CN111861703B - 数据驱动的风控策略规则生成方法及系统、风险控制方法及系统 - Google Patents
数据驱动的风控策略规则生成方法及系统、风险控制方法及系统 Download PDFInfo
- Publication number
- CN111861703B CN111861703B CN202010661705.3A CN202010661705A CN111861703B CN 111861703 B CN111861703 B CN 111861703B CN 202010661705 A CN202010661705 A CN 202010661705A CN 111861703 B CN111861703 B CN 111861703B
- Authority
- CN
- China
- Prior art keywords
- rule
- risk
- data
- customer
- rules
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000011217 control strategy Methods 0.000 title claims abstract description 37
- 238000012954 risk control Methods 0.000 title claims abstract description 17
- 238000007473 univariate analysis Methods 0.000 claims abstract description 28
- 238000003066 decision tree Methods 0.000 claims abstract description 18
- 238000012360 testing method Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 16
- 238000005070 sampling Methods 0.000 claims abstract description 7
- 230000002194 synthesizing effect Effects 0.000 claims abstract description 7
- 238000012216 screening Methods 0.000 claims description 20
- 239000000203 mixture Substances 0.000 claims description 14
- 238000009472 formulation Methods 0.000 claims description 13
- 230000000694 effects Effects 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 6
- 230000008901 benefit Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明揭示了一种数据驱动的风控策略规则生成方法及系统、风险控制方法及系统，风控策略规则生成方法包括：获取客户特征数据；将客户特征数据按照风险指标标记标签；将所有客户特征数据按照设定比例随机分为训练数据集及测试数据集，用以建模；随机无放回抽样组合特征，利用获取的数据集进行决策树建模，设定组合拒绝规则；对获取的数据集进行单变量分析，对各单变量指标按设定时间进行等额分组，分析其设定时间内的风险表现、客户分布及时间参考性；综合单变量拒绝规则及组合拒绝规则，分析规则实施后样板客户群的风险、通过率及收益率的整体指标，并以此判断拒绝规则整体是否达标。本发明可以高效地制定出有效、客观、可行的策略规则。
Description
技术领域
本发明属于金融数据处理技术领域，涉及一种风控策略规则生成方法，尤其涉及一种数据驱动的风控策略规则生成方法及系统、风险控制方法及系统。
背景技术
在风控策略规则制定的时候，由于各个银行、消金公司等金融贷款公司在各个方面差异巨大，导致规则不能通用，需要业务人员针对不同公司制定相应的规则。在外部环境方面，互联网金融行业较传统银行受政策因素影响较大，制定的策略规则需要针对政策做出变动。在客户群体方面，互金行业的客户群体会随时间有一定程度的变化，因此，制定的策略规则不能长期有效，需要对策略规则进行监控，并针对性的及时进行重构及优化。目前，传统的风控规则制定是业务人员通过对客户群体数据的感知，结合业务经验，感性的制定规则策略，并根据各种指标查验效果。这种方法极其依赖于业务人员自身对数据的了解及敏感程度，且制定过程繁琐，需要多次校验结果，无法针对客群变动做出及时客观的变更。本专利内容在传统的风控策略规则制定方案的基础上，以数据驱动，将整个流程标准化，可以快速的得到客观的策略规则。
传统风控策略规则制定存在如下缺陷：
(1)传统风控策略规则的制定依赖于业务人员对数据的了解程度。风控策略规则的制定需要业务人员在了解客户数据分布情况的基础上，结合自身业务经验，得到的规则容易受到个人感官影响，无法客观、量化的得到结果。
(2)传统风控策略规则的制定需要多条规则同时生效。多条规则包括单变量策略规则和综合策略规则，综合规则的制定需要考虑多个单变量之间的关系，且综合规则和单变量规则协调生效。这一过程需要多次校验，耗时耗力，且最终结果实施性无法保证，导致迭代更新速度较慢。
