CN113919937B - 一种基于贷款评估风控的ks监控系统 - Google Patents

一种基于贷款评估风控的ks监控系统 Download PDF

Info

Publication number
CN113919937B
CN113919937B CN202111109139.6A CN202111109139A CN113919937B CN 113919937 B CN113919937 B CN 113919937B CN 202111109139 A CN202111109139 A CN 202111109139A CN 113919937 B CN113919937 B CN 113919937B
Authority
CN
China
Prior art keywords
monitoring
client
application
loan
scoring
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
Application number
CN202111109139.6A
Other languages
English (en)
Other versions
CN113919937A (zh
Inventor
肖玉龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Ruizhi Tuyuan Technology Co ltd
Original Assignee
Beijing Ruizhi Tuyuan Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Ruizhi Tuyuan Technology Co ltd filed Critical Beijing Ruizhi Tuyuan Technology Co ltd
Priority to CN202111109139.6A priority Critical patent/CN113919937B/zh
Publication of CN113919937A publication Critical patent/CN113919937A/zh
Application granted granted Critical
Publication of CN113919937B publication Critical patent/CN113919937B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (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)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明提供了一种基于贷款评估风控的KS监控系统，所述系统包括：中央监控模块，用于检测授信申请，当所述申请被提出时向子监控模块发送监控命令；子监控模块，用于接收监控命令，并对申请评分模型线上使用效果进行实时监控；运维管理模块，用于根据监控的线上使用效果，确定模型风险，并对模型风险决策建议进行调整。解决商业银行无法在授信申请客户上评估评分效果的问题，规避了经验上使用放款客户进行评分效果评估的各种问题，如评分效果指标不可信、时效性低等。

