[發(fā)明專利]一種基于多維度指標(biāo)計算、自學(xué)習(xí)及分群模型應(yīng)用的授信決策方法與系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201711182115.7
• 申請日: 2017-11-23
• 公開（公告）號: CN107862602A
• 公開（公告）日: 2018-03-30
• 發(fā)明（設(shè)計）人: 仲惟曉;蔣宏
• 申請（專利權(quán)）人: 安趣盈（上海）投資咨詢有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q10/06
• 代理公司: 北京市漢坤律師事務(wù)所11602
• 代理人: 段志超

技術(shù)領(lǐng)域

本發(fā)明涉及互聯(lián)網(wǎng)金融領(lǐng)域，尤其涉及一種基于多維度指標(biāo)計算、自學(xué)習(xí)及分群模型應(yīng)用的授信決策方法與系統(tǒng)。

背景技術(shù)

傳統(tǒng)銀行等金融機(jī)構(gòu)在評價客戶的信用等級以決定是否給予客戶授信或決定具體的授信額度時，需要客戶向征信機(jī)關(guān)申請出具相應(yīng)的征信證明。同時，客戶的工作證明以及收入證明等也會成為金融機(jī)構(gòu)決定是否對該客戶進(jìn)行授信以及確定相應(yīng)利率的關(guān)鍵因素。上述現(xiàn)有技術(shù)存在的問題是，一方面需要用戶投入時間和精力準(zhǔn)備相關(guān)證明材料，耗時費(fèi)力；另一方面上述材料所記載的信息存在發(fā)生變化的可能性，金融機(jī)構(gòu)基于上述材料所作出的風(fēng)險判斷有可能是不準(zhǔn)確的?；ヂ?lián)網(wǎng)金融的出現(xiàn)，解決了部分現(xiàn)有技術(shù)中存在的手續(xù)繁瑣的問題，但現(xiàn)有線上或線下的授信決策方法仍存在指標(biāo)單一、決策模型更新不及時、模型失配等問題，導(dǎo)致基于授信決策而作出的信貸所面臨的風(fēng)險加大。本發(fā)明旨在解決上述問題，提供一種高效、安全、動態(tài)的授信決策方法。可應(yīng)用于線上或線下的金融服務(wù)，尤其可應(yīng)用于線上的授信與放款服務(wù)。

發(fā)明內(nèi)容

本發(fā)明針對信貸需求，尤其是基于互聯(lián)網(wǎng)的信貸需求，提出了一種基于多維度指標(biāo)計算、自學(xué)習(xí)及分群模型應(yīng)用的授信決策方法與系統(tǒng)，以期提供一種高效、便捷、安全、動態(tài)的授信決策方法，并通過以下方案實(shí)現(xiàn)上述目的。需要說明的是，對于某個特定的業(yè)務(wù)而言，并不意味著該特定的業(yè)務(wù)需要運(yùn)行上述方法的全部步驟和/或流程，或調(diào)用上述系統(tǒng)的全部功能模塊，可以僅運(yùn)行或調(diào)用部分。

本發(fā)明提供一種基于多維度指標(biāo)計算的授信決策方法，其包括以下步驟：將流入的數(shù)據(jù)處理成統(tǒng)一格式的數(shù)據(jù)流入標(biāo)準(zhǔn)化步驟；根據(jù)不同的指標(biāo)計算方法進(jìn)行指標(biāo)計算；根據(jù)所接收數(shù)據(jù)，與所采用的不同模型進(jìn)行模型決策；根據(jù)模型決策結(jié)果，或根據(jù)模型決策結(jié)果與其他調(diào)整因素進(jìn)行授信和放款。

進(jìn)一步地，數(shù)據(jù)流入標(biāo)準(zhǔn)化步驟包括數(shù)據(jù)接入和數(shù)據(jù)標(biāo)準(zhǔn)化步驟。

