CN115689720A - 一种基于风险归因的新增风险监控系统 - Google Patents
一种基于风险归因的新增风险监控系统 Download PDFInfo
- Publication number
- CN115689720A CN115689720A CN202211068946.2A CN202211068946A CN115689720A CN 115689720 A CN115689720 A CN 115689720A CN 202211068946 A CN202211068946 A CN 202211068946A CN 115689720 A CN115689720 A CN 115689720A
- Authority
- CN
- China
- Prior art keywords
- risk
- credit
- attribution
- identification
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 143
- 238000011156 evaluation Methods 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 24
- 238000011161 development Methods 0.000 claims description 59
- 230000006698 induction Effects 0.000 claims description 37
- 238000007621 cluster analysis Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 5
- 238000007670 refining Methods 0.000 claims description 5
- 238000012098 association analyses Methods 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 4
- 239000012634 fragment Substances 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000012502 risk assessment Methods 0.000 claims description 4
- 238000012954 risk control Methods 0.000 claims description 4
- 238000010835 comparative analysis Methods 0.000 claims description 3
- 230000002567 autonomic effect Effects 0.000 claims 2
- 230000009286 beneficial effect Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 102000051759 human factor J Human genes 0.000 description 2
- 108700008420 human factor J Proteins 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
Images
Abstract
本发明提供了一种基于风险归因的新增风险监控系统，包括：风险归因追踪风险画像模块，用于对现有信贷业务风险进行风险追踪并基于风险归因进行信贷业务风险画像；新增信贷风险画像识别模块，用于根据信贷业务风险画像，对新增信贷风险进行风险画像识别，获得新增信贷风险画像识别结果；风险画像识别自主更新模块，用于根据新增信贷风险画像识别结果进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型；更新监测智能评估控制模块，用于通过信贷风险识别自循环更新模型监测风险状态，启动全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控。
Description
技术领域
本发明涉及金融风险智能监测控制技术领域，更具体地说，本发明涉及一种基于风险归因的新增风险监控系统。
背景技术
现阶段，新增风险监控仍有许多风险难以全面深入防范；存在如下问题包括：如何对现有信贷业务风险进行风险追踪、如何对新增信贷风险进行识别、如何进行风险识别模型自循环更新以及如何监测风险状态，进行新增风险状态监控等问题仍待解决或创造性完善；因此，有必要提出一种基于风险归因的新增风险监控系统，以至少部分地解决现有技术中存在的问题。
发明内容
在发明内容部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明；本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
为至少部分地解决上述问题，本发明提供了一种基于风险归因的新增风险监控系统，包括：
风险归因追踪风险画像模块，用于对现有信贷业务风险进行风险追踪并基于风险归因进行信贷业务风险画像；
新增信贷风险画像识别模块，用于根据信贷业务风险画像，对新增信贷风险进行风险画像识别，获得新增信贷风险画像识别结果；
风险画像识别自主更新模块，用于根据新增信贷风险画像识别结果进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型；
更新监测智能评估控制模块，用于通过信贷风险识别自循环更新模型监测风险状态，启动全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控。
