一种生成授信策略的方法、装置和电子设备制造方法及图纸

本申请提供一种生成授信策略的方法，选取若干个预测子模型，建立决策矩阵模型，利用所述决策矩阵模型获得目标用户的预测风险值，基于所述目标用户的预测风险值，生成所述目标用户的授信策略。通过选取若干个预测子模型构建决策矩阵模型，利用决策矩阵模型进行多重组合决策，这样增加了授信策略的准确性，进而提高了风险控制能力。

A method, device and electronic equipment for generating credit strategy

【技术实现步骤摘要】
一种生成授信策略的方法、装置和电子设备
本申请涉及计算机领域，尤其涉及一种生成授信策略的方法、装置和电子设备。
技术介绍
一般来说，在为用户制定授信策略之前，首先要对用户进行评估，涉及到评估用户的风险等级，针对用户的风险等级，为用户制定一个对应的授信策略，但是在传统的金融行业中，现有的制定授信策略的方法已经无法对用户风险进行全面的控制，所以传统的风险控制方法具有单一性，致使制定授信策略会不准确，进而也会导致用户流失以及金融平台的收益降低。
技术实现思路
本说明书实施例提供一种生成授信策略的方法、装置和电子设备。用以解决现有技术中风险控制能力低和授信策略的制定不准确的问题。本说明书实施例提供一种生成授信策略的方法，包括：选取若干个预测子模型；建立决策矩阵模型；利用所述决策矩阵模型获得目标用户的预测风险值；基于所述目标用户的预测风险值，生成所述目标用户的授信策略。通过选取若干个预测子模型构建决策矩阵模型，利用决策矩阵模型进行多重组合决策，这样增加了授信策略的准确性，进而提高了风险控制能力。可选地，所述选取若干个预测子模型，包括：利用有监督和无监督的学习方法获取样本用户的特征数据和初始属性风险值；基于所述样本用户的特征数据构建若干个初始风险值预测子模型，所述初始风险值预测子模型用于生成所述目标用户的预测属性风险值。综上如述，利用有监督和无监督两种不同的学习方法计算样本用户的特征数据和初始属性风险值，可以增加用户分类方法的多样性，使数据更加丰富。可选地，所述基于所述样本用户的特征数据构建若干个初始风险值预测子模型，包括：利用所述样本用户的特征数据获取所述样本用户的属性；所述属性包括履约能力、消费能力、个人稳定性、多头共债、资金需求、社交网络；通过所述样本用户的属性获得所述样本用户的预测属性风险值。根据以上方案，可以利用所述样本用户的属性构建若干个预测属性风险值子模型，从而对所述样本用户进行多种试算，获得多种预测属性风险值的构建方法，这样可以增加所述预测属性风险值子模型的种类，进一步提高所述预测属性风险值的准确性。可选地，每个所述初始风险值预测子模型用于输出与一个属性对应的预测属性风险值。可选地，每个所述初始风险值预测子模型用于输出与属性集对应的预测属性风险值；所述属性集包括若干属性的组合。综上所述的方法，利用若干个初始风险值预测子模型输出若干个预测属性风险值代替传统风险控制方法的单一性，提高了风险控制的能力。可选地，所述利用所述决策矩阵模型获得目标用户的预测风险值之前，还包括：利用所述样本用户的特征数据和授信策略，训练所述决策矩阵模型。通过所述样本用户的特征数据和初始属性风险值进行训练，可以提高所述初始风险值预测子模型输出的对于用户的预测初始属性风险值的准确性，进而提高制定授信策略的合理性和制定授信策略的效率。可选地，所述训练决策矩阵模型，包括：调用所述样本用户的特征数据和授信策略，计算所述样本用户的预测风险值；建立所述预测风险值与所述样本用户的预测授信策略的映射关系；根据所述预测风险值确定所述样本用户的预测授信策略；将所述样本用户的授信策略和所述样本用户的预测授信策略进行对比，调整所述决策矩阵模型。根据以上方法，通过不断的测试，获得一个当前最佳的决策矩阵模型用于获得所述目标用户的预测风险值，这样可以增加所述目标用户的授信策略的准确性，提高对用户的风险控制能力。可选地，所述利用所述决策矩阵模型获得目标用户的预测风险值，包括：获取所述目标用户的特征数据；将所述目标用户的特征数据输入至所述决策矩阵模型，生成所述目标用户的预测风险值。根据以上方案，由于所述决策矩阵模型训练完成，输入所述目标用户的特征数据能够获得所述目标用户的预测风险值，通过预测风险值制定所述目标用户的授信策略会更加准确可选地，还包括：优化所述决策矩阵模型。可选地，所述优化所述决策矩阵模型包括：所述目标用户再次申请授信时，调取所述目标用户的风险值；将所述目标用户的风险值输入至所述决策矩阵模型，得到所述目标用户的当前预测授信策略；对比所述目标用户的基于所述预。测风险值生成的授信策略和所述当前预测授信策略；根据所述对比结果，优化所述决策矩阵模型。基于以上方案对所述决策矩阵模型进行多次训练，输入更多的用户数据对所述决策矩阵模型进行调整和优化，能够让所述决策矩阵模型输出的预测风险值更加准确，提高了对用户风险的控制能力，从而使用户的授信策略更加准确。本说明书实施例还提供一种生成授信策略的装置，包括：选取模块：用于选取若干个预测子模型；建立模块：用于建立决策矩阵模型；获得模块：用于利用所述决策矩阵模型获得目标用户的预测风险值；生成模块：用于基于所述目标用户的预测风险值，生成所述目标用户的授信策略。通过选取若干个预测子模型构建决策矩阵模型，利用决策矩阵模型进行多重组合决策，这样增加了授信策略的准确性，进而提高了风险控制能力。可选地，所述选取若干个预测子模型，包括：利用有监督和无监督的学习方法获取样本用户的特征数据和初始属性风险值；基于所述样本用户的特征数据构建若干个初始风险值预测子模型，所述初始风险值预测子模型用于生成所述目标用户的预测属性风险值。综上如述，利用有监督和无监督两种不同的学习方法计算样本用户的特征数据和初始属性风险值，可以增加用户分类方法的多样性，使数据更加丰富。可选地，所述基于所述样本用户的特征数据构建若干个初始风险值预测子模型，包括：利用所述样本用户的特征数据获取所述样本用户的属性；所述属性包括履约能力、消费能力、个人稳定性、多头共债、资金需求、社交网络；通过所述样本用户的属性获得所述样本用户的预测属性风险值。根据以上方案，可以利用所述样本用户的属性构建若干个预测属性风险值子模型，从而对所述样本用户进行多种试算，获得多种预测属性风险值的构建方法，这样可以增加所述预测属性风险值子模型的种类，进一步提高所述预测属性风险值的准确性。可选地，每个所述初始风险值预测子模型用于输出与一个属性对应的预测属性风险值。可选地，每个所述初始风险值预测子模型用于输出与属性集对应的预测属性风险值；所述属性集包括若干属性的组合。综上所述的方法，利用若干个初始风险值预测子模型输出若干个预测属性风险值代替传统风险控制方法的单一性，提高了风险控制的能力。可选地，所述利用所述决策矩阵模型获得目标用户的预测风险值之前，还包括：利用所述样本用户的特征数据和授信策略，训练所述决策矩阵模型。通过所述样本用户的特征数据和初始属性风险值进行训练，可以提高所述初始风险值预测子模型输出的对于用户的预测初始属性风险值的准确性，进而提高制定授信策略本文档来自技高网...