(3)传统风控策略规则需要多个指标进行评估。指标的选取直接影响到规则有效性的判断，不同指标适用的场景不同，评判标准不一，导致规则的有效性无法衡量。
有鉴于此，如今迫切需要设计一种新的风控策略规则生成方式，以便克服现有风控策略规则生成方式存在的上述至少部分缺陷。
发明内容
本发明提供一种数据驱动的风控策略规则生成方法及系统、风险控制方法及系统，可摆脱对业务经验的依赖，根据不同客群特征数据，客观、快速、有效地制定出规则。
为解决上述技术问题，根据本发明的一个方面，采用如下技术方案：
一种数据驱动的风控策略规则生成方法，所述风控策略规则生成方法包括：
步骤S1、获取客户特征数据；
步骤S2、获取客户特征数据的风险指标；
步骤S3、将设定客户特征数据分为训练数据集及测试数据集，用以建模；
步骤S4、利用步骤S3获取的数据集进行多次建模，设定组合拒绝规则；
步骤S5、对步骤S3获取的数据集进行单变量分析，对各单变量指标按设定时间进行等额分组，分析其设定时间内的风险表现、客户分布及时间参考性；
步骤S6、综合单变量拒绝规则及组合拒绝规则，分析规则实施后样板客户群的风险、通过率及收益率的整体指标；
步骤S7、根据步骤S6获取的风险、通过率及收益率的整体指标，判断拒绝规则整体是否达标；若达标，结束；若不达标，则剔除规则覆盖客户群后返回至步骤S4。
作为本发明的一种实施方式，步骤S2中，将客户特征数据按照风险指标标记标签。
作为本发明的一种实施方式，所述步骤S2中，在客户特征数据中增加一列标签列；对满足风险指标的客户，在对应的客户特征数据中标记1；不满足风险指标的客户，在对应的客户特征数据中标记0。
作为本发明的一种实施方式，所述步骤S3中，将所有客户特征数据按照设定比例随机分为训练数据集及测试数据集，用以建模。
作为本发明的一种实施方式，所述步骤S4、利用步骤S3获取的数据集进行决策树建模，设定组合拒绝规则。
作为本发明的一种实施方式，所述步骤S4中，随机无放回抽样组合特征，利用步骤S3获取的数据集进行决策树建模。
作为本发明的一种实施方式，所述步骤S4中，利用步骤S3获取的数据集通过xgboost算法进行建模，设定组合拒绝规则。
作为本发明的一种实施方式，所述步骤S6中，采用回溯拒绝规则分析筛选后的拒绝规则表现情况，包括风险、授信率及收益率指标的变化；通过回溯分析规则效果，避免多次模拟校验，缩短制定所需时间，保证效率；回溯分析是指如果规则实施，实施前后对客群、通过率及授信率指标影响，以及规则命中客群中好坏客户的分布。
根据本发明的另一个方面，采用如下技术方案：一种数据驱动的风控策略规则生成系统，所述风控策略规则生成系统包括：
特征数据获取模块，用以获取客户特征数据；
风险指标获取模块，用以获取客户特征数据的风险指标；
特征数据划分模块，用以将设定客户特征数据分为训练数据集及测试数据集；
建模模块，用以利用所述特征数据划分模块划分的数据集以树模型的方式多次建模，设定组合拒绝规则；
单变量分析模块，用以对所述特征数据划分模块划分的数据集进行单变量分析，对各单变量指标按设定时间进行等频分组，分析其设定时间内的风险表现、客户分布及时间参考性；
指标分析模块，用以综合单变量拒绝规则及组合拒绝规则，分析规则实施后样板客户群的风险、通过率及收益率的整体指标；以及
达标判断模块，用以根据所述指标分析模块获取的风险、通过率及收益率的整体指标，判断拒绝规则整体是否达标；若达标，结束；若不达标，则剔除规则覆盖客户群后返回至单变量分析模块继续分析。
根据本发明的又一个方面，采用如下技术方案：一种风险控制方法，所述风险控制方法包括：
步骤1、数据驱动的风控策略规则生成步骤；
步骤2、根据步骤1生成的风控策略规则筛选客户，拒掉满足条件的客户；
所述步骤1具体包括：
步骤11、获取客户特征数据；
步骤12、获取客户特征数据的风险指标；
步骤13、将设定客户特征数据分为训练数据集及测试数据集；
步骤14、利用步骤13获取的数据集以树模型的方式多次建模，设定组合拒绝规则；
步骤15、对步骤13获取的数据集进行单变量分析，对各单变量指标按设定时间进行等额分组，分析其设定时间内的风险表现、客户分布及时间参考性；
步骤16、综合单变量拒绝规则及组合拒绝规则，分析规则实施后样板客户群的风险、通过率及收益率的整体指标；
步骤17、根据步骤16获取的风险、通过率及收益率的整体指标，判断拒绝规则整体是否达标；若达标，结束；若不达标，则剔除规则覆盖客户群后返回至步骤14。
根据本发明的又一个方面，采用如下技术方案：一种风险控制系统，所述风险控制系统包括：
风控策略规则生成单元，用以生成数据驱动的风控策略规则；
客户筛选单元，用以根据所述风控策略规则生成模块生成的风控策略规则筛选客户，拒掉满足条件的客户；
所述客户筛选单元具体包括：
特征数据获取模块，用以获取客户特征数据；
风险指标获取模块，用以获取客户特征数据的风险指标；
特征数据划分模块，用以将设定客户特征数据分为训练数据集及测试数据集；
建模模块，用以利用所述特征数据划分模块划分的数据集以树模型的方式多次建模，设定组合拒绝规则；
单变量分析模块，用以对所述特征数据划分模块划分的数据集进行单变量分析，对各单变量指标按设定时间进行等频分组，分析其设定时间内的风险表现、客户分布及时间参考性；
指标分析模块，用以综合单变量拒绝规则及组合拒绝规则，分析规则实施后样板客户群的风险、通过率及收益率的整体指标；以及
