CN112749925A - 风险控制系统及方法 - Google Patents
风险控制系统及方法 Download PDFInfo
- Publication number
- CN112749925A CN112749925A CN202110133982.1A CN202110133982A CN112749925A CN 112749925 A CN112749925 A CN 112749925A CN 202110133982 A CN202110133982 A CN 202110133982A CN 112749925 A CN112749925 A CN 112749925A
- Authority
- CN
- China
- Prior art keywords
- model
- strategy
- variable
- stability
- challenger
- 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.)
- Pending
Links
- 238000012954 risk control Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 claims abstract description 6
- 230000007812 deficiency Effects 0.000 claims abstract description 5
- 230000004927 fusion Effects 0.000 claims description 27
- 238000004140 cleaning Methods 0.000 claims description 20
- 230000000694 effects Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 12
- 238000003672 processing method Methods 0.000 claims description 10
- 230000001960 triggered effect Effects 0.000 claims description 10
- 230000007547 defect Effects 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000012550 audit Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本发明揭示了一种风险控制系统及方法，所述风险控制系统包括：模型策略生成器、模型策略跟踪器及模型策略挑战器；模型策略生成器用以选取数据库中的样本数据，选择设定特征数据，选择变量，生成模型及策略；模型策略跟踪器用以对所述模型策略生成器生成的模型、策略的各种指标进行监控追踪；模型策略挑战器用以动态发现模型、策略的不足，提出挑战。本发明提出的风险控制系统及方法，可提高风险控制的精准度。
Description
技术领域
本发明属于风险控制技术领域，涉及一种风险控制系统，尤其涉及一种金融风险控制系统及方法。
背景技术
风险控制是金融的关键，随着时代的发展，风控领域的一个总趋势是越来越信息化、模型化、智能化。
金融风险控制的审核方式过程如下：最开始是人工纸质审核，发展到人工线上审核，再发展到机器审核一部分、剩余部分给人工审核，而后发展到全自动审核；而现在全自动审核在实际业务当中也开始出现瓶颈——迭代速度不够快。究其原因，是因为风险模型和策略的构建还是需要由人去计算、评估，这个工作需要大量计算，经验判断和决策，很难通过机器学习简单实现。
有鉴于此，如今迫切需要设计一种新的风控系统，以便克服现有风控系统存在的上述至少部分缺陷。
发明内容
本发明提供一种风险控制系统及方法，可提升数学模型的稳定性,提高风险控制的精准度。
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：
一种风险控制系统，所述风险控制系统包括：
模型策略生成器，用以选取数据库中的样本数据，选择设定特征数据，选择变量，生成模型及策略；
模型策略跟踪器，用以对所述模型策略生成器生成的模型、策略的各种指标进行监控追踪；指标包括效果指标或/和稳定性指标，所述效果指标包括模型KS、AUC、IV，稳定性指标包括PSI；所述模型策略跟踪器用以动态跟踪所述指标，若设定指标达到设定阈值，则触发所述模型策略挑战器工作；
模型策略挑战器，用以动态发现模型、策略的不足，提出挑战；所述模型策略挑战器从独立的对模型进行一次全方位挑战，针对变量的变化情况，发现衰弱的变量和变强的变量，并生成标准报告；
