2020，零售金融核心逻辑揭秘，《金融博览》第11期。

2012，风险管理创新实践，《中国信用卡》第12期。

2010，量化的客户关系管理，《金融科技时代》第10期。

2007，An Application of Component-Wise Iterative Optimization to Feed-Forward Neural Networks, Yachen Lin - International Conference on Computational Science, Springer.

2002，Improvement on behavior scores by dual-model scoring system，Yachen Lin - International Journal of Information Technology & Decision Making, World Scientific.

2001，Data mining in credit card portfolio management: a multiple criteria decision making approach，Y Shi, M Wise, M Luo, Yachen Lin - Multiple criteria decision making in the new millennium, Springer.

1997，Asymptotics of bootstrapping mean on some smoothed empirical distribution，Yachen Lin, Statistics & Decisions 15, 301 – 306,1997.

1995，Asymptotic confidence bands for normal distributions, Yachen Lin - Communications in statistics-theory and methods.

1996，Feed-forward neural networks: learning algorithms, statistical properties, and applications，Yachen Lin – Ph.D. dissertation Syracuse University.

1995，REPEATED TWO-STAGE ESTIMATION IN SINGLE HIDDEN LAYER FEED-FORWARD NEURAL NETWORKS, Yachen Lin, C Chen - Proceedings of the Statistical , American Statistical Association.

一、风险管理的要旨

      风险者，未来不利之可能也。其小则关乎利益得失，大则关乎生死存亡。不可不察。察者欲识之，识之，当对其三性了然于心。悟其恒存之真理、知其互化之奥妙：一曰普遍存在性，二曰相关可预测性，三曰普遍关联性。知此三者，方知清水之源泉，广厦之根基。普遍存在性谓之曰， 天之所覆、地之所载、时时处处，风险皆在焉；既如此，可预知发生否？虽无法精准预知，却可预知其发生概率，此之谓风险相关可预测性；何为普遍关联性？名为可预测，实因关联因素众多之故，变化可期；故关联之要意在于创体系以求关联之实，于变化以见不变之实，实实相关，以实为正，居正出奇，出奇制胜。

      风险管理者，须谙风险三性、须为三业专家、须有中庸心怀，须尽使命之志。风险三性，不必多言。三业专家，即为业务专家、科技专家、数据分析专家。 惟如此，方可于无法而识常法，于无形而见常形。 慧眼识大势，巧手握精微；敏于市场变化，动如闪电，出如雷击；常于善战之势，“势如张弩，节如机发”。立风险管理之目标，依普遍关联之特性，设短策长效之方略，审时度势，总揽全局，随机应变；于变化之初而出奇兵，变化之末而定军略，积小胜连连以成大胜，终成全胜。

      来源：《风险管理》2020年综合第2期

二、在线消费与信贷市场问题

      在线消费信贷是指无须人工介入，完全通过数字化方式完成授信放款的消费信贷。在线消费信贷充满了挑战，在行业中，树立正确的业务发展观、合规观，以及正确的风险管理观是当务之急。同时，在线消费信贷也充满了机遇，社会零售消费市场在不断发展壮大，给在线消费信贷提供了巨大的市场基础。同时，时代为在线消费信贷提供更多的机遇，金融科技、大数据和AI的运用，5G的商用、政府开放数据，金融形成开放生态等，这一切都将为在线消费信贷市场带来新机会。

      来源：《风险管理》2019年综合第4期

三、在线消费信贷的机遇和挑战

      在线消费信贷充满了挑战：在行业中，树立正确的业务发展观、合规观，以及正确的风险管理观是当务之急。除此以外，对于具体的行业问题，从“十大”矛盾总结了在线信贷面临的挑战。这是行业面临的共同问题，解决或改进任何一个矛盾都会促进行业的发展。

      在线消费信贷充满了机遇：社会零售消费市场在不断发展壮大，占据GDP的比重已超过50%，今后的占比将更大。消费市场不断扩张给在线消费信贷带来了前所未有的机会——提供了巨大的市场基础。同时，时代为在线消费信贷提供更多的机遇：金融科技的运用、大数据和AI的运用、5G的商用、政府开放数据、金融形成开放生态等，这一切都将为在线消费信贷市场带来新机会。

