前言

為何寫作本書

互聯網金融是中國金融行業數字化升級的產物。2020年監管部門出臺了一系列舉措，標志著這個行業從成長期正式步入成熟期。互聯網金融機構的快速發展離不開依托于大數據和機器學習的風控及反欺詐能力，這些風險管理能力幫助機構在過去十年通過信貸業務賺取了利潤，也是未來十年各機構開展金融科技業務的核心競爭力。

筆者有幸于畢業后進入互聯網金融行業，在北京大數據研究院和頭部互聯網公司有過豐富的項目經驗，與傳統金融機構的業務人員也有過較多接觸。在實際工作及與同行交流的過程中，筆者發現這個行業內還是存在一些信息不對稱的問題：傳統金融機構（包括銀行、消費金融公司、信托等）的業務人員仍然習慣于接受傳統評分卡那一套風控理念，對于“黑箱”的機器學習模型存在較多質疑；而互聯網公司的建模人員往往過于注重算法的性能優化，卻忽略了其與線上風控策略和信貸場景的結合。筆者也調研了市面上與風控相關的圖書，多數圖書專注于評分卡或者智能風控的單一方面，缺乏將兩者有機結合的資料，這使得剛入行的新人很難對整個行業有一個完整的認知。與此同時，業務人員和技術人員對風控的理解也存在鴻溝。

筆者撰寫本書，一方面是想降低整個信貸風控行業的門檻，幫助更多對此感興趣的學生快速了解并加入這個行業；另一方面是想幫助各大公司的業務人員和技術人員拉齊彼此對于風控的認知，提高合作效率，促進整個金融行業的科技化轉型。當然，筆者并不鼓勵讀者去互聯網平臺借貸，希望讀者可以提高風險意識，謹慎操作，遠離不法貸款平臺。

本書讀者對象

本書主要面向信貸風控行業的廣大業務人員、策略分析師、數據分析師、算法工程師以及對互聯網金融和智能風控、反欺詐感興趣的讀者。

如何閱讀本書

本書集合了目前互聯網金融行業風控方面的業務和技術內容，輔以項目案例和代碼實現，力求幫助讀者通過一本書了解智能風控和反欺詐技術的全貌。

第1～3章涵蓋風控業務的基礎知識，主要介紹了什么是信用風險和欺詐風險，傳統風險管理體系中搭建評分卡的思路，以及智能風控時代下大數據平臺、決策引擎和智能模型的技術框架。這一部分普及了風控中的一些常見術語，可幫助技術人員更深入地了解風控決策的整個過程。對傳統金融機構風險管理體系感興趣的讀者，可以進一步閱讀業界大咖陳建老師、喬楊老師的書。

第4～6章介紹智能風控模型中常見的數據源和算法，其中數學原理和公式較多，適合想了解更多模型知識的業務人員以及想從事建模工作的讀者。由于篇幅有限，筆者只選取了與風控和反欺詐場景相關的算法，很多公式的推導和求解過程并沒有詳細展開。想了解更多機器學習和深度學習算法的讀者，可以進一步學習周志華老師、李航老師以及Ian Goodfellow等人的著作。

第7～9章講解筆者參與過的風控和反欺詐的實戰項目，希望幫助讀者通過實際案例更好地將風控理念和建模技術融會貫通，缺乏項目經驗的讀者可以重點關注這部分內容。如果還想了解更多風控算法的Python代碼實現，可以關注梅子行老師的書。

第10章是行業內金融科技的頭部玩家解析和案例介紹，可幫助讀者初步了解智能風控和反欺詐在未來十年的應用方向。金融科技目前在國內仍然處于探索階段，市面上還沒有系統介紹這方面知識的圖書，感興趣的讀者可以關注相關頭部公司或者權威媒體的宣傳賬號，緊跟行業動向。

資源與勘誤

筆者在寫作過程中參考了市面上已有的許多圖書、論文和權威媒體文章，力爭書中的每一處內容都是有據可循的。但由于筆者水平有限，書中難免會存在一些錯誤和疏漏，歡迎各位讀者和專家批評指正。如果有任何關于本書的意見或建議，歡迎發送郵件到yfc@hzbook.com。

致謝

首先感謝機械工業出版社華章公司的楊福川老師和朱巍老師，以及其他為本書出版做出貢獻的工作人員。沒有各位的耐心解答和專業指導，我一定沒有辦法順利完成這本書的寫作工作。

其次感謝北京大數據研究院、京東數科、滴滴金融（按照入職時間順序）以及其他合作公司的領導和同事。本書中的很多風控理念和建模思想，都源自與業內各位專家的交流，感謝同人們為中國金融行業數字化升級做出的貢獻。

最后要感謝我新婚的妻子陪伴我度過無數個碼字的午夜和周末，默默地支持我完成整本書的創作。在繁忙的工作之余還要利用休息時間寫書是一件很困難的事情，有她的鼓勵我才得以堅持下來。