1.1 信用與管理

信貸業務又稱信貸資產或貸款業務，是商業銀行和互聯網金融公司最重要的資產業務和主要贏利手段，通過放款收回本金和利息，扣除成本后獲得利潤。對有貸款需求的用戶，貸款平臺首先要對其未來的還款表現進行預測，然后將本金借貸給還款概率大的用戶。

信用管理主要包含兩個概念——信用和管理。信用意味著先買后付，即使用信用值來預支金錢以購買相應服務。管理即通過用戶信息對用戶的信用度進行評估，并根據信用情況定制風險規避策略。所謂風險控制（簡稱風控），即對用戶風險進行管理和規避的過程。

要知道，在信貸管理領域，有一個非常重要的概念叫作風險數據分析，它用于對用戶的信用風險進行管理與規避。對于預測信用較差的人，貸款機構一般是不會向其放款的，即便放款，為了抵御風險，也會給予其較高的利息與較小的貸款金額。風險數據分析中最重要的技術手段就是風控建模。

數學家雅克布·伯努利曾說過：“數學公式不能讓我們預見未來，認為數學公式可以預見未來就好比相信巫術?！彼^的數據分析，是對已發生現象的歸納和總結，其所有的預測能力皆源于對現有數據進行整理、歸納、抽取。對歷史數據的信息使用相應的數學公式進行組合學習，即可得到模型，只不過最終可以利用模型輸出未來事件的期望軌跡。

這種對歷史數據使用統計分析方法提取信息并組建模型的過程被稱為“建?！薄Ｔ撃Ｐ陀纸凶鹘y計模型。在信貸風控領域，建立統計模型的過程被稱為“風險建模”。風險建模屬于風險數據分析領域的分支之一，此外還有歸因分析、策略挖掘等分析方法。

傳統的風險建模是基于廣義線性模型建立的，其理論主要圍繞統計學展開，使用的工具包括SAS、R、Python等。本書中的實踐內容使用Python編寫，主要圍繞基于廣義線性模型建立的評分卡（Score Card）模型展開。此外，部分章節涉及一些其他的建模方法，如在第4章和第5章中講解了使用機器學習模型對建模過程進行優化。對使用機器學習方法進行風險控制感興趣的讀者，可以閱讀本系列的另一本書——《智能風控：原理、算法與工程實踐》。