[發明專利]基于XGBoost驅動的海薩尼轉換金融決策處理系統

在審

• 申請號: 201910852902.0
• 申請日: 2019-09-10
• 公開（公告）號: CN110570300A
• 公開（公告）日: 2019-12-13
• 發明（設計）人: 龔誼承;張艷娜;余力;周蓮螢;都承華
• 申請（專利權）人: 武漢科技大學
• 主分類號: G06Q40/02
• 分類號: G06Q40/02
• 代理公司: 11401 北京金智普華知識產權代理有限公司
• 代理人: 楊采良

1.一種基于XGBoost驅動的海薩尼轉換金融決策處理系統，其特征在于，所述系統功能模塊包括：

博弈模塊，用于構造互聯網金融企業與貸款申請者之間的不完全信息互聯網貸款信用博弈模型；

信用風險度量模塊，用于采用統計學習方法基于其他已貸款者全部數據和新貸款者部分數據度量貸款申請者的信用風險；

數據驅動的海薩尼轉換模塊，用于將度量的信用風險應用于海薩尼轉換中，進行信用風險驅動的海薩尼轉換；

決策模塊，用于基于博弈論和統計學習對互聯網金融企業的貸款決策給出建議。

2.如權利要求1中所述的基于XGBoost驅動的海薩尼轉換金融決策處理系統，其特征在于，所述信用風險度量模塊包括：

數據預處理子單元，對采集的貸款申請者的數據進行預處理；

信用風險學習子單元：定義信用風險，采用梯度提升決策樹模型度量；提出耦合支持向量機的GBDT模型，選擇SVM中的支持向量作為新的訓練集，并利用該模型度量信用風險；最后采用XGBoost模型度量信用風險；

訓練集和測試集劃分子單元，用于將預處理后的數據劃分為訓練集和測試集兩個數據集；

XGBoost模型訓練檢驗子單元，用于XGBoost模型通過訓練集學習信用風險模型，通過測試集檢驗學習效果。

3.如權利要求1中所述的基于XGBoost驅動的海薩尼轉換金融決策處理系統，其特征在于，所述數據驅動的海薩尼轉換模塊包括：

貝葉斯納什均衡概率獲取子單元，用于3ILCG模型通過海薩尼轉換，獲得貝葉斯納什均衡概率p_e；

信用概率分布預測子單元，用于通過XGBoost模型預測海薩尼轉換中自然選擇貸款申請者的信用良好的概率p_g。

4.如權利要求3中所述的基于XGBoost驅動的海薩尼轉換金融決策處理系統，其特征在于，貝葉斯納什均衡概率獲取子單元的3ILCG模型中，p_g表示貸款申請者擁有好信用的概率，XGBoost預測的p_xgb表示的是貸款申請者的信用風險，即不能按時還款的概率，為壞信用的概率，p_g的預測值為p’_g＝1-p_xgb。P_xgb是位于(0,1)之間的數，如果p_xgb接近1，則表示一個新的貸款申請者擁有良好信用的概率越小，p’_g接近于0；p_xgb接近0，則表示一個新的貸款申請者擁有差信用的概率越大，p’_g接近于1。

5.如權利要求1中所述的基于XGBoost驅動的海薩尼轉換金融決策處理系統，其特征在于，所述決策模塊對互聯網金融企業的貸款決策給出建議中，根據概率分布分配一個新的貸款申請者類型，并將pe和pg進行比較，做出貸款決策；如果p’_g≥p_e，批準貸款申請者的貸款申請，獲得更大的收益：反之，如果p’_g<p_e，拒絕貸款申請的貸款申請。

6.一種搭載權利要求1～5任意一項所述基于XGBoost驅動的海薩尼轉換金融決策處理系統的信息數據處理終端。

7.一種計算機可讀存儲介質，包括指令，當其在計算機上運行時，使得計算機執行如權利要求1-5任意一項所述基于XGBoost驅動的海薩尼轉換金融決策處理系統的功能。