Description

一种基于贷款评估风控的KS监控系统
技术领域
本发明涉及风控技术领域，特别涉及一种基于贷款评估风控的KS监控系统。
背景技术
目前，贷款申请评分模型，是商业银行贷款风险控制领域的重要技术，运用统计分析与机器学习等算法对合法采集的客户授权信息，建立贷款申请评分模型对客户信用综合评估，给出授信审批决策。贷款申请评分模型开发完成部署上线，参与风险决策，需持续跟踪监控贷款申请评分模型的使用效果。
不可信的评分效果结论及模型风险决策建议可能给银行带来坏账损失。若给出原评分失效(实际原评分仍有效)并进行迭代的建议，使用新评分捞回的人会有很高的风险；其次，若给出原评分继续有效(实际原评分接近失效或已失效)，继续使用原评分也会有很高的风险。这些暴露的风险将给银行带来坏账损失。也会给风险策略调整带来盲目性，间接增加银行人力的成本。
因此，一种快速有效评估银行贷款申请评分模型线上使用效果的方法尤为重要，其中，申请评分模型线上使用以后的监控系统更是至关重要。
发明内容
本发明提供一种一种基于贷款评估风控的KS监控系统，用以解决商业银行无法在授信申请客户上评估评分效果的问题。
一种基于贷款评估风控的KS监控系统，如图1所示，包括：
中央监控模块，用于检测授信申请，当所述申请被提出时向子监控模块发送监控命令；
子监控模块，用于接收监控命令，并对贷款申请评分模型线上使用效果进行实时监控；
运维管理模块，用于根据监控的线上使用效果，确定所述贷款申请评分模型风险，并对贷款申请评分模型风险决策建议进行调整。
优选的，所述中央监控模块，包括：
状态监控单元，用于检测是否有授信申请提出，当有时，触发监控指令；
任务发送单元，用于接收监控指令，向发送第一监控命令，并查询档案库中是否有所述授信申请对应的客户档案，如果有，调取所述客户档案；
否则，建立新客户档案。
优选的，所述子监控模块，包括：
第一接收单元，用于接收第一监控命令，并基于贷款评估风控评分模型对所述授信申请进行评分，并判断客户的授信申请是否通过，若所述授信申请通过，则发送第一监控信号；
否则，发送第一工作信号；
第一分析单元，用于当接收所述第一监控信号时，将授信通过的评分结果储存进所述客户档案中，向对应客户添加提现标签，并发送第二监控命令；当接收所述第一工作信号时，向对应客户添加未通过标签；
第二分析单元，用于当接收所述第二监控命令时，判断所述客户是否提出提现申请，若所述客户提出提现申请，基于贷款评估风控评分模型对所述提现申请进行评分结果，并判断所述客户的提现申请是否通过，若所述提现申请通过则发送第二监控信号；
否则，发送第二工作信号；
第二接收单元，用于当接收到所述第二监控信号时，将提现通过的评分结果储存进所述客户档案中，向对应客户添加放贷标签；
当接收所述第二工作信号时，向对应客户添加未通过标签。
优选的，所述子监控模块，还包括：
样本获取单元，用于获取历史授信月份放贷标签客户数据作为建模内样本，同时，还获取当前预设时间范围授信月份客户数据作为建模外样本；
分类单元，用于设计好坏标签推断策略并存档，同时，基于业务转化流程，将样本按照业务类型进行分类，基于所述好坏标签推断策略确定不同类业务对应的样本客户的好坏标签，并计算不同类业务的评分效果指标KS值；
矩阵建立单元，用于根据分类结果以及对应分类业务的KS值，建立客户样本矩阵。
优选的，所述运维管理模块，包括：
绘制单元，用于绘制贷款申请评分模型上线以后累计效果指标KS的监控报表；
异常确定单元，用于通过获取并比较建模内样本与建模外样本的第二分类的所有对KS值，判断所述贷款申请评分模型的评分效果是否异常，当存在至少一对KS值不同时，确定所述贷款申请评分模型评分效果异常；
否则，确定所述贷款申请评分模型评分效果良好；
第一数据处理单元，用于当所述贷款申请评分模型评分效果异常时，获取建模内样本与建模外样本的第一分类的KS值，判断所述贷款申请评分模型效果是否有衰减，若建模内样本与建模外样本的第一分类的KS值的差值不在预设范围，则判断所述贷款申请评分模型效果有衰减；
否则，判断所述贷款申请评分模型效果没有衰减；
第二数据处理单元，当确定所述贷款申请评分模型效果没有衰减时，获取所述建模外样本全部分类的KS值，并得到风控策略及提现意愿干扰对所述评分效果的影响；
报告生成单元，用于根据第一数据处理单元和第二数据处理单元的处理结果，并结合各个分类对应的评分变量指标，得到所述评分效果的异常原因，生成异常报告，并将所述异常报告发送给用户端，同时，基于用户管理模块提醒用户根据异常报告对贷款申请评分模型以及模型风险决策建议进行调整。
优选的，所述的一种基于贷款评估风控的KS监控系统，还包括：时间检测模块，用于检测在监控过程中授信通过和提现申请之间的时间间隔，判断是否需要再次风控审核，包括：
动态监测单元，用于监测客户动态信息，并基于业务转化流程将所述客户动态信息进行业务分类；
判断单元，用于基于业务分类结果，判断是否存在对应的第一监控时间和所述第二监控时间，若存在，获取所述第一监控时间和所述第二监控时间的时间差，其中，所述第一监控时间是指所述客户授信申请提出时间，所述第二监控时间是指所述客户提现申请提出时间；
所述判断单元，还用于判断所述时间差是否在预设范围内，若是，判定所述客户提现申请通过，进行放款；
否则，基于贷款评估风控评分模型对所述客户再次进行风控审核；
第一控制单元，用于获取再次进行风控审核客户的监控信息矩阵，并基于大数据信息网络获得所述客户的预设时间段内的银行交易信息，利用贷款评估风控评分模型对所述客户进行贷款风险评分，并更新对应的客户档案中。
优选的，所述的一种基于贷款评估风控的KS监控系统，包括：所述绘制单元，用于绘制贷款申请评分模型上线以后累计效果指标KS监控报表，其中，所述KS监控报表根据用户需求调节绘制时间范围。