达标判断模块，用以根据所述指标分析模块获取的风险、通过率及收益率的整体指标，判断拒绝规则整体是否达标；若达标，结束；若不达标，则剔除规则覆盖客户群后返回至单变量分析模块继续分析。
本发明的有益效果在于：本发明提出的数据驱动的风控策略规则生成方法及系统风险控制方法及系统，以决策树的方式建模得到策略规则，避免了业务人员的主观干涉，同时提高效率，缩短生产时间；决策树建模时的特征组合和参数组合越多，则越容易出现表现好的策略规则。
同时，本发明采用多个指标筛选策略规则，综合考虑风险和收益；最终目的明确，指标标准量化，使得风险和收益达到最佳平衡。
此外，本发明将制定策略规则的过程清晰化、标准化、流程化。整个过程步骤清晰，每一步都有量化指标进行判断，极大的减少了人工干涉，得以高效地制定出有效、客观、可行的策略规则。
附图说明
图1为本发明一实施例中数据驱动的风控策略规则生成方法的流程图。
图2为本发明一实施例中数据驱动的风控策略规则生成方法的流程图。
图3为本发明一实施例中数据驱动的风控策略规则生成系统的组成示意图。
具体实施方式
下面结合附图详细说明本发明的优选实施例。
为了进一步理解本发明，下面结合实施例对本发明优选实施方案进行描述，但是应当理解，这些描述只是为进一步说明本发明的特征和优点，而不是对本发明权利要求的限制。
该部分的描述只针对几个典型的实施例，本发明并不仅局限于实施例描述的范围。相同或相近的现有技术手段与实施例中的一些技术特征进行相互替换也在本发明描述和保护的范围内。
本发明揭示了一种数据驱动的风控策略规则生成方法，图1、图2为本发明一实施例中数据驱动的风控策略规则生成方法的流程图；请参阅图1、图2，所述风控策略规则生成方法包括：
【步骤S1】获取客户特征数据。
【步骤S2】获取客户特征数据的风险指标。
在本发明的一实施例中，将客户特征数据按照风险指标标记标签。在一实施例中，在客户特征数据中增加一列标签列，满足风险指标的客户，在对应的客户特征数据中标记1；不满足风险指标的客户，在对应的客户特征数据中标记0。
【步骤S3】将设定客户特征数据分为训练数据集及测试数据集，用以建模。
在本发明的一实施例中，将所有客户特征数据按照设定比例随机分为训练数据集及测试数据集，用以建模。
【步骤S4】利用步骤S3获取的数据集进行多次建模，设定组合拒绝规则。
在本发明的一实施例中，利用步骤S3获取的数据集进行决策树建模，设定组合拒绝规则。在一实施例中，采用随机无放回抽样组合特征，利用步骤S3获取的数据集进行决策树建模。
在一实施例中，假定客群数据特征为100个，每次随机无放回抽取其中10％，每次抽5个，一共抽取5组，则特征组合数为5*10＝50组。决策树建模时参数范围假定为：最大树深：[3,4,5]；结点最小样本数量：[2,5,10]；叶子结点最小样本数：[1,2]；则建模数量为3*3*2＝18个，结合特征组合，一共900个模型。根据多个指标综合筛选出满足要求的组合拒绝规则。
在本发明的另一实施例中，利用步骤S3获取的数据集通过xgboost算法进行建模，设定组合拒绝规则。
【步骤S5】对步骤S3获取的数据集进行单变量分析，对各单变量指标按设定时间进行等额分组，分析其设定时间内的风险表现、客户分布及时间参考性。
在本发明的一实施例中，单变量分析中会对该指标按月份进行等频分组，分析其在每个月中的风险表现，客户分布等多个指标以及时间稳定性。根据多个指标综合筛选出满足要求的单变量作为拒绝规则。
【步骤S6】综合单变量拒绝规则及组合拒绝规则，分析规则实施后样板客户群的风险、通过率及收益率的整体指标。
在一实施例中，采用回溯拒绝规则分析筛选后的拒绝规则表现情况，包括风险、授信率及收益率指标的变化；通过回溯分析规则效果，避免多次模拟校验，缩短制定所需时间，保证效率；回溯分析是指如果规则实施，实施前后对客群、通过率及授信率指标影响，以及规则命中客群中好坏客户的分布。
【步骤S7】根据步骤S6获取的风险、通过率及收益率的整体指标，判断拒绝规则整体是否达标；若达标，结束；若不达标，则剔除规则覆盖客户群后返回至步骤S4。
本发明还一种数据驱动的风控策略规则生成系统，图3为本发明一实施例中数据驱动的风控策略规则生成系统的组成示意图；请参阅图3，所述风控策略规则生成系统包括：特征数据获取模块1、风险指标获取模块2、特征数据划分模块3、建模模块4、单变量分析模块5、指标分析模块6及达标判断模块7。
特征数据获取模块1用以获取客户特征数据；风险指标获取模块2用以获取客户特征数据的风险指标；特征数据划分模块3用以将设定客户特征数据分为训练数据集及测试数据集；建模模块4用以利用所述特征数据划分模块划分的数据集以树模型的方式多次建模，设定组合拒绝规则；单变量分析模块5用以对所述特征数据划分模块划分的数据集进行单变量分析，对各单变量指标按设定时间进行等频分组，分析其设定时间内的风险表现、客户分布及时间参考性；指标分析模块6用以综合单变量拒绝规则及组合拒绝规则，分析规则实施后样板客户群的风险、通过率及收益率的整体指标；达标判断模块7用以根据所述指标分析模块获取的风险、通过率及收益率的整体指标，判断拒绝规则整体是否达标；若达标，结束；若不达标，则剔除规则覆盖客户群后返回至单变量分析模块继续分析。
本发明还揭示一种风险控制方法，所述风险控制方法包括：
步骤1、数据驱动的风控策略规则生成步骤；
步骤2、根据步骤1生成的风控策略规则筛选客户，拒掉满足条件的客户；
