一种风险评估方法和系统技术方案

本发明专利技术公开了一种风险评估方法和系统，以解决现有技术中弱变量无法入选模型的问题以及难以反映业务发展的未来趋势的问题。在本发明专利技术一些可行的实施方式中，方法包括：根据第一风险评估方法构建第一逻辑模型，所述第一逻辑模型包括n个变量且所述n个变量分别被赋予相应的权重，n为不小于1的整数；确定需要参与风险评估的m个弱变量，并根据第二风险评估方法和所述第一逻辑模型计算所述m个弱变量各自的权重，m为不小于1的整数；将所述m个弱变量及各自权重加入所述第一逻辑模型，得到第二逻辑模型。

【技术实现步骤摘要】
一种风险评估方法和系统
本专利技术涉及基于计算机技术的风险评估
，具体涉及一种风险评估方法和系统。
技术介绍
传统的风险评估方法有很多，比如逻辑回归法、随机森林等，其中，逻辑回归法中的逐步回归法(logistic/stepwise)是目前应用最为广泛、最成熟的。实践发现，由于业务较新等原因，有些变量在统计上不显著，按一般的方法此类变量无法入选风险评估的逻辑模型。本文中，把这种在统计上不显著，按正常筛选标准不能进入模型的变量，称为弱变量。现有的逻辑回归法、随机森林等建模方法有一个共同的特点就是：弱变量不能入选模型。但弱变量可能在业务上非常有意义，逻辑模型中非常需要考虑此类变量。由上所述，现有的风险评估方法，具有弱变量无法入选模型的问题，进而导致，难以引入新变量，难以反映业务发展的未来趋势。
技术实现思路
本专利技术实施例提供一种风险评估方法和系统，以解决现有技术中弱变量无法入选模型的问题以及难以反映业务发展的未来趋势的问题。本专利技术第一方面提供一种风险评估方法，包括：根据第一风险评估方法构建第一逻辑模型，所述第一逻辑模型包括n个变量且所述n个变量分别被赋予相应的权重，n为不小于1的整数；确定需要参与风险评估的m个弱变量，并根据第二风险评估方法和所述第一逻辑模型计算所述m个弱变量各自的权重，m为不小于1的整数；将所述m个弱变量及各自权重加入所述第一逻辑模型，得到第二逻辑模型。本专利技术第二方面提供一种风险评估系统，包括：构建模块，用于根据第一风险评估方法构建第一逻辑模型，所述第一逻辑模型包括n个变量且所述n个变量分别被赋予相应的权重，n为不小于1的整数；确定模块，用于确定需要参与风险评估的m个弱变量；计算模块，用于根据第二风险评估方法和所述第一逻辑模型计算所述m个弱变量各自的权重，m为不小于1的整数；处理模块，用于将所述m个弱变量及各自权重加入所述第一逻辑模型，得到第二逻辑模型。由上可见，在本专利技术的一些可行的实施方式中，采用第一风险评估方法构建第一逻辑模型，然后确定需要参与风险评估的弱变量，根据第二风险评估方法计算弱变量权重参数，更新第一逻辑模型得到第二逻辑模型，使重要的弱变量得以入选逻辑模型，从而使风险评估考量因素更全面，业务上更易被接受，应用中也更具鲁棒性。并且，该方法既能主体上基于成熟的传统的第一风险评估方法例如逻辑回归方法，做到尽可能避免主观性；又能结合第二风险评估方法把专家经验纳入模型，有效地反映业务未来趋势。附图说明为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1是本专利技术一个实施例提供的一种风险评估方法的流程示意图；图2是采用传统建模方法例如逻辑回归法构建模型的过程示意图；图3是采用本专利技术实施例风险评估方法构建模型的过程示意图；图4是本专利技术一个实施例提供的一种风险评估系统的结构示意图；图5是本专利技术一个实施例提供的一种计算机设备的结构示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。本专利技术实施例技术方案涉及基于计算机系统的风险评分卡的构建过程。贯穿本说明书，术语“弱变量”是指：在统计上不显著，即显著性假设检验的P值(P-Value，Probability，Pr)大于或等于设定标准例如0.05，按此统计标准无法入选风险评估方法构建的逻辑模型的变量。相对的，本文中，将在统计上比较显著，即显著性假设检验的P值小于设定标准例如0.05，满足显著性统计标准的变量，称为“强变量”。具体应用中，设定标准例如可以是0.05以外的值，例如0.01等，本文对此不予限定。假设检验是推断统计中的一项重要内容。用专业统计软件进行假设检验，在假设检验中常见到P值，P值是进行检验决策的一个依据。P值即概率，反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P值，一般可以P<0.05为显著，其含义是样本间的差异由抽样误差所致的概率小于0.05。术语“专家评分卡”是指：基于行业专家经验设计的风险评分卡。术语“逻辑回归(LR，logisticregression)”是指:目前应用比较成熟、广泛的用于开发风险评分卡的一种方法，是一种广义的线性回归方法。术语“变量归一化”是指：变量标准化处理的一种操作，目的是为了使具有不同量纲的变量具有可比性。归一化处理后变量的取值区间均为[0，1]。术语“模型鲁棒性(Robustness)”是指：指模型从开发到实施过程中的稳定性。术语“KS(KolmogorovSmirnov)”是指：一种衡量评分模型效果好坏的常用指标，Kolmogorov和Smirnov两位前苏联数学家的名字，KS是处于0-100之间，值越大代表模型效果越好。通常情况下KS＝25左右是金融机构对风险评分卡的接受标准。风险评分卡是一种基于计算机系统的风险评估逻辑模型。构建风险评分卡的传统方法有很多，比如逻辑回归法、随机森林等，以逻辑回归方法为例，传统风险评分卡的基本建模过程包括：首先，准备好一张归一化的建模宽表如表1，表1中变量x的数量q一般至少会在数百以上；经过一系列变量分析和变量筛选后，部分变量入选模型，假设前15个变量进入了逻辑回归模型，可以得到传统的逻辑回归结果如式(1)和(2)：Probability＝exp(Logodds15)/(1+exp(Logodds15))(2)其中，Logodds是逻辑回归模型的输出结果(简称模型结果)，Probability是概率参数，Probability表示所述模型结果Logodds变坏的概率。表1建模宽表请参考表1所示的示例，在业务上非常重要的弱变量x16和x17均未进入模型，因为其值大部分是缺失的，在统计上并不显著。虽然可通过降低selectin/out(选择输入/输出)筛选标准，或者强行加入(forcein)的方法，把弱变量放入模型，但是弱变量对模型的贡献并未有效地反映出来，或者说弱变量在风险评分卡中的权重过低。以银行系统的风险评分卡为例，由于业务开展较晚的原因，大部分客户理财通信息为空，该类变量不能进入风险评分卡，但从业务经验上讲，理财通能代表着客户的财力和还款能力，和客户的信用风险直接相关，应该进入风险评分卡。针对上述问题，本专利技术实施例技术方案，可以把专家评分卡和传统的技术结合起来，提供一种基于专家经验把弱变量应用于风险评分卡的技术方案。专家评分卡是基于行业专家经验设计形成的评分逻辑模型。专家评分卡在业务开展初期非常有用，另外，在一些客户量相对较少的对公业务中也经常使用。传统的专家评分卡会事先搜集专家意见，确定制订评分的考量因素，即所用变量范围，然后再确定每个变量的影响因子(即权重，为便于与传统方法构建的逻辑模型中的权重相区分，本文中称为影响因子)，得到业务上所需要的专家评分卡。请参本文档来自技高网...