优选的，所述的一种基于贷款评估风控的KS监控系统，包括：所述分析单元，还用于当所述贷款申请评分模型评分效果异常时，确定建模外样本的KS值的波动情况，并根据评分变量指标IV值，确定对影响贷款申请评分模型评分效果的变量的重要程度，包括：
根据建模内样本的KS值，建立第一波动分析图，同时，根据建模外样本的KS值，建立第二波动分析图；
基于第一波动分析图获得第一波动系数，并确定当前允许波动范围；
基于第二波动分析图获得第二波动系数，将第二波动系数与第一波动系数进行对比，判断第二波动系数是否在所述当前允许波动范围内，如果在所述当前允许波动范围内，确定所述建模外样本的KS值的波动大；
否则，确定所述建模外样本KS值的波动不大；
当所述建模外样本的KS值的波动大时，获得所述第二波动分析图各个点的第二波动幅值，对所述第二波动幅值进行第一排序；
根据所述第一排序，逐个计算各个点的评分变量指标IV值，再根据所述评分变量指标IV值，进行第二排序；
将第一排序结果与第二排序结果进行比较，若两次排序结果一致，确定影响所述贷款申请评分模型评分效果的变量的重要程度与所述第一排序一致；
否则，判断所述各个点的评分变量指标IV值的变化是否在允许变化范围内，如果在所述允许变化范围内，将当前点的重要程度维持第一排序；否则，将当前点的重要程度维持第二排序；
当前点与其他点不存在位置冲突时，判断两点的评分变量指标IV值的变化是否相同，若不相同，判定所述评分变量指标IV值的变化大的排序在前；
否则，判断所述两点的评分变量指标IV值是否相同，若相同，所述两点排序相同；否则，判定所述评分变量指标IV值大的排序在前，形成第三排序，确定影响所述贷款申请评分模型评分效果的变量的重要程度与所述第三排序一致。
优选的，所述的一种基于贷款评估风控的KS监控系统，还包括：社会关系分析模块，用于对提出授信申请以及提现申请的客户进行社会关系监控，并按照监控分析结果对所述客户的风险评分效果评价进行修正，包括：
第一信息采集单元，用于采集与所述客户相关并提出授信申请的第一人群中的所有个人信息，根据所述个人信息建立第一个人社会关系网；
亲密度确定单元，用于利用身份信息对所述社会关系网进行社区划分，获取各个社区的成员信息，构建相应的社区成员信息矩阵，从所述信息矩阵中提取所述社区成员金融交易信息；
根据所述金融交易信息，对所述社区成员进行风险评估，获得第一风险评分，同时，获取所述客户与各个社区成员之间的金融交易总金额，以及预设时间段内的交易金额，并进行预设处理得到阶段占比；
对所述阶段占比对社区中每个人员进行排序处理，获得所述客户与所述社区成员之间的亲密度；
报告获取单元，用于根据所述亲密度对所述客户的所述社会关系网进行调节，同时，根据所述亲密度确定所述社区成员对所述客户的风险影响，并得到第一社会关系评估报告；
第二信息采集单元，用于获取与所述客户相关并提现通过的第二人群信息，并获取所述第二人群个人信息，建立第二个人社会关系网，利用亲密度确定单元获得第二社会关系评估报告；
将第一社会关系评估报告和第二社会关系评估报告进行对比，得到人群社会关系差异，根据所述人群关系差异生成差异报告；
第二控制单元，用于获取预设周期内的所述差异报告，构建差异报告集，并获得喜好人群，根据所述喜好人群，对所述客户的风险评分效果评价进行修正。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于贷款评估风控的KS监控系统的结构图；
图2为本发明实施例中一种基于贷款评估风控的KS监控系统的中央监控模块；
图3为本发明实施例中一种基于贷款评估风控的KS监控系统的子监控模块；
图4为本发明实施例中一种基于贷款评估风控的KS监控系统的运维管理模块；
图5为本发明实施例中一种基于贷款评估风控的KS监控系统的时间检测模块；
图6为本发明实施例中一种基于贷款评估风控的KS监控系统的社会关系分析模块。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本发明提供一种基于贷款评估风控的KS监控系统，如图1所示，包括：
中央监控模块，用于检测授信申请，当所述申请被提出时向子监控模块发送监控命令；
子监控模块，用于接收监控命令，并对贷款申请评分模型线上使用效果进行实时监控；
运维管理模块，用于根据监控的线上使用效果，确定所述贷款申请评分模型风险，并对贷款申请评分模型风险决策建议进行调整。
上述技术方案的有益效果是：本发明，解决了商业银行在评分上线使用后评分效果评估方法不当的问题，实现了于当日、当周及当月末即可有效评估当日、当周及当月的评分效果。相比行业经验，对评分效果的评估更为合理，可更早且更有效的发现模型风险，避免不可信的评分效果结论及模型风险决策建议给银行带来坏账损失，而且大幅缩短得出评分效果结论及模型风险决策建议的时效。
实施例2：
基于实施例1的基础上，所述中央监控模块，如图2所示，包括：
状态监控单元，用于检测是否有授信申请提出，当有时，触发监控指令；
任务发送单元，用于接收监控指令，向子控制模块发送第一监控命令，并查询档案库中是否有所述授信申请对应的客户档案，如果有，调取所述客户档案；
否则，建立新客户档案。
本实施例中，授信申请是指客户有借款需求，向银行提出借款申请。
本实施例中，监控指令是指状态监控单元向任务发送单元发送的监控系统开始工作的指令。
本实施例中，第一监控命令是指向子模块发送的工作命令。
上述技术方案的有益效果是：本发明实时检测授信申请，有授信申请提出时，立即触发监控指令，保证了监控的完整性，建立监控信息矩阵，有利于快速查找用户评分效果的评估结果。
实施例3：
基于实施例1的基础上，所述子监控模块，如图3所示，包括：
第一接收单元，用于接收第一监控命令，并基于贷款评估风控评分模型对所述授信申请进行评分，并判断客户的授信申请是否通过，若所述授信申请通过，则发送第一监控信号；
否则，发送第一工作信号；
