[發明專利]基于多重時間驗證的金融風險分析方法、裝置及電子設備

在審

• 申請號: 201910587679.1
• 申請日: 2019-07-02
• 公開（公告）號: CN110335143A
• 公開（公告）日: 2019-10-15
• 發明（設計）人: 張潮華;乾春濤;高明宇;鄭彥
• 申請（專利權）人: 上海淇毓信息科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06N20/20
• 代理公司: 北京清誠知識產權代理有限公司 11691
• 代理人: 喬東峰

1.一種基于多重時間驗證的金融風險分析方法，其特征在于，包括：

將第一時間范圍內的用戶數據輸入多個初始機器學習模型中，獲取多個第一分析數值；

將第二時間范圍內的用戶數據輸入所述多個初始機器學習模型中，獲取多個第二分析數值；

將所述第一分析數值、所述第二分析數值輸入所述風險分析模型中生成風險分析數值；以及

通過所述風險分析數值對用戶進行金融風險分析。

2.如權利要求1所述的方法，其特征在于，將第一時間范圍內的用戶數據輸入多個初始機器學習模型中，獲取多個第一分析數值包括：

將第一時間范圍內的用戶數據輸入多個初始機器學習模型中；

所述多個初始機器學習模型中的每一個初始機器學習模型分別通過分箱法對所述第一時間范圍內的用戶數據進行分組評分；以及

將分組評分結果與閾值進行比較以確定多個第一分析數值。

3.如權利要求1-2任一項所述的方法，其特征在于，將第二時間范圍內的用戶數據輸入所述多個初始機器學習模型中，獲取多個第二分析數值包括：

將第二時間范圍內的用戶數據輸入多個初始機器學習模型中；

所述多個初始機器學習模型中的每一個初始機器學習模型分別通過分箱法對所述第二時間范圍內的用戶數據進行分組評分；以及

將分組評分結果與閾值進行比較以確定多個第二分析數值。

4.如權利要求1-3任一項所述的方法，其特征在于，將所述第一分析數值、所述第二分析數值輸入所述風險分析模型中生成風險分析數值包括：

獲取所述風險分析模型的常規變量參數；

將所述第一分析數值、所述第二分析數值作為衍生參數；以及

將所述衍生參數與所述常規變量參數輸入所述風險分析模型中生成所述風險分析數值。

5.如權利要求1-4任一項所述的方法，其特征在于，獲取所述風險分析數值的常規變量參數包括：

通過用戶數據與所述風險分析模型的特征提取所述常規變量參數；

所述常規變量參數至少包括以下一者：借款期數、風險定價、用戶特征。

6.如權利要求1-5任一項所述的方法，其特征在于，還包括：

通過歷史第一分析數值與第二分析數值訓練邏輯回歸算法模型以生成所述風險分析模型。

7.如權利要求1-6任一項所述的方法，其特征在于，將所述衍生參數與所述常規變量參數輸入所述風險分析模型中生成所述風險分析數值包括：

將所述衍生參數與所述常規變量參數輸入所述風險分析模型；

所述風險分析模型將所述衍生參數與所述常規變量進行分組平滑處理；以及

通過分組平滑處理后的所述衍生參數與所述常規變量生成所述風險分析數值。

8.一種基于多重時間驗證的金融風險分析裝置，其特征在于，包括：

第一分析模塊，用于將第一時間范圍內的用戶數據輸入多個初始機器學習模型中，獲取多個第一分析數值；

第二分析模塊，用于將第二時間范圍內的用戶數據輸入所述多個初始機器學習模型中，獲取多個第二分析數值；

風險分析模塊，用于將所述第一分析數值、所述第二分析數值輸入所述風險分析模型中生成風險分析數值；以及

金融分析模塊，用于通過所述風險分析數值對用戶進行金融風險分析。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的方法。

10.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-7中任一所述的方法。