金融行业智能风控与反欺诈策略.docVIP

金融行业智能风控与反欺诈策略

TOC\o1-2\h\u16665第1章智能风控与反欺诈概述 3

119641.1风险管理与反欺诈的背景 3

196131.2智能风控与反欺诈的发展历程 3

269551.3智能风控与反欺诈的重要性 4

28739第2章风险管理基础理论 4

175392.1风险的定义与分类 4

193862.2风险管理框架与流程 5

112392.3风险度量与评估方法 5

25817第3章反欺诈理论体系 6

155553.1欺诈的定义与类型 6

161763.1.1欺诈的定义 6

87303.1.2欺诈的类型 6

247623.2反欺诈策略与措施 6

156003.2.1反欺诈策略 6

136923.2.2反欺诈措施 6

256023.3反欺诈技术的发展与应用 7

43193.3.1人工智能技术 7

77253.3.2大数据技术 7

171493.3.3云计算技术 7

53933.3.4区块链技术 8

10558第4章数据采集与处理 8

106674.1数据源与数据类型 8

74164.1.1内部数据 8

89664.1.2外部数据 8

307024.1.3数据类型 8

284664.2数据采集与整合 8

260794.2.1数据采集 8

289554.2.2数据整合 9

131954.3数据预处理与清洗 9

271334.3.1数据预处理 9

37954.3.2数据清洗 9

17280第5章特征工程与建模 9

22685.1特征提取与选择 9

265715.1.1特征提取 9

292875.1.2特征选择 10

325215.2特征转换与降维 10

111875.2.1特征转换 10

261635.2.2降维 10

32395.3风控与反欺诈建模方法 10

43885.3.1监督学习建模 11

284375.3.2无监督学习建模 11

230965.3.3半监督学习建模 11

29785第6章机器学习在风控与反欺诈中的应用 11

51336.1监督学习算法及应用 11

103956.1.1分类算法 11

56616.1.2回归算法 12

311066.2无监督学习算法及应用 12

8376.2.1聚类算法 12

253686.2.2关联规则算法 12

167636.3深度学习算法及应用 12

33726.3.1神经网络 12

51846.3.2卷积神经网络（CNN） 13

93406.3.3循环神经网络（RNN） 13

6032第7章智能风控策略与实施 13

221197.1客户风险评估与分类 13

18857.1.1风险评估指标体系构建 13

191937.1.2风险评估模型与方法 13

245387.1.3客户风险分类 14

62867.2交易风险评估与监控 14

13087.2.1交易风险评估指标体系 14

177647.2.2交易风险监测方法 14

217327.2.3交易风险预警与处置 14

201717.3智能风控系统设计与实现 14

234367.3.1系统架构设计 14

109737.3.2关键技术选型 14

280017.3.3系统功能模块设计 14

84137.3.4系统实施与优化 14

122907.3.5案例分析 14

30130第8章反欺诈策略与实施 15

152238.1实时反欺诈监控 15

54018.1.1概述 15

309928.1.2监控体系构建 15

259858.1.3欺诈预警与处置 15

221098.2账户行为分析与异常检测 15

91358.2.1概述 15

216858.2.2数据处理与分析 15

5528.2.3异常检测方法 15

38878.3反欺诈模型优化与迭代 16

37948.3.1模型评估与优化 16

196358.3.2模型迭代 16

25308.3.3模型应用与协同 16

9804第9章大数据与云计算在风控与反欺诈中的应用 16

276139.1大数据技术在风控与反欺诈中的作用 16

1