所述步骤1具体包括：
步骤11、获取客户特征数据；
步骤12、获取客户特征数据的风险指标；
步骤13、将设定客户特征数据分为训练数据集及测试数据集；
步骤14、利用步骤13获取的数据集以树模型的方式多次建模，设定组合拒绝规则；
步骤15、对步骤13获取的数据集进行单变量分析，对各单变量指标按设定时间进行等额分组，分析其设定时间内的风险表现、客户分布及时间参考性；
步骤16、综合单变量拒绝规则及组合拒绝规则，分析规则实施后样板客户群的风险、通过率及收益率的整体指标；
步骤17、根据步骤16获取的风险、通过率及收益率的整体指标，判断拒绝规则整体是否达标；若达标，结束；若不达标，则剔除规则覆盖客户群后返回至步骤14。
本发明进一步揭示一种风险控制系统，所述风险控制系统包括：风控策略规则生成单元及客户筛选单元；风控策略规则生成单元用以生成数据驱动的风控策略规则；客户筛选单元用以根据所述风控策略规则生成模块生成的风控策略规则筛选客户，拒掉满足条件的客户。
请参阅图3，所述客户筛选单元具体包括：特征数据获取模块1、风险指标获取模块2、特征数据划分模块3、建模模块4、单变量分析模块5、指标分析模块6及达标判断模块7。
特征数据获取模块1用以获取客户特征数据；风险指标获取模块2用以获取客户特征数据的风险指标；特征数据划分模块3用以将设定客户特征数据分为训练数据集及测试数据集；建模模块4用以利用所述特征数据划分模块划分的数据集以树模型的方式多次建模，设定组合拒绝规则；单变量分析模块5用以对所述特征数据划分模块划分的数据集进行单变量分析，对各单变量指标按设定时间进行等频分组，分析其设定时间内的风险表现、客户分布及时间参考性；指标分析模块6用以综合单变量拒绝规则及组合拒绝规则，分析规则实施后样板客户群的风险、通过率及收益率的整体指标；达标判断模块7用以根据所述指标分析模块获取的风险、通过率及收益率的整体指标，判断拒绝规则整体是否达标；若达标，结束；若不达标，则剔除规则覆盖客户群后返回至单变量分析模块继续分析。
综上所述，本发明提出的数据驱动的风控策略规则生成方法及系统、风险控制方法及系统，以决策树的方式建模得到策略规则，避免了业务人员的主观干涉，同时提高效率，缩短生产时间。决策树建模时的特征组合和参数组合越多，则越容易出现表现好的策略规则。
同时，本发明采用多个指标筛选策略规则，综合考虑风险和收益。最终目的明确，指标标准量化，使得风险和收益达到最佳平衡。
此外，本发明将制定策略规则的过程清晰化、标准化、流程化。整个过程步骤清晰，每一步都有量化指标进行判断，极大的减少了人工干涉，得以高效的制定出有效、客观、可行的策略规则。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
这里本发明的描述和应用是说明性的，并非想将本发明的范围限制在上述实施例中。实施例中所涉及的效果或优点可因多种因素干扰而可能不能在实施例中体现，对于效果或优点的描述不用于对实施例进行限制。这里所披露的实施例的变形和改变是可能的，对于那些本领域的普通技术人员来说实施例的替换和等效的各种部件是公知的。本领域技术人员应该清楚的是，在不脱离本发明的精神或本质特征的情况下，本发明可以以其它形式、结构、布置、比例，以及用其它组件、材料和部件来实现。在不脱离本发明范围和精神的情况下，可以对这里所披露的实施例进行其它变形和改变。
Claims (8)
1.一种数据驱动的风控策略规则生成方法，其特征在于，所述风控策略规则生成方法包括：
步骤S1、获取客户特征数据；
步骤S2、获取客户特征数据的风险指标；
步骤S3、将设定客户特征数据分为训练数据集及测试数据集；
步骤S4、利用步骤S3获取的数据集进行多次决策树模型建模，设定组合拒绝规则；随机无放回抽样组合特征，利用步骤S3获取的数据集进行决策树建模；
步骤S5、对步骤S3获取的数据集进行单变量分析，对各单变量指标按设定时间进行等频分组，分析其设定时间内的风险表现、客户分布及时间参考性；根据多个指标综合筛选出满足要求的单变量作为拒绝规则；
步骤S6、综合单变量拒绝规则及组合拒绝规则，分析规则实施后样板客户群的风险、通过率及收益率的整体指标；回溯分析策略规则实施前后的表现情况，包括风险、授信率及收益率指标的变化；通过回溯分析规则效果，避免多次模拟校验，缩短制定所需时间，保证效率；
步骤S7、根据步骤S6获取的风险、通过率及收益率的整体指标，判断拒绝规则整体是否达标；若达标，结束；若不达标，则剔除规则覆盖客户群后返回至步骤S4。
2.根据权利要求1所述的数据驱动的风控策略规则生成方法，其特征在于：
步骤S2中，将客户特征数据按照风险指标标记标签。
3.根据权利要求2所述的数据驱动的风控策略规则生成方法，其特征在于：
所述步骤S2中，在客户特征数据中增加一列标签列；对满足风险指标的客户，在对应的客户特征数据中标记1；不满足风险指标的客户，在对应的客户特征数据中标记0。
4.根据权利要求1所述的数据驱动的风控策略规则生成方法，其特征在于：
所述步骤S3中，将所有客户特征数据按照设定比例随机分为训练数据集及测试数据集，用以建模。
5.根据权利要求1所述的数据驱动的风控策略规则生成方法，其特征在于：
所述步骤S4中，利用步骤S3获取的数据集通过xgboost算法进行建模，设定组合拒绝规则。
6.一种数据驱动的风控策略规则生成系统，其特征在于，所述风控策略规则生成系统包括：
特征数据获取模块，用以获取客户特征数据；
