CN117408805B - 一种基于稳定性建模的信贷风控方法与系统 - Google Patents
一种基于稳定性建模的信贷风控方法与系统 Download PDFInfo
- Publication number
- CN117408805B CN117408805B CN202311726365.8A CN202311726365A CN117408805B CN 117408805 B CN117408805 B CN 117408805B CN 202311726365 A CN202311726365 A CN 202311726365A CN 117408805 B CN117408805 B CN 117408805B
- Authority
- CN
- China
- Prior art keywords
- user
- association
- wind control
- stability
- determining
- 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 38
- 238000011156 evaluation Methods 0.000 claims abstract description 136
- 238000012216 screening Methods 0.000 claims abstract description 34
- 238000012937 correction Methods 0.000 claims abstract description 21
- 230000009467 reduction Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 230000000087 stabilizing effect Effects 0.000 claims description 2
- 238000007726 management method Methods 0.000 claims 2
- 238000012954 risk control Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000013097 stability assessment Methods 0.000 description 1
- 238000012549 training 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
本发明提供一种基于稳定性建模的信贷风控方法与系统,属于风险控制技术领域,具体包括:根据历史授信申请用户的类型进行客群的划分得到用户客群,基于历史授信申请用户的用户数据得到不同的用户特征在不同的用户客群的稳定性评估结果,并根据稳定性评估结果进行不同的用户特征的综合稳定性评估值以及稳定用户特征的筛选,基于综合特征关联因子对稳定用户特征进行降维处理得到筛选用户特征,通过调节因子和时间间隔参数对风控模型的损失函数进行调整得到修正损失函数,并将筛选用户特征作为输入特征量,通过基于修正损失函数的风控模型进行风控结果的评估,从而进一步提升了风控模型的稳定性。
Description
技术领域
本发明属于风险控制技术领域,尤其涉及一种基于稳定性建模的信贷风控方法与系统。
背景技术
模型稳定性在信贷领域对于风险控制有着至关重要的意义,较稳定的模型可以在减少模型更新迭代的次数的基础上,降低风控流程的成本。但是在现实应用中,不同的客群的用户的信用特征的稳定性会存在一定程度的差异,从而给模型的稳定性带来一定的挑战。
为了解决上述技术问题,现有技术方案中往往集中在特征筛选层面,例如通过PSI(群体稳定性指标)、CSI(特征稳定性指标)等指标来筛选较为稳定的特征,然而这种筛选方法却忽略了不同的客群中的稳定性的差异,同时也忽视了根据不同的特征之间的相关系数进行降维处理,使得模型的稳定性和收敛效率都会受到一定程度的影响。
为解决风控模型的稳定性和收敛效率的技术问题,本发明提供了一种基于稳定性建模的信贷风控方法与系统。
发明内容
为实现本发明目的,本发明采用如下技术方案:
根据本发明的一个方面,提供了一种基于稳定性建模的信贷风控方法。
一种基于稳定性建模的信贷风控方法,其特征在于,具体包括:
S1根据历史授信申请用户的类型进行客群的划分得到用户客群,基于历史授信申请用户的用户数据得到不同的用户特征在不同的用户客群的稳定性评估结果,并根据稳定性评估结果进行不同的用户特征的综合稳定性评估值以及稳定用户特征的筛选;
S2根据所述历史授信申请用户的用户数据确定不同的用户客群中的稳定用户特征与风控结果的风控关联系数以及综合风控关联系数的确定,当不同的稳定用户特征的综合风控关联系数的数量和大于预设关联系数时,进入下一步骤;
S3基于历史授信申请用户的用户数据进行不同的用户客群的所述稳定用户特征与其它的稳定用户特征的特征关联因子的确定,并基于所述特征关联因子进行稳定用户特征与其它的稳定用户特征的综合特征关联因子的确定;
S4基于所述综合特征关联因子对所述稳定用户特征进行降维处理得到筛选用户特征,通过调节因子和时间间隔参数对风控模型的损失函数进行调整得到修正损失函数,并将所述筛选用户特征作为输入特征量,通过基于所述修正损失函数的风控模型进行风控结果的评估。
