风控规则筛选方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术提供了一种风控规则筛选方法、装置、计算机设备及存储介质，所述方法包括，将信用评估模型的各条规则的变量名逐条命名为与各条规则的名称一致，并将各条规则变量作为自变量，贷后表现变量作为因变量，生成一个一维向量；对信用评估模型的每条进件，生成一个新的一维向量；若信用评估模型的进件中命中一条或多条规则，在新的一维向量中给命中的规则变量赋值1，未命中变量赋值0；若进件贷后逾期，在新的一维向量中给贷后表现变量赋值1，否则赋值0；利用逻辑回归模型，计算出信用评估模型的各条规则的权重参数，将权重参数小于预设值的规则从信用评估模型中剔除。本发明专利技术能够更有效地筛选出真正起作用的风控规则。

【技术实现步骤摘要】
风控规则筛选方法、装置、计算机设备及存储介质
本专利技术涉及一种规则筛选方法、装置、计算机设备及存储介质，尤其是指一种风控规则筛选方法、装置、计算机设备及存储介质。
技术介绍
风控能力是信贷行业从业机构的核心竞争力。信贷行业风控系统一般由规则引擎和评分卡组成。规则引擎由几十到几百条不等的风控规则组成，用于评估申请人的还款意愿。评分卡输出评分等级，用于评估申请人的还款能力。申请人递交申请后，先由规则引擎对进件进行筛选，命中引擎中任何一条规则(如黑名单)的进件直接被拒绝，未命中规则的进件由评分卡处理。评分卡输出不同评分等级，低等级代表还款能力弱，系统直接拒绝，高等级代表还款能力强，系统直接通过，中间等级代表还款能力不确定，由信审人员进行人工信审，通过核查申请人信息的方式来决定通过与否。在实际工作中，风控规则一般由风险政策人员制定，为了尽可能覆盖欺诈人群(即甄别没有还款意愿的人群)，规则往往越来越多，维护成本越来越高。更重要的是，主观堆砌的规则会给花费高昂成本引流进来的进件造成误杀，风控系统迫切需要一个能科学评估规则有效性的方法。目前整个行业对规则筛选没有简单高效的方法。一个繁琐、成本高的方法为，将规则引擎分解为多个子系统，子系统都内嵌一条不同规则。给每个子系统随机导入不同进件，进件命中某子系统内嵌规则也不拒绝，而由下一个流程的风控评分卡或人工信审进行处理。通过统计评分卡或人工信审批准的进件的贷后表现，来评估规则的有效性，即如果某子系统进件呈现出超常规逾期比例，判定相关规则为有效规则，否则为无效。在该方法中，子系统通过了足够多的进件后，对其内嵌规则的判定才有统计意义，对测试进件的需求量很大，且规则越多测试进件的需求量越大。总之，该方法需要大量测试进件，会放行很多本可由规则引擎拒绝的潜在欺诈进件，给业绩造成较大影响。
技术实现思路
本专利技术所要解决的技术问题是：提供一种更加有效的风控规则筛选方法、装置、计算机设备及存储介质.为了解决上述技术问题，本专利技术采用的技术方案为：一种风控规则筛选方法，包括以下步骤，S10、将信用评估模型的各条规则的变量名逐条命名为与各条规则的名称一致，并将各条规则变量作为自变量，贷后表现变量作为因变量，生成一个一维向量；S20、对信用评估模型的每条进件，生成一个新的一维向量；S30、若信用评估模型的进件中命中一条或多条规则，在新的一维向量中给命中的规则变量赋值1，未命中变量赋值0；S40、若进件贷后逾期，在新的一维向量中给贷后表现变量赋值1，否则赋值0；S50、利用逻辑回归模型，计算出信用评估模型的各条规则的权重参数；S60、根据信用评估模型的各条规则的权重参数，将权重参数小于预设值的规则从信用评估模型中剔除。进一步的，所述步骤S50中，逻辑回归模型预设有L1正则化项的损失函数。进一步的，所述步骤S50具体包括，利用逻辑回归模型的L1正则化项的稀疏化特征，计算出信用评估模型的各条规则的权重参数。进一步的，所述步骤S60具体包括，根据信用评估模型的各条规则的权重参数，将权重参数小于0.01的规则从信用评估模型中剔除。本专利技术还提供了一种风控规则筛选装置，包括，变量生成模块，用于将信用评估模型的各条规则的变量名逐条命名为与各条规则的名称一致，并将各条规则变量作为自变量，贷后表现变量作为因变量，生成一个一维向量；进件模块，用于对信用评估模型的每条进件，生成一个新的一维向量；规则变量赋值模块，用于若信用评估模型的进件中命中一条或多条规则，在新的一维向量中给命中的规则变量赋值1，未命中变量赋值0；贷后表现变量赋值模块，用于若进件贷后逾期，在新的一维向量中给贷后表现变量赋值1，否则赋值0；逻辑回归模块，用于利用逻辑回归模型，计算出信用评估模型的各条规则的权重参数；规则剔除模块，用于根据信用评估模型的各条规则的权重参数，将权重参数小于预设值的规则从信用评估模型中剔除。进一步的，所述逻辑回归模块中，逻辑回归模型预设有L1正则化项的损失函数。进一步的，所述逻辑回归模块具体用于，利用逻辑回归模型的L1正则化项的稀疏化特征，计算出信用评估模型的各条规则的权重参数。进一步的，所述规则剔除模块具体用于，根据信用评估模型的各条规则的权重参数，将权重参数小于0.01的规则从信用评估模型中剔除。本专利技术还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述的风控规则筛选方法。本专利技术还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现如上所述的风控规则筛选方法。本专利技术的有益效果在于：本专利技术将风控规则的评估和筛选任务考虑为一个逻辑回归模型，利用该模型目标函数的L1正则化稀疏化特征，在求解规则变量的权重的过程中，将不重要的规则权重自动迭代为无限接近为零，简化了规则评估过程，将权重参数小于预设值的规则从信用评估模型中剔除，留下真正起作用的规则，避免了由于进件命中不重要的规则而被信用评估模型所拒绝，该方法极大减小了所需测试进件量，降低了潜在的逾期成本。附图说明下面结合附图详述本专利技术的具体结构。图1为本专利技术实施例的风控规则筛选方法流程图；图2为本专利技术实施例的风控规则筛选装置框图；图3为本专利技术实施例的计算机设备的示意性框图。具体实施方式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，所描述的实施例是本专利技术一部分实施例，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，都属于本专利技术保护的范围。应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。请参阅图1，本专利技术的第一实施例为：一种风控规则筛选方法，包括以下步骤，S10、将信用评估模型的各条规则的变量名逐条命名为与各条规则的名称一致，并将各条规则变量作为自变量，贷后表现变量作为因变量，生成一个一维向量；S20、对信用评估模型的每条进件，生成一个新的一维向量；S30、若信用评估模型的进件中命中一条或多条规则，在新的一维向量中给命中的规则变量赋本文档来自技高网...

