课程大纲：

商业银行风险计量

课程大纲
上篇  对公业务数字化风控
第一节：银行对公数字化风控的数字成果（某大行实际案例）
一、解放客户经理的双手和大脑，让客户经理每月有效时间增加3到4倍！
二、显着提升风控效果，让风险排查覆盖率达到100%并可提前数月预警风险！
三、大幅增长工作效能，让对公授信业务的工作效率至少提升150%以上！
四、极大降低业务成本，让分行级贷后风险经理工作量一年可减少2000人天！
五、有效提升行长全局掌控能力，让对公业务真正实现可视化、全面化掌控！
第二节：银行对公数字化风控的五种模式
一、模式一：某大行“3+2+1”对公做精策略
二、模式二：某区域性银行对公资产业务数字化转型之路
三、模式三：某大行分行对公授信全流程数字化转型
四、模式四：产业链金融服务开放化转型
五、模式五：区块链技术在商业银行的应用
第三节：传统对公授信业务的痛点与难点
一、客户经理难以多方广泛收集企业信息
二、行内各位审贷专家审贷标准不一致
三、贷后管理与预警耗时费事不精准
四、行长无法及时掌握对公业务全貌
第四节：对公授信业务的数字化风控体系
一、对公授信风控数字化方案如何提升银行效能
1、用数字化方式帮助银行全面整合多源风险信息
2、数据智能如何驱动数据事件理解及风险挖掘 
3、与专家智识相结合的业务风险便捷监控
4、如何实现对公授信客户全流程智能管控
5、对公客户监控指标要做到自定义灵活配置
案例解析：（从上海某公司破产事件看对公授信数字化风控，如何实现对企业多维度风险预警）
二、数字化如何助力银行实现对公客户全程风控决策支持
1、贷前：预审尽调及报告支持（自动化、智能化加持）
（1）企业预授信分析建模，精准剖析企业风险
（2）系统自动出具尽调报告，节省80%以上时间
（3）智能化文档要素抽取，提高信贷效率
2、贷中：贷中评审及风险筛查（全方位、精准化风控）
（1）专家知识复用，指标趋势分析和行业对标分析，个性化定制指标深入分析
（2）多维风险排查：股权维度、财务维度、舆情维度、行业维度、关联维度、专项分析
（3）案例：（成功辅助某分行审贷官审批超过百亿规模授信。）
3、贷后：预警配置及排查管控（数字化、实时化预警）
（1）数字化风险排查——构建企业全面风险画像
（2）数字化风险管控——及时追踪风险处理情况
（3）数字化贷后监控——构建实时监控预警体系
（4）案例解析
三、数字化如何实现对公客户风险发现、追踪与传导分析
1、银行如何通过事件语义理解发现风险
2、银行如何通过事件图谱分析预见风险
3、银行如何通过指标模型计算量化风险
4、银行如何通过数据智能解析管控风险
案例解析：（自动识别某企业风险事件，实现多维度传导式风险预警）
四、数字化如何实现对公授信客户风险穿透识别整合
1、通过事件、指标、关系实现风险穿透识别
2、在结构化与非结构化数据中理解企业事件
3、专家智识转化为数字化风险预警指标
4、智能企业关系识别与事件图谱构建
5、金融事件中心直观展示智能处理结果
五、如何运用数字化手段实现对公授信客户风险排查
1、企业风险画像
2、多维风险画像
（1）财务分析
（2）动产抵押
（3）股权质押
（4）舆情事件
（5）关联风险传导
（6）行业专项分析
3、构建分析体系
（1）风险评估模型
（2）指标事件分析
（3）风险事件标签
（4）综合风险分数计算
4、贷前尽调筛查
（1）深度分析与可视化展示
（2）各模块简报生成与导出
（3）评级/授信/尽调报告内容支持
5、贷中/贷后风险实时可视化

下篇  零售业务数字化风控
第一节  数字化风控理念
一、传统式风控 VS 数字化风控
二、信贷政策、风控策略与数据模型
三、数字化风控五大要点解析
四、案例剖析
（大数据风控漏洞造成10亿坏账）
第二节：数字化风控体系
一、数据来源、数据获取与数据治理
二、大数据评分模型建立与应用 
三、智能数据建模 VS 人工SAS建模
（某行实际案例解析）
四、关键风控基本量化指标
（举例：vintage方法与rolling rate示例）
第三节：数字化风控必备技能
一、大数据风控策略规则设
（案例讲解：如何进行策略调优）
二、授信额度模型的三种模式（示例）
三、风险定价模型三大核心思路（示例）
四、人行二代征信解析建模应用（示例）
第四节：数字化风控命门——智能反欺诈
一、黑色产业市场及其对银行的重大危害
1、黑色产业链详解：上游、中游与下游
2、黑产如何获取客户信息：拖库、撞库、洗库等
3、黑产如何包装真实客户：群控、猫池、暗网、改机工具、模拟精灵等等
4、典型案例：黑产如何指导用户“精养”信用卡
5、典型欺诈行为表现及反欺诈策略
二、反欺诈应用数据有哪些
三、反欺诈模型VS信用模型
四、反欺诈工作落地实施方案

商业银行风险计量