本发明的有益效果在于:
1、根据稳定性评估结果进行不同的用户特征的综合稳定性评估值以及稳定用户特征的筛选,从而实现了从多个用户客群的稳定性评估结果的角度实现了对不同的用户特征的稳定性的评估,保证了稳定性评估的准确性,同时也实现了对稳定用户特征的准确筛选,也为进一步保证风控模型的可靠性奠定了基础。
2、通过根据历史授信申请用户的用户数据确定不同的用户客群中的稳定用户特征与风控结果的风控关联系数以及综合风控关联系数的确定,从而实现了从风控结果的角度对不同的稳定用户特征的风控关联情况的准确评估,充分考虑到由于用户客群的差异导致的风控关联结果的评估结果的差异。
3、通过基于综合特征关联因子对稳定用户特征进行降维处理得到筛选用户特征,避免了采用全部的稳定用户特征导致的收敛速率较慢的技术问题,同时也保证了风控模型的风控结果的评估的准确性。
进一步的技术方案在于,所述历史授信申请用户的类型包括所述历史授信申请用户的职业类型、收入区间以及历史违约情况中的一种或者多种。
进一步的技术方案在于,所述用户特征根据所述历史授信申请用户的用户数据进行获取,具体的通过特征提取模型以及所述历史授信申请用户的用户数据进行用户特征的提取。
进一步的技术方案在于,所述用户特征在不同的用户客群的稳定性评估结果的确定的方法为:
基于所述历史授信申请用户的用户数据获取所述用户特征在不同的用户客群的群体稳定性指标以及特征稳定性指标,并根据所述群体稳定性指标以及特征稳定性指标进行所述用户特征在不同的用户客群的稳定性评估结果的确定。
进一步的技术方案在于,所述稳定用户特征的风控关联系数根据所述稳定用户特征与风控结果的关联系数进行确定,具体的通过主成分分析法进行所述稳定用户特征与风控结果的关联系数的确定。
进一步的技术方案在于,所述特征关联因子的确定的方法为:
基于所述不同的用户客群的历史授信申请用户的用户数据进行不同的用户客群的不同的历史授信申请用户的所述稳定用户特征与其它的稳定用户特征之间的皮尔逊相关系数的确定,并基于不同的历史授信申请用户的皮尔逊关联系数的平均值进行不同的用户客群的特征关联因子的确定。
第二方面,本发明提供了一种基于稳定性建模的信贷风控系统,采用上述的一种基于稳定性建模的信贷风控方法,其特征在于,具体包括:
用户特征筛选模块,关联系数评估模块,关联因子评估模块,风控结果输出模块;
其中所述用户特征筛选模块负责根据历史授信申请用户的类型进行客群的划分得到用户客群,基于历史授信申请用户的用户数据得到不同的用户特征在不同的用户客群的稳定性评估结果,并根据稳定性评估结果进行不同的用户特征的综合稳定性评估值以及稳定用户特征的筛选;
所述关联系数评估模块负责根据所述历史授信申请用户的用户数据确定不同的用户客群中的稳定用户特征与风控结果的风控关联系数以及综合风控关联系数的确定;
所述关联因子评估模块负责基于历史授信申请用户的用户数据进行不同的用户客群的所述稳定用户特征与其它的稳定用户特征的特征关联因子的确定,并基于所述特征关联因子进行稳定用户特征与其它的稳定用户特征的综合特征关联因子的确定;
所述风控结果输出模块负责基于所述综合特征关联因子对所述稳定用户特征进行降维处理得到筛选用户特征,通过调节因子和时间间隔参数对风控模型的损失函数进行调整得到修正损失函数,并将所述筛选用户特征作为输入特征量,通过基于所述修正损失函数的风控模型进行风控结果的评估。
其他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在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显;
图1是一种基于稳定性建模的信贷风控方法的流程图;
图2是用户特征的综合稳定性评估值的确定的方法的流程图;
图3是稳定用户特征的综合风控关联系数的确定的方法的流程图;
图4是稳定用户特征与其它的稳定用户特征的综合特征关联因子的确定的方法的流程图;
图5是一种基于稳定性建模的信贷风控系统的框架图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
不同的授信申请用户的信贷特征的稳定性存在一定程度的差异,特别是在不同的客群中存在一定程度的差异性,因此若不能考虑不同的客群的差异性,则无法在保证风控模型的收敛效率的基础上,保证风控模型的稳定性。
为了解决上述技术问题,采用以下技术方案:
首先根据历史授信申请用户的年收入的区间进行客群的划分得到用户客群,并通过不同的用户客群的历史授信申请用户的用户特征的群体稳定性指标以及特征稳定性指标得到不同的用户客群的不同的用户特征的稳定性评估结果,并根据不同的用户客群的稳定性评估结果的平均值进行不同的用户特征的综合稳定性评估值的确定,将综合稳定性评估值较大的用户特征作为稳定用户特征;
然后根据历史授信申请用户的用户数据确定不同的用户客群中的稳定用户特征与风控结果的风控关联系数以及综合风控关联系数,具体的根据不同用户客群中的不同的历史授信申请用户的相关系数进行稳定用户特征与风控结果的风控关联系数的确定,并通过不同的用户客群的风控关联系数的平均值进行综合风控关联系数的确定,当不同的稳定用户特征的综合风控关联系数的数量和大于预设关联系数时,此时说明稳定用户特征存在一定程度的冗余,需要进入下一步骤进行降维处理;