风险指标获取模块，用以获取客户特征数据的风险指标；
特征数据划分模块，用以将设定客户特征数据分为训练数据集及测试数据集；
建模模块，用以利用所述特征数据划分模块划分的数据集进行多次决策树模型建模，设定组合拒绝规则；随机无放回抽样组合特征，利用获取的数据集进行决策树建模；
单变量分析模块，用以对所述特征数据划分模块划分的数据集进行单变量分析，对各单变量指标按设定时间进行等频分组，分析其设定时间内的风险表现、客户分布及时间参考性；根据多个指标综合筛选出满足要求的单变量作为拒绝规则；
指标分析模块，用以综合单变量拒绝规则及组合拒绝规则，分析规则实施后样板客户群的风险、通过率及收益率的整体指标；回溯分析策略规则实施前后的表现情况，包括风险、授信率及收益率指标的变化；通过回溯分析规则效果，避免多次模拟校验，缩短制定所需时间，保证效率；以及
达标判断模块，用以根据所述指标分析模块获取的风险、通过率及收益率的整体指标，判断拒绝规则整体是否达标；若达标，结束；若不达标，则剔除规则覆盖客户群后返回至单变量分析模块继续分析。
7.一种风险控制方法，其特征在于，所述风险控制方法包括：
步骤1、数据驱动的风控策略规则生成步骤；
步骤2、根据步骤1生成的风控策略规则筛选客户，拒掉满足条件的客户；
所述步骤1具体包括：
步骤11、获取客户特征数据；
步骤12、获取客户特征数据的风险指标；
步骤13、将设定客户特征数据分为训练数据集及测试数据集；
步骤14、利用步骤13获取的数据集进行多次决策树模型建模，设定组合拒绝规则；随机无放回抽样组合特征，利用获取的数据集进行决策树建模；
步骤15、对步骤13获取的数据集进行单变量分析，对各单变量指标按设定时间进行等额分组，分析其设定时间内的风险表现、客户分布及时间参考性；根据多个指标综合筛选出满足要求的单变量作为拒绝规则；
步骤16、综合单变量拒绝规则及组合拒绝规则，分析规则实施后样板客户群的风险、通过率及收益率的整体指标；回溯分析策略规则实施前后的表现情况，包括风险、授信率及收益率指标的变化；通过回溯分析规则效果，避免多次模拟校验，缩短制定所需时间，保证效率；
步骤17、根据步骤16获取的风险、通过率及收益率的整体指标，判断拒绝规则整体是否达标；若达标，结束；若不达标，则剔除规则覆盖客户群后返回至步骤14。
8.一种风险控制系统，其特征在于，所述风险控制系统包括：
风控策略规则生成单元，用以生成数据驱动的风控策略规则；
客户筛选单元，用以根据所述风控策略规则生成模块生成的风控策略规则筛选客户，拒掉满足条件的客户；
所述客户筛选单元具体包括：
特征数据获取模块，用以获取客户特征数据；
风险指标获取模块，用以获取客户特征数据的风险指标；
特征数据划分模块，用以将设定客户特征数据分为训练数据集及测试数据集；
建模模块，用以利用所述特征数据划分模块划分的数据集进行多次决策树模型建模，设定组合拒绝规则；随机无放回抽样组合特征，利用获取的数据集进行决策树建模；
单变量分析模块，用以对所述特征数据划分模块划分的数据集进行单变量分析，对各单变量指标按设定时间进行等频分组，分析其设定时间内的风险表现、客户分布及时间参考性；根据多个指标综合筛选出满足要求的单变量作为拒绝规则；
指标分析模块，用以综合单变量拒绝规则及组合拒绝规则，分析规则实施后样板客户群的风险、通过率及收益率的整体指标；回溯分析策略规则实施前后的表现情况，包括风险、授信率及收益率指标的变化；通过回溯分析规则效果，避免多次模拟校验，缩短制定所需时间，保证效率；以及
达标判断模块，用以根据所述指标分析模块获取的风险、通过率及收益率的整体指标，判断拒绝规则整体是否达标；若达标，结束；若不达标，则剔除规则覆盖客户群后返回至单变量分析模块继续分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010661705.3A CN111861703B (zh) | 2020-07-10 | 2020-07-10 | 数据驱动的风控策略规则生成方法及系统、风险控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010661705.3A CN111861703B (zh) | 2020-07-10 | 2020-07-10 | 数据驱动的风控策略规则生成方法及系统、风险控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111861703A CN111861703A (zh) | 2020-10-30 |
| CN111861703B true CN111861703B (zh) | 2024-05-10 |
Family
ID=73152788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010661705.3A Active CN111861703B (zh) | 2020-07-10 | 2020-07-10 | 数据驱动的风控策略规则生成方法及系统、风险控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111861703B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112700329A (zh) * | 2021-01-27 | 2021-04-23 | 永辉云金科技有限公司 | 一种风控规则引擎的响应方法和风控规则引擎 |