优选的，所述风险归因追踪风险画像模块包括：
信贷业务风险追踪子模块，用于通过信贷业务数据信息动态追踪，获得信贷业务动态追踪图谱；
风险追踪风险归因子模块，用于将信贷业务动态追踪图谱通过风险归因获得追踪图谱风险因子分布；
信贷追踪风险画像子模块，用于根据追踪图谱风险因子分布，进行信贷业务风险画像。
优选的，所述新增信贷风险画像识别模块包括：
新增风险特征归纳子模块，用于通过数据归纳对新增信贷风险进行新增信贷风险特征归纳，获得新增信贷风险特征归纳集；
风险特征对比分析子模块，用于将新增信贷风险特征归纳集与现有信贷风险特征进行对比，获得风险特征对比分析区别向量集；
对比分析画像识别子模块，用于将风险特征对比分析区别向量集通过信贷业务风险画像进行风险画像识别，获得新增信贷风险画像识别结果。
优选的，所述风险画像识别自主更新模块包括：
风险识别模型自循环子模块，用于通过新增信贷风险差异化数据驱动自循环进行风险识别模型自循环更新；
新增风险模型输入子模块，用于将新增信贷风险画像识别结果输入根据新增信贷风险画像识别结果进行风险识别模型自循环更新；
模型自主循环更新子模块，用于根据风险识别模型自循环更新进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型。
优选的，所述更新监测智能评估控制模块包括：
更新模型状态监测子模块，用于通过信贷风险识别自循环更新模型监测风险状态，获得信贷风险识别自循环监测风险状态；
状态监测智能评估子模块，用于根据信贷风险识别自循环监测风险状态，基于风险归因智能评估风险发展，获得新增风险归因评估发展范围；
智能评估风险控制子模块，用于对新增风险归因评估发展范围进行新增风险监控系统自主判定，根据新增风险监控系统自主判定结果，启动全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控。
优选的，所述信贷追踪风险画像子模块包括：
风险信息碎片化单元，用于根据追踪图谱风险因子分布，将追踪图谱风险因子碎片化细分，获得追踪图谱风险因子细分归因；
碎片细分整合重构单元，用于将追踪图谱风险因子细分归因；通过特征萃取与关联分析，收集信贷风险细分维度信息，进行风险识别模型监测，收集信贷风险细分维度信息，解析提炼分类风险场景特征，构建信贷风险场景特征库；进行风险因子细分归因整合重构没，获得追踪图谱风险因子细分重构场景特征；
全维图谱风险画像单元，用于根据追踪图谱风险因子细分重构场景特征，利用追踪图谱风险因子的全维度图谱展现，构建全维度图谱风险画像，进行信贷业务风险画像。
优选的，所述对比分析画像识别子模块包括：
对比分析向量导入单元，用于将风险特征对比分析区别向量集导入信贷业务风险画像识别维度；
集群分析属性判断单元，用于对信贷业务风险画像识别维度进行全维度信贷业务风险属性组合及属性组合集群分析，获得全维度集群信贷风险属性；全维度信贷业务风险属性组合包括：一维单一信贷业务主体风险属性、二维单一信贷业务主体风险属性、三维单一信贷业务主体风险属性、一维关联信贷业务主体风险属性、二维关联信贷业务主体风险属性及三维关联信贷业务主体风险属性；
画像识别结果导出单元，用于根据全维度集群信贷风险属性，识别出共有信贷风险属性以及独立信贷风险属性，并将共有信贷风险属性以及独立信贷风险属性识别结果导出，获得新增信贷风险画像识别结果。
优选的，所述模型自主循环更新子模块包括：
风险识别模型嵌入单元，用于根据风险识别模型自循环更新，将风险识别模型嵌入信贷风险画像识别；
识别结果反馈跟新单元，用于通过新增信贷风险画像识别结果反馈到风险识别模型，持续进行自循环更新；
自主循环更新模型单元，用于通过风险识别模型自循环更新，获得信贷风险识别自循环更新模型。
优选的，所述状态监测智能评估子模块包括：
监测风险状态输入单元，用于将信贷风险识别自循环监测风险状态输入风险归因评估分析；
风险归因评估分析单元，用于基于风险归因智能评估风险发展，获得风险归因智能评估风险发展趋势；
新增风险范围限定单元，用于设置新增风险发展限定范围，将风险归因智能评估风险发展趋势限定在新增风险发展限定范围内，获得新增风险归因评估发展范围。
优选的，所述智能评估风险控制子模块包括：
风险监控智能判定单元，用于对新增风险归因评估发展范围进行新增风险监控系统自主判定，获得新增风险监控系统自主判定结果；
智能判定预案启动单元，用于根据新增风险监控系统自主判定结果，启动全方位风险应急预案；
新增风险深度监控单元，用于通过全过程深度状态监测及全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控。
相比现有技术，本发明至少包括以下有益效果：
上述技术方案的有益效果为：一种基于风险归因的新增风险监控系统，包括：风险归因追踪风险画像模块，用于对现有信贷业务风险进行风险追踪并基于风险归因进行信贷业务风险画像；新增信贷风险画像识别模块，用于根据信贷业务风险画像，对新增信贷风险进行风险画像识别，获得新增信贷风险画像识别结果；风险画像识别自主更新模块，用于根据新增信贷风险画像识别结果进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型；更新监测智能评估控制模块，用于通过信贷风险识别自循环更新模型监测风险状态，启动全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控；通过信贷业务数据信息动态追踪，获得信贷业务动态追踪图谱；将信贷业务动态追踪图谱通过风险归因获得追踪图谱风险因子分布；根据追踪图谱风险因子分布，进行信贷业务风险画像；通过数据归纳对新增信贷风险进行新增信贷风险特征归纳，获得新增信贷风险特征归纳集；将新增信贷风险特征归纳集与现有信贷风险特征进行对比，获得风险特征对比分析区别向量集；将风险特征对比分析区别向量集通过信贷业务风险画像进行风险画像识别，获得新增信贷风险画像识别结果；通过新增信贷风险差异化数据驱动自循环进行风险识别模型自循环更新；将新增信贷风险画像识别结果输入根据新增信贷风险画像识别结果进行风险识别模型自循环更新；根据风险识别模型自循环更新进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型；通过信贷风险识别自循环更新模型监测风险状态，获得信贷风险识别自循环监测风险状态；根据信贷风险识别自循环监测风险状态，基于风险归因智能评估风险发展，获得新增风险归因评估发展范围；对新增风险归因评估发展范围进行新增风险监控系统自主判定，根据新增风险监控系统自主判定结果，启动全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控。
