[發明專利]一種蟻獅算法優化NARX神經網絡風險預測系統及方法

在審

• 申請號: 202110894613.4
• 申請日: 2021-08-05
• 公開（公告）號: CN113657990A
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 李蘭;江遠強;李曉萍
• 申請（專利權）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所(特殊普通合伙) 31387
• 代理人: 孫益青

本發明公開了一種蟻獅算法優化NARX神經網絡風險預測系統與方法，系統包括用戶端、服務端，用戶端包含信息采集模塊、風險預測發起模塊，服務端包括信息處理模塊、數據庫、風險預測模塊；信息采集模塊，用于用戶采集客戶的數據并整合成客戶數據；風險預測發起模塊，用于用戶發起風險預測申請請求；信息處理模塊，用于獲取客戶數據并存儲至數據庫，還用于獲取并審核風險預測申請請求并生成傳輸至用戶端與風險預測模塊的審核信息；數據庫，用于存儲客戶數據；風險預測模塊，用于獲取審核信息并依據審核信息獲取數據庫內的客戶數據，還用于對客戶數據進行風險預測得出客戶逾期風險預測數據；方法包括步驟A1?A6。

技術領域

本發明屬于互聯網金融技術領域，尤其涉及一種蟻獅算法優化NARX神經網絡風險預測系統及方法。

背景技術

為了滿足不同階段的信用風控需求，金融機構通常需要利用貸前的申請評分卡、貸中的行為評分卡和貸后的催收評分卡對金融用戶進行風險評分。其中的貸中行為評分卡模型是一種根據金融用戶在賬戶使用期間所產生的各種行為，通過在貸中根據客戶的歷史行為特征數據預測該客戶的違約風險，來評估客戶的還款能力和還款意愿等，根據違約概率來進行貸中行為監控，動態預測金融用戶貸中風險的評分模型。

貸中行為評分卡更多利用了客戶還款行為，還款行為一般為時序類數據，根據時間的推移，表現出不同的行為。而現有技術常用的邏輯回歸、XGboost和LightGBM都無法很好的處理時序類數據，而基于BP、RBF和等神經網絡的貸中風險預測方式需要進行大量的數據計算且耗時很長，現有的貸中風險預測方式無法同時滿足貸中風險預測過程的準確性和效率要求。

NARX(Nonlinear Auto-Regression with External input)神經網絡稱為有外部輸入的非線性自回歸網絡，是一種動態的前饋神經網絡，其輸出結果取決于當前輸入以及過去的輸出結果，由于存在延時反饋，因此對歷史狀態信息有記憶功能，能夠很好反映時間序列的時變特性。NARX神經網絡不但可以預測下一時刻輸入信號的值，也可以用于非線性濾波，對非線性動態系統進行建模。與傳統的循環神經網絡(RNN)相比，NARX神經網絡在學習能力、收斂速度、泛化性能和預測精度等方面可以表現出更好的效果，其所具有的非線性映射能力、良好的魯棒性、自適應性和自學習性等特點，收斂速度和歸一性均優于其他神經網絡，這在一定程度上緩解了神經網絡運算耗時長的缺點，滿足貸款逾期預測需求的精確性與高效性，非常適合對客戶逾期風險進行預測。

但NARX神經網絡和其他神經網絡一樣，網絡性能易受初始值影響，現有技術主要使用遺傳、粒子群、蟻群等算法來優化網絡初始值，但均易陷入局部最優和收斂速度慢等問題，如何使NARX神經網絡能夠跳出局部最優、提升收斂速度，以及如何實現全局探索與局部開發能力的平衡仍是難點。

發明內容

本發明所要解決的技術問題在于針對上述現有技術中的不足，提供一種蟻獅算法優化NARX神經網絡風險預測系統，還提供一種蟻獅算法優化NARX神經網絡風險預測方法，NARX神經網絡在學習能力、收斂速度、泛化性能和預測精度等方面可以表現出更好的效果，滿足金融逾期風險預測需求的精確性與高效性，非常適合對客戶還款進行預測。

本發明第一方面提供一種蟻獅算法優化NARX神經網絡風險預測系統，其中，包括用戶端、服務端，所述用戶端包含信息采集模塊、風險預測發起模塊，所述服務端包括信息處理模塊、數據庫、風險預測模塊；

所述信息采集模塊，用于用戶采集客戶的數據并整合成客戶數據；

所述風險預測發起模塊，用于用戶發起風險預測申請請求；

所述信息處理模塊，用于獲取客戶數據并存儲至數據庫，還用于獲取并審核風險預測申請請求并生成傳輸至用戶端與風險預測模塊的審核信息；

所述數據庫，用于存儲客戶數據；