摘要 | 第4-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第9-17页 |
1.1 研究背景 | 第9页 |
1.2 研究意义 | 第9-10页 |
1.3 文献综述 | 第10-14页 |
1.3.1 关于信用卡风险管理的研究 | 第10-12页 |
1.3.2 关于大数据应用于银行风险管理的研究 | 第12-13页 |
1.3.3 关于大数据应用于银行信用卡风险管理的研究 | 第13-14页 |
1.4 研究方法与内容 | 第14-17页 |
第2章 概念界定与理论基础 | 第17-22页 |
2.1 大数据概述 | 第17-18页 |
2.1.1 大数据的概念 | 第17页 |
2.1.2 大数据与风险管理 | 第17-18页 |
2.2 信用卡风险概述 | 第18-20页 |
2.2.1 信用卡风险的特点 | 第18-19页 |
2.2.2 信用卡风险的类型 | 第19-20页 |
2.3 信用卡风险管理基本理论 | 第20-22页 |
2.3.1 信息不对称理论 | 第20-21页 |
2.3.2 全面风险管理理论 | 第21-22页 |
第3章 案例背景 | 第22-31页 |
3.1 A银行简介 | 第22页 |
3.2 A银行信用卡业务概况 | 第22-31页 |
3.2.1 审核情况分析 | 第23页 |
3.2.2 发卡质量分析 | 第23-26页 |
3.2.3 资产质量分析 | 第26-28页 |
3.2.4 不良贷款率分析 | 第28-29页 |
3.2.5 不良客户群分析 | 第29-31页 |
第4章 A银行信用卡风险管理现状、效果与成因分析 | 第31-39页 |
4.1 信用卡风险管理组织架构 | 第31-32页 |
4.2 信用卡风险管理基本流程 | 第32-33页 |
4.3 信用卡风险管理效果评价 | 第33-34页 |
4.4 信用卡风险管理效果不佳的原因分析 | 第34-39页 |
4.4.1 营销“重数量、轻质量” | 第35页 |
4.4.2 审批授信把关不严 | 第35-36页 |
4.4.3 贷后管理力度薄弱 | 第36-37页 |
4.4.4 催收滞后且缺乏灵活性 | 第37-39页 |
第5章 基于大数据优化A银行信用卡风险管理的方案 | 第39-51页 |
5.1 优化方案的基本思路与目标 | 第39页 |
5.2 优化方案的可行性分析 | 第39-42页 |
5.2.1 具备大数据运用的相关条件环境 | 第39-41页 |
5.2.2 已有初步实践基础 | 第41页 |
5.2.3 具有可借鉴的国际经验 | 第41-42页 |
5.3 优化方案的具体措施 | 第42-49页 |
5.3.1 利用数据分析寻找优质客户 | 第42-44页 |
5.3.2 基于大数据提高审批授信精准度 | 第44-45页 |
5.3.3 依托数据更新实现贷后实时跟踪 | 第45-47页 |
5.3.4 借助评分模型优化催收管理 | 第47-48页 |
5.3.5 建立损失数据库加强操作风险管控 | 第48-49页 |
5.4 优化方案的预期效果 | 第49-51页 |
5.4.1 风险考核评价明显好转 | 第49页 |
5.4.2 客户质量提升 | 第49-50页 |
5.4.3 实现降本增效 | 第50-51页 |
第6章 A银行信用卡风险管理优化的相关保障措施 | 第51-55页 |
6.1 完善组织架构 | 第51-52页 |
6.2 构建行内大数据平台 | 第52页 |
6.3 优化绩效考核机制 | 第52-53页 |
6.4 建立对外数据共享机制 | 第53-54页 |
6.5 健全大数据人才培养机制 | 第54页 |
6.6 保障大数据信息安全 | 第54-55页 |
结论与展望 | 第55-56页 |
参考文献 | 第56-58页 |
致谢 | 第58-59页 |
个人简历、在校期间发表的学术论文及研究成果 | 第59页 |