[發明專利]宏觀違約風險模型訓練方法、信用評價方法及裝置

在審

• 申請號: 202110084913.6
• 申請日: 2021-01-22
• 公開（公告）號: CN112734567A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 陳驚雷;黃昶君;王雪;房雯雯;羅曄;孫昊;楊菲
• 申請（專利權）人: 建信金融科技有限責任公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q10/04;G06K9/62;G06N20/00
• 代理公司: 北京市蘭臺律師事務所 11354
• 代理人: 李浩;張峰

1.一種宏觀違約風險模型訓練方法，其特征在于，包括：

定義宏觀違約風險模型為：

其中，為客戶樣本集合I_rit違約率，函數f表示預測算法，Z表示目標宏中觀經濟指標及其滯后項，ε_rit表示隨機誤差項；

基于預定時間段內樣本客戶違約率與目標宏中觀經濟指標，訓練宏觀信用評價模型，確定模型參數。

2.根據權利要求1所述的方法，其特征在于，所述函數f為線性回歸算法、XGBoost算法、嶺回歸算法、SVM、隨機森林、AdaBoost、決策樹、深度學習算法的任一種或多種的組合。

3.根據權利要求1所述的方法，其特征在于，確定客戶樣本集合I_rit違約率包括：

獲取預設歷史時間段T內的樣本客戶；

對各個樣本客戶添加時間窗編號行業編號i、地域編號r，從而將所有樣本分割后得到集合L＝{L_ri1，…，L_rit，…，L_riT}；

基于確定的各樣本客戶的違約情況確定各個客戶樣本集合I_rit的違約率

4.根據權利要求1所述的方法，其特征在于，確定所述目標宏中觀經濟指標包括：

確定多個候選宏中觀指標；

基于各個候選宏中觀指標在時間序列上的預測能力從所述多個候選宏中觀指標中確定出目標宏中觀指標。

5.根據權利要求1所述的方法，其特征在于，所述候選宏中觀指標包括國內外經濟環境指標、行業成長周期指標、地區經濟形式指標中的至少一項。

6.一種信用評價方法，其特征在于，包括：

獲取當前目標宏中觀經濟指標，并基于預訓練的宏中觀信用評價模型確定宏觀信用風險；

基于確定的宏觀信用風險與目標客戶在微觀風險評估模型中的微觀信用風險確定目標客戶的信用風險。

7.根據權利要求6所述的方法，其特征在于，所述基于確定的宏觀信用風險與目標客戶在微觀風險評估模型中的微觀信用風險確定目標客戶的信用風險，包括：

基于預訓練的權重確定模型確定所述宏中觀信用評價模型與所述微觀風險評估模型的權重；

基于確定的所述宏中觀信用評價模型與所述微觀風險評估模型的權重，以及確定的宏觀信用風險與微觀信用風險確定目標客戶的信用風險。

8.根據權利要求7所述的方法，其特征在于，所述基于預訓練的權重確定模型確定所述宏中觀信用評價模型與所述微觀風險評估模型的權重包括：

基于預訓練的權重確定模型確定所述宏中觀信用評價模型與所述微觀風險評估模型的相對權重；

對所述宏中觀信用評價模型與所述微觀風險評估模型的相對權重進行歸一化處理，得到所述宏中觀信用評價模型與所述微觀風險評估模型在t時刻的權重其中K是所有模型個數，表示客戶i是否在有效模型M_tk中。

9.根據權利要求7或8所述的方法，其特征在于，預訓練的權重確定模型的訓練過程包括：

確定模型相對權重X_ikt為各模型在過去(t-T₀)～t時間窗口的預測表現的函數：其中，函數中包含待學習參數β_t，子模型不同時刻t的預測表現為Q_tk＝(q_tk1，…，q_tkn)；

針對第t個時間窗口下的樣本客戶i，確定第k個模型上的權重為其中K是所有模型個數，表示客戶i是否在當期有效模型M_tk中；

針對第t個時間窗，確定客戶i的風險評估結果為

基于第(t-T)～t時間窗口的樣本客戶信息、各所述樣本客戶在各時間窗口的違約信息、各子模型第(t-T)～t時間窗口的預測表現為Q_tk＝q_tk1，…，q_tkn)，訓練確定權重計算中的參數β_t。