1.1 信用与管理

信贷业务又称信贷资产或贷款业务，是商业银行和互联网金融公司最重要的资产业务和主要赢利手段，通过放款收回本金和利息，扣除成本后获得利润。对有贷款需求的用户，贷款平台首先要对其未来的还款表现进行预测，然后将本金借贷给还款概率大的用户。

信用管理主要包含两个概念——信用和管理。信用意味着先买后付，即使用信用值来预支金钱以购买相应服务。管理即通过用户信息对用户的信用度进行评估，并根据信用情况定制风险规避策略。所谓风险控制（简称风控），即对用户风险进行管理和规避的过程。

要知道，在信贷管理领域，有一个非常重要的概念叫作风险数据分析，它用于对用户的信用风险进行管理与规避。对于预测信用较差的人，贷款机构一般是不会向其放款的，即便放款，为了抵御风险，也会给予其较高的利息与较小的贷款金额。风险数据分析中最重要的技术手段就是风控建模。

数学家雅克布·伯努利曾说过：“数学公式不能让我们预见未来，认为数学公式可以预见未来就好比相信巫术。”所谓的数据分析，是对已发生现象的归纳和总结，其所有的预测能力皆源于对现有数据进行整理、归纳、抽取。对历史数据的信息使用相应的数学公式进行组合学习，即可得到模型，只不过最终可以利用模型输出未来事件的期望轨迹。

这种对历史数据使用统计分析方法提取信息并组建模型的过程被称为“建模”。该模型又叫作统计模型。在信贷风控领域，建立统计模型的过程被称为“风险建模”。风险建模属于风险数据分析领域的分支之一，此外还有归因分析、策略挖掘等分析方法。

传统的风险建模是基于广义线性模型建立的，其理论主要围绕统计学展开，使用的工具包括SAS、R、Python等。本书中的实践内容使用Python编写，主要围绕基于广义线性模型建立的评分卡（Score Card）模型展开。此外，部分章节涉及一些其他的建模方法，如在第4章和第5章中讲解了使用机器学习模型对建模过程进行优化。对使用机器学习方法进行风险控制感兴趣的读者，可以阅读本系列的另一本书——《智能风控：原理、算法与工程实践》。