本发明所述的一种基于风险归因的新增风险监控系统，本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
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为本发明所述的一种基于风险归因的新增风险监控系统图。
图2为本发明所述的一种基于风险归因的新增风险监控系统实施例1图。
图3为本发明所述的一种基于风险归因的新增风险监控系统实施例2图。
具体实施方式
下面结合附图以及实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施；如图1-3所示，本发明提供了一种基于风险归因的新增风险监控系统，包括：
风险归因追踪风险画像模块，用于对现有信贷业务风险进行风险追踪并基于风险归因进行信贷业务风险画像；
新增信贷风险画像识别模块，用于根据信贷业务风险画像，对新增信贷风险进行风险画像识别，获得新增信贷风险画像识别结果；
风险画像识别自主更新模块，用于根据新增信贷风险画像识别结果进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型；
更新监测智能评估控制模块，用于通过信贷风险识别自循环更新模型监测风险状态，启动全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控。
上述技术方案的工作原理为：一种基于风险归因的新增风险监控系统，通过风险归因追踪风险画像模块，用于对现有信贷业务风险进行风险追踪并基于风险归因进行信贷业务风险画像；新增信贷风险画像识别模块，用于根据信贷业务风险画像，对新增信贷风险进行风险画像识别，获得新增信贷风险画像识别结果；风险画像识别自主更新模块，用于根据新增信贷风险画像识别结果进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型；更新监测智能评估控制模块，用于通过信贷风险识别自循环更新模型监测风险状态，启动全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控；通过信贷业务数据信息动态追踪，获得信贷业务动态追踪图谱；将信贷业务动态追踪图谱通过风险归因获得追踪图谱风险因子分布；根据追踪图谱风险因子分布，进行信贷业务风险画像；通过数据归纳对新增信贷风险进行新增信贷风险特征归纳，获得新增信贷风险特征归纳集；将新增信贷风险特征归纳集与现有信贷风险特征进行对比，获得风险特征对比分析区别向量集；将风险特征对比分析区别向量集通过信贷业务风险画像进行风险画像识别，获得新增信贷风险画像识别结果；通过新增信贷风险差异化数据驱动自循环进行风险识别模型自循环更新；将新增信贷风险画像识别结果输入根据新增信贷风险画像识别结果进行风险识别模型自循环更新；根据风险识别模型自循环更新进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型；通过信贷风险识别自循环更新模型监测风险状态，获得信贷风险识别自循环监测风险状态；根据信贷风险识别自循环监测风险状态，基于风险归因智能评估风险发展，获得新增风险归因评估发展范围；对新增风险归因评估发展范围进行新增风险监控系统自主判定，根据新增风险监控系统自主判定结果，启动全方位风险应急预案。
上述技术方案的有益效果为：本发明一种基于风险归因的新增风险监控系统，利用风险归因追踪风险画像模块，用于对现有信贷业务风险进行风险追踪并基于风险归因进行信贷业务风险画像；新增信贷风险画像识别模块，根据信贷业务风险画像，对新增信贷风险进行风险画像识别，获得新增信贷风险画像识别结果；风险画像识别自主更新模块，根据新增信贷风险画像识别结果进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型；更新监测智能评估控制模块，用于通过信贷风险识别自循环更新模型监测风险状态，启动全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控；通过信贷业务数据信息动态追踪，获得信贷业务动态追踪图谱；将信贷业务动态追踪图谱通过风险归因获得追踪图谱风险因子分布；根据追踪图谱风险因子分布，进行信贷业务风险画像；通过数据归纳对新增信贷风险进行新增信贷风险特征归纳，获得新增信贷风险特征归纳集；将新增信贷风险特征归纳集与现有信贷风险特征进行对比，获得风险特征对比分析区别向量集；将风险特征对比分析区别向量集通过信贷业务风险画像进行风险画像识别，获得新增信贷风险画像识别结果；通过新增信贷风险差异化数据驱动自循环进行风险识别模型自循环更新；将新增信贷风险画像识别结果输入根据新增信贷风险画像识别结果进行风险识别模型自循环更新；根据风险识别模型自循环更新进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型；通过信贷风险识别自循环更新模型监测风险状态，获得信贷风险识别自循环监测风险状态；根据信贷风险识别自循环监测风险状态，基于风险归因智能评估风险发展，获得新增风险归因评估发展范围；对新增风险归因评估发展范围进行新增风险监控系统自主判定，根据新增风险监控系统自主判定结果，启动全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控。
