CN117437036A - 一种基于多任务提升树的信贷风控管理方法与系统 - Google Patents

Abstract

本发明提供一种基于多任务提升树的信贷风控管理方法与系统，属于信贷风控技术领域，具体包括：通过构建基于用户信贷特征的子任务的提升树模型得到不同的子任务的预测结果，基于预测结果进行所述授信申请用户的信贷风险的评估，根据风险更新周期进行授信申请用户的变动信贷特征的确定，并根据不同的变动信贷特征的变化数据以及与信贷风险的关联因子进行信贷风险变动量的确定，当信贷风险变动量不满足要求时，基于不同的变动信贷特征构建单独的子任务的提升树模型得到不同的变动信贷特征的子任务的预测结果，并结合所述信贷风险进行实时信贷风险的评估，从而进一步提升了信贷风险的处理效率。

Description

一种基于多任务提升树的信贷风控管理方法与系统

技术领域

本发明属于信贷风控技术领域，尤其涉及一种基于多任务提升树的信贷风控管理方法与系统。

背景技术

在信贷风控领域，用户要先申请，再动支，最终有逾期表现，这就会导致用户在整个信贷过程中的信贷特征会逐渐变化，现有技术方案中往往需要通常在建立多个模型实现对用户的逾期风险的动态评估。这种方式需要训练多个模型，影响任务处理速度，特别是在用户量较大的情况下会导致服务器的数据处理压力明显增大。

针对上述技术问题，本发明提供了一种基于多任务提升树的信贷风控管理方法与系统。

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，提供了一种基于多任务提升树的信贷风控管理方法。

一种基于多任务提升树的信贷风控管理方法，具体包括：

S1基于授信申请用户的用户数据进行用户信贷特征的提取，通过构建基于所述用户信贷特征的子任务的提升树模型得到不同的子任务的预测结果，基于所述预测结果进行所述授信申请用户的信贷风险的评估；

S2基于剩余贷款数据进行所述授信申请用户的逾期损失的确定，获取所述授信申请用户的用户信贷特征的数量，并结合所述不同子任务的预测结果、信贷风险以及逾期损失进行风险更新周期的确定；

S3根据所述风险更新周期进行所述授信申请用户的实时的用户信贷特征的确定，将发生变动的实时的用户信贷特征作为变动信贷特征，并根据不同的变动信贷特征的变化数据以及与所述信贷风险的关联因子进行信贷风险变动量的确定，当所述信贷风险变动量不满足要求时，进入下一步骤；

S4基于不同的所述变动信贷特征构建单独的子任务的提升树模型得到不同的变动信贷特征的子任务的预测结果，并结合所述信贷风险进行实时信贷风险的评估。

本发明的有益效果在于：

1、通过基于授信申请用户的逾期损失以及不同子任务的预测结果以及信贷风险进行风险更新周期的确定，从而既考虑到不同的授信申请用户由于剩余贷款数据的差异导致的逾期损失的差异，同时还考虑到不同的授信申请用户由于预测结果的风险以及信贷风险的差异导致逾期风险的差异，实现了对风险状态的及时更新，同时也为尽快的进行逾期风险的控制奠定了基础。

2、通过根据不同的变动信贷特征的变化数据以及与信贷风险的关联因子进行信贷风险变动量的确定，从而实现了从变动信贷特征的变化情况以及变动信贷特征与信贷风险的关联因子两个角度对授信申请用户的信贷风险的变动情况的准确评估，同时通过变动幅度较大的授信申请用户的信贷风险的监测，既提升了更新效率，同时也减少了不必要的损失。

3、通过根据变动信贷特征的子任务的预测结果以及信贷风险进行实时信贷风险的评估，从而避免了原有的重新构建信贷模型导致的信贷风险的计算效率较低的技术问题，极大的提升了实时信贷风险的评估效率。