紧接着基于历史授信申请用户的用户数据进行不同的用户客群的稳定用户特征与其它的稳定用户特征的特征关联因子的确定,具体的可以通过皮尔逊相关系数进行稳定用户特征与其它的稳定用户特征的特征关联因子的确定,并基于所有的用户客群的特征关联因子的平均值进行稳定用户特征与其它的稳定用户特征的综合特征关联因子的确定;
最后将综合特征关联因子较高的稳定用户特征进行降维处理得到筛选用户特征,通过调节因子和时间间隔参数对风控模型的损失函数进行调整得到修正损失函数,并将筛选用户特征作为输入特征量,通过基于修正损失函数的风控模型进行风控结果的评估。
以下将从方法类实施例和系统类实施例两个角度进行进一步描述。
为解决上述问题,根据本发明的一个方面,如图1所示,提供了一种基于稳定性建模的信贷风控方法,其特征在于,具体包括:
S1根据历史授信申请用户的类型进行客群的划分得到用户客群,基于历史授信申请用户的用户数据得到不同的用户特征在不同的用户客群的稳定性评估结果,并根据稳定性评估结果进行不同的用户特征的综合稳定性评估值以及稳定用户特征的筛选;
具体的,所述历史授信申请用户的类型包括所述历史授信申请用户的职业类型、收入区间以及历史违约情况中的一种或者多种。
需要说明的是,所述用户特征根据所述历史授信申请用户的用户数据进行获取,具体的通过特征提取模型以及所述历史授信申请用户的用户数据进行用户特征的提取。
在其中的一个可能的实施例中,上述步骤S1中的所述用户特征在不同的用户客群的稳定性评估结果的确定的方法为:
基于所述历史授信申请用户的用户数据获取所述用户特征在不同的用户客群的群体稳定性指标以及特征稳定性指标,并根据所述群体稳定性指标以及特征稳定性指标进行所述用户特征在不同的用户客群的稳定性评估结果的确定。
在其中的一个可能的实施例中,如图2所示,上述步骤S1中的所述用户特征的综合稳定性评估值的确定的方法为:
通过不同的用户客群的稳定性评估结果的中位数进行所述用户客群的稳定性评估结果的基准值的确定,并判断是否存在稳定性评估结果与所述基准值的偏差量不满足要求的用户客群,若是,则进入下一步骤,若否,则通过所述基准值进行所述用户特征的综合稳定性评估值的确定;
通过所述用户客群的历史授信申请用户的数量以及不同的授信风控结果的历史授信申请用户的数量进行所述用户客群的评估准确度的确定,并基于所述评估准确度将所述用户客群划分为可信用户客群和一般用户客群,判断是否存在稳定性评估结果与所述基准值的偏差量不满足要求的可信用户客群,若是,则进入下一步骤,若否,则通过所述基准值进行所述用户特征的综合稳定性评估值的确定;
基于所述可信用户客群的用户特征的稳定性评估结果与所述基准值进行不同的可信用户客群的稳定性偏差量的确定,并将所述稳定性偏差量不满足要求的可信用户客群作为偏差可信用户客群,获取所述偏差可信用户客群的数量、稳定性偏差量以及评估准确度,并结合所述可信用户客群的数量以及可信用户客群的稳定性偏差量的均值进行所述可信用户客群的稳定性修正量的确定;
将所述用户特征的稳定性评估结果与所述基准值不满足要求的一般用户客群作为偏差一般用户客群,并通过所述偏差一般用户客群的数量、稳定性偏差量以及评估准确度进行稳定性综合修正量的确定,并结合所述可信用户客群的稳定性修正量以及所述基准值进行所述用户特征的综合稳定性评估值的确定。
具体的,所述用户客群的评估准确度的取值范围在0到1之间,其中所述用户客群的评估准确度越高,则所述用户客群的稳定性评估结果越准确。
在另外的一个可能的实施例中,上述步骤S1中的所述用户特征的综合稳定性评估值的确定的方法为:
通过不同的用户客群的稳定性评估结果的中位数进行所述用户客群的稳定性评估结果的基准值的确定,通过所述用户客群的历史授信申请用户的数量以及不同的授信风控结果的历史授信申请用户的数量进行所述用户客群的评估准确度的确定;
基于所述用户客群的用户特征的稳定性评估结果与所述基准值进行不同的用户客群的稳定性偏差量的确定,并将稳定性偏差量不满足要求的用户客群作为稳定性偏差客群,当所述稳定性偏差客群的评估准确度的数量和满足要求时:
通过所述基准值进行所述用户特征的综合稳定性评估值的确定;
当所述稳定性偏差客群的评估准确度的数量和不满足要求时:
基于所述评估准确度将所述用户客群划分为可信用户客群和一般用户客群,当所述稳定偏差客群中的可信用户客群的评估准确度的数量和满足要求时:
通过所述基准值进行所述用户特征的综合稳定性评估值的确定;
当所述稳定偏差客群中的可信用户客群的评估准确度的数量和不满足要求时:
基于所述可信用户客群的用户特征的稳定性评估结果与所述基准值进行不同的可信用户客群的稳定性偏差量的确定,并将所述稳定性偏差量不满足要求的可信用户客群作为偏差可信用户客群,获取所述偏差可信用户客群的数量、稳定性偏差量以及评估准确度,并结合所述可信用户客群的数量以及可信用户客群的稳定性偏差量的均值进行所述可信用户客群的稳定性修正量的确定;
将所述用户特征的稳定性评估结果与所述基准值不满足要求的一般用户客群作为偏差一般用户客群,并通过所述偏差一般用户客群的数量、稳定性偏差量以及评估准确度进行稳定性综合修正量的确定,并结合所述可信用户客群的稳定性修正量以及所述基准值进行所述用户特征的综合稳定性评估值的确定。