在一个实施例中，所述风险归因追踪风险画像模块包括：
信贷业务风险追踪子模块，用于通过信贷业务数据信息动态追踪，获得信贷业务动态追踪图谱；
风险追踪风险归因子模块，用于将信贷业务动态追踪图谱通过风险归因获得追踪图谱风险因子分布；
信贷追踪风险画像子模块，用于根据追踪图谱风险因子分布，进行信贷业务风险画像。
上述技术方案的工作原理为：利用信贷业务风险追踪子模块，通过信贷业务数据信息动态追踪，获得信贷业务动态追踪图谱；风险追踪风险归因子模块，将信贷业务动态追踪图谱通过风险归因获得追踪图谱风险因子分布；信贷追踪风险画像子模块，根据追踪图谱风险因子分布，进行信贷业务风险画像。
上述技术方案的有益效果为：通过信贷业务数据信息动态追踪，获得信贷业务动态追踪图谱；将信贷业务动态追踪图谱通过风险归因获得追踪图谱风险因子分布；根据追踪图谱风险因子分布，进行信贷业务风险画像；能够进行信贷业务数据信息动态追踪，并通过追踪图谱风险因子分布获得更加精准的信贷业务画像。
在一个实施例中，所述新增信贷风险画像识别模块包括：
新增风险特征归纳子模块，用于通过数据归纳对新增信贷风险进行新增信贷风险特征归纳，获得新增信贷风险特征归纳集；
风险特征对比分析子模块，用于将新增信贷风险特征归纳集与现有信贷风险特征进行对比，获得风险特征对比分析区别向量集；
对比分析画像识别子模块，用于将风险特征对比分析区别向量集通过信贷业务风险画像进行风险画像识别，获得新增信贷风险画像识别结果。
上述技术方案的工作原理为：新增风险特征归纳子模块，通过数据归纳对新增信贷风险进行新增信贷风险特征归纳，获得新增信贷风险特征归纳集；风险特征对比分析子模块，将新增信贷风险特征归纳集与现有信贷风险特征进行对比，获得风险特征对比分析区别向量集；对比分析画像识别子模块，将风险特征对比分析区别向量集通过信贷业务风险画像进行风险画像识别，获得新增信贷风险画像识别结果。
上述技术方案的有益效果为：通过数据归纳对新增信贷风险进行新增信贷风险特征归纳，获得新增信贷风险特征归纳集；将新增信贷风险特征归纳集与现有信贷风险特征进行对比，获得风险特征对比分析区别向量集；将风险特征对比分析区别向量集通过信贷业务风险画像进行风险画像识别，获得新增信贷风险画像识别结果；能够利用新增信贷风险特征归纳集与现有信贷风险特征进行对比，将风险特征对比分析区别向量集通过信贷业务风险画像进行风险画像识别，获得新增信贷风险画像识别结果，并使新增信贷风险画像识别更加准确。
在一个实施例中，所述风险画像识别自主更新模块包括：
风险识别模型自循环子模块，用于通过新增信贷风险差异化数据驱动自循环进行风险识别模型自循环更新；
新增风险模型输入子模块，用于将新增信贷风险画像识别结果输入根据新增信贷风险画像识别结果进行风险识别模型自循环更新；
模型自主循环更新子模块，用于根据风险识别模型自循环更新进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型。
上述技术方案的工作原理为：风险识别模型自循环子模块，通过新增信贷风险差异化数据驱动自循环进行风险识别模型自循环更新；新增风险模型输入子模块，将新增信贷风险画像识别结果输入根据新增信贷风险画像识别结果进行风险识别模型自循环更新；模型自主循环更新子模块，根据风险识别模型自循环更新进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型。
上述技术方案的有益效果为：通过新增信贷风险差异化数据驱动自循环进行风险识别模型自循环更新；将新增信贷风险画像识别结果输入根据新增信贷风险画像识别结果进行风险识别模型自循环更新；根据风险识别模型自循环更新进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型。
在一个实施例中，所述更新监测智能评估控制模块包括：
更新模型状态监测子模块，用于通过信贷风险识别自循环更新模型监测风险状态，获得信贷风险识别自循环监测风险状态；
状态监测智能评估子模块，用于根据信贷风险识别自循环监测风险状态，基于风险归因智能评估风险发展，获得新增风险归因评估发展范围；
智能评估风险控制子模块，用于对新增风险归因评估发展范围进行新增风险监控系统自主判定，根据新增风险监控系统自主判定结果，启动全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控。
上述技术方案的工作原理为：更新模型状态监测子模块，通过信贷风险识别自循环更新模型监测风险状态，获得信贷风险识别自循环监测风险状态；状态监测智能评估子模块，根据信贷风险识别自循环监测风险状态，基于风险归因智能评估风险发展，获得新增风险归因评估发展范围；智能评估风险控制子模块，对新增风险归因评估发展范围进行新增风险监控系统自主判定，根据新增风险监控系统自主判定结果，启动全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控。
上述技术方案的有益效果为：通过信贷风险识别自循环更新模型监测风险状态，获得信贷风险识别自循环监测风险状态；根据信贷风险识别自循环监测风险状态，基于风险归因智能评估风险发展，获得新增风险归因评估发展范围；对新增风险归因评估发展范围进行新增风险监控系统自主判定，根据新增风险监控系统自主判定结果，启动全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控。
在一个实施例中，所述信贷追踪风险画像子模块包括：
风险信息碎片化单元，用于根据追踪图谱风险因子分布，将追踪图谱风险因子碎片化细分，获得追踪图谱风险因子细分归因；
