一种授信额度的确定方法及装置制造方法及图纸

本发明专利技术公开了一种授信额度的确定方法及装置，该方法包括：在接收到用户的授信请求的情况下，依据目标额度模型确定用户在各个预设授信额度下的累积逾期概率值，目标额度模型基于第一给额人群样本训练得到，第一给额人群样本包括：各个预设授信额度和各个预设授信额度的逾期概率。获取与授信请求对应的定额逻辑；依据定额逻辑、各个预设授信额度和各个预设授信额度下的累积逾期概率确定用户的授信额度。上述的确定方法，依据定额逻辑、各个预设授信额度和各个预设授信额度下的累积逾期概率确定用户的授信额度，在确定授信额度时将授信额度对应的累积逾期概率考虑在内，提高了授信额度确定的准确性。

【技术实现步骤摘要】
一种授信额度的确定方法及装置
本专利技术涉及数据处理
，尤其涉及一种授信额度的确定方法及装置。
技术介绍
在授信额度的确定过程中，主要通过贷前风险或者意愿确定授信额度，针对贷前风险确定授信额度主要是对贷前风险进行分层，对于不同的贷前风险给予不同的授信额度。针对意愿确定信贷额度主要是对意愿进行分层，依据意愿的高低给予对应的授信额度，授信额度分配的原则以尽可能满足用户需求为目的，例如，用户意愿越高，授信额度越高。在上述的授信额度确定过程中，只针对用户侧的贷前风险或者意愿对授信额度进行评估，当给定授信额度较高时，会产生超过用户偿还能力问题，或超过具体用户需求造成过大额度敞口，授信额度预测不准确。
技术实现思路
有鉴于此，本专利技术提供了一种授信额度的确定方法及装置，用以解决现有授信额度确定过程中，只针对用户侧的贷前风险或者意愿对授信额度进行评估，当给定授信额度较高时，会产生超过用户偿还能力问题，授信额度预测不准确的问题。具体方案如下：一种授信额度的确定方法，包括：在接收到用户的授信请求的情况下，依据目标额度模型确定所述用户在各个预设授信额度下的累积逾期概率值，所述目标额度模型包括：逾期概率模型，其中，所述逾期概率模型包括：第一额度特征子模型和第一量化相对关系子模型，所述第一累积逾期概率值是将第一给额人群样本传递给所述第一额度特征子模型得到所述用户在各个预设授信额度的初始逾期概率值，将所述各个预设授信额度和其对应的初始逾期概率传递给所述第一量化相对关系子模型得到的，所述第一给额人群样本包括：所述各个预设授信额度和所述各个预设授信额度的逾期概率；获取与所述授信请求对应的定额逻辑；依据所述定额逻辑、所述各个预设授信额度和所述各个预设授信额度下的累积逾期概率确定所述用户的授信额度。上述的方法，可选的，所述目标额度模型还包括：额度激活模型，在所述目标额度模型为所述逾期概率模型和所述额度激活模型时，还包括:基于所述额度激活模型确定各个预设授信额度和其对应的累积意愿概率值；基于所述各个预设授信额度和其对应的累积逾期概率值、所述各个预设授信额度和其对应的累积意愿概率值，确定所述各个预设授信额度的目标累积逾期概率值。上述的方法，可选的，所述额度激活模型包括：第二额度特征子模型和第二量化相对关系子模型，基于所述额度激活模型确定各个预设授信额度和其对应的累积意愿值，包括：接收第二给额人群样本，基于所述第二额度特征子模型确定所述用户在所述各个预设授信额度的初始意愿概率值，其中，所述第二给额人群样本包括：所述各个预设授信额度和所述各个预设授信额度的意愿概率值；将所述各个预设授信额度和其对应的初始意愿概率值传递给所述第二量化相对关系子模型，得到所述各个预设授信额度和其对应的累积意愿概率值。上述的方法，可选的，所述第一量化相对关系子模型和所述第二量化相对关系子模型为深度神经网络模型或树模型。上述的方法，可选的，还包括：获取贷前风险模型；基于所述贷前风险模型确定所述用户的初始额度；基于所述初始额度、所述定额逻辑和所述各个预设授信额度下的累积逾期概率值确定所述用户的授信额度。一种授信额度的确定装置，包括：第一概率值确定模块，用于在接收到用户的授信请求的情况下，依据目标额度模型确定所述用户在各个预设授信额度下的累积逾期概率值，所述目标额度模型包括：逾期概率模型，其中，所述逾期概率模型包括：第一额度特征子模型和第一量化相对关系子模型，所述第一累积逾期概率值是将第一给额人群样本传递给所述第一额度特征子模型得到所述用户在各个预设授信额度的初始逾期概率值，将所述各个预设授信额度和其对应的初始逾期概率传递给所述第一量化相对关系子模型得到的，所述第一给额人群样本包括：所述各个预设授信额度和所述各个预设授信额度的逾期概率；获取模块，用于获取与所述授信请求对应的定额逻辑；第一授信额度确定模块，用于依据所述定额逻辑、所述各个预设授信额度和所述各个预设授信额度下的累积逾期概率确定所述用户的授信额度。上述的装置，可选的，所述目标额度模型还包括：额度激活模型，在所述目标额度模型为所述逾期概率模型和所述额度激活模型时，还包括:第二概率值确定模块，用于基于所述额度激活模型确定各个预设授信额度和其对应的累积意愿概率值；第三概率值确定模块，用于基于所述各个预设授信额度和其对应的累积逾期概率值、所述各个预设授信额度和其对应的累积意愿概率值，确定所述各个预设授信额度的目标累积逾期概率值。上述的装置，可选的，所述额度激活模型包括：第二额度特征子模型和第二量化相对关系子模型，所述第二概率值确定模块包括：第一概率值确定单元，用于接收第二给额人群样本，基于所述第二额度特征子模型确定所述用户在所述各个预设授信额度的初始意愿概率值，其中，所述第二给额人群样本包括：所述各个预设授信额度和所述各个预设授信额度的意愿概率值；第二概率值确定单元，用于将所述各个预设授信额度和其对应的初始意愿概率值传递给所述第二量化相对关系子模型，得到所述各个预设授信额度和其对应的累积意愿概率值。上述的装置，可选的，所述第一量化相对关系子模型和所述第二量化相对关系子模型为深度神经网络模型或树模型。上述的装置，可选的，还包括：获取模块，用于获取贷前风险模型；初始额度确定模块，用于基于所述贷前风险模型确定所述用户的初始额度；第二授信额度确定模块，用于基于所述初始额度、所述定额逻辑和所述各个预设授信额度下的累积逾期概率值确定所述用户的授信额度。与现有技术相比，本专利技术包括以下优点：本专利技术公开了一种授信额度的确定方法及装置，该方法包括：在接收到用户的授信请求的情况下，依据目标额度模型确定用户在各个预设授信额度下的累积逾期概率值，目标额度模型基于第一给额人群样本训练得到，第一给额人群样本包括：各个预设授信额度和各个预设授信额度的逾期概率。获取与授信请求对应的定额逻辑；依据定额逻辑、各个预设授信额度和各个预设授信额度下的累积逾期概率确定用户的授信额度。上述的确定方法，依据定额逻辑、各个预设授信额度和各个预设授信额度下的累积逾期概率确定用户的授信额度，在确定授信额度时将授信额度对应的累积逾期概率考虑在内，提高了授信额度确定的准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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他的附图。图1为本申请实施例公开的一种授信额度的确定方法流程图；图2为本申请实施例公开的一种第一额度特征子模型结构示意图；图3为本申请实施例公开的一种第一量化相对关系子模型结构示意图；图4为本申请实施例公开的一种授信额度的确定装置结构框图。具体实施方式下面本文档来自技高网...