| CN112749924A (zh) * | 2021-02-01 | 2021-05-04 | 深圳无域科技技术有限公司 | 风控模型训练方法、系统、设备及计算机可读介质 |
| CN112862582B (zh) * | 2021-02-18 | 2024-03-22 | 深圳无域科技技术有限公司 | 基于金融风控的用户画像生成系统及方法 |
| CN112991077B (zh) * | 2021-02-18 | 2024-03-19 | 深圳无域科技技术有限公司 | 金融风险控制系统及方法 |
| CN116011883B (zh) * | 2023-01-31 | 2023-11-07 | 厦门国际银行股份有限公司 | 一种金融风控决策规则的调优方法、系统及存储介质 |
| CN117196823B (zh) * | 2023-09-08 | 2024-03-19 | 厦门国际银行股份有限公司 | 一种风控规则生成方法、系统及存储介质 |
Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007005975A2 (en) * | 2005-07-01 | 2007-01-11 | Valen Technologies, Inc. | Risk modeling system |
| CN105913195A (zh) * | 2016-04-29 | 2016-08-31 | 浙江汇信科技有限公司 | 基于全行业数据的企业金融风险评分方法 |
| CN106251049A (zh) * | 2016-07-25 | 2016-12-21 | 国网浙江省电力公司宁波供电公司 | 一种大数据的电费风险模型构建方法 |
| WO2017040590A1 (en) * | 2015-09-04 | 2017-03-09 | Remarque Systems, Inc. | Risk-based monitoring of clinical data |
| CN106600073A (zh) * | 2016-12-28 | 2017-04-26 | 携程旅游网络技术（上海）有限公司 | 互联网支付风控系统的优化方法及装置 |
| CN106875185A (zh) * | 2017-02-03 | 2017-06-20 | 咪咕互动娱乐有限公司 | 一种风控模型训练方法及装置 |
| CN107169289A (zh) * | 2017-05-19 | 2017-09-15 | 西安工程大学 | 一种基于可拓最优组合赋权法的滑坡危险性评价方法 |
| CN109034660A (zh) * | 2018-08-22 | 2018-12-18 | 平安科技（深圳）有限公司 | 基于预测模型的风险控制策略的确定方法及相关装置 |
| CN109063952A (zh) * | 2018-06-15 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 策略生成及风险控制方法和装置 |
| CN109255486A (zh) * | 2018-09-14 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 一种策略配置的优化方法及装置 |
| CN109657917A (zh) * | 2018-11-19 | 2019-04-19 | 平安科技（深圳）有限公司 | 评估对象的风险预警方法、装置、计算机设备和存储介质 |
| CN109978680A (zh) * | 2019-03-18 | 2019-07-05 | 杭州绿度信息技术有限公司 | 一种细分客群信贷业务风控差异化定价的风控方法和系统 |
| CN110009479A (zh) * | 2019-03-01 | 2019-07-12 | 百融金融信息服务股份有限公司 | 信用评价方法及装置、存储介质、计算机设备 |
| CN110276552A (zh) * | 2019-06-21 | 2019-09-24 | 深圳前海微众银行股份有限公司 | 贷前风险分析方法、装置、设备及可读存储介质 |
| CN110349000A (zh) * | 2019-06-29 | 2019-10-18 | 上海淇毓信息科技有限公司 | 基于用户分群的提额策略确定方法、装置和电子设备 |
| CN110428137A (zh) * | 2019-07-04 | 2019-11-08 | 阿里巴巴集团控股有限公司 | 一种风险防控策略的更新方法及装置 |
| CN110443618A (zh) * | 2019-07-10 | 2019-11-12 | 阿里巴巴集团控股有限公司 | 风控策略的生成方法及装置 |
| CN110968069A (zh) * | 2018-09-28 | 2020-04-07 | 新疆金风科技股份有限公司 | 风力发电机组的故障预测方法、相应的装置及电子设备 |
| CN111105266A (zh) * | 2019-11-11 | 2020-05-05 | 中国建设银行股份有限公司 | 基于改进决策树的客户分群方法及装置 |
| CN111160740A (zh) * | 2019-12-19 | 2020-05-15 | 上海赛可出行科技服务有限公司 | 一种网约车风险控制系统及控制方法 |
