[發明專利]一種基于人工智能深度學習和多參數動態博弈的銀行貸款發放與貸后管理決策支持系統

在審

• 申請號: 201910955530.4
• 申請日: 2019-10-09
• 公開（公告）號: CN112308203A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 劉暢;劉喆雄;潘龍佳
• 申請（專利權）人: 劉暢;劉喆雄;潘龍佳
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/62;G06Q40/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明主要屬于科技金融信貸決策領域，具體涉一種基于人工智能深度學習和多參數動態博弈的銀行貸款發放與貸后管理決策支持系統。本發明通過運籌學、博弈論、網絡科學與經濟學交叉的理論研究方法，綜合考慮現有的人工智能、云計算、大數據、機器學習等前沿技術，并借鑒數據挖掘與機器學習、數據處理、深度學習理論，在金融機構在信貸決策時存在信息不對稱的復雜動態的商業環境基礎上，采用人工智能深度增強學習DQN的模型模擬人做決策的動態過程，構建多層次、全方位的用戶識別、貸前評估及貸后管理的系統化智能化貸款決策系統，提高金融機構跨行業、跨市場、交叉性金融風險的識別、防范以及化解能力。

技術領域

本發明主要屬于科技金融信貸決策領域，具體涉一種基于人工智能深度學習和多參數動態博弈的銀行貸款發放與貸后管理決策支持系統。

背景技術

由于現有貸款流程中存在信息不對稱問題，銀行無法獲取貸款者全部信息，因此銀行在向客戶提供貸款服務時尤為審慎，這使得貸款審核及發放流程較長，貸款客戶體驗感較差。同時，由于存在信息不對稱，目前銀行無足夠數據和子信息進行決策，在進行貸后決策時也難以基于消費者不同的還款行為形成最優化貸后管理政策和動態化智能化的政策體系。

銀行傳統貸款業務流程存在諸多問題，經濟新常態下須尋求轉型。由于信息不對稱，銀行信貸業務中存在信用風險、市場風險以及流動性風險，同時，傳統信貸管理流程中缺乏技術介入，銀行內部上下級之間信息也存在差異，進一步導致了信貸審核效率低等問題。在經濟新常態下，目前傳統信貸業務存在以下信貸管理的行政化傾向、風險管理機制不合理、信用風險分析方法落后等問題。新形勢下，銀行需要對傳統信貸管理方法進行優化。

基于新興網絡科學及傳統經濟學結合的視角，科技金融通過融合人工智能、區塊鏈等核心技術，探尋其在金融經濟領域應用場景。科技金融涵蓋領域可簡要概括為（1）信貸、存款及融資服務（2）支付、清算及結算（3）投資管理服務（4）保險。科技金融通過應用人工智能、區塊鏈等技術，能夠提高投資效率,滿足新興企業成長和傳統產業數字化轉型中的新金融需求，對實體經濟發展有著積極作用。

本發明綜合博弈論、運籌學和網絡科學等理論框架構建人工智能深度學習和多參數動態博弈的銀行貸款發放與貸后管理決策支持系統，為貸款機構的信貸決策提供科學可靠的實證支撐，提高金融機構跨行業、跨市場、交叉性金融風險的識別、防范以及化解能力。

發明內容

本發明涉及的智能化貸款體系模型，在借鑒和發展傳統模型的基礎上，進一步革新研究手段：結合信息博弈模型、實施非固定馬爾科夫鏈模型的t-Copula仿真法、強化學習DQN算法、k-均值聚類模型、BP神經網絡模型等；主要基于數據挖掘與機器學習、深度增強學習等前沿理論，云計算、大數據管理等技術，進一步解析人工智能在信貸決策的作用機理。具體的步驟包括用戶識別、貸款評估和貸款管理。

本發明的通過以下技術方案實現：

本發明的用戶識別步驟通過大數據、云平臺和深度學習的應用，對用戶指紋、聲音、人臉及檔案等信息進行用戶畫像，搭建基于用戶分層的智能信貸數據庫，實現客戶信息的自動化、智能化處理。

首先，結合終端設備的生物識別技術，形成用戶指紋庫，并通過自然語音處理、計算機視覺、信息檢索技術，充分利用社交媒體、交易平臺等多維數據，對分散的、多渠道的信息進行整合，深入挖掘客戶特征（指紋、聲音、人臉、檔案），形成建立數據庫的基礎。其次，利用k-均值聚類模型將數據成員進行分類組織：

K-均值算法代碼如下：

。

進一步地，通過采用BP神經網絡作為評估模型對分類的客戶特征進行評估，完成對客戶綜合風險的評估，識別用戶高風險交易的特征及信用等級，有效地交叉識別客戶信息的真實性。最終在進行信貸決策時，實現對不良的用戶信息和交易記錄進行自動識別、過濾和更新。