【技术保护点】
1.一种生成授信策略方法，其特征在于，包括：/n选取若干个预测子模型；/n建立决策矩阵模型；/n利用所述决策矩阵模型获得目标用户的预测风险值；/n基于所述目标用户的预测风险值，生成所述目标用户的授信策略。/n

【技术特征摘要】
1.一种生成授信策略方法，其特征在于，包括：
选取若干个预测子模型；
建立决策矩阵模型；
利用所述决策矩阵模型获得目标用户的预测风险值；
基于所述目标用户的预测风险值，生成所述目标用户的授信策略。


2.根据权利要求1所述的方法，其特征在于，所述选取若干个预测子模型，包括：
利用有监督和无监督的学习方法获取样本用户的特征数据和初始属性风险值；
基于所述样本用户的特征数据构建若干个初始风险值预测子模型，所述初始风险值预测子模型用于生成所述目标用户的预测属性风险值；
所述基于所述样本用户的特征数据构建若干个初始风险值预测子模型，包括：
利用所述样本用户的特征数据获取所述样本用户的属性；
所述属性包括履约能力、消费能力、个人稳定性、多头共债、资金需求、社交网络；
通过所述样本用户的属性获得所述样本用户的预测属性风险值。


3.根据权利要求1-2中任一项所述的方法，其特征在于，包括：
每个所述初始风险值预测子模型用于输出与一个属性对应的预测属性风险值。


4.根据权利要求1-3中任一项所述的方法，其特征在于，包括：
每个所述初始风险值预测子模型用于输出与属性集对应的预测属性风险值；
所述属性集包括若干属性的组合。


5.根据权利要求1-4中任一项所述的方法，其特征在于，所述利用所述决策矩阵模型获得目标用户的预测风险值之前，还包括：
利用所述样本用户的特征数据和授信策略，训练所述决策矩阵模型；
所述训练决策矩阵模型，包括：
调用所述样本用户的特征数据和授信策略，计算所述样本用户的预测风险值；
建立所述预测风险值与所述样本用户的预测授...

【专利技术属性】
技术研发人员：吴霜，
申请(专利权)人：上海淇玥信息技术有限公司，
类型：发明
国别省市：上海;31