戶風(fēng)險穿透識別整合
1、通過事件、指標(biāo)、關(guān)系實現(xiàn)風(fēng)險穿透識別
2、在結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)中理解企業(yè)事件
3、專家智識轉(zhuǎn)化為數(shù)字化風(fēng)險預(yù)警指標(biāo)
4、智能企業(yè)關(guān)系識別與事件圖譜構(gòu)建
5、金融事件中心直觀展示智能處理結(jié)果
五、如何運用數(shù)字化手段實現(xiàn)對公授信客戶風(fēng)險排查
1、企業(yè)風(fēng)險畫像
2、多維風(fēng)險畫像
（1）財務(wù)分析
（2）動產(chǎn)抵押
（3）股權(quán)質(zhì)押
（4）輿情事件
（5）關(guān)聯(lián)風(fēng)險傳導(dǎo)
（6）行業(yè)專項分析
3、構(gòu)建分析體系
（1）風(fēng)險評估模型
（2）指標(biāo)事件分析
（3）風(fēng)險事件標(biāo)簽
（4）綜合風(fēng)險分?jǐn)?shù)計算
4、貸前盡調(diào)篩查
（1）深度分析與可視化展示
（2）各模塊簡報生成與導(dǎo)出
（3）評級/授信/盡調(diào)報告內(nèi)容支持
5、貸中/貸后風(fēng)險實時可視化

下篇  零售業(yè)務(wù)數(shù)字化風(fēng)控
第一節(jié)  數(shù)字化風(fēng)控理念
一、傳統(tǒng)式風(fēng)控 VS 數(shù)字化風(fēng)控
二、信貸政策、風(fēng)控策略與數(shù)據(jù)模型
三、數(shù)字化風(fēng)控五大要點解析
四、案例剖析
（大數(shù)據(jù)風(fēng)控漏洞造成10億壞賬）
第二節(jié)：數(shù)字化風(fēng)控體系
一、數(shù)據(jù)來源、數(shù)據(jù)獲取與數(shù)據(jù)治理
二、大數(shù)據(jù)評分模型建立與應(yīng)用 
三、智能數(shù)據(jù)建模 VS 人工SAS建模
（某行實際案例解析）
四、關(guān)鍵風(fēng)控基本量化指標(biāo)
（舉例：vintage方法與rolling rate示例）
第三節(jié)：數(shù)字化風(fēng)控必備技能
一、大數(shù)據(jù)風(fēng)控策略規(guī)則設(shè)
（案例講解：如何進(jìn)行策略調(diào)優(yōu)）
二、授信額度模型的三種模式（示例）
三、風(fēng)險定價模型三大核心思路（示例）
四、人行二代征信解析建模應(yīng)用（示例）
第四節(jié)：數(shù)字化風(fēng)控命門——智能反欺詐
一、黑色產(chǎn)業(yè)市場及其對銀行的重大危害
1、黑色產(chǎn)業(yè)鏈詳解：上游、中游與下游
2、黑產(chǎn)如何獲取客戶信息：拖庫、撞庫、洗庫等
3、黑產(chǎn)如何包裝真實客戶：群控、貓池、暗網(wǎng)、改機工具、模擬精靈等等
4、典型案例：黑產(chǎn)如何指導(dǎo)用戶“精養(yǎng)”信用卡
5、典型欺詐行為表現(xiàn)及反欺詐策略
二、反欺詐應(yīng)用數(shù)據(jù)有哪些
三、反欺詐模型VS信用模型
四、反欺詐工作落地實施方案

商業(yè)銀行風(fēng)險計量