进一步的技术方案在于，所述用户信贷特征包括但不限于职业特征、社保特征、收入特征、家庭类型特征以及历史逾期特征。

进一步的技术方案在于，基于所述预测结果进行所述授信申请用户的信贷风险的评估，具体包括：

通过不同的子任务的提升树模型进行多任务训练的共享树结构的构建，并在所述共享树结构的基础上，基于不同的子任务的提升树模型的预测结果进行数据共享进行所述授信申请用户的信贷风险的评估。

进一步的技术方案在于，所述剩余贷款数据包括所述授信申请用户的剩余贷款的笔数、不同的剩余贷款的贷款余额和剩余贷款时间。

进一步的技术方案在于，结合所述信贷风险进行实时信贷风险的评估，具体包括：

将不同的变动信贷特征的子任务的预测结果与所述信贷风险作为提升树模型的输入数据，进行所述实时信贷风险的评估。

第二方面，本发明提供了一种基于多任务提升树的信贷风控管理系统，采用上述的一种基于多任务提升树的信贷风控管理方法，具体包括：

风险评估模块，更新周期确定模块，风险变动评估模块，信贷风险修正模块；

其中所述风险评估模块负责基于授信申请用户的用户数据进行用户信贷特征的提取，通过构建基于所述用户信贷特征的子任务的提升树模型得到不同的子任务的预测结果，基于所述预测结果进行所述授信申请用户的信贷风险的评估；

所述更新周期确定模块负责基于剩余贷款数据进行所述授信申请用户的逾期损失的确定，并结合所述不同子任务的预测结果以及信贷风险进行风险更新周期的确定；

所述风险变动评估模块负责根据所述风险更新周期进行所述授信申请用户的实时的用户信贷特征的确定，将发生变动的实时的用户信贷特征作为变动信贷特征，并根据不同的变动信贷特征的变化数据以及与所述信贷风险的关联因子进行信贷风险变动量的确定；

所述信贷风险修正模块负责基于不同的所述变动信贷特征构建单独的子任务的提升树模型得到不同的变动信贷特征的子任务的预测结果，并结合所述信贷风险进行实时信贷风险的评估。

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是一种基于多任务提升树的信贷风控管理方法的流程图；

图2是授信申请用户的逾期损失的确定的方法的流程图；

图3是风险更新周期的确定的方法的流程图；

图4是信贷风险变动量的确定的方法的流程图；

图5是另外一种可能的信贷风险变动量的确定的方法的流程图；

图6是一种基于多任务提升树的信贷风控管理系统的框架图。

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。

由于授信申请用户的信贷特征在实际的贷款的支用过程中逐渐发生变化，因此需要动态的对授信申请用户的信贷风险进行动态更新，现有技术方案中一旦授信申请用户的信贷特征发生变化，则需要重新搭建预测模型进行重新预测，处理效率和复杂度都无法满足要求。

针对上述技术问题，主要采用以下技术方案：

首先基于授信申请用户的用户数据进行用户信贷特征的提取，通过构建基于所述用户信贷特征的子任务的提升树模型得到不同的子任务的预测结果，基于不同的子任务的预测结果作为提升树模型的输入数据进行授信申请用户的信贷风险的评估；

然后基于剩余贷款余额进行授信申请用户的逾期损失的确定，并通过授信申请用户的用户信贷特征的数量、不同子任务的预测结果、信贷风险以及逾期损失进行风险更新周期的确定，具体的首先根据用户信贷特征的数量与预设特征数量的比值、信贷风险与预设信贷风险的比值、逾期损失与预设逾期损失值的比值的三者的数量和进行综合评估量的确定，并根据综合评估量所处的区间进行基准风险更新周期的确定，然后根据预测结果不满足要求的子任务的占比进行更新周期的补偿量的确定，并根据基准风险更新周期以及更新周期的补偿量进行授信申请用户的风险更新周期的确定；

紧接着根据风险更新周期进行授信申请用户的实时的用户信贷特征的确定，将发生变动的实时的用户信贷特征作为变动信贷特征，并根据不同的变动信贷特征的变化数据以及与信贷风险的关联因子进行信贷风险变动量的确定，具体的根据不同的变动信贷特征的变动幅度以及关联因子的乘积进行不同的变动信贷特征中的变动情况较大的，并将其作为有效变动特征，根据有效变动特征的占比进行信贷风险变动量的确定，并当信贷风险变动量较大时，进入下一步骤；

