[發明專利]基于LightGBM決策樹算法的個貸類不良資產風險評級方法

在審

• 申請號: 202011399404.4
• 申請日: 2020-12-02
• 公開（公告）號: CN112862585A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 郭能
• 申請（專利權）人: 浙江惠瀜網絡科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06N20/00;G06F16/951
• 代理公司: 南京樂羽知行專利代理事務所(普通合伙) 32326
• 代理人: 孫承堯

本申請公開了一種于LightGBM決策樹算法的個貸類不良資產風險評級方法包括如下步驟：采集和處理用于風險評級的數據；將采集和處理后的數據輸入至一個基于LightGBM決策樹構建決策系統，決策系統根據輸入的數據和決策系統中構建的模型進行分析；根據決策系統的分析輸出評級結果。本申請的有益之處在于提供一種從資產回款可能性角度評級而非資產本身價值進行評級的基于LightGBM決策樹算法的個貸類不良資產風險評級方法。

技術領域

本申請涉及一種風險評級方法，具體而言，涉及一種基于LightGBM決策樹算法的個貸類不良資產風險評級方法。

背景技術

個貸類不良資產屬于金融不良資產，是指銀行持有的次級、可疑及損失類貸款，金融資產管理公司收購或者接管的金融不良債權，以及其他非銀行金融機構持有的不良債權。現有的個貸類不良資產評級主要圍繞資產的價值評估，往往后續動作是通過ABS資產轉包的方式進行資產處置，而以不良資產的回款可能性方面的風險評級幾乎沒有，評估方法大多基于個人經驗、非常主觀，且考慮的因素不全面。

發明內容

為了解決現有技術的不足之處，本申請提供一種于LightGBM決策樹算法的個貸類不良資產風險評級方法包括如下步驟：采集和處理用于風險評級的數據；將采集和處理后的所述數據輸入至一個基于LightGBM決策樹構建決策系統，所述決策系統根據輸入的所述數據和決策系統中構建的模型進行分析；根據所述決策系統的分析輸出評級結果。

進一步地，所述基于LightGBM決策樹算法的個貸類不良資產風險評級方法還包括如下步驟：構建基于LightGBM決策樹構建決策系統的模型。

進一步地，所述構建基于LightGBM決策樹構建決策系的模型統包括如下步驟：數據抽取：基于API對接的三方數據，如銀聯數據、人行征信數據、公積金/社保數據、運營商數據、電商交易數據，以及公開網站合規爬取的工商、法院、資訊等數據，以及不良資產用戶數據，并進行數據匹配；數據打標：根據資產管理公司反饋的歷史不良資產最終回款情況，進行樣本打標，給定表現期三個月，三個月內回款則是好用戶，否則為壞用戶。

進一步地，樣本增強：如果樣本較少，那需要對樣本進行上采樣，即樣本增強。可以在時間序列上通過滑動窗口，生成多個切片數據，不同切片數據相當于對原單個樣本進行復制或增強。

進一步地，所述構建基于LightGBM決策樹構建決策系的模型統包括如下步驟：缺失值填充：缺失比例高于80％，采用直接刪除的方式；低于此比例，采用插值法進行缺失數據填充；數據集劃分：數據集劃分為訓練集、測試集和驗證集樣本，樣本比列為7： 2：1。

進一步地，所述構建基于LightGBM決策樹構建決策系的模型統包括如下步驟：特征構建：基于用戶收入、用戶負債、用戶信用、用戶對外擔保情況、用戶消費、用戶行蹤中一個或多個梳理基礎指標，并結合時間特性和常用統計量進行特征的構建；特征篩選：基于特征的重要性和相關性進行篩選。

進一步地，所述構建基于LightGBM決策樹構建決策系的模型統包括如下步驟：模型構建：模型采用LightGBM-LR的架構搭建而成，其中LightGBM用來對衍生的特征映射到高維度；最終用高維向量空間的特征作為LR模型的輸入來預測樣本回款概率。

進一步地，所述構建基于LightGBM決策樹構建決策系的模型統包括如下步驟：模型評估：將構建模型分別應用到測試集和驗證集樣本中，分別得出測試集樣本的回款概率預測值以及驗證集樣本的回款概率預測值。

進一步地，所述模型評估還包括：計算測試樣本集的AUC值和K-S值，如果AUC 值和K-S值本身滿足預設條件且多個所述側視樣本集之間的AUC值和K-S值的差值在預設差值范圍內，則認為模型有效。

進一步地，所述決策系統輸出回款概率值，并根據回款概率值輸出評估等級。