互联网金融欺诈识别与风险防范

　　互联网金融的核心竞争力在于风险控制能力。而互联网金融中安全风险、信用违约、信息不对称等一直是制约行业健康发展、平台稳健运营的内在阻力。在众多风险之中，互联网金融欺诈具有业务环节多、手段多样化、隐蔽性极强的特点，会给互联网金融平台带来极大的风险和财产损失。因此，反欺诈的研究势在必行，无论是快速检测清除潜伏的欺诈，还是挖掘作案模式建立预警机制防患于未然，对整个互联网金融平台的风险控制均具有重要意义。《互联网金融欺诈识别与风险防范》以互联网金融平台为研究对象，着重研究其运作中存在的欺诈风险，特别是个体欺诈与群体欺诈的风险识别与防范；介绍了互联网金融发展的现状与面临的问题；围绕信用评分和欺诈识别两大风控主题，基于机器学习、深度学习以及图模型算法研究了互联网金融欺诈与风险防范；通过随机森林、文本挖掘、半监督自适应模型等方法对互联网金融风控进行了实证研究。现有研究多使用平台的财务数据、运营数据等，但这些数据大多存在滞后、造假等问题。而在互联网这片沃土上成长起来的互联网金融，有着极其丰富的互联网用户评价数据，本专著利用这些实时数据进行研究。一方面，通过收集平台数据构建互联网金融词典，对评价主题、情感倾向进行识别，并进一步构建平台舆情监控与预警系统，实现对问题平台的及时准确识别和对正常平台的全天候监控。另一方面，将单个互联网金融平台作为研究结点，构建互联网金融平台网络，基于网络分析、复杂网络理论和平台舆情文本数据挖掘，通过构建关联网络模型与计量模型，研究信息传播对互联网平台投资与借贷的影响，以及信息交叉传播与平台风险的相关性，剖析关联平台间风险传播的机理。针对现有平台在运营中积累的各类风险，本专著提出具有可行性的风险缓释方案，进而为政府防范化解互联网金融风险决策提供支持。《互联网金融欺诈识别与风险防范》核心内容是构建反欺诈模型，识别互联网金融领域中的个体欺诈尤其是群体欺诈以及平台欺诈，搭建应用于网络信贷平台的风险控制系统，提升互联网金融行业的整体风控水平。.将机器学习方法与金融风险控制理论相结合，提出新的互联网金融风险度量方式，为投资者进行理性投资提供一定参考。《互联网金融欺诈识别与风险防范》读者对象包括高校师生、互联网金融从业者、金融监管机构。

　　刘华玲，教授、硕士生导师，西北工业大学理学硕士，东华大学管理学博士。上海市企业信息化促进中心理事，上海市大数据社会应用研究会理事。主要从事金融风险管理、模式识别与数据挖掘、知识管理与智能决策方面的研究工作。先后参与主持完成一项国家自然科学基金、多项上海市科研基金项目；作为学术骨干参与两项国家社科基金重大项目的研究、一项国家自然科学基金重点项目的研究。在国内外重要学术期刊上发表学术论文四十余篇，出版学术专著两部，获得计算机软件著作权六项、专利一项。

第1章 绪论
1．1 金融风险与互联网
1．2 互联网金融研究现状与研究需求
1．2．1 研究现状
1．2．2 研究需求
1．3 本书边界与相关概念
1．3．1 内容范围
1．3．2 相关概念界定
1．4 本书章节安排
第2章 互联网金融介绍
2．1 互联网金融的发展模式
2．1．1 P2P网络借贷
2．1．2 众筹
2．1．3 第三方支付
2．1．4 互联网理财
2．1．5 信息化金融机构
2．1．6 互联网金融门户
2．2 互联网金融的发展历程
2．2．1 互联网借贷
2．2．2 互联网众筹
2．2．3 互联网支付
2．2．4 互联网理财
2．3 互联网金融科技
2．3．1 云计算
2．3．2 大数据
2．3．3 移动支付技术
2，4互联网金融的优势和风险
2．4．1 互联网金融的优势
2．4．2 互联网金融的风险
2．4．3 互联网金融的意义
……
第3章 我国互联网金融现状与风险
第4章 机器学习在互联网金融风险研究中的应用
第5章 深度学习在互联网金融风险研究中的应用
第6章 图模型在互联网金融风险研究中的应用
第7章 基于随机森林的互联网金融标的风险识别
第8章 基于文本挖掘的互联网金融平台风险识别
第9章 基于半监督模型的互联网金融风险评估
第10章 基于分位数回归森林对股指期货市场风险测度的研究
第11章 基于EMD-QRF模型的VaR风险测度研究
第12章 总结与展望
参考文献