碎片细分整合重构单元，用于将追踪图谱风险因子细分归因；通过特征萃取与关联分析，收集信贷风险细分维度信息，进行风险识别模型监测，收集信贷风险细分维度信息，解析提炼分类风险场景特征，构建信贷风险场景特征库；进行风险因子细分归因整合重构没，获得追踪图谱风险因子细分重构场景特征；
全维图谱风险画像单元，用于根据追踪图谱风险因子细分重构场景特征，利用追踪图谱风险因子的全维度图谱展现，构建全维度图谱风险画像，进行信贷业务风险画像。
上述技术方案的工作原理为：风险信息碎片化单元，根据追踪图谱风险因子分布，将追踪图谱风险因子碎片化细分，获得追踪图谱风险因子细分归因；碎片细分整合重构单元，将追踪图谱风险因子细分归因；通过特征萃取与关联分析，收集信贷风险细分维度信息，进行风险识别模型监测，收集信贷风险细分维度信息，解析提炼分类风险场景特征，构建信贷风险场景特征库；进行风险因子细分归因整合重构没，获得追踪图谱风险因子细分重构场景特征；全维图谱风险画像单元，根据追踪图谱风险因子细分重构场景特征，利用追踪图谱风险因子的全维度图谱展现，构建全维度图谱风险画像，进行信贷业务风险画像。
上述技术方案的有益效果为：根据追踪图谱风险因子分布，将追踪图谱风险因子碎片化细分，获得追踪图谱风险因子细分归因；将追踪图谱风险因子细分归因；通过特征萃取与关联分析，收集信贷风险细分维度信息，进行风险识别模型监测，收集信贷风险细分维度信息，解析提炼分类风险场景特征，构建信贷风险场景特征库；进行风险因子细分归因整合重构没，获得追踪图谱风险因子细分重构场景特征；根据追踪图谱风险因子细分重构场景特征，利用追踪图谱风险因子的全维度图谱展现，构建全维度图谱风险画像，进行信贷业务风险画像；能够利用追踪图谱风险因子的全维度图谱展现，构建全维度图谱风险画像；使风险因子的构建维度全面。
在一个实施例中，所述对比分析画像识别子模块包括：
对比分析向量导入单元，用于将风险特征对比分析区别向量集导入信贷业务风险画像识别维度；
集群分析属性判断单元，用于对信贷业务风险画像识别维度进行全维度信贷业务风险属性组合及属性组合集群分析，获得全维度集群信贷风险属性；全维度信贷业务风险属性组合包括：一维单一信贷业务主体风险属性、二维单一信贷业务主体风险属性、三维单一信贷业务主体风险属性、一维关联信贷业务主体风险属性、二维关联信贷业务主体风险属性及三维关联信贷业务主体风险属性；
画像识别结果导出单元，用于根据全维度集群信贷风险属性，识别出共有信贷风险属性以及独立信贷风险属性，并将共有信贷风险属性以及独立信贷风险属性识别结果导出，获得新增信贷风险画像识别结果。
上述技术方案的工作原理为：对比分析向量导入单元，将风险特征对比分析区别向量集导入信贷业务风险画像识别维度；集群分析属性判断单元，对信贷业务风险画像识别维度进行全维度信贷业务风险属性组合及属性组合集群分析，获得全维度集群信贷风险属性；全维度信贷业务风险属性组合包括：一维单一信贷业务主体风险属性、二维单一信贷业务主体风险属性、三维单一信贷业务主体风险属性、一维关联信贷业务主体风险属性、二维关联信贷业务主体风险属性及三维关联信贷业务主体风险属性；画像识别结果导出单元，根据全维度集群信贷风险属性，识别出共有信贷风险属性以及独立信贷风险属性，并将共有信贷风险属性以及独立信贷风险属性识别结果导出，获得新增信贷风险画像识别结果。
上述技术方案的有益效果为：将风险特征对比分析区别向量集导入信贷业务风险画像识别维度；对信贷业务风险画像识别维度进行全维度信贷业务风险属性组合及属性组合集群分析，获得全维度集群信贷风险属性；全维度信贷业务风险属性组合包括：一维单一信贷业务主体风险属性、二维单一信贷业务主体风险属性、三维单一信贷业务主体风险属性、一维关联信贷业务主体风险属性、二维关联信贷业务主体风险属性及三维关联信贷业务主体风险属性；根据全维度集群信贷风险属性，识别出共有信贷风险属性以及独立信贷风险属性，并将共有信贷风险属性以及独立信贷风险属性识别结果导出，获得新增信贷风险画像识别结果；通过全维度信贷业务风险属性组合，能够将维度和信贷业务风险进行组合分析，深入掌握维度和信贷业务风险关联性。
在一个实施例中，所述模型自主循环更新子模块包括：
风险识别模型嵌入单元，用于根据风险识别模型自循环更新，将风险识别模型嵌入信贷风险画像识别；
识别结果反馈跟新单元，用于通过新增信贷风险画像识别结果反馈到风险识别模型，持续进行自循环更新；
自主循环更新模型单元，用于通过风险识别模型自循环更新，获得信贷风险识别自循环更新模型。
上述技术方案的工作原理为：风险识别模型嵌入单元，根据风险识别模型自循环更新，将风险识别模型嵌入信贷风险画像识别；识别结果反馈跟新单元，通过新增信贷风险画像识别结果反馈到风险识别模型，持续进行自循环更新；自主循环更新模型单元，通过风险识别模型自循环更新，获得信贷风险识别自循环更新模型。
上述技术方案的有益效果为：根据风险识别模型自循环更新，将风险识别模型嵌入信贷风险画像识别；通过新增信贷风险画像识别结果反馈到风险识别模型，持续进行自循环更新；通过风险识别模型自循环更新，获得信贷风险识别自循环更新模型；新增信贷风险画像识别结果反馈机制可以持续进行自循环更新。
在一个实施例中，所述状态监测智能评估子模块包括：
监测风险状态输入单元，用于将信贷风险识别自循环监测风险状态输入风险归因评估分析；
风险归因评估分析单元，用于基于风险归因智能评估风险发展，获得风险归因智能评估风险发展趋势；
新增风险范围限定单元，用于设置新增风险发展限定范围，将风险归因智能评估风险发展趋势限定在新增风险发展限定范围内，获得新增风险归因评估发展范围。
上述技术方案的工作原理为：监测风险状态输入单元，将信贷风险识别自循环监测风险状态输入风险归因评估分析；风险归因评估分析单元，基于风险归因智能评估风险发展，获得风险归因智能评估风险发展趋势；新增风险范围限定单元，设置新增风险发展限定范围，将风险归因智能评估风险发展趋势限定在新增风险发展限定范围内，获得新增风险归因评估发展范围。
