[發(fā)明專利]一種蟻獅算法優(yōu)化NARX神經(jīng)網(wǎng)絡(luò)風(fēng)險預(yù)測系統(tǒng)及方法

在審

• 申請?zhí)枺?/td>: 202110894613.4
• 申請日: 2021-08-05
• 公開（公告）號: CN113657990A
• 公開（公告）日: 2021-11-16
• 發(fā)明（設(shè)計）人: 李蘭;江遠(yuǎn)強(qiáng);李曉萍
• 申請（專利權(quán)）人: 百維金科（上海）信息科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06N3/00;G06N3/04;G06N3/08
• 代理公司: 上海中外企專利代理事務(wù)所(特殊普通合伙) 31387
• 代理人: 孫益青

1.一種蟻獅算法優(yōu)化NARX神經(jīng)網(wǎng)絡(luò)風(fēng)險預(yù)測系統(tǒng)，其特征在于，包括用戶端、服務(wù)端，所述用戶端包含信息采集模塊、風(fēng)險預(yù)測發(fā)起模塊，所述服務(wù)端包括信息處理模塊、數(shù)據(jù)庫、風(fēng)險預(yù)測模塊；

所述信息采集模塊，用于用戶采集客戶的數(shù)據(jù)并整合成客戶數(shù)據(jù)；

所述風(fēng)險預(yù)測發(fā)起模塊，用于用戶發(fā)起風(fēng)險預(yù)測申請請求；

所述信息處理模塊，用于獲取客戶數(shù)據(jù)并存儲至數(shù)據(jù)庫，還用于獲取并審核風(fēng)險預(yù)測申請請求并生成傳輸至用戶端與風(fēng)險預(yù)測模塊的審核信息；

所述數(shù)據(jù)庫，用于存儲客戶數(shù)據(jù)；

所述風(fēng)險預(yù)測模塊，用于獲取審核信息并依據(jù)審核信息獲取數(shù)據(jù)庫內(nèi)的客戶數(shù)據(jù)，還用于對客戶數(shù)據(jù)進(jìn)行風(fēng)險預(yù)測得出客戶逾期風(fēng)險預(yù)測數(shù)據(jù)；

所述風(fēng)險預(yù)測模塊對客戶數(shù)據(jù)進(jìn)行風(fēng)險預(yù)測得出客戶逾期風(fēng)險預(yù)測數(shù)據(jù)包括以下步驟：

步驟A1:從客戶數(shù)據(jù)中獲取建模所需的貸款數(shù)據(jù)作為客戶貸款數(shù)據(jù)樣本，對客戶貸款數(shù)據(jù)樣本中的每個客戶進(jìn)行標(biāo)簽化處理獲取客戶相應(yīng)的特征數(shù)據(jù)，并依據(jù)客戶還款記錄標(biāo)記客戶風(fēng)險等級，依據(jù)特征分類提取客戶貸款數(shù)據(jù)樣本中的特征數(shù)據(jù)并與客戶風(fēng)險等級關(guān)聯(lián)組成樣本數(shù)據(jù)集；

步驟A2:對樣本數(shù)據(jù)集進(jìn)行預(yù)處理并依據(jù)7：3的比例切分成訓(xùn)練集和測試集，并對訓(xùn)練集和測試集歸一化處理；

步驟A3:建立NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型，利用訓(xùn)練集訓(xùn)練NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型；

步驟A4:采用改進(jìn)的蟻獅算法優(yōu)化NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型，利用指定網(wǎng)絡(luò)性能評價函數(shù)優(yōu)化NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型；

步驟A5:利用測試集對NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行預(yù)測性能測試得到預(yù)測性能測試數(shù)據(jù)，根據(jù)測試集為欺詐用戶的欺詐概率值，利用獲得的逾期概率值與對應(yīng)實際樣本進(jìn)行比對并判斷逾期預(yù)測模型的穩(wěn)定性并制定偏移；

步驟A6:通過NARX神經(jīng)網(wǎng)絡(luò)預(yù)測模型獲取存量在貸用戶的歷史行為特征數(shù)據(jù)并輸出客戶逾期風(fēng)險預(yù)測數(shù)據(jù)。

2.如權(quán)利要求1所述的一種蟻獅算法優(yōu)化NARX神經(jīng)網(wǎng)絡(luò)風(fēng)險預(yù)測系統(tǒng)，其特征在于：

步驟A1中所述客戶貸款數(shù)據(jù)樣本為首次借款申請時間在6-12個月內(nèi)并具有還款記錄的10000個貸款數(shù)據(jù)；

所述客戶貸款數(shù)據(jù)樣本包含客戶的多維度數(shù)據(jù)，所述多維度數(shù)據(jù)包括客戶屬性數(shù)據(jù)、客戶借貸數(shù)據(jù)、用戶平臺操作行為數(shù)據(jù)；

根據(jù)還款記錄對所述客戶貸款數(shù)據(jù)樣本中每個客戶進(jìn)行標(biāo)簽化處理；

所述原始數(shù)據(jù)包括業(yè)務(wù)類型和客戶的歷史行為特征數(shù)據(jù)；

步驟A2中對所述樣本數(shù)據(jù)集進(jìn)行特征篩選、缺失補(bǔ)全、異常值處理的預(yù)處理。