最后基于不同的所述变动信贷特征构建单独的子任务的提升树模型得到不同的变动信贷特征的子任务的预测结果，并结合信贷风险作为提升树模型的输入数据进行实时信贷风险的评估。

以下将从方法类实施例和系统类实施例两个角度进行详细叙述。

为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种基于多任务提升树的信贷风控管理方法，具体包括：

S1基于授信申请用户的用户数据进行用户信贷特征的提取，通过构建基于所述用户信贷特征的子任务的提升树模型得到不同的子任务的预测结果，基于所述预测结果进行所述授信申请用户的信贷风险的评估；

具体的，所述用户信贷特征包括但不限于职业特征、社保特征、收入特征、家庭类型特征以及历史逾期特征。

需要说明的是，基于所述预测结果进行所述授信申请用户的信贷风险的评估，具体包括：

通过不同的子任务的提升树模型进行多任务训练的共享树结构的构建，并在所述共享树结构的基础上，基于不同的子任务的提升树模型的预测结果进行数据共享进行所述授信申请用户的信贷风险的评估。

S2基于剩余贷款数据进行所述授信申请用户的逾期损失的确定，获取所述授信申请用户的用户信贷特征的数量，并结合所述不同子任务的预测结果、信贷风险以及逾期损失进行风险更新周期的确定；

需要说明的是，所述剩余贷款数据包括所述授信申请用户的剩余贷款的笔数、不同的剩余贷款的贷款余额和剩余贷款时间。

在其中的一个可能的实施例中，如图2所示，上述步骤S2中的所述授信申请用户的逾期损失的确定的方法为：

基于所述授信申请用户的剩余贷款数据进行所述授信申请用户的不同的剩余贷款的贷款余额和剩余贷款时间，并结合不同的剩余贷款的授信额度和授信贷款时间进行不同的剩余贷款的逾期损失的确定；

通过所述剩余贷款的逾期损失以及剩余贷款的笔数进行所述授信申请用户的逾期损失的确定。

具体的举例说明，如图3所示，上述步骤S2中的所述风险更新周期的确定的方法为：

S21获取所述授信申请用户的逾期损失，并判断所述授信申请用户的逾期损失是否满足要求，若是，则进入下一步骤，若否，则将预设更新周期作为所述授信申请用户的风险更新周期；

S22通过所述授信申请用户的信贷风险以及授信申请用户的用户信贷特征的数量进行所述授信申请用户的基准更新周期的确定，并结合所述授信申请用户的逾期损失确定所述基准更新周期是否满足要求，若是，则进入下一步骤，若否，则进入步骤S24；

S23基于不同子任务的预测结果确定是否存在预测结果中的逾期风险不满足要求的子任务，若是，则进入下一步骤，若否，则将所述基准更新周期作为所述授信申请用户的风险更新周期；

S24将所述预测结果中的逾期风险不满足要求的子任务作为风险子任务，并根据所述授信申请用户的风险子任务的数量以及预测结果、子任务的数量以及除去所述风险子任务外的其它的子任务的预测结果进行所述授信申请用户的逾期风险值的确定；

S25通过所述授信申请用户的逾期风险值以及逾期损失进行所述授信申请用户的更新周期修正量的确定，并通过所述基准更新周期以及更新周期修正量确定所述授信申请用户的风险更新周期。