第一分析单元，用于当接收所述第一监控信号时，将授信通过的评分结果储存进所述客户档案中，向对应客户添加提现标签，并发送第二监控命令；当接收所述第一工作信号时，向对应客户添加未通过标签；
第二分析单元，用于当接收所述第二监控命令时，判断所述客户是否提出提现申请，若所述客户提出提现申请，基于贷款评估风控评分模型对所述提现申请进行评分结果，并判断所述客户的提现申请是否通过，若所述提现申请通过则发送第二监控信号；
否则，发送第二工作信号；
第二接收单元，用于当接收到所述第二监控信号时，将提现通过的评分结果储存进所述客户档案中，向对应客户添加放贷标签；
当接收所述第二工作信号时，向对应客户添加未通过标签。
本实施例中，第一监控信号是指确定客户授信通过，向第一分析单元发送将授信通过的评分效果进行存储的信号；第二监控信号是指确定客户提现通过，向第二接收单元发送将提现通过的评分效果进行存储的信号。
本实施例中，第一工作信号是指确定客户授信拒绝，向第一分析单元发送的信号；第二工作信号是指确定客户体现拒绝拒绝，向第二接收单元发送的信号
本实施例中，第二监控命令是客户授信通过后继续监控下一业务模型评分效果的信号。
上述技术方案的有益效果是：本发明通过子监控模块，根据业务转化流程逐步记录模型评分效果，避免出现遗漏，影响客户样本矩阵的准确性。
实施例4：
基于实施例1的基础上，所述子监控模块，还包括：
样本获取单元，用于获取历史授信月份放贷标签客户数据作为建模内样本，同时，还获取当前预设时间范围授信月份客户数据作为建模外样本；
分类单元，用于设计好坏标签推断策略并存档，同时，基于业务转化流程，将样本按照业务类型进行分类，基于所述好坏标签推断策略确定不同类业务对应的样本客户的好坏标签，并计算不同类业务的评分效果指标KS值；
矩阵建立单元，用于根据分类结果以及对应分类业务的KS值，建立客户样本矩阵。
本实施例中，历史授信月份是指当前月份以前月份。
本实施例中，建模内样本是较早授信月份的客户数据(包含模型验证样本集)；建模外样本是申请评分模型部署上线使用以后的较近月份的样本数据；建模样本和建模外样本无时间交集。
本实施例中，业务转化流程是指授信申请，客户有借款需求，向银行提出借款申请，银行通过授信风险规则、申请评分及人工审核等评估客户信用状况，对于信用状况良好的客户审批通过，并依据客户风险不同给予差异化授信额度及定价(利息)，即授信通过；对不符合风险控制要求的客户，审批拒绝，即授信拒绝。
提现申请，客户在银行授信审批通过获得额度后，可进行提现申请以获取资金；客户提现申请转化具有偶然性，如果提现时点与授信时点间隔较久，客户信用状况可能发生变化了，因此银行在客户提现申请时会再次审核，提现审核通过后(提现通过)银行才会放款至客户银行卡；无法通过提现风控审核的客户，将会被拒绝，即提现拒绝。
本实施例中，业务类型有授信申请、授信通过、提现申请与提现通过(放款)。
本实施例中，评分效果指标以统计量KS表示：
Figure BDA0003273633740000101
其中，MAX()表示最大值函数；FG表示估计的好人样本评分累计概率分布；FB表示估计的坏人样本评分累计概率分布；Scorei表示好人样本于坏人样本混合排序后的第i个评分；n表示好人样本于坏人样本混合排序后的总数。
本实施例中，客户样本矩阵是指由较早授信月份的客户数据和申请评分模型部署上线使用以后的较近月份的样本数据组成的矩阵。
上述技术方案的有益效果是：本发明通过子监控模块，获取两个样本，并对样本，基于业务转化流程按照业务类型进行分类计算对应样本类型的评分效果指标，建立客户样本矩阵，可以直观的对矩阵中的样本进行横向及纵向的立体对比，给出模型效果得客观论结。
实施例5：
基于实施例1的基础上，所述运维管理模块，如图4所示，包括：
绘制单元，用于绘制贷款申请评分模型上线以后累计效果指标KS的监控报表；
异常确定单元，用于通过获取并比较建模内样本与建模外样本的第二分类的所有对KS值，判断所述贷款申请评分模型的评分效果是否异常，当存在至少一对KS值不同时，确定所述贷款申请评分模型评分效果异常；
否则，确定所述贷款申请评分模型评分效果良好；
第一数据处理单元，用于当所述贷款申请评分模型评分效果异常时，获取建模内样本与建模外样本的第一分类的KS值，判断所述贷款申请评分模型效果是否有衰减，若建模内样本与建模外样本的第一分类的KS值的差值不在预设范围，则判断所述贷款申请评分模型效果有衰减；
否则，判断所述贷款申请评分模型效果没有衰减；
第二数据处理单元，当确定所述贷款申请评分模型效果没有衰减时，获取所述建模外样本全部分类的KS值，并得到风控策略及提现意愿干扰对所述评分效果的影响；
报告生成单元，用于根据第一数据处理单元和第二数据处理单元的处理结果，并结合各个分类对应的评分变量指标，得到所述评分效果的异常原因，生成异常报告，并将所述异常报告发送给用户端，同时，基于用户管理模块提醒用户根据异常报告对贷款申请评分模型以及模型风险决策建议进行调整。
本实施例中，评分变量指标IV能反映出变量对好坏标签的贡献和解释能力，计算公式如下：
Figure BDA0003273633740000111
其中，n表示变量分箱数；i表示第i个分箱；GoodDisti表示好人分布，即第i个分箱中好人占所有好人的比例；BadDisti表示坏人分布，即第i个分箱中坏人占所有坏人的比例。
本实施例中，认定授信申请(A1)、授信通过(A2)、提现申请(A3)、授信申请(B1)、授信通过(B2)、提现申请(B3)及提现申请(B4)等客户样本上未知好坏标签的客户的好坏标签，并分别计算其评分效果指标，即KS_A1、KS_A2、KS_A3、KS_B1、KS_B2、KS_B3及KS_B4。以及计算各样本对应的评分变量IV指标。
通过对比，可以分析出模型上线后在累计新增样本B上与模型开发样本A的效果波动，并分析出由于什么原因产生的波动(如具体变量的IV波动)，对比A1与B1上的效果，可以评估模型效果是否有衰减及衰减幅度；其次，对比B1和B2上的效果，可以评估授信风控调整对评分效果的影响；然后，对比B2和B3上的效果，可以评估客户提现意愿对评分效果的影响；最后，对比B3和B4上的效果，可以评估提现风控对评分效果的影响。
本实施例中，评分效果异常是指A4与B4进行对比，出现不一致的情况。
上述技术方案的有益效果是：本发明解决了商业银行无法在授信申请客户上评估评分效果的问题，可以使用基于授信申请客户对申请评分进行效果评估，规避了经验上使用放款客户进行评分效果评估的各种问题，如评分效果指标不可信、时效性低等。
实施例6：
基于实施例1的基础上，所述的一种基于贷款评估风控的KS监控系统，还包括：时间检测模块，用于检测在监控过程中授信通过和提现申请之间的时间间隔，并根据所述时间间隔判断提现申请时，是否需要再次风控审核，如图5所示，包括：
动态监测单元，用于监测客户动态信息，并基于业务转化流程将所述客户动态信息进行业务分类；
判断单元，用于基于业务分类结果，判断是否存在对应的第一监控时间和所述第二监控时间，若存在，获取所述第一监控时间和所述第二监控时间的时间差，其中，所述第一监控时间是指所述客户授信申请提出时间，所述第二监控时间是指所述客户提现申请提出时间；
所述判断单元，还用于判断所述时间差是否在预设范围内，若是，判定所述客户提现申请通过，进行放款；
否则，基于贷款评估风控评分模型对所述客户再次进行风控审核；
第一控制单元，用于获取再次进行风控审核客户的监控信息矩阵，并基于大数据信息网络获得所述客户的预设时间段内的银行交易信息，利用贷款评估风控评分模型对所述客户进行贷款风险评分，并更新对应的客户档案中。
本实施例中，客户动态信息是指客户有无进行授信申请或者是有无进行提现申请。
本实施例中，授信提现时，再次进行风控审核的时间间隔的预设范围可以根据银行风控要求进行调节，例如30天。
上述技术方案的有益效果是：本发明检测在监控过程中授信通过和提现申请之间的时间间隔，并根据所述时间间隔怕判断提现申请时，是否需要再次风控审核，避免了由于间隔时间过长客户风险变化造成风险评估错误，同时，再次进行风险审核可以提高风险防范程度，降低贷款风险。
实施例7：
基于实施例5的基础上，所述的一种基于贷款评估风控的KS监控系统，包括：所述绘制单元，用于绘制贷款申请评分模型上线以后累计效果指标KS监控报表，其中，所述KS监控报表根据用户需求调节绘制时间范围。
本实施例中，绘制时间范围可以是一天、一周也可以是一月。
上述技术方案有益效果：解决了商业银行在评分上线使用后评分效果评估方法不当的问题，实现了于当日、当周及当月末即可有效评估当日、当周及当月的评分效果。
实施例8：
基于实施例5的基础上，所述的一种基于贷款评估风控的KS监控系统，包括：所述分析单元，还用于当所述贷款申请评分模型评分效果异常时，确定建模外样本的KS值的波动情况，并根据评分变量指标IV值，确定对影响贷款申请评分模型评分效果的变量的重要程度，如图6所示，包括：
根据建模内样本的KS值，建立第一波动分析图，同时，根据建模外样本的KS值，建立第二波动分析图；
基于第一波动分析图获得第一波动系数，并确定当前允许波动范围；
基于第二波动分析图获得第二波动系数，将第二波动系数与第一波动系数进行对比，判断第二波动系数是否在所述当前允许波动范围内，如果在所述当前允许波动范围内，确定所述建模外样本的KS值的波动大；
否则，确定所述建模外样本KS值的波动不大；
当所述建模外样本的KS值的波动大时，获得所述第二波动分析图各个点的第二波动幅值，对所述第二波动幅值进行第一排序；
根据所述第一排序，逐个计算各个点的评分变量指标IV值，再根据所述评分变量指标IV值，进行第二排序；
将第一排序结果与第二排序结果进行比较，若两次排序结果一致，确定影响所述贷款申请评分模型评分效果的变量的重要程度与所述第一排序一致；
否则，判断所述各个点的评分变量指标IV值的变化是否在允许变化范围内，如果在所述允许变化范围内，将当前点的重要程度维持第一排序；否则，将当前点的重要程度维持第二排序；
当前点与其他点不存在位置冲突时，判断两点的评分变量指标IV值的变化是否相同，若不相同，判定所述评分变量指标IV值的变化大的排序在前；
否则，判断所述两点的评分变量指标IV值是否相同，若相同，所述两点排序相同；否则，判定所述评分变量指标IV值大的排序在前，形成第三排序，确定影响所述贷款申请评分模型评分效果的变量的重要程度与所述第三排序一致。
本实施例中，第一波动分析图是根据建模内样本的KS值绘制的KS值波动图；第二波动分析图是根据建模外样本的KS值绘制的KS值波动图。
本实施例中，第一波动系数是对建模内样本的KS值波动程度的描述；第二波动系数对建模外样本的KS值波动程度的描述。
本实施例中，第二波动幅度是指第二波动分析图上各个点的波动情况。
本实施例中，第一排序是指根据KS值波对第二波动分析图上各个点进行排序；第二排序是指根据IV值波对第二波动分析图上各个点进行排序；第三排序是指第一排序与第二排序不一致时，根据IV值波对第二波动分析图上各个点进行排序。
本实施例中，当前允许波动范围是指根据第一波动系数得到的判断波动情况的区间；允许变化范围是指判断评分变量指标IV值变化情况的区间。
上述技术方案的有益效果：本发明通过当所述贷款申请评分模型评分效果异常时，获取建模内样本与建模外样本的KS值，并判断KS值的波动是否在在允许波动范围内，若KS值不在波动范围内时，获取评分变量指标IV值对对影响贷款申请评分模型评分效果的变量的重要程度进行确定，更加全面的分析确定了响贷款申请评分模型评分效果的原因，同时，得到了主要原因和次要原因，为银行对贷款申请评分模型风险决策建议的调整提供依据。
实施例9：
基于实施例1的基础上，所述的一种基于贷款评估风控的KS监控系统，还包括：社会关系分析模块，用于对提出授信申请以及提现申请的客户进行社会关系监控，并按照监控分析结果对所述客户的风险评分效果评价进行修正，包括：
第一信息采集单元，用于采集与所述客户相关并提出授信申请的第一人群中的所有个人信息，根据所述个人信息建立第一个人社会关系网；
亲密度确定单元，用于利用身份信息对所述社会关系网进行社区划分，获取各个社区的成员信息，构建相应的社区成员信息矩阵，从所述信息矩阵中提取所述社区成员金融交易信息；
根据所述金融交易信息，对所述社区成员进行风险评估，获得第一风险评分，同时，获取所述客户与各个社区成员之间的金融交易总金额，以及预设时间段内的交易金额，并进行预设处理得到阶段占比；
对所述阶段占比对社区中每个人员进行排序处理，获得所述客户与所述社区成员之间的亲密度；
报告获取单元，用于根据所述亲密度对所述客户的所述社会关系网进行调节，同时，根据所述亲密度确定所述社区成员对所述客户的风险影响，并得到第一社会关系评估报告；
第二信息采集单元，用于获取与所述客户相关并提现通过的第二人群信息，并获取所述第二人群个人信息，建立第二个人社会关系网，利用亲密度确定单元获得第二社会关系评估报告；
将第一社会关系评估报告和第二社会关系评估报告进行对比，得到人群社会关系差异，根据所述人群关系差异生成差异报告；
第二控制单元，用于获取预设周期内的所述差异报告，构建差异报告集，并获得喜好人群，根据所述喜好人群，对所述客户的风险评分效果评价进行修正。
本实施例中，社会关系网是指与可以有金钱交易的人群信息网络。
本实施例中，第一人群是指提出授信申请的客户；第二人群是指提现通过的客户。
本实施例中，身份信息是指客户关系网中的人于客户之间的关系，如，上下级、合作伙伴、家人等。
本实施例中，社区是指将客户关系网中的所有人根据身份信息进行分类，同一类别的人所在的集合。
本实施例中，金融交易信息是指转账、收入、贷款等金钱交易信息。
本实施例中，社区成员信息矩阵是指放置同一社区成员信息的矩阵。
本实施例中，第一风险评分是指对客户关系网中人的风险评估。
本实施例中，亲密度是指经济往来的亲密程度。
本实施例中，阶段占比是指预设时间段(例如，一个月)内的交易金额与交易总金额的比值。
本实施例中，第一社会关系评估报告是根据提出授信申请的客户社会关系网中社区成员风险评估的结果生成的报告；第二社会关系评估报告是根据提现通过的客户社会关系网中社区成员风险评估的结果生成的报告。
本实施例中，差异报告是指第一社会关系评估报告和第二社会关系评估报告进行对比，得到的客户人群社会关系差异报告；差异报告集是指预设周期(例如，30天)内的全部差异报告组成的集合。
上述技术方案的有益效果是：本发明通过社会关系分析模块，对提出授信申请的客户进行社会关系监控，有利于从侧面了解客户存在风险，同时，按照监控分析结果对所述客户的风险评分进行补充，有利于更加全面的对当前模型评分效果进行评价。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种基于贷款评估风控的KS监控系统，其特征在于：
中央监控模块，用于检测授信申请，当所述申请被提出时向子监控模块发送监控命令；
子监控模块，用于接收监控命令，并对贷款申请评分模型线上使用效果进行实时监控；
运维管理模块，用于根据监控的线上使用效果，确定所述贷款申请评分模型风险，并对贷款申请评分模型风险决策建议进行调整；
所述运维管理模块，包括：
绘制单元，用于绘制贷款申请评分模型上线以后累计效果指标KS的监控报表；
异常确定单元，用于通过获取并比较建模内样本与建模外样本的第二分类的所有对KS值，判断所述贷款申请评分模型的评分效果是否异常，当存在至少一对KS值不同时，确定所述贷款申请评分模型评分效果异常；
否则，确定所述贷款申请评分模型评分效果良好；
第一数据处理单元，用于当所述贷款申请评分模型评分效果异常时，获取建模内样本与建模外样本的第一分类的KS值，判断所述贷款申请评分模型效果是否有衰减，若建模内样本与建模外样本的第一分类的KS值的差值不在预设范围，则判断所述贷款申请评分模型效果有衰减；
否则，判断所述贷款申请评分模型效果没有衰减；
第二数据处理单元，当确定所述贷款申请评分模型效果没有衰减时，获取所述建模外样本全部分类的KS值，并得到风控策略及提现意愿干扰对所述评分效果的影响；
报告生成单元，用于根据第一数据处理单元和第二数据处理单元的处理结果，并结合各个分类对应的评分变量指标，得到所述评分效果的异常原因，生成异常报告，并将所述异常报告发送给用户端，同时，基于用户管理模块提醒用户根据异常报告对贷款申请评分模型以及模型风险决策建议进行调整；
其中，所述第一数据处理单元，还用于当所述贷款申请评分模型评分效果异常时，确定建模外样本的KS值的波动情况，并根据评分变量指标IV值，确定对影响贷款申请评分模型评分效果的变量的重要程度，包括：
根据建模内样本的KS值，建立第一波动分析图，同时，根据建模外样本的KS值，建立第二波动分析图；
基于第一波动分析图获得第一波动系数，并确定当前允许波动范围；
基于第二波动分析图获得第二波动系数，将第二波动系数与第一波动系数进行对比，判断第二波动系数是否在所述当前允许波动范围内，如果在所述当前允许波动范围内，确定所述建模外样本的KS值的波动大；
否则，确定所述建模外样本KS值的波动不大；
当所述建模外样本的KS值的波动大时，获得所述第二波动分析图各个点的第二波动幅值，对所述第二波动幅值进行第一排序；
根据所述第一排序，逐个计算各个点的评分变量指标IV值，再根据所述评分变量指标IV值，进行第二排序；
将第一排序结果与第二排序结果进行比较，若两次排序结果一致，确定影响所述贷款申请评分模型评分效果的变量的重要程度与所述第一排序一致；
否则，判断所述各个点的评分变量指标IV值的变化是否在允许变化范围内，如果在所述允许变化范围内，将当前点的重要程度维持第一排序；否则，将当前点的重要程度维持第二排序；
当前点与其他点不存在位置冲突时，判断两点的评分变量指标IV值的变化是否相同，若不相同，判定所述评分变量指标IV值的变化大的排序在前；
否则，判断所述两点的评分变量指标IV值是否相同，若相同，所述两点排序相同；否则，判定所述评分变量指标IV值大的排序在前，形成第三排序，确定影响所述贷款申请评分模型评分效果的变量的重要程度与所述第三排序一致。
2.根据权利要求1所述的一种基于贷款评估风控的KS监控系统，其特征在于：所述中央监控模块，包括：
状态监控单元，用于检测是否有授信申请提出，当有时，触发监控指令；
任务发送单元，用于接收监控指令，向子监控模块发送第一监控命令，并查询档案库中是否有所述授信申请对应的客户档案，如果有，调取所述客户档案；
否则，建立新客户档案。
3.根据权利要求1所述的一种基于贷款评估风控的KS监控系统，其特征在于：所述子监控模块，包括：
第一接收单元，用于接收第一监控命令，并基于贷款评估风控评分模型对所述授信申请进行评分，并判断客户的授信申请是否通过，若所述授信申请通过，则发送第一监控信号；
否则，发送第一工作信号；
第一分析单元，用于当接收所述第一监控信号时，将授信通过的评分结果储存进所述客户档案中，向对应客户添加提现标签，并发送第二监控命令；当接收所述第一工作信号时，向对应客户添加未通过标签；
第二分析单元，用于当接收所述第二监控命令时，判断所述客户是否提出提现申请，若所述客户提出提现申请，基于贷款评估风控评分模型对所述提现申请进行评分结果，并判断所述客户的提现申请是否通过，若所述提现申请通过则发送第二监控信号；
否则，发送第二工作信号；
第二接收单元，用于当接收到所述第二监控信号时，将提现通过的评分结果储存进所述客户档案中，向对应客户添加放贷标签；
当接收所述第二工作信号时，向对应客户添加未通过标签。
4.根据权利要求1所述的一种基于贷款评估风控的KS监控系统，其特征在于：所述子监控模块，还包括：
样本获取单元，用于获取历史授信月份放贷标签客户数据作为建模内样本，同时，还获取当前预设时间范围授信月份客户数据作为建模外样本；
分类单元，用于设计好坏标签推断策略并存档，同时，基于业务转化流程，将样本按照业务类型进行分类，基于所述好坏标签推断策略确定不同类业务对应的样本客户的好坏标签，并计算不同类业务的评分效果指标KS值；
矩阵建立单元，用于根据分类结果以及对应分类业务的KS值，建立客户样本矩阵。
5.根据权利要求1所述的一种基于贷款评估风控的KS监控系统，其特征在于：还包括：时间检测模块，用于检测在监控过程中授信通过和提现申请之间的时间间隔，判断是否需要再次风控审核，包括：
动态监测单元，用于监测客户动态信息，并基于业务转化流程将所述客户动态信息进行业务分类；
判断单元，用于基于业务分类结果，判断是否存在对应的第一监控时间和第二监控时间，若存在，获取所述第一监控时间和所述第二监控时间的时间差，其中，所述第一监控时间是指所述客户授信申请提出时间，所述第二监控时间是指所述客户提现申请提出时间；
所述判断单元，还用于判断所述时间差是否在预设范围内，若是，判定所述客户提现申请通过，进行放款；
否则，基于贷款评估风控评分模型对所述客户再次进行风控审核；
第一控制单元，用于获取再次进行风控审核客户的监控信息矩阵，并基于大数据信息网络获得所述客户的预设时间段内的银行交易信息，利用贷款评估风控评分模型对所述客户进行贷款风险评分，并更新对应的客户档案中。
6.根据权利要求1所述的一种基于贷款评估风控的KS监控系统，其特征在于：所述绘制单元，用于绘制贷款申请评分模型上线以后累计效果指标KS监控报表，其中，所述KS监控报表根据用户需求调节绘制时间范围。
7.根据权利要求1所述的一种基于贷款评估风控的KS监控系统，其特征在于：还包括：社会关系分析模块，用于对提出授信申请以及提现申请的客户进行社会关系监控，并按照监控分析结果对所述客户的风险评分效果评价进行修正，包括：
第一信息采集单元，用于采集与所述客户相关并提出授信申请的第一人群中的所有个人信息，根据所述个人信息建立第一个人社会关系网；
亲密度确定单元，用于利用身份信息对所述社会关系网进行社区划分，获取各个社区的成员信息，构建相应的社区成员信息矩阵，从所述信息矩阵中提取所述社区成员金融交易信息；
根据所述金融交易信息，对所述社区成员进行风险评估，获得第一风险评分，同时，获取所述客户与各个社区成员之间的金融交易总金额，以及预设时间段内的交易金额，并进行预设处理得到阶段占比；
对所述阶段占比对社区中每个人员进行排序处理，获得所述客户与所述社区成员之间的亲密度；
报告获取单元，用于根据所述亲密度对所述客户的所述社会关系网进行调节，同时，根据所述亲密度确定所述社区成员对所述客户的风险影响，并得到第一社会关系评估报告；
第二信息采集单元，用于获取与所述客户相关并提现通过的第二人群信息，并获取所述第二人群个人信息，建立第二个人社会关系网，利用亲密度确定单元获得第二社会关系评估报告；
将第一社会关系评估报告和第二社会关系评估报告进行对比，得到人群社会关系差异，根据所述人群关系差异生成差异报告；
第二控制单元，用于获取预设周期内的所述差异报告，构建差异报告集，并获得喜好人群，根据所述喜好人群，对所述客户的风险评分效果评价进行修正。
CN202111109139.6A 2021-09-22 2021-09-22 一种基于贷款评估风控的ks监控系统 Active CN113919937B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111109139.6A CN113919937B (zh) 2021-09-22 2021-09-22 一种基于贷款评估风控的ks监控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111109139.6A CN113919937B (zh) 2021-09-22 2021-09-22 一种基于贷款评估风控的ks监控系统

Publications (2)

Publication Number Publication Date
CN113919937A CN113919937A (zh) 2022-01-11
CN113919937B true CN113919937B (zh) 2023-06-23

Family

ID=79235626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111109139.6A Active CN113919937B (zh) 2021-09-22 2021-09-22 一种基于贷款评估风控的ks监控系统

Country Status (1)

Country Link
CN (1) CN113919937B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116739742A (zh) * 2023-06-02 2023-09-12 北京百度网讯科技有限公司 信贷风控模型的监控方法、装置、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109166034A (zh) * 2018-09-18 2019-01-08 吉林亿联银行股份有限公司 一种风险预测方法及系统
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
CN113095931A (zh) * 2021-04-25 2021-07-09 国家电网有限公司 贷后风险监控方法、装置及计算机设备
CN113283673A (zh) * 2021-06-25 2021-08-20 马上消费金融股份有限公司 一种模型性能衰减评价方法、模型训练方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106897918A (zh) * 2017-02-24 2017-06-27 上海易贷网金融信息服务有限公司 一种混合式机器学习信用评分模型构建方法
CN107886425A (zh) * 2017-10-25 2018-04-06 上海壹账通金融科技有限公司 信贷评估方法、装置、设备及计算机可读存储介质
US11556825B2 (en) * 2019-11-26 2023-01-17 International Business Machines Corporation Data label verification using few-shot learners
CN111461875A (zh) * 2020-04-13 2020-07-28 四川新网银行股份有限公司 基于决策引擎的多场景分阶段自动化信贷的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109166034A (zh) * 2018-09-18 2019-01-08 吉林亿联银行股份有限公司 一种风险预测方法及系统
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
CN113095931A (zh) * 2021-04-25 2021-07-09 国家电网有限公司 贷后风险监控方法、装置及计算机设备
CN113283673A (zh) * 2021-06-25 2021-08-20 马上消费金融股份有限公司 一种模型性能衰减评价方法、模型训练方法及装置

Also Published As

Publication number Publication date
CN113919937A (zh) 2022-01-11

Similar Documents

Publication Publication Date Title
Dorronsoro et al. Neural fraud detection in credit card operations
KR102009309B1 (ko) 금융상품 관리자동화 시스템 및 관리자동화 방법
US20170262852A1 (en) Database monitoring system
WO2019140675A1 (zh) 基于逼近理想点违约鉴别能力最大的信用评级最优权重向量的方法
CN101236638A (zh) 一种基于Web的银行卡风险监测方法及系统
CN108898480A (zh) 用于授信贷款的贷款等级评估系统及方法
CN110866822A (zh) 资产证券化的风控管理方法、装置、电子设备及存储介质
CN113919931A (zh) 一种贷款申请评分模型的使用效果评估方法及系统
CN113643115A (zh) 基于期权定价模型的商业承兑汇票信用评分方法及系统
CN112686749A (zh) 一种基于逻辑回归技术的信用风险评估方法及装置
CN114638688A (zh) 一种用于信贷反欺诈的拦截策略衍生方法、系统
Dimitras et al. Evaluation of empirical attributes for credit risk forecasting from numerical data
CN113919937B (zh) 一种基于贷款评估风控的ks监控系统
CN110288038A (zh) 一种企业的分类方法及装置
CN112037005B (zh) 一种评分卡的融合方法、装置、计算机设备及存储介质
CN112686446A (zh) 一种面向机器学习可解释性的信贷违约预测方法及系统
CN115564591A (zh) 一种融资产品的确定方法及相关设备
KR102499182B1 (ko) 인공지능을 이용한 가계대출 사기/부실 상시감사지원시스템
Yuan Research on credit risk assessment of P2P network platform: based on the logistic regression model of evidence weight
US20140114839A1 (en) System and method for enhancing credit and debt collection
CN117455681A (zh) 业务风险预测方法和装置
CN114708090A (zh) 基于大数据的银行支付业务风险识别装置
CN114331728A (zh) 一种证券分析管理系统
JP6706584B2 (ja) 情報処理装置及び情報処理方法
CN110956471A (zh) 装修行业征信数据的分析方法

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
GR01 Patent grant
GR01 Patent grant