上述技术方案的有益效果为：监测风险状态输入单元，将信贷风险识别自循环监测风险状态输入风险归因评估分析；风险归因评估分析单元，基于风险归因智能评估风险发展，获得风险归因智能评估风险发展趋势；新增风险范围限定单元，设置新增风险发展限定范围，将风险归因智能评估风险发展趋势限定在新增风险发展限定范围内，获得新增风险归因评估发展范围。
在一个实施例中，所述智能评估风险控制子模块包括：
风险监控智能判定单元，用于对新增风险归因评估发展范围进行新增风险监控系统自主判定，获得新增风险监控系统自主判定结果；
智能判定预案启动单元，用于根据新增风险监控系统自主判定结果，启动全方位风险应急预案；
新增风险深度监控单元，用于通过全过程深度状态监测及全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控。
上述技术方案的工作原理为：风险监控智能判定单元，用于对新增风险归因评估发展范围进行新增风险监控系统自主判定，获得新增风险监控系统自主判定结果；智能判定预案启动单元，用于根据新增风险监控系统自主判定结果，启动全方位风险应急预案；新增风险深度监控单元，用于通过全过程深度状态监测及全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控；
计算风险归因的新增风险增长率，计算公式如下：
其中，Fnij表示风险归因的新增风险增长率；Gi表示新增风险i在风险组合中的权重，BOij表示新增风险i在因子j上的暴露程度(通常取前一期的因子暴露度，基于要构建的是上期因子值和本期新增风险增长率的关系)，SGj为风险因子的增长率，Hi表示新增风险的特征增长率(J个因子无法解释的风险增长率)。
上述技术方案的有益效果为：所述智能评估风险控制子模块包括：风险监控智能判定单元，用于对新增风险归因评估发展范围进行新增风险监控系统自主判定，获得新增风险监控系统自主判定结果；智能判定预案启动单元，用于根据新增风险监控系统自主判定结果，启动全方位风险应急预案；新增风险深度监控单元，用于通过全过程深度状态监测及全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控；计算风险归因的新增风险增长率，其中，Fnij表示风险归因的新增风险增长率；Gi表示新增风险i在风险组合中的权重，BOij表示新增风险i在因子j上的暴露程度(通常取前一期的因子暴露度，基于要构建的是上期因子值和本期新增风险增长率的关系)，SGj为风险因子的增长率，Hi表示新增风险的特征增长率(J个因子无法解释的风险增长率)；通过计算风险归因的新增风险增长率，使基于风险归因的新增风险监控更加精准，风险防范更加严密。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节与这里示出与描述的图例。
Claims (10)
1.一种基于风险归因的新增风险监控系统，其特征在于，包括：
风险归因追踪风险画像模块，用于对现有信贷业务风险进行风险追踪并基于风险归因进行信贷业务风险画像；
新增信贷风险画像识别模块，用于根据信贷业务风险画像，对新增信贷风险进行风险画像识别，获得新增信贷风险画像识别结果；
风险画像识别自主更新模块，用于根据新增信贷风险画像识别结果进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型；
更新监测智能评估控制模块，用于通过信贷风险识别自循环更新模型监测风险状态，启动全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控。
2.根据权利要求1所述的一种基于风险归因的新增风险监控系统，其特征在于，所述风险归因追踪风险画像模块包括：
信贷业务风险追踪子模块，用于通过信贷业务数据信息动态追踪，获得信贷业务动态追踪图谱；
风险追踪风险归因子模块，用于将信贷业务动态追踪图谱通过风险归因获得追踪图谱风险因子分布；
信贷追踪风险画像子模块，用于根据追踪图谱风险因子分布，进行信贷业务风险画像。
3.根据权利要求1所述的一种基于风险归因的新增风险监控系统，其特征在于，所述新增信贷风险画像识别模块包括：
新增风险特征归纳子模块，用于通过数据归纳对新增信贷风险进行新增信贷风险特征归纳，获得新增信贷风险特征归纳集；
风险特征对比分析子模块，用于将新增信贷风险特征归纳集与现有信贷风险特征进行对比，获得风险特征对比分析区别向量集；
对比分析画像识别子模块，用于将风险特征对比分析区别向量集通过信贷业务风险画像进行风险画像识别，获得新增信贷风险画像识别结果。
4.根据权利要求1所述的一种基于风险归因的新增风险监控系统，其特征在于，所述风险画像识别自主更新模块包括：
风险识别模型自循环子模块，用于通过新增信贷风险差异化数据驱动自循环进行风险识别模型自循环更新；
新增风险模型输入子模块，用于将新增信贷风险画像识别结果输入根据新增信贷风险画像识别结果进行风险识别模型自循环更新；
模型自主循环更新子模块，用于根据风险识别模型自循环更新进行风险识别模型自循环更新，获得信贷风险识别自循环更新模型。
5.根据权利要求1所述的一种基于风险归因的新增风险监控系统，其特征在于，所述更新监测智能评估控制模块包括：
更新模型状态监测子模块，用于通过信贷风险识别自循环更新模型监测风险状态，获得信贷风险识别自循环监测风险状态；
状态监测智能评估子模块，用于根据信贷风险识别自循环监测风险状态，基于风险归因智能评估风险发展，获得新增风险归因评估发展范围；
智能评估风险控制子模块，用于对新增风险归因评估发展范围进行新增风险监控系统自主判定，根据新增风险监控系统自主判定结果，启动全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控。
