序1

“這是最好的時代，也是最壞的時代。”

伴隨著中國金融改革的持續深化，在政策引導、需求拉動、技術推動、銀行內驅等多方面因素的共同作用下，國內銀行零售信貸特別是消費金融行業蓬勃發展。具體來說，在政策引導方面，國家大力支持和推進普惠金融及消費金融發展，不斷規范互聯網金融行業發展，陸續出臺了一系列面向銀行零售信貸（特別是互聯網金融）的行業政策和法律法規，發布了一系列金融科技的行業技術標準和規范。在需求拉動方面，隨著新生代人群逐漸成為社會消費主力軍，社會信用消費理念和信用消費習慣不斷深入，移動互聯網線上消費逐漸成為常態，國內消費金融需求空間和發展潛力巨大。在技術推動方面，近些年金融科技技術特別是移動互聯網、大數據、人工智能等技術在金融行業得到了廣泛應用，為金融行業風控、營銷、運營方面帶來了深層次的變革，極大地提升了金融服務的效率。在銀行內驅方面，各大銀行和互聯網機構陸續將零售業務作為發展重點，積極布局消費金融業務，積極進行業務轉型，紛紛將金融科技賦能能力作為銀行數字化轉型的核心競爭力。

我們需要看到事情的另一面——近些年來，互聯網金融不規范發展帶來的社會問題不容忽視，金融科技標準和應用安全問題也亟待規范，金融科技核心技術的基礎理論研究和應用研究仍然面臨挑戰，金融機構本身對金融科技的應用能力有待進一步提升。金融機構業務轉型、金融科技賦能、數字化轉型雖取得了一定的階段性成果，但未來面臨的問題和風險也需要積極應對，而應對這些機遇和挑戰的其中一個很重要的手段是金融科技的應用。

金融業務發展的核心在于風險管理，其中信用評分技術是風險計量的關鍵技術，發展至今已六十余年，在金融業得到廣泛和深入的應用，已成為金融風險管理和分析人員必備的核心技能。信用評分是以個人或企業信息為基礎的一項分類工作，它廣泛應用于個人信貸、信用卡、消費金融、對公信貸等業務場景。

傳統信用評分主要是以統計方法為基礎，近年來越來越依賴機器學習的方法，并且伴隨著大數據和另類數據的應用煥發出新的生命力。除信用評分模型之外，還要專門建立反欺詐模型，以及面向營銷端的評分模型等。

評分模型是一個復雜的系統性工程，包含了從源數據的收集與使用、模型的構建與開發、模型有效性的度量與驗證、模型工程化上線實施以及模型風險管理等方面。此外，近些年來伴隨著智能風控理念的深化，傳統評分技術和智能風控技術相結合已逐漸成為風控分析人員技能的標配。

本書作者是我在上海交通大學上海高級金融學院的學生，研究領域是風險管理和金融科技，在金融風險管理特別是智能風控方面從業十余年，對信用風險和市場風險管理以及對傳統風控和智能風控有較為深厚的理論基礎和豐富的實戰經驗。本書基于其多年風險管理和智能風控實踐經驗，對上述問題進行了全面闡述，理論基礎扎實，邏輯結構清晰，全面介紹了覆蓋信用評分所涉及的數據基礎、特征衍生、模型設計、模型開發、模型驗證、模型部署、模型監控、模型優化等技術，是風險評分領域不可多得的實戰手冊和參考書，推薦風險分析從業者和在校學生使用。

李祥林
上海交通大學上海高級金融學院實踐教授
中國金融研究院副院長