[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

本發明公開了基于風險模型的全生命周期管控方法和裝置，涉及計算機技術領域。該方法的一具體實施方式包括：獲取目標風險模型對應的特征數據，根據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目標風險模型進行模型測試，若模擬測試結果為通過，運行目標風險模型；基于預設的模型評估指標對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，則迭代訓練目標風險模型。該實施方式完成了模型構建、模型測試和模型運行過程的平滑轉換，實現了模型自動化迭代，提高模型全生命周期管控效率。

技術領域

本發明涉及計算機技術領域，尤其涉及一種基于風險模型的全生命周期管控方法和裝置。

背景技術

風控技術作為銀行體系甚至是整個金融體系健康運營管理的重要保障環節。風控技術的核心在于風險模型的應用，考慮到風險模型的有效性會隨著業務發展逐步的發生改變，也就是說需要根據業務特點定期或事件觸發啟動風險模型的迭代更新管理，以使風險模型能夠適應業務發展。因此，如何管理控制風險模型具有重要研究意義。

當前風險模型的管理控制方法中，建模人員在開發環境訓練模型和測試模型，在模型達到專家認定技術標準后，運行達到技術標準的模型，在模型運行過程中，模型運行效果需要返回到模型開發環境做評估驗證，若模型運行效果不好，需要人工發起測試和重新訓練過程。

在實現本發明過程中，發明人發現現有技術中至少存在如下問題：模型開發過程依賴人工專家經驗判斷，無法形成標準化過程工藝，并且由于模型開發過程需要不斷進行人工干預，導致模型迭代開發效率較低，而且現有模型過程狀態不清晰，不能實現模型全生命周期過程管控。

發明內容

有鑒于此，本發明實施例提供一種基于風險模型的全生命周期管控方法和裝置，完成了模型構建、模型測試和模型運行過程的平滑轉換，實現了模型自動化迭代，提高模型全生命周期管控效率。

為實現上述目的，根據本發明實施例的第一方面，提供了一種基于風險模型的全生命周期管控方法。

本發明實施例的一種基于風險模型的全生命周期管控方法，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。

可選地，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。

可選地，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。

可選地，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。

可選地，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。