[發(fā)明專利]信貸風(fēng)險(xiǎn)控制方法及系統(tǒng)、電子設(shè)備及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011035747.2
• 申請日: 2020-09-27
• 公開（公告）號: CN112102073A
• 公開（公告）日: 2020-12-18
• 發(fā)明（設(shè)計(jì)）人: 李少帥;張博;張勝慶;曹家楷;黃慕宇;張帆
• 申請（專利權(quán)）人: 長安汽車金融有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王宇楊

1.一種信貸風(fēng)險(xiǎn)控制方法，其特征在于，包括：

S1:基于用戶提交的基本身份信息與授權(quán)信息，獲取用戶的信貸信息，所述信貸信息包括基礎(chǔ)信貸申請信息、行為表現(xiàn)信息和金融產(chǎn)品相關(guān)信息；

S2:提取所述信貸信息中的N個原始特征，對所述N個原始特征采用K-S值最大的分箱算法進(jìn)行處理，得到分箱結(jié)果特征，其中，N為正整數(shù)；所述分箱結(jié)果特征采用交叉特征衍生算法處理，得到衍生出的交叉特征；將所述衍生出的交叉特征、所述分箱結(jié)果特征和所述N個原始特征進(jìn)行結(jié)合，剔除無效特征，得到的重要特征作為特征數(shù)據(jù)；并從用戶的基礎(chǔ)信貸申請信息中提取出初始申請額度；

S3:將所述用戶的特征數(shù)據(jù)輸入預(yù)設(shè)的信用風(fēng)險(xiǎn)評分模型，得到所述用戶的信用評分結(jié)果；根據(jù)所述信用評分結(jié)果，評估所述用戶的信用風(fēng)險(xiǎn)等級；

S4:基于建立并訓(xùn)練好的風(fēng)險(xiǎn)調(diào)整因子模型，當(dāng)所述用戶的信用風(fēng)險(xiǎn)等級不為第一等級時，將所述用戶的信用評分結(jié)果輸入所述風(fēng)險(xiǎn)調(diào)整因子模型，得到風(fēng)險(xiǎn)調(diào)整因子；利用所述風(fēng)險(xiǎn)調(diào)整因子對所述用戶的初始申請額度進(jìn)行修正，得到修正后的定價(jià)水平。

2.根據(jù)權(quán)利要求1所述的信貸風(fēng)險(xiǎn)控制方法，其特征在于，所述提取所述信貸信息中的N個原始特征，對所述N個原始特征采用K-S值最大的分箱算法進(jìn)行處理，得到分箱結(jié)果特征，其中，N為正整數(shù)，具體包括：

提取所述信貸信息中的所有N種屬性信息，形成N個原始特征；

基于如下公式對所述N個原始特征進(jìn)行K-S值最大的分箱算法處理：

其中，{f₁,f₂,f₃,…,f_i,…,f_N}為所述N個原始特征的集合，f_i為所述N個原始特征中的第i個原始特征，0＜i≤N,為分箱結(jié)果特征的集合，f_i^cut為對應(yīng)于原始特征f_i的分箱結(jié)果，F(xiàn)_{cut_bin}為K-S值最大的分箱算法。

3.根據(jù)權(quán)利要求1所述的信貸風(fēng)險(xiǎn)控制方法，其特征在于，所述對所述分箱結(jié)果特征采用交叉特征衍生算法處理，得到衍生出的交叉特征，具體包括：

基于如下公式對所述分箱結(jié)果特征進(jìn)行交叉特征衍生算法處理：

其中，為分箱結(jié)果特征的集合，為衍生出的交叉特征的集合，T為正整數(shù)，P_gen為交叉特征衍生算法。

4.根據(jù)權(quán)利要求1所述的信貸風(fēng)險(xiǎn)控制方法，其特征在于，所述將所述衍生出的交叉特征、所述分箱結(jié)果特征和所述N個原始特征進(jìn)行結(jié)合，剔除無效特征，得到重要特征，具體包括：

將所述衍生出的交叉特征、所述分箱結(jié)果特征和所述N個原始特征進(jìn)行結(jié)合，得到結(jié)合后特征；

再采用卡方驗(yàn)證算法、信息增益算法、IV值算法、梯度提升樹算法、特征PSI指數(shù)算法、特征方差值算法、皮爾遜相關(guān)系數(shù)算法和最大信息系數(shù)算法中的任一種算法或者任意種算法的組合進(jìn)行所述結(jié)合后特征的重要性評估；

基于所述評估結(jié)果，剔除無效特征，保留重要特征。

5.根據(jù)權(quán)利要求1所述的信貸風(fēng)險(xiǎn)控制方法，其特征在于，所述將所述用戶的特征數(shù)據(jù)輸入預(yù)設(shè)的信用風(fēng)險(xiǎn)評分模型，得到所述用戶的信用評分結(jié)果的實(shí)現(xiàn)過程為：

S_score＝F_score[P_{feature-engineer}(f₁,f₂,f₃…)]

其中f₁，f₂，f₃…為用戶的若干個特征數(shù)據(jù)，P_{feature-engineer}為特征工程算法，S_score為用戶的信用評分結(jié)果，其中，所述特征工程算法包括數(shù)據(jù)預(yù)處理、特征衍生、特征選擇，所述F_score為預(yù)設(shè)的信用風(fēng)險(xiǎn)評分模型。