可以理解的是，所述预设更新周期根据授信管理机构的管理的授信申请用户的数量进行确定，其中所述授信管理机构的管理的授信申请用户的数量越多，则所述预设更新周期越长。

在另外的一个可能的实施例中，上述步骤S2中的所述风险更新周期的确定的方法为：

当所述授信申请用户的逾期损失不满足要求时，将预设更新周期作为所述授信申请用户的风险更新周期；

当所述授信申请用户的逾期损失满足要求时：

当所述授信申请用户的信贷风险不满足要求时，将预设更新周期作为所述授信申请用户的风险更新周期；

当所述授信申请用户的信贷风险满足要求时，基于所述授信申请用户的信贷风险以及授信申请用户的用户信贷特征的数量进行所述授信申请用户的基准更新周期的确定进行所述授信申请用户的基准更新周期的确定，将所述预测结果中的逾期风险不满足要求的子任务作为风险子任务，并根据所述授信申请用户的风险子任务的数量以及预测结果、子任务的数量以及除去所述风险子任务外的其它的子任务的预测结果进行所述授信申请用户的逾期风险值的确定；

当所述信申请用户的逾期风险值满足要求时，将所述授信申请用户的基准更新周期作为所述授信申请用户的风险更新周期；

当所述信申请用户的逾期风险值不满足要求时，通过所述授信申请用户的逾期风险值以及逾期损失进行所述授信申请用户的更新周期修正量的确定，并通过所述基准更新周期以及更新周期修正量确定所述授信申请用户的风险更新周期。

在本实施例中，通过基于授信申请用户的逾期损失以及不同子任务的预测结果以及信贷风险进行风险更新周期的确定，从而既考虑到不同的授信申请用户由于剩余贷款数据的差异导致的逾期损失的差异，同时还考虑到不同的授信申请用户由于预测结果的风险以及信贷风险的差异导致逾期风险的差异，实现了对风险状态的及时更新，同时也为尽快的进行逾期风险的控制奠定了基础。

S3根据所述风险更新周期进行所述授信申请用户的实时的用户信贷特征的确定，将发生变动的实时的用户信贷特征作为变动信贷特征，并根据不同的变动信贷特征的变化数据以及与所述信贷风险的关联因子进行信贷风险变动量的确定，当所述信贷风险变动量不满足要求时，进入下一步骤；

具体的举例说明，如图4所示，上述步骤S3中的所述信贷风险变动量的确定的方法为：

S31获取所述授信申请用户的变动信贷特征的数量，并结合所述授信申请用户的用户信贷特征的数量确定所述授信申请用户的变动信贷特征是否满足要求，若是，则进入步骤S34，若否，则进入下一步骤；

S32通过历史数据进行所述变动信贷特征与所述信贷风险的关联因子的确定，并根据不同的变动信贷特征与所述信贷风险的关联因子的数量和确定所述授信申请用户的变动信贷特征是否满足要求，若是，则进入下一步骤，若否，则确定所述信贷风险变动量不满足要求；

S33通过不同的变动信贷特征的变化数据进行所述变动信贷特征的变动幅度的确定，并结合不同的变动信贷特征与所述信贷风险的关联因子进行不同的变动信贷特征的综合变动量的确定，并基于不同的变动信贷特征的综合变动量的数量和确定所述授信申请用户的变动信贷特征是否满足要求，若是，则进入下一步骤，若否，则确定所述信贷风险变动量不满足要求；

S34基于所述综合变动量将所述变动信贷特征划分为问题变动特征和一般变动特征，并根据所述授信申请用户的问题变动特征的数量以及不同的问题变动特征的综合变动量、一般变动特征的数量以及不同的一般变动特征的综合变动量进行所述授信申请用户的特征变动量的确定，并判断所述授信申请用户的特征变动量是否满足要求，若是，则进入下一步骤，若否，则确定所述信贷风险变动量不满足要求；

S35通过历史数据进行所述用户信贷特征与所述信贷风险的关联因子的确定，并根据不同的用户信贷特征的关联因子以及用户信贷特征的数量、变动信贷特征的数量以及关联因子进行所述授信申请用户的变动特征影响修正量的确定，基于所述变动特征影响修正量以及所述授信申请用户的特征变动量进行所述授信申请用户的信贷风险变动量的确定。

进一步的，所述授信申请用户的信贷风险变动量的取值范围在0到1之间，其中所述信贷风险变动量越大，则所述授信申请用户的信贷风险的变动概率就越大，并当所述信贷风险变动量大于预设风险值时，则确定所述授信申请用户的信贷风险变动量不满足要求。