6.根据权利要求2所述的一种基于风险归因的新增风险监控系统，其特征在于，所述信贷追踪风险画像子模块包括：
风险信息碎片化单元，用于根据追踪图谱风险因子分布，将追踪图谱风险因子碎片化细分，获得追踪图谱风险因子细分归因；
碎片细分整合重构单元，用于将追踪图谱风险因子细分归因；通过特征萃取与关联分析，收集信贷风险细分维度信息，进行风险识别模型监测，收集信贷风险细分维度信息，解析提炼分类风险场景特征，构建信贷风险场景特征库；进行风险因子细分归因整合重构没，获得追踪图谱风险因子细分重构场景特征；
全维图谱风险画像单元，用于根据追踪图谱风险因子细分重构场景特征，利用追踪图谱风险因子的全维度图谱展现，构建全维度图谱风险画像，进行信贷业务风险画像。
7.根据权利要求3所述的一种基于风险归因的新增风险监控系统，其特征在于，所述对比分析画像识别子模块包括：
对比分析向量导入单元，用于将风险特征对比分析区别向量集导入信贷业务风险画像识别维度；
集群分析属性判断单元，用于对信贷业务风险画像识别维度进行全维度信贷业务风险属性组合及属性组合集群分析，获得全维度集群信贷风险属性；全维度信贷业务风险属性组合包括：一维单一信贷业务主体风险属性、二维单一信贷业务主体风险属性、三维单一信贷业务主体风险属性、一维关联信贷业务主体风险属性、二维关联信贷业务主体风险属性及三维关联信贷业务主体风险属性；
画像识别结果导出单元，用于根据全维度集群信贷风险属性，识别出共有信贷风险属性以及独立信贷风险属性，并将共有信贷风险属性以及独立信贷风险属性识别结果导出，获得新增信贷风险画像识别结果。
8.根据权利要求3所述的一种基于风险归因的新增风险监控系统，其特征在于，所述模型自主循环更新子模块包括：
风险识别模型嵌入单元，用于根据风险识别模型自循环更新，将风险识别模型嵌入信贷风险画像识别；
识别结果反馈跟新单元，用于通过新增信贷风险画像识别结果反馈到风险识别模型，持续进行自循环更新；
自主循环更新模型单元，用于通过风险识别模型自循环更新，获得信贷风险识别自循环更新模型。
9.根据权利要求5所述的一种基于风险归因的新增风险监控系统，其特征在于，所述状态监测智能评估子模块包括：
监测风险状态输入单元，用于将信贷风险识别自循环监测风险状态输入风险归因评估分析；
风险归因评估分析单元，用于基于风险归因智能评估风险发展，获得风险归因智能评估风险发展趋势；
新增风险范围限定单元，用于设置新增风险发展限定范围，将风险归因智能评估风险发展趋势限定在新增风险发展限定范围内，获得新增风险归因评估发展范围。
10.根据权利要求5所述的一种基于风险归因的新增风险监控系统，其特征在于，所述智能评估风险控制子模块包括：
风险监控智能判定单元，用于对新增风险归因评估发展范围进行新增风险监控系统自主判定，获得新增风险监控系统自主判定结果；
智能判定预案启动单元，用于根据新增风险监控系统自主判定结果，启动全方位风险应急预案；
新增风险深度监控单元，用于通过全过程深度状态监测及全方位风险应急预案，进行基于风险归因的新增风险全过程深度状态监控。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211068946.2A CN115689720A (zh) | 2022-09-02 | 2022-09-02 | 一种基于风险归因的新增风险监控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211068946.2A CN115689720A (zh) | 2022-09-02 | 2022-09-02 | 一种基于风险归因的新增风险监控系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115689720A true CN115689720A (zh) | 2023-02-03 |
Family
ID=85061024
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211068946.2A Pending CN115689720A (zh) | 2022-09-02 | 2022-09-02 | 一种基于风险归因的新增风险监控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115689720A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070192242A1 (en) * | 2006-01-18 | 2007-08-16 | Reto Kunz | System and method for credit risk detection and monitoring |
| CN110348719A (zh) * | 2019-06-29 | 2019-10-18 | 上海淇毓信息科技有限公司 | 一种基于用户信息知识图谱的风险控制方法、装置和电子设备 |
| CN110717816A (zh) * | 2019-07-15 | 2020-01-21 | 上海氪信信息技术有限公司 | 一种基于人工智能技术的全域金融风险知识图谱构建方法 |
| CN111383102A (zh) * | 2020-03-27 | 2020-07-07 | 北京明略软件系统有限公司 | 金融信贷风险识别方法、模型构建方法和装置 |
| CN114331698A (zh) * | 2021-12-30 | 2022-04-12 | 杭州一谷科技有限公司 | 风险画像的生成方法、装置、终端及存储介质 |
| CN114638696A (zh) * | 2022-04-08 | 2022-06-17 | 深圳微言科技有限责任公司 | 信贷风险预测模型的训练方法及系统 |
-
2022