| CN111311402A (zh) * | 2020-03-30 | 2020-06-19 | 百维金科(上海)信息科技有限公司 | 一种基于XGBoost的互联网金融风控模型 |
| CN117455417A (zh) * | 2023-12-22 | 2024-01-26 | 深圳刷宝科技有限公司 | 一种智能风控审批策略自动迭代优化方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080133434A1 (en) * | 2004-11-12 | 2008-06-05 | Adnan Asar | Method and apparatus for predictive modeling & analysis for knowledge discovery |
-
2020
- 2020-07-10 CN CN202010661705.3A patent/CN111861703B/zh active Active
Patent Citations (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007005975A2 (en) * | 2005-07-01 | 2007-01-11 | Valen Technologies, Inc. | Risk modeling system |
| WO2017040590A1 (en) * | 2015-09-04 | 2017-03-09 | Remarque Systems, Inc. | Risk-based monitoring of clinical data |
| CN105913195A (zh) * | 2016-04-29 | 2016-08-31 | 浙江汇信科技有限公司 | 基于全行业数据的企业金融风险评分方法 |
| CN106251049A (zh) * | 2016-07-25 | 2016-12-21 | 国网浙江省电力公司宁波供电公司 | 一种大数据的电费风险模型构建方法 |
| CN106600073A (zh) * | 2016-12-28 | 2017-04-26 | 携程旅游网络技术（上海）有限公司 | 互联网支付风控系统的优化方法及装置 |
| CN106875185A (zh) * | 2017-02-03 | 2017-06-20 | 咪咕互动娱乐有限公司 | 一种风控模型训练方法及装置 |
| CN107169289A (zh) * | 2017-05-19 | 2017-09-15 | 西安工程大学 | 一种基于可拓最优组合赋权法的滑坡危险性评价方法 |
| CN109063952A (zh) * | 2018-06-15 | 2018-12-21 | 阿里巴巴集团控股有限公司 | 策略生成及风险控制方法和装置 |
| CN109034660A (zh) * | 2018-08-22 | 2018-12-18 | 平安科技（深圳）有限公司 | 基于预测模型的风险控制策略的确定方法及相关装置 |
| CN109255486A (zh) * | 2018-09-14 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 一种策略配置的优化方法及装置 |
| CN110968069A (zh) * | 2018-09-28 | 2020-04-07 | 新疆金风科技股份有限公司 | 风力发电机组的故障预测方法、相应的装置及电子设备 |
| CN109657917A (zh) * | 2018-11-19 | 2019-04-19 | 平安科技（深圳）有限公司 | 评估对象的风险预警方法、装置、计算机设备和存储介质 |
| CN110009479A (zh) * | 2019-03-01 | 2019-07-12 | 百融金融信息服务股份有限公司 | 信用评价方法及装置、存储介质、计算机设备 |
| CN109978680A (zh) * | 2019-03-18 | 2019-07-05 | 杭州绿度信息技术有限公司 | 一种细分客群信贷业务风控差异化定价的风控方法和系统 |
| CN110276552A (zh) * | 2019-06-21 | 2019-09-24 | 深圳前海微众银行股份有限公司 | 贷前风险分析方法、装置、设备及可读存储介质 |
| CN110349000A (zh) * | 2019-06-29 | 2019-10-18 | 上海淇毓信息科技有限公司 | 基于用户分群的提额策略确定方法、装置和电子设备 |
| CN110428137A (zh) * | 2019-07-04 | 2019-11-08 | 阿里巴巴集团控股有限公司 | 一种风险防控策略的更新方法及装置 |
| CN110443618A (zh) * | 2019-07-10 | 2019-11-12 | 阿里巴巴集团控股有限公司 | 风控策略的生成方法及装置 |
| CN111105266A (zh) * | 2019-11-11 | 2020-05-05 | 中国建设银行股份有限公司 | 基于改进决策树的客户分群方法及装置 |
| CN111160740A (zh) * | 2019-12-19 | 2020-05-15 | 上海赛可出行科技服务有限公司 | 一种网约车风险控制系统及控制方法 |