在另外的一个可能的实施例中，如图5所示，上述步骤S3中的所述信贷风险变动量的确定的方法为：

S41获取所述授信申请用户的变动信贷特征的数量，并通过历史数据进行所述变动信贷特征与所述信贷风险的关联因子的确定，通过不同的变动信贷特征的变化数据进行所述变动信贷特征的变动幅度的确定，并结合不同的变动信贷特征与所述信贷风险的关联因子进行不同的变动信贷特征的综合变动量的确定，根据所述变动信贷特征的综合变动量确定所述用户的变动信贷特征中是否存在问题变动特征，若是，则进入步骤S43，若否，则进入下一步骤；

S42通过所述变动信贷特征的综合变动量进行所述变动信贷特征的有效变动特征的数量的确定，并结合不同的有效变动特征的综合变动量进行有效变动特征的综合变动量的数量和的确定，根据所述有效变动特征的综合变动量的数量和确定所述用户的变动信贷特征的变动情况是否满足要求，若是，则确定所述信贷风险变动量满足要求，若否，则进入下一步骤；

S43根据所述授信申请用户的问题变动特征的数量以及不同的问题变动特征的综合变动量、有效变动特征的数量以及除去所述问题变动特征的有效变动特征的综合变动量进行所述授信申请用户的特征变动量的确定，并判断所述授信申请用户的特征变动量是否满足要求，若是，则进入下一步骤，若否，则确定所述信贷风险变动量不满足要求；

S44通过历史数据进行所述用户信贷特征与所述信贷风险的关联因子的确定，并根据不同的用户信贷特征的关联因子以及用户信贷特征的数量、变动信贷特征的数量以及关联因子进行所述授信申请用户的变动特征影响修正量的确定，基于所述变动特征影响修正量以及所述授信申请用户的特征变动量进行所述授信申请用户的信贷风险变动量的确定。

在本实施例中，通过根据不同的变动信贷特征的变化数据以及与信贷风险的关联因子进行信贷风险变动量的确定，从而实现了从变动信贷特征的变化情况以及变动信贷特征与信贷风险的关联因子两个角度对授信申请用户的信贷风险的变动情况的准确评估，同时通过变动幅度较大的授信申请用户的信贷风险的监测，既提升了更新效率，同时也减少了不必要的损失。

S4基于不同的所述变动信贷特征构建单独的子任务的提升树模型得到不同的变动信贷特征的子任务的预测结果，并结合所述信贷风险进行实时信贷风险的评估。

需要说明的是，结合所述信贷风险进行实时信贷风险的评估，具体包括：

将不同的变动信贷特征的子任务的预测结果与所述信贷风险作为提升树模型的输入数据，进行所述实时信贷风险的评估。

在本实施例中，通过根据变动信贷特征的子任务的预测结果以及信贷风险进行实时信贷风险的评估，从而避免了原有的重新构建信贷模型导致的信贷风险的计算效率较低的技术问题，极大的提升了实时信贷风险的评估效率。

另一方面，如图6所示，本发明提供了一种基于多任务提升树的信贷风控管理系统，采用上述的一种基于多任务提升树的信贷风控管理方法，具体包括：

风险评估模块，更新周期确定模块，风险变动评估模块，信贷风险修正模块；

其中所述风险评估模块负责基于授信申请用户的用户数据进行用户信贷特征的提取，通过构建基于所述用户信贷特征的子任务的提升树模型得到不同的子任务的预测结果，基于所述预测结果进行所述授信申请用户的信贷风险的评估；

所述更新周期确定模块负责基于剩余贷款数据进行所述授信申请用户的逾期损失的确定，并结合所述不同子任务的预测结果以及信贷风险进行风险更新周期的确定；

所述风险变动评估模块负责根据所述风险更新周期进行所述授信申请用户的实时的用户信贷特征的确定，将发生变动的实时的用户信贷特征作为变动信贷特征，并根据不同的变动信贷特征的变化数据以及与所述信贷风险的关联因子进行信贷风险变动量的确定；

