欧美亚洲超清无码专区,亚洲成本人片无码免费,风流少妇BBWBBW69视频,成人亚洲A片V丝袜专区

商業(yè)銀行風險計量

課程大綱
上篇  對公業(yè)務數(shù)字化風控
第一節(jié)：銀行對公數(shù)字化風控的數(shù)字成果（某大行實際案例）
一、解放客戶經理的雙手和大腦，讓客戶經理每月有效時間增加3到4倍！
二、顯著提升風控效果，讓風險排查覆蓋率達到100%并可提前數(shù)月預警風險！
三、大幅增長工作效能，讓對公授信業(yè)務的工作效率至少提升150%以上！
四、極大降低業(yè)務成本，讓分行級貸后風險經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)域性銀行對公資產業(yè)務數(shù)字化轉型之路
三、模式三：某大行分行對公授信全流程數(shù)字化轉型
四、模式四：產業(yè)鏈金融服務開放化轉型
五、模式五：區(qū)塊鏈技術在商業(yè)銀行的應用
第三節(jié)：傳統(tǒng)對公授信業(yè)務的痛點與難點
一、客戶經理難以多方廣泛收集企業(yè)信息
二、行內各位審貸專家審貸標準不一致
三、貸后管理與預警耗時費事不精準
四、行長無法及時掌握對公業(yè)務全貌
第四節(jié)：對公授信業(yè)務的數(shù)字化風控體系
一、對公授信風控數(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險信息
2、數(shù)據(jù)智能如何驅動數(shù)據(jù)事件理解及風險挖掘 
3、與專家智識相結合的業(yè)務風險便捷監(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)控指標要做到自定義靈活配置
案例解析：（從上海某公司破產事件看對公授信數(shù)字化風控，如何實現(xiàn)對企業(yè)多維度風險預警）
二、數(shù)字化如何助力銀行實現(xiàn)對公客戶全程風控決策支持
1、貸前：預審盡調及報告支持（自動化、智能化加持）
（1）企業(yè)預授信分析建模，精準剖析企業(yè)風險
（2）系統(tǒng)自動出具盡調報告，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：貸中評審及風險篩查（全方位、精準化風控）
（1）專家知識復用，指標趨勢分析和行業(yè)對標分析，個性化定制指標深入分析
（2）多維風險排查：股權維度、財務維度、輿情維度、行業(yè)維度、關聯(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：預警配置及排查管控（數(shù)字化、實時化預警）
（1）數(shù)字化風險排查——構建企業(yè)全面風險畫像
（2）數(shù)字化風險管控——及時追蹤風險處理情況
（3）數(shù)字化貸后監(jiān)控——構建實時監(jiān)控預警體系
（4）案例解析
三、數(shù)字化如何實現(xiàn)對公客戶風險發(fā)現(xiàn)、追蹤與傳導分析
1、銀行如何通過事件語義理解發(fā)現(xiàn)風險
2、銀行如何通過事件圖譜分析預見風險
3、銀行如何通過指標模型計算量化風險
4、銀行如何通過數(shù)據(jù)智能解析管控風險
案例解析：（自動識別某企業(yè)風險事件，實現(xiàn)多維度傳導式風險預警）
四、數(shù)字化如何實現(xiàn)對公授信客戶風險穿透識別整合
1、通過事件、指標、關系實現(xiàn)風險穿透識別
2、在結構化與非結構化數(shù)據(jù)中理解企業(yè)事件
3、專家智識轉化為數(shù)字化風險預警指標
4、智能企業(yè)關系識別與事件圖譜構建
5、金融事件中心直觀展示智能處理結果
五、如何運用數(shù)字化手段實現(xiàn)對公授信客戶風險排查
1、企業(yè)風險畫像
2、多維風險畫像
（1）財務分析
（2）動產抵押
（3）股權質押
（4）輿情事件
（5）關聯(lián)風險傳導
（6）行業(yè)專項分析
3、構建分析體系
（1）風險評估模型
（2）指標事件分析
（3）風險事件標簽
（4）綜合風險分數(shù)計算
4、貸前盡調篩查
（1）深度分析與可視化展示
（2）各模塊簡報生成與導出
（3）評級/授信/盡調報告內容支持
5、貸中/貸后風險實時可視化

下篇  零售業(yè)務數(shù)字化風控
第一節(jié)  數(shù)字化風控理念
一、傳統(tǒng)式風控 VS 數(shù)字化風控
二、信貸政策、風控策略與數(shù)據(jù)模型
三、數(shù)字化風控五大要點解析
四、案例剖析
（大數(shù)據(jù)風控漏洞造成10億壞賬）
第二節(jié)：數(shù)字化風控體系
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、關鍵風控基本量化指標
（舉例：vintage方法與rolling rate示例）
第三節(jié)：數(shù)字化風控必備技能
一、大數(shù)據(jù)風控策略規(guī)則設
（案例講解：如何進行策略調優(yōu)）
二、授信額度模型的三種模式（示例）
三、風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用（示例）
第四節(jié)：數(shù)字化風控命門——智能反欺詐
一、黑色產業(yè)市場及其對銀行的重大危害
1、黑色產業(yè)鏈詳解：上游、中游與下游
2、黑產如何獲取客戶信息：拖庫、撞庫、洗庫等
3、黑產如何包裝真實客戶：群控、貓池、暗網(wǎng)、改機工具、模擬精靈等等
4、典型案例：黑產如何指導用戶“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)銀行風險計量