| CN111311402A (zh) * | 2020-03-30 | 2020-06-19 | 百维金科(上海)信息科技有限公司 | 一种基于XGBoost的互联网金融风控模型 |
| CN117455417A (zh) * | 2023-12-22 | 2024-01-26 | 深圳刷宝科技有限公司 | 一种智能风控审批策略自动迭代优化方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于大数据技术的消费金融风控策略研究;李旭;《现代经济信息》(第14期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111861703A (zh) | 2020-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111861703B (zh) | 数据驱动的风控策略规则生成方法及系统、风险控制方法及系统 | |
| Olarewaju et al. | Intellectual capital and financial performance of South African development community’s general insurance companies | |
| CN110223168B (zh) | 一种基于企业关系图谱的标签传播反欺诈检测方法及系统 | |
| CN111695597B (zh) | 基于改进式孤立森林算法的信贷欺诈团伙识别方法和系统 | |
| Li et al. | Cluster analysis of the relationship between carbon dioxide emissions and economic growth | |
| CN107341731A (zh) | 保险业务风险评分系统及其构建方法 | |
| CN112700319A (zh) | 基于政务数据的企业授信额度确定方法及装置 | |
| CN111583012B (zh) | 融合文本信息的信用债发债主体违约风险评估方法 | |
| CN114048436A (zh) | 一种预测企业财务数据模型构建方法及构建装置 | |
| Tohyama | Varieties of Asian welfare capitalisms and the influence of globalization | |
| Bozkurt et al. | Identifying the factors affecting the economic growth of oil-producing countries | |
| CN114493619A (zh) | 一种基于电力数据的企业征信标签构建方法 | |
| CN111461471A (zh) | 一种公司战略环境趋势分析和动态识别方法 | |
| CN105741173A (zh) | 农业类公司投资价值评估方法及系统 | |
| CN107977853A (zh) | 一种汽车企业客户流失建模与分析方法 | |
| CN112016858A (zh) | 一种基于主客观赋权法的舆情风险评价方法 | |
| CN112580992B (zh) | 类金融企业的非法集资风险监测系统 | |
| CN114663102A (zh) | 基于半监督模型预测发债主体违约的方法、设备及存储介质 | |
| Cesaroni et al. | Family Businesses, Innovation and Performance During an Economic Crisis: The SOM Methodology | |
| Hessels | A Data Quality Assessment of the Suspicious Transactions | |
| CN106447165A (zh) | 一种启发式的工作岗位分级方法及装置 | |
| Fazhu et al. | Online Human Resource Management Personnel Performance Evaluation System of B2C E-commerce Businesses Based on Projection Pursuit Model | |
| Chen¹ | An ESG-Modified Credit Risk Assessment Model Based on Decision Tree Model | |
| Semeshenko et al. | Uncovering Community Structures in Inter-industry Labor Mobility Networks in Argentina | |
| Garmsiri et al. | Presenting the internal audit quality model in the framework of the corporate governance system, focusing on the Kozo model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |