会议介绍
关于举办“互联网信贷风控建模专题研修班”邀请函
主办单位 国培机构
本期焦点 互联网信贷 数据挖掘 评分卡 风控建模 风控前置 反欺诈
时 间 2019年5月30-31日
地 点 中国·北京
各有关负责人：
金融科技是近年来金融业炙手可热的发展方向，对处于加速整合期的网贷行业而言，合规性与风控水平是用户选择平台的重要参考，因此金融科技加持风控技术逐渐成为众多平台关注的方向。从获客、审批、到贷中的维护、客户价值的提升、再利用、深挖以及到客户的挽留、催收和退出——风控部门不再是单打独斗，而是在金融业务中的各个环节中，都植入风控概念。做好风控等于做好业务，从深层次的角度来讲，风控不再是单纯的减低风险，而是开始背负利润最大化的责任。
前期借款客户的风控不严谨导致违约人和失信人大幅度增长，风控前置作为未来“智能风控”发展的重点，如何找到合格借款人？
对公业务萎靡，零售业务井喷，银行如何自控风险做好被助贷业务？“智能”如何切入清收处置提高催收率降低了成本？
因此，国培机构将于5月30-31日在北京举办《互联网信贷风控建模专题研修班》。将邀请相关领域的头部企业高管、行业专家，就本期主题进行全方面的解答和深入的讨论。如有学习需求，请于2019年5月24日前将报名回执表传至我司。
特此致函诚邀，敬望拨冗出席！
【授课模式】
师生互动、双向交流、PPT演讲形式、专题讲授、案例教学、观点陈述、专业点评、经验分享，交流晚宴同桌聚首。化理论为实践，促案例为现实。
【学员对象】
消费金融公司、互联网金融机构、金融科技公司董事长、总经理、风控负责人等高管；
国有银行、股份制银行、城市商业银行、农村商业银行、民营银行高管及其风控负责人。
【证书获取】
成功完成整个课程学习的学员将被授予由国培机构颁发的《互联网信贷风控建模专题培训班》结业证书。
【时间地点】
时间：2019年5月30-31日（周四、周五）5月29日报到
地点：北京（具体地点报名后通知）
【会议日程】时间 | 课程主题 | 确认师资 |
5月30日 星期四 9:00-12:00 | 模块一：互联网信贷大数据风控模型建模 数据的采集 数据清洗（缺失值与异常值处理） 特征工具（变量的衍生和选择） 常用的建模方法：逻辑回归、决策树、随机森林 模型的训练 模型的评估 模型的部署 模型的监控和迭代 常见的模型误区 案例分析 | 张老师 某知名平台风控模型副总裁 毕业于西安交大，模式识别与智能系统专业硕士。目前是某知名平台风控模型负责人，10年风控经验，善长风控建模、营销模型和推荐算法，从事的行业包括汽车金融、互联网金融、互联网广告、管理咨询，先后任职于Opera Solutions, 通用汽车金融、Viral Gains、平安陆金所。 |
5月30日 星期四 14:00-17:00 | 模块二：互联网信贷评分卡与模型搭建 信贷申请评分卡概念及应用 申请评分卡中数据预处理和特征衍生 逻辑回归模型在申请评分卡中应用 信用评分模型基本概念与应用 信用评分模型的数据基础 数据挖掘与信用评分模型技术 信用评分在信贷管理生命周期的应用策略 信用评分模型开发流程 信用评分卡的设置与验证 机器学习模型用于评分卡模型 深度学习模型用于评分卡模型 组合评分卡模型 | 卫老师 新网银行风险计量中心总监 曾就职于安永咨询，长期从事金融风险量化体系建设相关工作，曾主导和参与大陆和台湾等地多个金融集团、银行、互金公司的量化风控建设项目。作为新网银行模型团队负责人，牵头搭建新网银行量化风控模型体系，包括风控大数据和客户画像体系构建、机器学习引擎“匠心”系统开发、服务于客户全生命周期的各类模型开发，开发了基于传统逻辑回归、机器学习、复杂社交网络算法及基于人脸表情和特征数据在内的多个风控和反欺诈模型。 |
5月30日 | 晚宴：“浮白畅饮叙友情”交流晚宴（请多备名片） | |
5月31日 星期五 9:00-12:00 | 模块三：互联网信贷风控技术如何渗透业务链 大数据驱动的全流程生命周期风控体系 数据运营贯穿全流程 用户全生命周期的模型 风控在业务链条的渗透-额度和定价的决策 风控+市场，风控前置做选取合格借款人 风控+运营，额度管理，激活用户 贷前风控如何运用在贷后管理 增长模型在金融行业的应用 | 裴博士 宜人贷首席风险官 在金融领域有多年从事信用风险管理，信贷产品营销，资产证券评估和期权交易定价的工作经验。加入宜人贷之前，就职于平安银行副总经理。之前，曾在美国多家金融机构担任部门主管：包括敏奕投资首席风险官，美国银行高级副总裁，摩根大通高级副总裁，华盛顿互惠银行高级副总裁，普天信金融公司高级副总裁，富利波士顿银行副总裁。 |
5月31日 星期五 13:30-16:30 | 模块四：互联网信贷反欺诈策略制定 欺诈风险与信用风险的区别 欺诈分类 传统的反欺诈欺诈管理方法-被动反欺诈 基于机器学习的反欺诈策略-主动反欺诈 基于有监督学习的反欺诈方法 基于无监督学习的反欺诈方法 事件驱动反欺诈方法 案例分析1：通过关系图聚类，发现异常（欺诈）群体，降低欺诈人工标注成本 案例分析2：借助GBDT决策树算法，多变量联合， 更准确预测用户的欺诈概率，降低欺诈损失，突破传统反欺诈基于规则一刀切的限制 欺诈数据的采集 反欺诈的后台支持系统 | 崔老师 DataVisor中国区技术负责人 自2015年起，在DataVisor开发使用分布式无监督机器学习算法进行反欺诈检测。负责过如Pinterest、Yelp、阿里巴巴和猎豹移动等大型互联网企业的机器注册、虚假评论、垃圾邮件、欺诈交易和虚假应用安装等场景的反欺诈建模 。在模型调优、特征工程和算法开发等领域都有着丰富的经验。崔老师拥有在爱荷华州立大学的博士学位，在博士期间的研究方向为数据分析和结构 - 性能建模等。 |
会务费：5980元/人，含培训费、教材资料费、两天培训期间午餐费、第一天欢迎晚宴费用
往返交通和住宿费用自理。
报名时间：报名时间即日起至2019年 5月 24日截止