所述模型策略挑战器的输出格式标准化，将这种标准化文件再反馈到模型策略生成器中，从而达成模型策略挑战器对模型策略生成器的影响；
所述模型策略生成器收到所述模型策略挑战器的报告后，重新再生成新的模型策略，其中如果碰到波动量大于设定阈值的变量，对其做剔除或数据清洗处理，消除或减轻波动对模型策略的影响；
所述模型策略生成器运行至少一次，结合所述模型策略跟踪器依然认可的模型和规则，形成模型规则池，模型规则池内的融合依据策略目标，先通过单模型制定策略再组合策略，或是通过设定个主要模型先定大策略，再由细部模型和规则制定具体细节的策略；
所述模型策略生成器包括：
变量稳定检查器，用以对底层变量进行稳定性筛查，对变量的稳定性情况进行自动评估；模型选择的变量产生的波动不超出设定阈值；若选择的变量产生的波动超出设定阈值，则删除对应变量；
变量稳定性干预器，用以将变量稳定检查器的输出结果应用到模型建立的过程当中；
多模型融合器，用以选择若干模型进行融合，每个模型对应一种使用场景，针对不同场景使用不同的模型；
所述变量稳定性干预器的具体干预方法包括如下方式的至少一个：影响变量在模型中的权重，影响变量进入模型的概率，影响变量进入模型的顺序，影响变量在模型中的清洗和处理方法。
根据本发明的另一个方面，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：
模型策略生成器，用以选取数据库中的样本数据，选择设定特征数据，选择变量，生成模型及策略；
模型策略跟踪器，用以对所述模型策略生成器生成的模型、策略的各种指标进行监控追踪；
模型策略挑战器，用以动态发现模型、策略的不足，提出挑战。
作为本发明的一种实施方式，指标包括效果指标或/和稳定性指标，所述效果指标包括模型KS、AUC、IV，稳定性指标包括PSI；所述模型策略跟踪器用以动态跟踪所述指标，若设定指标达到设定阈值，则触发所述模型策略挑战器工作；
所述模型策略挑战器的输出格式标准化，将这种标准化文件再反馈到模型策略生成器中，从而达成模型策略挑战器对模型策略生成器的影响；所述模型策略挑战器从独立的对模型进行一次全方位挑战，针对变量的变化情况，发现衰弱的变量和变强的变量，并生成标准报告；
所述模型策略生成器收到所述模型策略挑战器的报告后，重新再生成新的模型策略，其中如果碰到波动量大于设定阈值的变量，对其做剔除或数据清洗处理，消除或减轻波动对模型策略的影响；
所述模型策略生成器运行至少一次，结合所述模型策略跟踪器依然认可的模型和规则，形成模型规则池，模型规则池内的融合依据策略目标，先通过单模型制定策略再组合策略，或是通过设定个主要模型先定大策略，再由细部模型和规则制定具体细节的策略。
作为本发明的一种实施方式，所述模型策略生成器包括：
变量稳定检查器，用以对底层变量进行稳定性筛查，对变量的稳定性情况进行自动评估；模型选择的变量产生的波动不超出设定阈值；若选择的变量产生的波动超出设定阈值，则删除对应变量；
变量稳定性干预器，用以将变量稳定检查器的输出结果应用到模型建立的过程当中；
多模型融合器，用以选择若干模型进行融合，每个模型对应一种使用场景，针对不同场景使用不同的模型。
作为本发明的一种实施方式，所述变量稳定性干预器的具体干预方法包括如下方式的至少一个：影响变量在模型中的权重，影响变量进入模型的概率，影响变量进入模型的顺序，影响变量在模型中的清洗和处理方法。
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：
模型策略生成器选取数据库中的样本数据，选择设定特征数据，选择变量，生成模型及策略；
模型策略跟踪器对所述模型策略生成器生成的模型、策略的各种指标进行监控追踪；
模型策略挑战器动态发现模型、策略的不足，提出挑战；指标包括效果指标或/和稳定性指标，所述效果指标包括模型KS、AUC、IV，稳定性指标包括PSI；所述模型策略跟踪器用以动态跟踪所述指标，若设定指标达到设定阈值，则触发所述模型策略挑战器工作；
所述模型策略挑战器的输出格式标准化，将这种标准化文件再反馈到模型策略生成器中，从而达成模型策略挑战器对模型策略生成器的影响；所述模型策略挑战器从独立的对模型进行一次全方位挑战，针对变量的变化情况，发现衰弱的变量和变强的变量，并生成标准报告；
所述模型策略生成器收到所述模型策略挑战器的报告后，重新再生成新的模型策略，其中如果碰到波动量大于设定阈值的变量，对其做剔除或数据清洗处理，消除或减轻波动对模型策略的影响；
所述模型策略生成器运行至少一次，结合所述模型策略跟踪器依然认可的模型和规则，形成模型规则池，模型规则池内的融合依据策略目标，先通过单模型制定策略再组合策略，或是通过设定个主要模型先定大策略，再由细部模型和规则制定具体细节的策略；
所述模型策略生成器生成模型及策略的步骤具体包括：
变量稳定检查器对底层变量进行稳定性筛查，对变量的稳定性情况进行自动评估；模型选择的变量产生的波动不超出设定阈值；若选择的变量产生的波动超出设定阈值，则删除对应变量；
变量稳定性干预器将变量稳定检查器的输出结果应用到模型建立的过程当中；
多模型融合器选择若干模型进行融合，每个模型对应一种使用场景，针对不同场景使用不同的模型；
所述变量稳定性干预器的具体干预方法包括如下方式的至少一个：影响变量在模型中的权重，影响变量进入模型的概率，影响变量进入模型的顺序，影响变量在模型中的清洗和处理方法。
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：
模型策略生成器选取数据库中的样本数据，选择设定特征数据，选择变量，生成模型及策略；
模型策略跟踪器对所述模型策略生成器生成的模型、策略的各种指标进行监控追踪；
模型策略挑战器动态发现模型、策略的不足，提出挑战。
作为本发明的一种实施方式，指标包括效果指标或/和稳定性指标，所述效果指标包括模型KS、AUC、IV，稳定性指标包括PSI；所述模型策略跟踪器用以动态跟踪所述指标，若设定指标达到设定阈值，则触发所述模型策略挑战器工作；
所述模型策略挑战器的输出格式标准化，将这种标准化文件再反馈到模型策略生成器中，从而达成模型策略挑战器对模型策略生成器的影响；所述模型策略挑战器从独立的对模型进行一次全方位挑战，针对变量的变化情况，发现衰弱的变量和变强的变量，并生成标准报告；
所述模型策略生成器收到所述模型策略挑战器的报告后，重新再生成新的模型策略，其中如果碰到波动量大于设定阈值的变量，对其做剔除或数据清洗处理，消除或减轻波动对模型策略的影响；
所述模型策略生成器运行至少一次，结合所述模型策略跟踪器依然认可的模型和规则，形成模型规则池，模型规则池内的融合依据策略目标，先通过单模型制定策略再组合策略，或是通过设定个主要模型先定大策略，再由细部模型和规则制定具体细节的策略。
作为本发明的一种实施方式，所述模型策略生成器生成模型及策略的步骤具体包括：
变量稳定检查器对底层变量进行稳定性筛查，对变量的稳定性情况进行自动评估；模型选择的变量产生的波动不超出设定阈值；若选择的变量产生的波动超出设定阈值，则删除对应变量；
变量稳定性干预器将变量稳定检查器的输出结果应用到模型建立的过程当中；
多模型融合器选择若干模型进行融合，每个模型对应一种使用场景，针对不同场景使用不同的模型。
作为本发明的一种实施方式，所述变量稳定性干预器的具体干预方法包括如下方式的至少一个：影响变量在模型中的权重，影响变量进入模型的概率，影响变量进入模型的顺序，影响变量在模型中的清洗和处理方法。
本发明的有益效果在于：本发明提出的风险控制系统及方法，可提升数学模型的稳定性,提高风险控制的精准度。
附图说明
图1为本发明一实施例中风险控制系统的组成示意图。
图2为本发明一实施例中风险控制方法的流程图。
图3为本发明一实施例中模型策略生成器的组成示意图。
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。
说明书中各个实施例中的步骤的表述只是为了方便说明，本申请的实现方式不受步骤实现的顺序限制。说明书中的“连接”既包含直接连接，也包含间接连接。
本发明揭示了一种风险控制系统，图1为本发明一实施例中风险控制系统的组成示意图；请参阅图1，所述风险控制系统包括：模型策略生成器10、模型策略跟踪器20及模型策略挑战器30。
模型策略生成器10用以选取数据库中的样本数据，选择设定特征数据，选择变量，生成模型及策略。
模型策略跟踪器20用以对所述模型策略生成器生成的模型、策略的各种指标进行监控追踪。在一实施例中，指标包括效果指标或/和稳定性指标，所述效果指标包括模型KS、AUC、IV，稳定性指标包括PSI；所述模型策略跟踪器用以动态跟踪所述指标，若设定指标达到设定阈值，则触发所述模型策略挑战器工作。
模型策略挑战器30用以动态发现模型、策略的不足，提出挑战。在一实施例中，所述模型策略挑战器从独立的对模型进行一次全方位挑战，针对变量的变化情况，发现衰弱的变量和变强的变量，并生成标准报告。
在本发明的一实施例中，所述模型策略挑战器30的输出格式标准化，将这种标准化文件再反馈到模型策略生成器中，从而达成模型策略挑战器对模型策略生成器的影响。
所述模型策略生成器10收到所述模型策略挑战器30的报告后，重新再生成新的模型策略。其中，如果碰到波动量大于设定阈值的变量，对其做剔除或数据清洗处理，消除或减轻波动对模型策略的影响。
在本发明的一种使用场景中，所述模型策略生成器可能不止运行一次(运行至少一次)，结合模型策略跟踪器依然认可的模型和规则，形成模型规则池，模型规则池内的融合一般是依据策略目标，先通过单模型制定策略再组合策略，或是通过几个主要模型先定大策略，再由细部模型和规则制定具体较细的策略，都可以作为本发明的实施例。
图3为本发明一实施例中模型策略生成器的组成示意图；请参阅图3，在本发明的一实施例中，所述模型策略生成器10包括：变量稳定检查器11、变量稳定性干预器12及多模型融合器13。
变量稳定检查器11用以对底层变量进行稳定性筛查，对变量的稳定性情况进行自动评估；模型选择的变量产生的波动不超出设定阈值。若选择的变量产生的波动超出设定阈值，则删除对应变量。
变量稳定性干预器12用以将变量稳定检查器11的输出结果应用到模型建立的过程当中。在一实施例中，所述变量稳定性干预器12的具体干预方法包括如下方式的至少一个：影响变量在模型中的权重，影响变量进入模型的概率，影响变量进入模型的顺序，影响变量在模型中的清洗和处理方法。
多模型融合器13用以选择若干模型进行融合，每个模型对应一种使用场景，针对不同场景使用不同的模型。
本发明还揭示一种风险控制方法，图2为本发明一实施例中风险控制方法的流程图；请参阅图2，所述风险控制方法包括：
【步骤S1】模型策略生成器选取数据库中的样本数据，选择设定特征数据，选择变量，生成模型及策略。
在本发明的一实施例中，所述模型策略生成器生成模型及策略的步骤具体包括：
变量稳定检查器对底层变量进行稳定性筛查，对变量的稳定性情况进行自动评估；模型选择的变量产生的波动不超出设定阈值；若选择的变量产生的波动超出设定阈值，则删除对应变量；
变量稳定性干预器将变量稳定检查器的输出结果应用到模型建立的过程当中。在一实施例中，所述变量稳定性干预器的具体干预方法包括如下方式的至少一个：影响变量在模型中的权重，影响变量进入模型的概率，影响变量进入模型的顺序，影响变量在模型中的清洗和处理方法。
多模型融合器选择若干模型进行融合，每个模型对应一种使用场景，针对不同场景使用不同的模型。
【步骤S2】模型策略跟踪器对所述模型策略生成器生成的模型、策略的各种指标进行监控追踪。
在一实施例中，指标包括效果指标或/和稳定性指标，所述效果指标包括模型KS、AUC、IV，稳定性指标包括PSI；所述模型策略跟踪器用以动态跟踪所述指标，若设定指标达到设定阈值，则触发所述模型策略挑战器工作。
【步骤S3】模型策略挑战器动态发现模型、策略的不足，提出挑战。在一实施例中，所述模型策略挑战器从独立的对模型进行一次全方位挑战，可以主要针对变量的变化情况，发现衰弱的变量和变强的变量，并生成标准报告。
在本发明的一实施例中，所述模型策略挑战器的输出格式标准化，将这种标准化文件再反馈到模型策略生成器中，从而达成模型策略挑战器对模型策略生成器的影响。
所述模型策略生成器10收到所述模型策略挑战器30的报告后，重新再生成新的模型策略，其中如果碰到波动量大于设定阈值的变量，对其做剔除或数据清洗处理，消除或减轻波动对模型策略的影响。
所述模型策略生成器10运行至少一次，结合所述模型策略跟踪器20依然认可的模型和规则，形成模型规则池，模型规则池内的融合依据策略目标，先通过单模型制定策略再组合策略，或是通过设定个主要模型先定大策略，再由细部模型和规则制定具体细节的策略。
综上所述，本发明提出的风险控制系统及方法，可提升数学模型的稳定性,提高风险控制的精准度。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施；例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一些实施例中，本申请的软件程序可以通过处理器执行以实现上文步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中；例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现；例如，作为与处理器配合从而执行各个步骤或功能的电路。
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 (10)
1.一种风险控制系统，其特征在于，所述风险控制系统包括：
模型策略生成器，用以选取数据库中的样本数据，选择设定特征数据，选择变量，生成模型及策略；
模型策略跟踪器，用以对所述模型策略生成器生成的模型、策略的各种指标进行监控追踪；指标包括效果指标或/和稳定性指标，所述效果指标包括模型KS、AUC、IV，稳定性指标包括PSI；所述模型策略跟踪器用以动态跟踪所述指标，若设定指标达到设定阈值，则触发所述模型策略挑战器工作；
模型策略挑战器，用以动态发现模型、策略的不足，提出挑战；所述模型策略挑战器从独立的对模型进行一次全方位挑战，针对变量的变化情况，发现衰弱的变量和变强的变量，并生成标准报告；
所述模型策略挑战器的输出格式标准化，将这种标准化文件再反馈到模型策略生成器中，从而达成模型策略挑战器对模型策略生成器的影响；
所述模型策略生成器收到所述模型策略挑战器的报告后，重新再生成新的模型策略；其中，如果碰到波动量大于设定阈值的变量，对其做剔除或数据清洗处理，消除或减轻波动对模型策略的影响；
所述模型策略生成器运行至少一次，结合所述模型策略跟踪器依然认可的模型和规则，形成模型规则池，模型规则池内的融合依据策略目标，先通过单模型制定策略再组合策略，或是通过设定个主要模型先定大策略，再由细部模型和规则制定具体细节的策略；
所述模型策略生成器包括：
变量稳定检查器，用以对底层变量进行稳定性筛查，对变量的稳定性情况进行自动评估；模型选择的变量产生的波动不超出设定阈值；若选择的变量产生的波动超出设定阈值，则删除对应变量；
变量稳定性干预器，用以将变量稳定检查器的输出结果应用到模型建立的过程当中；
多模型融合器，用以选择若干模型进行融合，每个模型对应一种使用场景，针对不同场景使用不同的模型；
所述变量稳定性干预器的具体干预方法包括如下方式的至少一个：影响变量在模型中的权重，影响变量进入模型的概率，影响变量进入模型的顺序，影响变量在模型中的清洗和处理方法。
2.一种风险控制系统，其特征在于，所述风险控制系统包括：
模型策略生成器，用以选取数据库中的样本数据，选择设定特征数据，选择变量，生成模型及策略；
模型策略跟踪器，用以对所述模型策略生成器生成的模型、策略的各种指标进行监控追踪；
模型策略挑战器，用以动态发现模型、策略的不足，提出挑战。
3.根据权利要求2所述的风险控制系统，其特征在于：
指标包括效果指标或/和稳定性指标，所述效果指标包括模型KS、AUC、IV，稳定性指标包括PSI；所述模型策略跟踪器用以动态跟踪所述指标，若设定指标达到设定阈值，则触发所述模型策略挑战器工作；
所述模型策略挑战器的输出格式标准化，将这种标准化文件再反馈到模型策略生成器中，从而达成模型策略挑战器对模型策略生成器的影响；所述模型策略挑战器从独立的对模型进行一次全方位挑战，针对变量的变化情况，发现衰弱的变量和变强的变量，并生成标准报告；
所述模型策略生成器收到所述模型策略挑战器的报告后，重新再生成新的模型策略；其中，如果碰到波动量大于设定阈值的变量，对其做剔除或数据清洗处理，消除或减轻波动对模型策略的影响；
所述模型策略生成器运行至少一次，结合所述模型策略跟踪器依然认可的模型和规则，形成模型规则池，模型规则池内的融合依据策略目标，先通过单模型制定策略再组合策略，或是通过设定个主要模型先定大策略，再由细部模型和规则制定具体细节的策略。
4.根据权利要求2所述的风险控制系统，其特征在于：
所述模型策略生成器包括：
变量稳定检查器，用以对底层变量进行稳定性筛查，对变量的稳定性情况进行自动评估；模型选择的变量产生的波动不超出设定阈值；若选择的变量产生的波动超出设定阈值，则删除对应变量；
变量稳定性干预器，用以将变量稳定检查器的输出结果应用到模型建立的过程当中；
多模型融合器，用以选择若干模型进行融合，每个模型对应一种使用场景，针对不同场景使用不同的模型。
5.根据权利要求4所述的风险控制系统，其特征在于：
所述变量稳定性干预器的具体干预方法包括如下方式的至少一个：影响变量在模型中的权重，影响变量进入模型的概率，影响变量进入模型的顺序，影响变量在模型中的清洗和处理方法。
6.一种风险控制方法，其特征在于，所述风险控制方法包括：
模型策略生成器选取数据库中的样本数据，选择设定特征数据，选择变量，生成模型及策略；
模型策略跟踪器对所述模型策略生成器生成的模型、策略的各种指标进行监控追踪；
模型策略挑战器动态发现模型、策略的不足，提出挑战；指标包括效果指标或/和稳定性指标，所述效果指标包括模型KS、AUC、IV，稳定性指标包括PSI；所述模型策略跟踪器用以动态跟踪所述指标，若设定指标达到设定阈值，则触发所述模型策略挑战器工作；
所述模型策略挑战器的输出格式标准化，将这种标准化文件再反馈到模型策略生成器中，从而达成模型策略挑战器对模型策略生成器的影响；所述模型策略挑战器从独立的对模型进行一次全方位挑战，针对变量的变化情况，发现衰弱的变量和变强的变量，并生成标准报告；
所述模型策略生成器收到所述模型策略挑战器的报告后，重新再生成新的模型策略；其中，如果碰到波动量大于设定阈值的变量，对其做剔除或数据清洗处理，消除或减轻波动对模型策略的影响；
所述模型策略生成器运行至少一次，结合所述模型策略跟踪器依然认可的模型和规则，形成模型规则池，模型规则池内的融合依据策略目标，先通过单模型制定策略再组合策略，或是通过设定个主要模型先定大策略，再由细部模型和规则制定具体细节的策略；
所述模型策略生成器生成模型及策略的步骤具体包括：
变量稳定检查器对底层变量进行稳定性筛查，对变量的稳定性情况进行自动评估；模型选择的变量产生的波动不超出设定阈值；若选择的变量产生的波动超出设定阈值，则删除对应变量；
变量稳定性干预器将变量稳定检查器的输出结果应用到模型建立的过程当中；
多模型融合器选择若干模型进行融合，每个模型对应一种使用场景，针对不同场景使用不同的模型；
所述变量稳定性干预器的具体干预方法包括如下方式的至少一个：影响变量在模型中的权重，影响变量进入模型的概率，影响变量进入模型的顺序，影响变量在模型中的清洗和处理方法。
7.一种风险控制方法，其特征在于，所述风险控制方法包括：
模型策略生成器选取数据库中的样本数据，选择设定特征数据，选择变量，生成模型及策略；
模型策略跟踪器对所述模型策略生成器生成的模型、策略的各种指标进行监控追踪；
模型策略挑战器动态发现模型、策略的不足，提出挑战。
8.根据权利要求7所述的风险控制方法，其特征在于：
指标包括效果指标或/和稳定性指标，所述效果指标包括模型KS、AUC、IV，稳定性指标包括PSI；所述模型策略跟踪器用以动态跟踪所述指标，若设定指标达到设定阈值，则触发所述模型策略挑战器工作；
所述模型策略挑战器的输出格式标准化，将这种标准化文件再反馈到模型策略生成器中，从而达成模型策略挑战器对模型策略生成器的影响；所述模型策略挑战器从独立的对模型进行一次全方位挑战，针对变量的变化情况，发现衰弱的变量和变强的变量，并生成标准报告；
所述模型策略生成器收到所述模型策略挑战器的报告后，重新再生成新的模型策略；其中，如果碰到波动量大于设定阈值的变量，对其做剔除或数据清洗处理，消除或减轻波动对模型策略的影响；
所述模型策略生成器运行至少一次，结合所述模型策略跟踪器依然认可的模型和规则，形成模型规则池，模型规则池内的融合依据策略目标，先通过单模型制定策略再组合策略，或是通过设定个主要模型先定大策略，再由细部模型和规则制定具体细节的策略。
9.根据权利要求7所述的风险控制方法，其特征在于：
所述模型策略生成器生成模型及策略的步骤具体包括：
变量稳定检查器对底层变量进行稳定性筛查，对变量的稳定性情况进行自动评估；模型选择的变量产生的波动不超出设定阈值；若选择的变量产生的波动超出设定阈值，则删除对应变量；
变量稳定性干预器将变量稳定检查器的输出结果应用到模型建立的过程当中；
多模型融合器选择若干模型进行融合，每个模型对应一种使用场景，针对不同场景使用不同的模型。
10.根据权利要求9所述的风险控制方法，其特征在于：
所述变量稳定性干预器的具体干预方法包括如下方式的至少一个：影响变量在模型中的权重，影响变量进入模型的概率，影响变量进入模型的顺序，影响变量在模型中的清洗和处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110133982.1A CN112749925A (zh) | 2021-02-01 | 2021-02-01 | 风险控制系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110133982.1A CN112749925A (zh) | 2021-02-01 | 2021-02-01 | 风险控制系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112749925A true CN112749925A (zh) | 2021-05-04 |
Family
ID=75653461
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110133982.1A Pending CN112749925A (zh) | 2021-02-01 | 2021-02-01 | 风险控制系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112749925A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108573355A (zh) * | 2018-05-08 | 2018-09-25 | 阿里巴巴集团控股有限公司 | 模型更新后替换运行的方法、装置、及业务服务器 |
| CN109242135A (zh) * | 2018-07-16 | 2019-01-18 | 阿里巴巴集团控股有限公司 | 一种模型运营方法、装置、及业务服务器 |
| CN110852854A (zh) * | 2018-08-01 | 2020-02-28 | 阿里巴巴集团控股有限公司 | 一种量化收益模型的生成方法和风险控制策略的评价方法 |
| CN111898931A (zh) * | 2020-08-24 | 2020-11-06 | 深圳市富之富信息科技有限公司 | 基于变量的策略式风控引擎实现方法、装置及计算机设备 |
-
2021
- 2021-02-01 CN CN202110133982.1A patent/CN112749925A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108573355A (zh) * | 2018-05-08 | 2018-09-25 | 阿里巴巴集团控股有限公司 | 模型更新后替换运行的方法、装置、及业务服务器 |
| CN109242135A (zh) * | 2018-07-16 | 2019-01-18 | 阿里巴巴集团控股有限公司 | 一种模型运营方法、装置、及业务服务器 |
| CN110852854A (zh) * | 2018-08-01 | 2020-02-28 | 阿里巴巴集团控股有限公司 | 一种量化收益模型的生成方法和风险控制策略的评价方法 |
| CN111898931A (zh) * | 2020-08-24 | 2020-11-06 | 深圳市富之富信息科技有限公司 | 基于变量的策略式风控引擎实现方法、装置及计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10943186B2 (en) | Machine learning model training method and device, and electronic device | |
| JP6771751B2 (ja) | リスク評価方法およびシステム | |
| DE112012005037T5 (de) | Verwalten von redundanten unveränderlichen Dateien unter Verwendung von Deduplizierungen in Speicher-Clouds | |
| WO2021057329A1 (zh) | 一种作战体系架构建模与最优搜索方法 | |
| WO2022262869A1 (zh) | 数据处理方法、装置、网络设备及存储介质 | |
| CN109934615A (zh) | 基于深度稀疏网络的产品营销方法 | |
| CN110991871A (zh) | 风险监测方法、装置、设备与计算机可读存储介质 | |
| CN109726821A (zh) | 数据均衡方法、装置、计算机可读存储介质及电子设备 | |
| CN116561542A (zh) | 模型的优化训练系统、方法以及相关装置 | |
| CN112749925A (zh) | 风险控制系统及方法 | |
| CN114385465A (zh) | 一种故障预测方法、设备及存储介质 | |
| CN112861955A (zh) | 风险模型策略生成系统及方法 | |
| CN106815232A (zh) | 目录管理方法、装置及系统 | |
| CN113342418A (zh) | 基于区块链的分布式机器学习任务卸载方法 | |
| KR102155839B1 (ko) | 작업불가 사유 기반의 작업자 모니터링 방법 및 장치 | |
| CN111258911A (zh) | 一种基于数据驱动及多种覆盖策略的软件测试用例生成方法、系统及存储介质 | |
| CN115271933B (zh) | 贷款决策方法及装置、决策设备及计算机可读存储介质 | |
| CN112749921A (zh) | 数学建模方法、系统、设备及计算机可读介质 | |
| Zhang et al. | Reporting rules in bank runs | |
| CN114138597B (zh) | 一种操作系统性能调优装置、方法、设备及存储介质 | |
| CN114880664A (zh) | 信息安全风险事件要素关系与路径关联分析方法及装置 | |
| KR102248993B1 (ko) | 비식별화 과정의 중간 결과 데이터 분석 방법, 장치, 컴퓨터 프로그램 및 그 기록 매체 | |
| KR101541962B1 (ko) | 경영실적 검증 장치 및 방법 | |
| Yang et al. | Cloud Platform Credibility Assessment System Based on DS Theory and Blockchain Technology | |
| CN111274331A (zh) | 关系数据管理维护系统及方法 |
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 |