【技术保护点】
1.一种风控规则筛选方法，其特征在于：包括以下步骤，/nS10、将信用评估模型的各条规则的变量名逐条命名为与各条规则的名称一致，并将各条规则变量作为自变量，贷后表现变量作为因变量，生成一个一维向量；/nS20、对信用评估模型的每条进件，生成一个新的一维向量；/nS30、若信用评估模型的进件中命中一条或多条规则，在新的一维向量中给命中的规则变量赋值1，未命中变量赋值0；/nS40、若进件贷后逾期，在新的一维向量中给贷后表现变量赋值1，否则赋值0；/nS50、利用逻辑回归模型，计算出信用评估模型的各条规则的权重参数；/nS60、根据信用评估模型的各条规则的权重参数，将权重参数小于预设值的规则从信用评估模型中剔除。/n

【技术特征摘要】
1.一种风控规则筛选方法，其特征在于：包括以下步骤，
S10、将信用评估模型的各条规则的变量名逐条命名为与各条规则的名称一致，并将各条规则变量作为自变量，贷后表现变量作为因变量，生成一个一维向量；
S20、对信用评估模型的每条进件，生成一个新的一维向量；
S30、若信用评估模型的进件中命中一条或多条规则，在新的一维向量中给命中的规则变量赋值1，未命中变量赋值0；
S40、若进件贷后逾期，在新的一维向量中给贷后表现变量赋值1，否则赋值0；
S50、利用逻辑回归模型，计算出信用评估模型的各条规则的权重参数；
S60、根据信用评估模型的各条规则的权重参数，将权重参数小于预设值的规则从信用评估模型中剔除。


2.如权利要求1所述的风控规则筛选方法，其特征在于：所述步骤S50中，逻辑回归模型预设有L1正则化项的损失函数。


3.如权利要求2所述的风控规则筛选方法，其特征在于：所述步骤S50具体包括，
利用逻辑回归模型的L1正则化项的稀疏化特征，计算出信用评估模型的各条规则的权重参数。


4.如权利要求3所述的风控规则筛选方法，其特征在于：所述步骤S60具体包括，
根据信用评估模型的各条规则的权重参数，将权重参数小于0.01的规则从信用评估模型中剔除。


5.一种风控规则筛选装置，其特征在于：包括，
变量生成模块，用于将信用评估模型的各条规则的变量名逐条命名为与各条规则的名称一致，并将各条规则变量作为自变量，贷后表现变量作为因变量，生成一个一维向量；<...

【专利技术属性】
技术研发人员：陈岚，
申请(专利权)人：深圳市富之富信息科技有限公司，
类型：发明
国别省市：广东;44