【技术保护点】
一种风险评估方法，其特征在于，包括：根据第一风险评估方法构建第一逻辑模型，所述第一逻辑模型包括n个变量且所述n个变量分别被赋予相应的权重，n为不小于1的整数；确定需要参与风险评估的m个弱变量，并根据第二风险评估方法和所述第一逻辑模型计算所述m个弱变量各自的权重，m为不小于1的整数；将所述m个弱变量及各自权重加入所述第一逻辑模型，得到第二逻辑模型。

【技术特征摘要】
1.一种风险评估方法，其特征在于，包括：根据第一风险评估方法构建第一逻辑模型，所述第一逻辑模型包括n个变量且所述n个变量分别被赋予相应的权重，n为不小于1的整数；确定需要参与风险评估的m个弱变量，并根据第二风险评估方法和所述第一逻辑模型计算所述m个弱变量各自的权重，m为不小于1的整数；将所述m个弱变量及各自权重加入所述第一逻辑模型，得到第二逻辑模型。2.根据权利要求1所述的方法，其特征在于，所述确定需要参与风险评估的m个弱变量包括：采用以下多种方法中的一种或多种确定需要参与风险评估的m个弱变量：方法一：从所有弱变量中筛选出最近加入的至少一个弱变量；方法二：从所有弱变量中，筛选出在所述第二风险评估方法中的影响因子最高的至少一个弱变量；方法三：从所有弱变量中，筛选出在所述第一风险评估方法中缺失最多的m个弱变量。3.根据权利要求1所述的方法，其特征在于，所述根据第一风险评估方法构建第一逻辑模型包括：根据逻辑回归法构建第一逻辑模型，所述第一逻辑模型表示为如下公式：其中，Logoddsn表示模型结果，a0表示初始权重，xi表示第i个变量，ai表示变量xi的权重，i为变量的序号，且i为不小于1且不大于n的整数。4.根据权利要求3所述的方法，其特征在于，所述根据第二风险评估方法和所述第一逻辑模型计算所述m个弱变量各自的权重包括：根据第二风险评估方法中各个变量的影响因子，计算已加入所述第一逻辑模型的所述n个变量的影响因子之和，并计算所述m个弱变量中的任一个弱变量xn+j的影响因子与所述n个变量的影响因子之和的比值vn+j，其中，j为不小于1且不大于m的整数；计算所述第一逻辑模型中的所述n个变量的权重之和z，则得到公式|an+j|:z＝vn+j，其中an+j表示所述弱变量xn+j的权重；计算得到所述弱变量xn+j的权重an+j为：an+j＝Signn+j*z*vn+j，其中，Signn+j表示所述权重an+j的正负符号。5.根据权利要求4所述的方法，其特征在于，所述将所述m个弱变量及各自权重加入所述第一逻辑模型，得到第二逻辑模型包括：将所述m个弱变量及各自权重加入所述第一逻辑模块，得到第二逻辑模型为：6.根据权利要求1至5中任一所述的方法，其特征在于，还包括：根据所述第二逻辑模型的模型结果Logodds计算概率参数Probability，Probability＝exp(Logodds)/(1+exp(Logodds))其中，Probability表示所...

【专利技术属性】
技术研发人员：刘江，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44