序1

“这是最好的时代，也是最坏的时代。”

伴随着中国金融改革的持续深化，在政策引导、需求拉动、技术推动、银行内驱等多方面因素的共同作用下，国内银行零售信贷特别是消费金融行业蓬勃发展。具体来说，在政策引导方面，国家大力支持和推进普惠金融及消费金融发展，不断规范互联网金融行业发展，陆续出台了一系列面向银行零售信贷（特别是互联网金融）的行业政策和法律法规，发布了一系列金融科技的行业技术标准和规范。在需求拉动方面，随着新生代人群逐渐成为社会消费主力军，社会信用消费理念和信用消费习惯不断深入，移动互联网线上消费逐渐成为常态，国内消费金融需求空间和发展潜力巨大。在技术推动方面，近些年金融科技技术特别是移动互联网、大数据、人工智能等技术在金融行业得到了广泛应用，为金融行业风控、营销、运营方面带来了深层次的变革，极大地提升了金融服务的效率。在银行内驱方面，各大银行和互联网机构陆续将零售业务作为发展重点，积极布局消费金融业务，积极进行业务转型，纷纷将金融科技赋能能力作为银行数字化转型的核心竞争力。

我们需要看到事情的另一面——近些年来，互联网金融不规范发展带来的社会问题不容忽视，金融科技标准和应用安全问题也亟待规范，金融科技核心技术的基础理论研究和应用研究仍然面临挑战，金融机构本身对金融科技的应用能力有待进一步提升。金融机构业务转型、金融科技赋能、数字化转型虽取得了一定的阶段性成果，但未来面临的问题和风险也需要积极应对，而应对这些机遇和挑战的其中一个很重要的手段是金融科技的应用。

金融业务发展的核心在于风险管理，其中信用评分技术是风险计量的关键技术，发展至今已六十余年，在金融业得到广泛和深入的应用，已成为金融风险管理和分析人员必备的核心技能。信用评分是以个人或企业信息为基础的一项分类工作，它广泛应用于个人信贷、信用卡、消费金融、对公信贷等业务场景。

传统信用评分主要是以统计方法为基础，近年来越来越依赖机器学习的方法，并且伴随着大数据和另类数据的应用焕发出新的生命力。除信用评分模型之外，还要专门建立反欺诈模型，以及面向营销端的评分模型等。

评分模型是一个复杂的系统性工程，包含了从源数据的收集与使用、模型的构建与开发、模型有效性的度量与验证、模型工程化上线实施以及模型风险管理等方面。此外，近些年来伴随着智能风控理念的深化，传统评分技术和智能风控技术相结合已逐渐成为风控分析人员技能的标配。

本书作者是我在上海交通大学上海高级金融学院的学生，研究领域是风险管理和金融科技，在金融风险管理特别是智能风控方面从业十余年，对信用风险和市场风险管理以及对传统风控和智能风控有较为深厚的理论基础和丰富的实战经验。本书基于其多年风险管理和智能风控实践经验，对上述问题进行了全面阐述，理论基础扎实，逻辑结构清晰，全面介绍了覆盖信用评分所涉及的数据基础、特征衍生、模型设计、模型开发、模型验证、模型部署、模型监控、模型优化等技术，是风险评分领域不可多得的实战手册和参考书，推荐风险分析从业者和在校学生使用。

李祥林
上海交通大学上海高级金融学院实践教授
中国金融研究院副院长