[發明專利]基于風險模型的全生命周期管控方法和裝置

在審

• 申請號: 202010220328.X
• 申請日: 2020-03-25
• 公開（公告）號: CN111383100A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 馬堃;李姍姍;蔡佳煌
• 申請（專利權）人: 中國建設銀行股份有限公司;建信金融科技有限責任公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 王安娜;王志遠

1.一種基于風險模型的全生命周期管控方法，其特征在于，包括：

獲取目標風險模型對應的特征數據，根據所述特征數據和預設的模型參數，構建目標風險模型；

基于預設的模型測試指標對所述目標風險模型進行模型測試，若模擬測試結果為通過，運行所述目標風險模型；

基于預設的模型評估指標對所述目標風險模型的運行情況進行模型評估，若模型評估結果為不通過，則迭代訓練所述目標風險模型。

2.根據權利要求1所述的方法，其特征在于，所述獲取目標風險模型對應的特征數據，包括：

確定所述目標風險模型對應的特征變量范圍，根據所述特征變量范圍，提取預設時間周期內的源數據；

按照預設的計算邏輯對所述源數據進行處理，獲得所述源數據對應的可選特征數據；

判斷所述可選特征數據對應的特征評估指標值是否滿足預設數據指標條件，若是，則確定所述可選特征數據為所述目標風險模型對應的特征數據，若否，則進行人工篩選。

3.根據權利要求1所述的方法，其特征在于，所述根據所述特征數據和預設的模型參數，構建目標風險模型，包括：

判斷是否需要重新設置模型參數；

若是，則基于重新設置的模型參數對所述特征數據進行模型訓練，構建所述目標風險模型；

若否，則基于現有模型參數對所述特征數據進行模型訓練，構建所述目標風險模型。

4.根據權利要求1所述的方法，其特征在于，在構建所述目標風險模型之后，所述方法還包括：獲取所述目標風險模型對應的開發評估指標值，若所述開發評估指標值滿足預設模型開發條件，則對所述目標風險模型進行模型測試。

5.根據權利要求4所述的方法，其特征在于，所述基于預設的模型測試指標對所述目標風險模型進行模型測試，若模擬測試結果為通過，運行所述目標風險模型，包括：

獲取所述目標風險模型對應的測試數據，基于預設的模型測試指標，利用所述測試數據對所述目標風險模型進行模型測試，獲得模型測試指標值；

若所述模型測試指標值與預設測試指標值的差值在預設差值范圍內，則確認所述模擬測試結果通過，控制所述目標風險模型進入模型投產運行階段；其中，

所述預設測試指標值為所述開發評估指標值或上次模型測試指標值。

6.根據權利要求1所述的方法，其特征在于，所述基于預設的模型評估指標對所述目標風險模型的運行情況進行模型評估，若模型評估結果為不通過，則迭代訓練所述目標風險模型，包括：

基于預設的模型評估指標對所述目標風險模型的運行情況進行監測，獲得模型運行指標值，判斷所述模型運行指標值是否滿足預設模型運行條件；

若是，則繼續運行所述目標風險模型，若否，則迭代訓練所述目標風險模型。

7.根據權利要求1所述的方法，其特征在于，所述方法還包括：在迭代訓練所述目標風險模型的過程中，若不能滿足預設模型開發條件，則終止所述目標風險模型。

8.一種基于風險模型的全生命周期管控裝置，其特征在于，包括：

構建模塊，用于獲取目標風險模型對應的特征數據，根據所述特征數據和預設的模型參數，構建目標風險模型；

測試模塊，用于基于預設的模型測試指標對所述目標風險模型進行模型測試，若模擬測試結果為通過，運行所述目標風險模型；

評估模塊，用于基于預設的模型評估指標對所述目標風險模型的運行情況進行模型評估，若模型評估結果為不通過，則迭代訓練所述目標風險模型。

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。