[發明專利]基于控制圖的信貸風險評估方法及系統

有效

• 申請號: 202110584049.6
• 申請日: 2021-05-27
• 公開（公告）號: CN113421154B
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 陳宏;葉恒青;張思宇
• 申請（專利權）人: 上海交通大學
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06N20/00
• 代理公司: 上海段和段律師事務所 31334
• 代理人: 李佳俊;郭國中

本發明提供了一種基于控制圖的信貸風險評估方法及系統，包括采集交易流水數據、信貸審核數據和逾期天數數據，進行預處理，得到常規特征和違約特征；交易流水數據聚合，得到初始交易流水指標；初始交易流水指標轉換為警告信號；警告信號處理成信號特征；整合信號特征、信貸審核數據提煉的常規特征和逾期天數數據提煉的違約特征得到多類風控評估樣本；針對風控評估樣本，建立機器學習模型，評估根據不同風控評估樣本的機器學習模型結果選定最佳風控模型；根據最佳風控模型建立信貸平臺線上機器學習模型，對申請客戶進行實時風險評估，輸出風險評估結果。本發明提高了信貸風險評估的準確性，且應用于不同場景下的信貸風險評估，有利于提高信貸風險評估的適用范圍。

技術領域

本發明涉及信貸風險評估的技術領域，具體地，涉及一種基于控制圖的信貸風險評估方法及系統。

背景技術

在信貸審批過程中，目前眾多的風險評估方法集中在實現智能化風險評級，而缺乏對不同渠道數據源的挖掘。

公開號為CN110415111A的中國發明專利公開了基于用戶數據與專家特征合并邏輯回歸信貸審批的方法，包括輸入數據進行清洗、數據降維和預處理、對數據進行分類、對數據進行特征工程并提取特征、引入專家特征、對特征進行預測和輸出審批名單。此專利中，該信貸審批的方法將傳統金融模型中的專家特征和經典機器學習方法結合起來，并結合市場實時更新數據和特征工程來對可能的動態變化的未來違約可能性進行預測，采用了預測模型和優化的邏輯回歸算法，滿足復雜的信貸約束，獲得的違約概率預測和風險溢價的結果更加準確，并且使得審核人員可以從繁重的信用風險評估審核和定價中解放出來，使得大規模的小微企業信貸審批得以快速實現，確保智能評級和規避風險成為可能。該方法分析了用戶數據及專家特征，整合了兩類常見的數據源，其雖然能夠實現快速審批，但在違約概率預測的準確性上仍然存在提升空間。

公開號為CN107093101A的中國發明專利公開了一種基于POS交易流水數據的潛在貸款用戶挖掘與風險評分方法，包括：獲取POS交易流水數據；從擴大經營方面和資金周轉方面這兩方面入手對獲取的POS交易流水數據進行潛在貸款用戶挖掘；確定用于POS交易流水風險評分的統計指標，并根據確定的統計指標和獲取的POS交易流水數據采用設定的評分模型進行POS交易流水風險評分。本發明結合了POS交易流水數據從擴大經營方面和資金周轉方面入手進行潛在貸款用戶挖掘，能快速且準確地挖掘出潛在的貸款用戶，且POS交易流水數據很好地體現了商戶對于資金以及貸款的需求量，轉化的成功率較高；基于POS交易流水數據提出了新的POS交易流水風險評分方法，更加有效。該方法可廣泛應用于數據挖掘領域。該方法提出通過POS交易流水的統計指標進行風險評估，其雖然實現了對POS交易流水數據的分析，但其使用的數據挖掘方法過于簡易且缺少擴展性，該技術披露的方法及給定的數值結果過于具體，并不適用于廣泛應用于不同場景下的信貸審核過程。

針對上述中的現有技術，發明人認為違約概率預測的準確性較差，且信貸審核過程的適用范圍較小，導致信貸風險評估的效果較差。

發明內容

針對現有技術中的缺陷，本發明的目的是提供一種基于控制圖的信貸風險評估方法及系統。

根據本發明提供的一種基于控制圖的信貸風險評估方法，包括如下步驟：

步驟1：采集已發放貸款客戶的交易流水數據、信貸審核數據和逾期天數數據，并對各類數據進行預處理，得到常規特征和違約特征；

步驟2：將預處理過后的所述交易流水數據聚合并進行標準化，得到標準化后的初始交易流水指標；

步驟3：將所述標準化后的初始交易流水指標轉換為警告信號；

步驟4：將所述警告信號處理成信號特征；

步驟5：整合信號特征、信貸審核數據提煉的常規特征和逾期天數數據提煉的違約特征，得到多類風控評估樣本；