      来源：《风险管理》2019年综合第4期

四、在线消费信贷面临的十大矛盾

      （一）法规和实践的矛盾。信贷利率大于36%：法律认为无效，但并非犯法。没有定义成非法就使得许多不受监管的公司依然做36%以上，更有甚者，一些不法分子大搞诸如“714”和套路贷之类。

      （二）不同监管下的矛盾。公司在强监管下会理性的发展，有助于减少市场风险，市场会越来越健康；但市场上存在大量的无监管或弱监管的公司，他们获得很多政策套利机会，抢占市场，挤压强监管下持牌金融公司，导致市场风险增加，会使市场越来越不健康。不同监管下的套利会导致劣币驱逐良币。

      （三）“普”和“惠”的矛盾。“普”是让很多未得到银行金融服务的客户，如那些征信白户，得到金融服务。但事实表明，这个客群本身风险高，按照收益覆盖风险的基本原则，定价就必须高，否则业务无法持续，这就导致难以“惠”。

      （四）授信简化和授信需求的矛盾。该矛盾也属于监管套利，很多弱监管的金融公司为了抢占市场，在客户授信环节做减法，如只进行“四要素检验”而不进行活体检验，因为活体检验很耗费时间。更有甚者，设立更高的利率，手续更加简化。这些过分的简化，表面上是满足了需求，实质是造成了市场风险加大，在授信端放宽条件，在催收阶段进行暴力催收，其实质是将市场搞乱。

      （五）反欺诈信息共享窘境，贡献和分享的矛盾。反欺诈信息的共享是一种社会责任，如果信息不共享，欺诈分子会再次在市场上实施欺诈，让欺诈分子多次得逞。但如果信息共享，就会面临贡献和分享如何平衡的问题。掌握欺诈信息多的公司，有可能是付了很多学费的，它的贡献就很大；而掌握欺诈信息很少的公司，它的贡献就相对小。如果这两类公司享有同等的分享功能，事实上是不合理的。该如何公平的平衡贡献和分享信息是一个值得研究的问题。

      （六）满足需求和共债风险的矛盾。共债的风险是目前的当务之急，但由于很多授信实体不上报征信的现状，人们无法准确判断共债。另外，监管机构也未统一监管市场要求共债达到什么指标任何机构都不得授信。

      （七）额度和价格的矛盾。非理性的市场竞争导致非理性行为。许多公司靠额度获客，通常并未认真研究客户收入负债比，常常过度授信，比如提供一个手机号码就能获得几万的授信额度。靠额度吸引客户的资产组合通常有较高的风险，因此在定价上，必须维持较高的定价，只有这样才能做到收益覆盖风险。然而，由于信贷依赖于借款人的还款能力和还款意愿，而其还款能力是有限的。当高额和高价同时发生时，其还款压力骤增，还款能力不足，导致风险加大，从而造成行业风险加大

      （八）单一数据源过多和信息不充分的矛盾。在线消费信贷客户中有很多是下沉客户，即没有很好的央行征信记录，也没有使用涵盖很多信息的数据源（百行征信正在努力实现这一目标），必须用其他数据源来推测这些客户的信用价值。多个单一的数据源使得每个数据源有价值，但其价值并不高，而这些单一数据源通常由市场化的一些公司来维护。这些公司为了生存，必须使其数据源的数据定在某一价格之上。尽管单一的数据源并不贵，但将很多这样的单一数据加起来，成本就相当的高。

      （九）关键信息缺失和有效数据闲置的矛盾。政府掌握了90%以上的大数据，但数据闲置未被有效利用，这增加了企业的成本，给市场风险增加了不确定性因素。

      （十）大数据风控技术和传统监管认知矛盾。传统的监管认知是模型必须具有可解释性和稳定性：具有这样性质的模型，可以厘清背后的逻辑，如收入高，负债少，最后违约的可能性就小，因为稳定，所以未来也可能这样；但在线信贷由于没有收入和负债这样的数据，而是有很多与收入负债间接相关的信息，因此需要用很复杂的模型提炼相关信息，来判断类似于“收入高，负债少，最后违约的可能性就小”这样的情况。因此，模型本身没有直接的可解释性，并且由于模

      型所基于的信息和要判断的事情是弱相关的，因此，及时更新极为必要。实践证明，模型的快速迭代是保持模型有效性的一种手段，近几年的实践告诉我们，大数据风控技术对小额在线信贷是可行的。

      来源：《风险管理》2019年综合第4期