S2根据所述历史授信申请用户的用户数据确定不同的用户客群中的稳定用户特征与风控结果的风控关联系数以及综合风控关联系数的确定,当不同的稳定用户特征的综合风控关联系数的数量和大于预设关联系数时,进入下一步骤;
可以理解的是,所述稳定用户特征的风控关联系数根据所述稳定用户特征与风控结果的关联系数进行确定,具体的通过主成分分析法进行所述稳定用户特征与风控结果的关联系数的确定。
在其中的一个可能的实施例中,如图3所示,上述步骤S2中的所述稳定用户特征的综合风控关联系数的确定的方法为:
通过不同的用户客群的稳定用户特征的风控关联系数的中位数进行所述稳定用户特征的关联系数基准值的确定,通过所述用户客群的历史授信申请用户的数量以及不同的授信风控结果的历史授信申请用户的数量进行所述用户客群的评估准确度的确定;
基于所述用户客群的稳定用户特征的风控关联系数与所述关联系数基准值进行不同的用户客群的关联系数偏差量的确定,并将关联系数偏差量不满足要求的用户客群作为关联偏差客群,判断所述关联偏差客群的评估准确度是否满足要求,若是,则通过所述关联系数基准值进行所述用户特征的综合风控关联系数的确定,若否,则进入下一步骤;
基于所述评估准确度将所述用户客群划分为可信用户客群和一般用户客群,判断所述关联偏差客群中的可信用户客群的评估准确度是否满足要求,若是,则通过所述关联系数基准值进行所述用户特征的综合风控关联系数的确定,若否,则进入下一步骤;
将所述关联系数偏差量不满足要求的可信用户客群作为关联偏差用户客群,通过所述关联偏差用户客群的数量、关联系数偏差量以及评估准确度进行所述可信用户客群的关联系数修正量的确定;
获取所述稳定用户特征的稳定性评估结果与所述基准值不满足要求的一般用户客群的数量以及关联系数偏差量,并结合稳定用户特征的稳定性评估结果与所述基准值的偏差量不满足要求的一般用户客群的评估准确度进行一般关联系数修正量的确定,并结合所述可信用户客群的关联系数修正量以及所述关联系数基准值进行所述用户特征的综合风控关联系数的确定。
需要说明的是,所述预设关联系数根据所述风控模型的准确率要求值进行确定,其中所述风控模型的准确率要求值越大,则所述预设关联系数越大。
在另外的一个可能的实施例中,上述步骤S2中的所述稳定用户特征的综合风控关联系数的确定的方法为:
S21通过不同的用户客群的稳定用户特征的风控关联系数的中位数进行所述稳定用户特征的关联系数基准值的确定,基于所述用户客群的稳定用户特征的风控关联系数与所述关联系数基准值进行不同的用户客群的关联系数偏差量的确定,并将关联系数偏差量不满足要求的用户客群作为关联偏差客群,判断所述关联偏差客群的数量是否满足要求,若是,则进入下一步骤,若否,则进入步骤S23;
S22通过所述用户客群的历史授信申请用户的数量以及不同的授信风控结果的历史授信申请用户的数量进行所述用户客群的评估准确度的确定,基于所述评估准确度将所述用户客群划分为可信用户客群和一般用户客群,判断所述关联偏差客群中的可信用户客群的评估准确度以及数量是否均满足要求,若是,则通过所述关联系数基准值进行所述用户特征的综合风控关联系数的确定,若否,则进入下一步骤;
S23将所述关联系数偏差量不满足要求的可信用户客群作为关联偏差用户客群,通过所述关联偏差用户客群的数量、关联系数偏差量以及评估准确度进行所述可信用户客群的关联系数修正量的确定;
S24获取所述稳定用户特征的稳定性评估结果与所述基准值的偏差量不满足要求的一般用户客群的数量以及关联系数偏差量,并结合稳定用户特征的稳定性评估结果与所述基准值的偏差量不满足要求的一般用户客群的评估准确度进行一般关联系数修正量的确定,并结合所述可信用户客群的关联系数修正量以及所述关联系数基准值进行所述用户特征的综合风控关联系数的确定。
S3基于历史授信申请用户的用户数据进行不同的用户客群的所述稳定用户特征与其它的稳定用户特征的特征关联因子的确定,并基于所述特征关联因子进行稳定用户特征与其它的稳定用户特征的综合特征关联因子的确定;
进一步的,所述特征关联因子的确定的方法为:
基于所述不同的用户客群的历史授信申请用户的用户数据进行不同的用户客群的不同的历史授信申请用户的所述稳定用户特征与其它的稳定用户特征之间的皮尔逊相关系数的确定,并基于不同的历史授信申请用户的皮尔逊关联系数的平均值进行不同的用户客群的特征关联因子的确定。
在其中的一个可能的实施例中,如图4所示,上述步骤S3中的所述稳定用户特征与其它的稳定用户特征的综合特征关联因子的确定的方法为:
S31通过所述用户客群的历史授信申请用户的数量以及不同的授信风控结果的历史授信申请用户的数量进行所述用户客群的评估准确度的确定,基于所述评估准确度将所述用户客群划分为可信用户客群和一般用户客群;
S32基于不同的可信用户客群的稳定用户特征与其它的稳定用户特征的特征关联因子进行所述可信用户客群的特征关联因子的基准值的确定,并根据不同的可信用户客群的评估准确度以及特征关联因子与所述特征关联因子的基准值的偏差量进行所述可信用户客群的特征关联因子的推荐值的确定;
S33获取所述一般用户客群的稳定用户特征与其它的稳定用户特征的特征关联因子,并判断是否存在与所述推荐值的偏差量不满足要求的一般用户客群,若是,则进入下一步骤,若否,则将所述可信用户客群的特征关联因子的推荐值作为稳定用户特征与其它的稳定用户特征的综合特征关联因子;
S34获取所述一般用户客群的稳定用户特征与其它的稳定用户特征的特征关联因子与所述推荐值的偏差量不满足要求的一般用户客群的数量以及评估准确度,并结合一般用户客群的稳定用户特征与其它的稳定用户特征的特征关联因子与所述推荐值的偏差量的平均值进行特征关联因子修正量的确定,并结合所述可信用户客群的特征关联因子的推荐值进行所述稳定用户特征与其它的稳定用户特征的综合特征关联因子的确定。
S4基于所述综合特征关联因子对所述稳定用户特征进行降维处理得到筛选用户特征,通过调节因子和时间间隔参数对风控模型的损失函数进行调整得到修正损失函数,并将所述筛选用户特征作为输入特征量,通过基于所述修正损失函数的风控模型进行风控结果的评估。
在可能的一个实施例中,修正损失函数的具体公式为:其中,上述损失函数中β为调节因子,T为时间间隔参数,φ(θ)为正则化因子。
在本实施例中,通过修改对数损失函数,在原有损失函数基础上增加时间间隔约束以及时间迁移稳定性约束条件增加训练模型的稳定性。
另一方面,如图5所示,本发明提供了一种基于稳定性建模的信贷风控系统,采用上述的一种基于稳定性建模的信贷风控方法,其特征在于,具体包括:
用户特征筛选模块,关联系数评估模块,关联因子评估模块,风控结果输出模块;
其中所述用户特征筛选模块负责根据历史授信申请用户的类型进行客群的划分得到用户客群,基于历史授信申请用户的用户数据得到不同的用户特征在不同的用户客群的稳定性评估结果,并根据稳定性评估结果进行不同的用户特征的综合稳定性评估值以及稳定用户特征的筛选;
所述关联系数评估模块负责根据所述历史授信申请用户的用户数据确定不同的用户客群中的稳定用户特征与风控结果的风控关联系数以及综合风控关联系数的确定;
所述关联因子评估模块负责基于历史授信申请用户的用户数据进行不同的用户客群的所述稳定用户特征与其它的稳定用户特征的特征关联因子的确定,并基于所述特征关联因子进行稳定用户特征与其它的稳定用户特征的综合特征关联因子的确定;
所述风控结果输出模块负责基于所述综合特征关联因子对所述稳定用户特征进行降维处理得到筛选用户特征,通过调节因子和时间间隔参数对风控模型的损失函数进行调整得到修正损失函数,并将所述筛选用户特征作为输入特征量,通过基于所述修正损失函数的风控模型进行风控结果的评估。
通过以上实施例,本发明取得以下有益效果:
1、根据稳定性评估结果进行不同的用户特征的综合稳定性评估值以及稳定用户特征的筛选,从而实现了从多个用户客群的稳定性评估结果的角度实现了对不同的用户特征的稳定性的评估,保证了稳定性评估的准确性,同时也实现了对稳定用户特征的准确筛选,也为进一步保证风控模型的可靠性奠定了基础。
2、通过根据历史授信申请用户的用户数据确定不同的用户客群中的稳定用户特征与风控结果的风控关联系数以及综合风控关联系数的确定,从而实现了从风控结果的角度对不同的稳定用户特征的风控关联情况的准确评估,充分考虑到由于用户客群的差异导致的风控关联结果的评估结果的差异。
3、通过基于综合特征关联因子对稳定用户特征进行降维处理得到筛选用户特征,避免了采用全部的稳定用户特征导致的收敛速率较慢的技术问题,同时也保证了风控模型的风控结果的评估的准确性。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (6)
1.一种基于稳定性建模的信贷风控方法,其特征在于,具体包括:
根据历史授信申请用户的类型进行客群的划分得到用户客群,基于历史授信申请用户的用户数据得到不同的用户特征在不同的用户客群的稳定性评估结果,并根据稳定性评估结果进行不同的用户特征的综合稳定性评估值以及稳定用户特征的筛选;
根据所述历史授信申请用户的用户数据确定不同的用户客群中的稳定用户特征与风控结果的风控关联系数以及综合风控关联系数的确定,当不同的稳定用户特征的综合风控关联系数的数量和大于预设关联系数时,进入下一步骤;
基于历史授信申请用户的用户数据进行不同的用户客群的所述稳定用户特征与其它的稳定用户特征的特征关联因子的确定,并基于所述特征关联因子进行稳定用户特征与其它的稳定用户特征的综合特征关联因子的确定;
基于所述综合特征关联因子对所述稳定用户特征进行降维处理得到筛选用户特征,通过调节因子和时间间隔参数对风控模型的损失函数进行调整得到修正损失函数,并将所述筛选用户特征作为输入特征量,通过基于所述修正损失函数的风控模型进行风控结果的评估;
所述用户特征的综合稳定性评估值的确定的方法为:
通过不同的用户客群的稳定性评估结果的中位数进行所述用户客群的稳定性评估结果的基准值的确定,并判断是否存在稳定性评估结果与所述基准值的偏差量不满足要求的用户客群,若是,则进入下一步骤,若否,则通过所述基准值进行所述用户特征的综合稳定性评估值的确定;
通过所述用户客群的历史授信申请用户的数量以及不同的授信风控结果的历史授信申请用户的数量进行所述用户客群的评估准确度的确定,并基于所述评估准确度将所述用户客群划分为可信用户客群和一般用户客群,判断是否存在稳定性评估结果与所述基准值的偏差量不满足要求的可信用户客群,若是,则进入下一步骤,若否,则通过所述基准值进行所述用户特征的综合稳定性评估值的确定;
基于所述可信用户客群的用户特征的稳定性评估结果与所述基准值进行不同的可信用户客群的稳定性偏差量的确定,并将所述稳定性偏差量不满足要求的可信用户客群作为偏差可信用户客群,获取所述偏差可信用户客群的数量、稳定性偏差量以及评估准确度,并结合所述可信用户客群的数量以及可信用户客群的稳定性偏差量的均值进行所述可信用户客群的稳定性修正量的确定;