所述信贷风险修正模块负责基于不同的所述变动信贷特征构建单独的子任务的提升树模型得到不同的变动信贷特征的子任务的预测结果，并结合所述信贷风险进行实时信贷风险的评估。

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 (10)

1.一种基于多任务提升树的信贷风控管理方法，其特征在于，具体包括：

基于授信申请用户的用户数据进行用户信贷特征的提取，通过构建基于所述用户信贷特征的子任务的提升树模型得到不同的子任务的预测结果，基于所述预测结果进行所述授信申请用户的信贷风险的评估；

基于剩余贷款数据进行所述授信申请用户的逾期损失的确定，获取所述授信申请用户的用户信贷特征的数量，并结合所述不同子任务的预测结果、信贷风险以及逾期损失进行风险更新周期的确定；

根据所述风险更新周期进行所述授信申请用户的实时的用户信贷特征的确定，将发生变动的实时的用户信贷特征作为变动信贷特征，并根据不同的变动信贷特征的变化数据以及与所述信贷风险的关联因子进行信贷风险变动量的确定，当所述信贷风险变动量不满足要求时，进入下一步骤；

基于不同的所述变动信贷特征构建单独的子任务的提升树模型得到不同的变动信贷特征的子任务的预测结果，并结合所述信贷风险进行实时信贷风险的评估。

2.如权利要求1所述的基于多任务提升树的信贷风控管理方法，其特征在于，所述用户信贷特征包括但不限于职业特征、社保特征、收入特征、家庭类型特征以及历史逾期特征。

3.如权利要求1所述的基于多任务提升树的信贷风控管理方法，其特征在于，基于所述预测结果进行所述授信申请用户的信贷风险的评估，具体包括：

通过不同的子任务的提升树模型进行多任务训练的共享树结构的构建，并在所述共享树结构的基础上，基于不同的子任务的提升树模型的预测结果进行数据共享进行所述授信申请用户的信贷风险的评估。

4.如权利要求1所述的基于多任务提升树的信贷风控管理方法，其特征在于，所述授信申请用户的逾期损失的确定的方法为：

基于所述授信申请用户的剩余贷款数据进行所述授信申请用户的不同的剩余贷款的贷款余额和剩余贷款时间，并结合不同的剩余贷款的授信额度和授信贷款时间进行不同的剩余贷款的逾期损失的确定；

通过所述剩余贷款的逾期损失以及剩余贷款的笔数进行所述授信申请用户的逾期损失的确定。

5.如权利要求1所述的基于多任务提升树的信贷风控管理方法，其特征在于，所述风险更新周期的确定的方法为：

S21获取所述授信申请用户的逾期损失，并判断所述授信申请用户的逾期损失是否满足要求，若是，则进入下一步骤，若否，则将预设更新周期作为所述授信申请用户的风险更新周期；

S22通过所述授信申请用户的信贷风险以及授信申请用户的用户信贷特征的数量进行所述授信申请用户的基准更新周期的确定，并结合所述授信申请用户的逾期损失确定所述基准更新周期是否满足要求，若是，则进入下一步骤，若否，则进入步骤S24；

S23基于不同子任务的预测结果确定是否存在预测结果中的逾期风险不满足要求的子任务，若是，则进入下一步骤，若否，则将所述基准更新周期作为所述授信申请用户的风险更新周期；

S24将所述预测结果中的逾期风险不满足要求的子任务作为风险子任务，并根据所述授信申请用户的风险子任务的数量以及预测结果、子任务的数量以及除去所述风险子任务外的其它的子任务的预测结果进行所述授信申请用户的逾期风险值的确定；

S25通过所述授信申请用户的逾期风险值以及逾期损失进行所述授信申请用户的更新周期修正量的确定，并通过所述基准更新周期以及更新周期修正量确定所述授信申请用户的风险更新周期。

6.如权利要求5所述的基于多任务提升树的信贷风控管理方法，其特征在于，所述预设更新周期根据授信管理机构的管理的授信申请用户的数量进行确定，其中所述授信管理机构的管理的授信申请用户的数量越多，则所述预设更新周期越长。