進(jìn)一步地，數(shù)據(jù)接入包括用戶提交的數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)接口提供的數(shù)據(jù)和用戶授權(quán)爬蟲獲取的數(shù)據(jù)。優(yōu)選地，數(shù)據(jù)接入還包括身份信息、通訊信息、三方征信、電商數(shù)據(jù)、消費(fèi)數(shù)據(jù)和機(jī)構(gòu)數(shù)據(jù)。優(yōu)選地，用戶借貸形成歷史借貸數(shù)據(jù)，與用戶提交的數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)接口提供的數(shù)據(jù)和用戶授權(quán)爬蟲獲取的數(shù)據(jù)共同成為數(shù)據(jù)流入標(biāo)準(zhǔn)化步驟中數(shù)據(jù)的來源。

進(jìn)一步地，其中指標(biāo)計算是實(shí)時指標(biāo)計算。優(yōu)選地，其中指標(biāo)計算包括實(shí)時指標(biāo)計算和異步指標(biāo)計算。

進(jìn)一步地，異步指標(biāo)計算由以下的步驟完成：通過實(shí)體建模，將相關(guān)數(shù)據(jù)存儲在索引及搜索數(shù)據(jù)庫，提取數(shù)據(jù)后進(jìn)行異步指標(biāo)計算；或者，通過關(guān)系建模，將相關(guān)數(shù)據(jù)存儲在圖數(shù)據(jù)庫，提取數(shù)據(jù)后進(jìn)行異步指標(biāo)計算；或者，將實(shí)時指標(biāo)計算結(jié)果存儲于關(guān)系型數(shù)據(jù)庫，提取數(shù)據(jù)后進(jìn)行異步指標(biāo)計算。

進(jìn)一步地，模型決策過程包括接收實(shí)時授信數(shù)據(jù)和延時授信數(shù)據(jù)，經(jīng)模型計算作出決策，其中所接收的實(shí)時授信數(shù)據(jù)來源于實(shí)時指標(biāo)計算，所接收的延時授信數(shù)據(jù)來源于實(shí)時指標(biāo)計算和/或異步指標(biāo)計算。

進(jìn)一步地，其中模型決策包括模型計算，其算法包括邏輯回歸、線性回歸、隨機(jī)森林、Gradient Boosting、Xgboost、Lasso、GBDT、Decision Tree、 Genetic Algorithms、Neural network、SVM、Logistic Regression、Ada Boost、以及Naive Bayes。

進(jìn)一步地，依據(jù)異步指標(biāo)計算結(jié)果進(jìn)行模型迭代，并使用更新的模型作為決策的依據(jù)。優(yōu)選地，依據(jù)異步指標(biāo)計算結(jié)果以及真實(shí)的風(fēng)險表現(xiàn)進(jìn)行模型迭代，并使用更新的模型作為決策的依據(jù)。優(yōu)選地，上述更新是持續(xù)更新。

進(jìn)一步地，借貸放款取決于模型計算結(jié)果和/或信用調(diào)整結(jié)果。

進(jìn)一步地，依據(jù)異步指標(biāo)計算結(jié)果對信用進(jìn)行動態(tài)調(diào)整，并影響授信放款。

本發(fā)明還提供一種基于多維度指標(biāo)計算的授信決策系統(tǒng)，該系統(tǒng)包括：數(shù)據(jù)流入標(biāo)準(zhǔn)化模塊，其將流入的數(shù)據(jù)處理成具有統(tǒng)一格式的數(shù)據(jù)；指標(biāo)計算模塊，其根據(jù)不同的指標(biāo)計算方法進(jìn)行指標(biāo)計算；模型決策模塊，其根據(jù)所接收數(shù)據(jù)，與所采用的不同模型進(jìn)行模型決策；授信放款模塊，其根據(jù)模型決策結(jié)果，或根據(jù)模型決策結(jié)果與其它調(diào)整因素進(jìn)行授信和放款。

進(jìn)一步地，數(shù)據(jù)流入標(biāo)準(zhǔn)化模塊包括數(shù)據(jù)接入模塊和數(shù)據(jù)標(biāo)準(zhǔn)化模塊。優(yōu)選地，數(shù)據(jù)接入模塊的數(shù)據(jù)接入包括用戶提交的數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)接口提供的數(shù)據(jù)和用戶授權(quán)爬蟲獲取的數(shù)據(jù)。優(yōu)選地，數(shù)據(jù)接入還包括身份信息、通訊信息、三方征信、電商數(shù)據(jù)、消費(fèi)數(shù)據(jù)和機(jī)構(gòu)數(shù)據(jù)。