将所述用户特征的稳定性评估结果与所述基准值不满足要求的一般用户客群作为偏差一般用户客群,并通过所述偏差一般用户客群的数量、稳定性偏差量以及评估准确度进行稳定性综合修正量的确定,并结合所述可信用户客群的稳定性修正量以及所述基准值进行所述用户特征的综合稳定性评估值的确定;
所述稳定用户特征的风控关联系数根据所述稳定用户特征与风控结果的关联系数进行确定,具体的通过主成分分析法进行所述稳定用户特征与风控结果的关联系数的确定;
所述稳定用户特征的综合风控关联系数的确定的方法为:
通过不同的用户客群的稳定用户特征的风控关联系数的中位数进行所述稳定用户特征的关联系数基准值的确定,通过所述用户客群的历史授信申请用户的数量以及不同的授信风控结果的历史授信申请用户的数量进行所述用户客群的评估准确度的确定;
基于所述用户客群的稳定用户特征的风控关联系数与所述关联系数基准值进行不同的用户客群的关联系数偏差量的确定,并将关联系数偏差量不满足要求的用户客群作为关联偏差客群,判断所述关联偏差客群的评估准确度是否满足要求,若是,则通过所述关联系数基准值进行所述用户特征的综合风控关联系数的确定,若否,则进入下一步骤;
基于所述评估准确度将所述用户客群划分为可信用户客群和一般用户客群,判断所述关联偏差客群中的可信用户客群的评估准确度是否满足要求,若是,则通过所述关联系数基准值进行所述用户特征的综合风控关联系数的确定,若否,则进入下一步骤;
将所述关联系数偏差量不满足要求的可信用户客群作为关联偏差用户客群,通过所述关联偏差用户客群的数量、关联系数偏差量以及评估准确度进行所述可信用户客群的关联系数修正量的确定;
获取所述稳定用户特征的稳定性评估结果与所述基准值不满足要求的一般用户客群的数量以及关联系数偏差量,并结合稳定用户特征的稳定性评估结果与所述基准值的偏差量不满足要求的一般用户客群的评估准确度进行一般关联系数修正量的确定,并结合所述可信用户客群的关联系数修正量以及所述关联系数基准值进行所述用户特征的综合风控关联系数的确定;
所述特征关联因子的确定的方法为:
基于所述不同的用户客群的历史授信申请用户的用户数据进行不同的用户客群的不同的历史授信申请用户的所述稳定用户特征与其它的稳定用户特征之间的皮尔逊相关系数的确定,并基于不同的历史授信申请用户的皮尔逊关联系数的平均值进行不同的用户客群的特征关联因子的确定。
2.如权利要求1所述的基于稳定性建模的信贷风控方法,其特征在于,所述历史授信申请用户的类型包括所述历史授信申请用户的职业类型、收入区间以及历史违约情况中的一种或者多种。
3.如权利要求1所述的基于稳定性建模的信贷风控方法,其特征在于,所述用户特征根据所述历史授信申请用户的用户数据进行获取,具体的通过特征提取模型以及所述历史授信申请用户的用户数据进行用户特征的提取。
4.如权利要求1所述的基于稳定性建模的信贷风控方法,其特征在于,所述用户客群的评估准确度的取值范围在0到1之间,其中所述用户客群的评估准确度越高,则所述用户客群的稳定性评估结果越准确。
5.如权利要求1所述的基于稳定性建模的信贷风控方法,其特征在于,所述预设关联系数根据所述风控模型的准确率要求值进行确定,其中所述风控模型的准确率要求值越大,则所述预设关联系数越大。
6.一种基于稳定性建模的信贷风控系统,采用权利要求1-5任一项所述的一种基于稳定性建模的信贷风控方法,其特征在于,具体包括:
用户特征筛选模块,关联系数评估模块,关联因子评估模块,风控结果输出模块;
其中所述用户特征筛选模块负责根据历史授信申请用户的类型进行客群的划分得到用户客群,基于历史授信申请用户的用户数据得到不同的用户特征在不同的用户客群的稳定性评估结果,并根据稳定性评估结果进行不同的用户特征的综合稳定性评估值以及稳定用户特征的筛选;
所述关联系数评估模块负责根据所述历史授信申请用户的用户数据确定不同的用户客群中的稳定用户特征与风控结果的风控关联系数以及综合风控关联系数的确定;
所述关联因子评估模块负责基于历史授信申请用户的用户数据进行不同的用户客群的所述稳定用户特征与其它的稳定用户特征的特征关联因子的确定,并基于所述特征关联因子进行稳定用户特征与其它的稳定用户特征的综合特征关联因子的确定;
所述风控结果输出模块负责基于所述综合特征关联因子对所述稳定用户特征进行降维处理得到筛选用户特征,通过调节因子和时间间隔参数对风控模型的损失函数进行调整得到修正损失函数,并将所述筛选用户特征作为输入特征量,通过基于所述修正损失函数的风控模型进行风控结果的评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311726365.8A CN117408805B (zh) | 2023-12-15 | 2023-12-15 | 一种基于稳定性建模的信贷风控方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311726365.8A CN117408805B (zh) | 2023-12-15 | 2023-12-15 | 一种基于稳定性建模的信贷风控方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117408805A CN117408805A (zh) | 2024-01-16 |