- 2022-09-02 CN CN202211068946.2A patent/CN115689720A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070192242A1 (en) * | 2006-01-18 | 2007-08-16 | Reto Kunz | System and method for credit risk detection and monitoring |
| CN110348719A (zh) * | 2019-06-29 | 2019-10-18 | 上海淇毓信息科技有限公司 | 一种基于用户信息知识图谱的风险控制方法、装置和电子设备 |
| CN110717816A (zh) * | 2019-07-15 | 2020-01-21 | 上海氪信信息技术有限公司 | 一种基于人工智能技术的全域金融风险知识图谱构建方法 |
| CN111383102A (zh) * | 2020-03-27 | 2020-07-07 | 北京明略软件系统有限公司 | 金融信贷风险识别方法、模型构建方法和装置 |
| CN114331698A (zh) * | 2021-12-30 | 2022-04-12 | 杭州一谷科技有限公司 | 风险画像的生成方法、装置、终端及存储介质 |
| CN114638696A (zh) * | 2022-04-08 | 2022-06-17 | 深圳微言科技有限责任公司 | 信贷风险预测模型的训练方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kan | Machine learning applications in cell image analysis | |
| US11501205B2 (en) | System and method for synthesizing data | |
| Kotte et al. | An efficient approach for optimal multilevel thresholding selection for gray scale images based on improved differential search algorithm | |
| US6865582B2 (en) | Systems and methods for knowledge discovery in spatial data | |
| CN108229419A (zh) | 用于聚类图像的方法和装置 | |
| CN112132014B (zh) | 基于非督导金字塔相似性学习的目标重识别方法及系统 | |
| CN112069269B (zh) | 基于大数据和多维特征的数据溯源方法及大数据云服务器 | |
| Serra et al. | Characterization of time series for analyzing of the evolution of time series clusters | |
| CN117422936A (zh) | 一种遥感图像分类方法及系统 | |
| CN109308349A (zh) | 自动生成政策模板的方法及装置、计算机设备、存储介质 | |
| CN115689720A (zh) | 一种基于风险归因的新增风险监控系统 | |
| CN115619774B (zh) | 染色体异常识别方法、系统及存储介质 | |
| CN110120082B (zh) | 金融数据的图像处理方法、装置、设备及可读存储介质 | |
| Fanaee-T et al. | An eigenvector-based hotspot detection | |
| Belgrana et al. | A hybrid segmentation approach of brain magnetic resonance imaging using region-based active contour with a similarity factor and multi-population genetic algorithm | |
| Villegas-Cortez et al. | Interest points reduction using evolutionary algorithms and CBIR for face recognition | |
| CN114268625B (zh) | 特征选择方法、装置、设备及存储介质 | |
| Peeples et al. | Spatial and texture analysis of root system distribution with Earth mover’s distance (STARSEED) | |
| CN111062484B (zh) | 基于多任务学习的数据集选取方法及装置 | |
| CN113568888A (zh) | 索引推荐方法及装置 | |
| CN110993091B (zh) | 从数据生成向量 | |
| CN110175191B (zh) | 数据分析中的数据过滤规则建模方法 | |
| Churilov et al. | Improving risk grouping rules for prostate cancer patients with optimization | |
| CN112232952A (zh) | 一种成交密集区数据获取方法及装置 | |
| CN111984842A (zh) | 银行客户数据处理方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230203 |
|
| RJ01 | Rejection of invention patent application after publication |