[發明專利]一種風控模型的訓練方法

在審

• 申請號: 202110203315.6
• 申請日: 2021-02-23
• 公開（公告）號: CN112907371A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 顧冰
• 申請（專利權）人: 四川享宇金信金融科技有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04
• 代理公司: 重慶憨牛知識產權代理有限公司 50261
• 代理人: 吳明枝

本發明公開了一種風控模型的訓練方法，其特征在于：所述金融領域的行為特征基于電腦的輸入端進行執行，且模擬申請人的相關特征可通過電腦的輸入端進行輸入；所述訓練樣本集合的數據與數據存儲模塊相連，且數據存儲模塊可分為不同的儲存空間進行匯總和分類，所述數據特征分類過后可以通過提取模塊進行具體特征的提取，所述風控模型評分結束后，檢查系統將會得出不合格信息特征的原因。該風控模型的訓練方法數據處理器可以將輸入的模擬申請人的相關特征中與金融領域的行為特征的重復項數據內容進行提取，然后通過與風控模型的具體項進行對比評分，使得評分更加精準，評分項可以得到分類,提高了系統的精準性。

技術領域

本發明涉及風控模型技術領域，具體為一種風控模型的訓練方法。

背景技術

風控模型，計算最高能夠承受什么樣的高風險客戶，同時該如何把這些資產證券化并分散點風險給投行對自己是最有利的。強大的高頻交易和程序化交易要求更快速的交易通道和更高效的策略模型；另一方面，快速交易導致投資面臨的風險呈指數級增長，從而市場和投資者需要更全面的策略組合和更精準的風控模型進行風險對沖，在高度精細化的風險控制模型中，很重要的一個環節就是用先進的統計計量模型來更加準確的描述多種金融資產價格波動的關聯性，這種高度量化的風控模型，將無時無刻不為交易所、清算所和各大券商經紀公司，實時計算未來各種資產組合的風險度，從而始終將各種金融交易的市場風險控制在合理的范圍內，使衍生品市場交易能夠穩定運行，最大可能的減少巨大價格波動給市場帶來的危機。

但是風控模型缺乏一種其訓練方法，一般的風控模型不能夠將評分過后的不合格具體特征信息進行濾出，然后進行反復的處理，使得風控模型容易受到其他具體特征信息的影響導致評分結果不準確，而且不能夠對最終評分的具體特征信息的不合格原因進行檢查。

所以我們提出了一種風控模型的訓練方法，以便于解決上述中提出的問題。

發明內容

本發明的目的在于提供一種風控模型的訓練方法，以解決上述背景技術提出風控模型的評分不準確，容易受到其他數據的影響的問題。

為實現上述目的，本發明提供如下技術方案：一種風控模型的訓練方法，所述金融領域的行為特征基于電腦的輸入端進行執行，且模擬申請人的相關特征可通過電腦的輸入端進行輸入；

所述訓練樣本集合的數據與數據存儲模塊相連，且數據存儲模塊可分為不同的儲存空間進行匯總和分類；

所述數據特征分類過后可以通過提取模塊進行具體特征的提取，且提取到的數據可以有效的輸入到電腦輸入端的數據對比平臺；

所述風控模型與數據處理的接收端相連，且風控模型內部將原有的數據標準與接收到的數據進行對比，并且風控模型可以將對比產生的結果進行風險的評分；

所述風控模型得出的評分可以被導出，且信息處理模塊可以將低于標準數據特征要求的具體特征信息進行濾出；

所述低于標準數據特征要求的具體特征信息在濾出過后可以通過第二數據儲存模塊儲存形成新的集合；

所述第二數據儲存模塊在儲存結束后可以通過一個判斷系統進行判斷，從而判斷是否能夠再次回到風控模型對第二數據儲存模塊中的數據信息進行風險的評分；

所述風控模型評分結束后，檢查系統將會得出不合格信息特征的原因。

優選的，所述儲存在數據處理器內部的金融領域的行為特征包括：申請人年齡、收入。工作性質、家庭存款情況、家庭人口數，其中規則特征包括：申請人是不是第一次借款、和朋友之前有沒有逾期過、直系親屬有無進入黑名單歷史，其中直接提取的特征包括：申請人的二度關系中有多少個節點觸碰了黑名單、工作收入和日常開銷的比例，數據處理器可以將輸入的模擬申請人的相關特征中與金融領域的行為特征的重復項數據內容進行提取。

優選的，所述提取的數據內容組成一個訓練樣本的集合，且組成的訓練樣本的集合可以進過儲存器的管理模塊進行整理分類和匯總。