CN117408805B true CN117408805B (zh) | 2024-03-22 |
Family
ID=89487543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311726365.8A Active CN117408805B (zh) | 2023-12-15 | 2023-12-15 | 一种基于稳定性建模的信贷风控方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117408805B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117670149A (zh) * | 2024-02-01 | 2024-03-08 | 杭银消费金融股份有限公司 | 一种客群质量评分方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170037299A (ko) * | 2015-09-25 | 2017-04-04 | 이태희 | 통합계좌정보 기반의 실시간 신용리스크 분석 방법 및 시스템 |
CN107730154A (zh) * | 2017-11-23 | 2018-02-23 | 安趣盈(上海)投资咨询有限公司 | 基于多机器学习模型并行的风控模型应用方法和系统 |
WO2019100581A1 (zh) * | 2017-11-24 | 2019-05-31 | 丰德金融平台有限公司 | 基于网络平台朋友圈授信实现风控的借贷撮合系统及方法 |
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 |
CN113919932A (zh) * | 2021-08-25 | 2022-01-11 | 北京睿知图远科技有限公司 | 一种基于贷款申请评分模型的客户评分偏移检测方法 |
WO2023272862A1 (zh) * | 2021-06-29 | 2023-01-05 | 深圳壹账通智能科技有限公司 | 基于网络行为数据的风控识别方法、装置、电子设备及介质 |
CN116797357A (zh) * | 2023-08-24 | 2023-09-22 | 杭银消费金融股份有限公司 | 一种基于金融终端的授信处理方法与设备 |
CN116977064A (zh) * | 2023-08-25 | 2023-10-31 | 上海晓途网络科技有限公司 | 一种基于损失函数的风控模型构建方法、系统及装置 |
CN117078026A (zh) * | 2023-10-17 | 2023-11-17 | 杭银消费金融股份有限公司 | 一种基于数据血缘的风控指标管理方法及系统 |
CN117132001A (zh) * | 2023-10-24 | 2023-11-28 | 杭银消费金融股份有限公司 | 一种多目标风控策略优化方法及系统 |
CN117196322A (zh) * | 2023-11-06 | 2023-12-08 | 深圳市明心数智科技有限公司 | 智能风控方法、装置、计算机设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100312718A1 (en) * | 2004-06-08 | 2010-12-09 | Rosenthal Collins Group, L.L.C. | Method and system for providing electronic information for risk assesement and management via net worth for multi-market electronic trading |
US20100010937A1 (en) * | 2008-04-30 | 2010-01-14 | Rosenthal Collins Group, L.L.C. | Method and system for providing risk assessment management and reporting for multi-market electronic trading |
-
2023
- 2023-12-15 CN CN202311726365.8A patent/CN117408805B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170037299A (ko) * | 2015-09-25 | 2017-04-04 | 이태희 | 통합계좌정보 기반의 실시간 신용리스크 분석 방법 및 시스템 |
CN107730154A (zh) * | 2017-11-23 | 2018-02-23 | 安趣盈(上海)投资咨询有限公司 | 基于多机器学习模型并行的风控模型应用方法和系统 |
WO2019100581A1 (zh) * | 2017-11-24 | 2019-05-31 | 丰德金融平台有限公司 | 基于网络平台朋友圈授信实现风控的借贷撮合系统及方法 |