7.如权利要求1所述的基于多任务提升树的信贷风控管理方法，其特征在于，所述信贷风险变动量的确定的方法为：

S31获取所述授信申请用户的变动信贷特征的数量，并结合所述授信申请用户的用户信贷特征的数量确定所述授信申请用户的变动信贷特征是否满足要求，若是，则进入步骤S34，若否，则进入下一步骤；

S32通过历史数据进行所述变动信贷特征与所述信贷风险的关联因子的确定，并根据不同的变动信贷特征与所述信贷风险的关联因子的数量和确定所述授信申请用户的变动信贷特征是否满足要求，若是，则进入下一步骤，若否，则确定所述信贷风险变动量不满足要求；

S33通过不同的变动信贷特征的变化数据进行所述变动信贷特征的变动幅度的确定，并结合不同的变动信贷特征与所述信贷风险的关联因子进行不同的变动信贷特征的综合变动量的确定，并基于不同的变动信贷特征的综合变动量的数量和确定所述授信申请用户的变动信贷特征是否满足要求，若是，则进入下一步骤，若否，则确定所述信贷风险变动量不满足要求；

S34基于所述综合变动量将所述变动信贷特征划分为问题变动特征和一般变动特征，并根据所述授信申请用户的问题变动特征的数量以及不同的问题变动特征的综合变动量、一般变动特征的数量以及不同的一般变动特征的综合变动量进行所述授信申请用户的特征变动量的确定，并判断所述授信申请用户的特征变动量是否满足要求，若是，则进入下一步骤，若否，则确定所述信贷风险变动量不满足要求；

S35通过历史数据进行所述用户信贷特征与所述信贷风险的关联因子的确定，并根据不同的用户信贷特征的关联因子以及用户信贷特征的数量、变动信贷特征的数量以及关联因子进行所述授信申请用户的变动特征影响修正量的确定，基于所述变动特征影响修正量以及所述授信申请用户的特征变动量进行所述授信申请用户的信贷风险变动量的确定。

8.如权利要求7所述的基于多任务提升树的信贷风控管理方法，其特征在于，所述授信申请用户的信贷风险变动量的取值范围在0到1之间，其中所述信贷风险变动量越大，则所述授信申请用户的信贷风险的变动概率就越大，并当所述信贷风险变动量大于预设风险值时，则确定所述授信申请用户的信贷风险变动量不满足要求。

9.如权利要求1所述的基于多任务提升树的信贷风控管理方法，其特征在于，结合所述信贷风险进行实时信贷风险的评估，具体包括：

将不同的变动信贷特征的子任务的预测结果与所述信贷风险作为提升树模型的输入数据，进行所述实时信贷风险的评估。

10.一种基于多任务提升树的信贷风控管理系统，采用权利要求1-9任一项所述的一种基于多任务提升树的信贷风控管理方法，其特征在于，具体包括：

风险评估模块，更新周期确定模块，风险变动评估模块，信贷风险修正模块；

其中所述风险评估模块负责基于授信申请用户的用户数据进行用户信贷特征的提取，通过构建基于所述用户信贷特征的子任务的提升树模型得到不同的子任务的预测结果，基于所述预测结果进行所述授信申请用户的信贷风险的评估；

所述更新周期确定模块负责基于剩余贷款数据进行所述授信申请用户的逾期损失的确定，并结合所述不同子任务的预测结果以及信贷风险进行风险更新周期的确定；

所述风险变动评估模块负责根据所述风险更新周期进行所述授信申请用户的实时的用户信贷特征的确定，将发生变动的实时的用户信贷特征作为变动信贷特征，并根据不同的变动信贷特征的变化数据以及与所述信贷风险的关联因子进行信贷风险变动量的确定；

所述信贷风险修正模块负责基于不同的所述变动信贷特征构建单独的子任务的提升树模型得到不同的变动信贷特征的子任务的预测结果，并结合所述信贷风险进行实时信贷风险的评估。