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 |
WO2023272862A1 (zh) * | 2021-06-29 | 2023-01-05 | 深圳壹账通智能科技有限公司 | 基于网络行为数据的风控识别方法、装置、电子设备及介质 |
CN113919932A (zh) * | 2021-08-25 | 2022-01-11 | 北京睿知图远科技有限公司 | 一种基于贷款申请评分模型的客户评分偏移检测方法 |
CN116797357A (zh) * | 2023-08-24 | 2023-09-22 | 杭银消费金融股份有限公司 | 一种基于金融终端的授信处理方法与设备 |
CN116977064A (zh) * | 2023-08-25 | 2023-10-31 | 上海晓途网络科技有限公司 | 一种基于损失函数的风控模型构建方法、系统及装置 |
CN117078026A (zh) * | 2023-10-17 | 2023-11-17 | 杭银消费金融股份有限公司 | 一种基于数据血缘的风控指标管理方法及系统 |
CN117132001A (zh) * | 2023-10-24 | 2023-11-28 | 杭银消费金融股份有限公司 | 一种多目标风控策略优化方法及系统 |
CN117196322A (zh) * | 2023-11-06 | 2023-12-08 | 深圳市明心数智科技有限公司 | 智能风控方法、装置、计算机设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
基于模糊综合策略的用户行为评估方法;张佳乐;张秀芳;张桂玲;;计算机技术与发展;20170531;第27卷(05);第138-143页 * |
将G1法应用于养殖户信用风险评估研究;邱小妹;刘成成;;计算机与数字工程;20170220(02);第279-286页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117408805A (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117408805B (zh) | 一种基于稳定性建模的信贷风控方法与系统 | |
CN112149757B (zh) | 一种异常检测方法、装置、电子设备及存储介质 | |
US7409357B2 (en) | Quantification of operational risks | |
CN112765560B (zh) | 设备健康状态评估方法、装置、终端设备和存储介质 | |
CN111737743A (zh) | 一种深度学习差分隐私保护方法 | |
CN117132001B (zh) | 一种多目标风控策略优化方法及系统 | |
CN112183750A (zh) | 神经网络模型训练方法、装置、计算机设备及存储介质 | |
CN111861781A (zh) | 一种居民用电行为聚类中的特征优选方法及系统 | |
CN117333290B (zh) | 一种一体化多尺度风控模型构建方法 | |
CN117033278B (zh) | 一种用于多类型接口的数据传输方法及系统 | |
Kim et al. | Dynamic factor adjustment and corporate tax reduction in the Japanese manufacturing industry | |
CN110322055B (zh) | 一种提高数据风险模型评分稳定性的方法和系统 | |
US10467119B2 (en) | Data-agnostic adjustment of hard thresholds based on user feedback | |
CN116259328A (zh) | 用于音频降噪的后训练量化方法、装置和存储介质 | |
CN114251075B (zh) | 基于多目标参数的储层开采方案确定方法、装置及设备 | |
CN108599976B (zh) | 网络质量评估模型构建方法、装置及计算机设备 | |
TWM602677U (zh) | 風險評估模型建立系統 | |
CN111190800A (zh) | 预测主机的批量运行时长的方法、系统、装置及存储介质 | |
Giese | Dependent risk factors | |
CN111861705A (zh) | 金融风控逻辑回归特征筛选方法及系统 | |
CN117574255B (zh) | 一种基于鹈鹕算法和支持向量机的边坡安全系数预测方法 | |
CN111522687A (zh) | 数据处理方法、装置、固态硬盘及计算机可读存储介质 | |
CN111768021A (zh) | 订单价格调整方法、装置、服务器及存储介质 | |
CN118035750B (zh) | 一种基于panel data的信贷模型样本构建方法 | |
CN115409607A (zh) | 一种授信数据的确定方法、装置及电子设备 |
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 |