【技术保护点】
1.一种授信额度的确定方法，其特征在于，包括：/n在接收到用户的授信请求的情况下，依据目标额度模型确定所述用户在各个预设授信额度下的累积逾期概率值，所述目标额度模型包括：逾期概率模型，其中，所述逾期概率模型包括：第一额度特征子模型和第一量化相对关系子模型，所述第一累积逾期概率值是将第一给额人群样本传递给所述第一额度特征子模型得到所述用户在各个预设授信额度的初始逾期概率值，将所述各个预设授信额度和其对应的初始逾期概率传递给所述第一量化相对关系子模型得到的，所述第一给额人群样本包括：所述各个预设授信额度和所述各个预设授信额度的逾期概率；/n获取与所述授信请求对应的定额逻辑；/n依据所述定额逻辑、所述各个预设授信额度和所述各个预设授信额度下的累积逾期概率确定所述用户的授信额度。/n

【技术特征摘要】
1.一种授信额度的确定方法，其特征在于，包括：
在接收到用户的授信请求的情况下，依据目标额度模型确定所述用户在各个预设授信额度下的累积逾期概率值，所述目标额度模型包括：逾期概率模型，其中，所述逾期概率模型包括：第一额度特征子模型和第一量化相对关系子模型，所述第一累积逾期概率值是将第一给额人群样本传递给所述第一额度特征子模型得到所述用户在各个预设授信额度的初始逾期概率值，将所述各个预设授信额度和其对应的初始逾期概率传递给所述第一量化相对关系子模型得到的，所述第一给额人群样本包括：所述各个预设授信额度和所述各个预设授信额度的逾期概率；
获取与所述授信请求对应的定额逻辑；
依据所述定额逻辑、所述各个预设授信额度和所述各个预设授信额度下的累积逾期概率确定所述用户的授信额度。


2.根据权利要求1所述的方法，其特征在于，所述目标额度模型还包括：额度激活模型，在所述目标额度模型为所述逾期概率模型和所述额度激活模型时，还包括:
基于所述额度激活模型确定各个预设授信额度和其对应的累积意愿概率值；
基于所述各个预设授信额度和其对应的累积逾期概率值、所述各个预设授信额度和其对应的累积意愿概率值，确定所述各个预设授信额度的目标累积逾期概率值。


3.根据权利要求2所述的方法，其特征在于，所述额度激活模型包括：第二额度特征子模型和第二量化相对关系子模型，基于所述额度激活模型确定各个预设授信额度和其对应的累积意愿值，包括：
接收第二给额人群样本，基于所述第二额度特征子模型确定所述用户在所述各个预设授信额度的初始意愿概率值，其中，所述第二给额人群样本包括：所述各个预设授信额度和所述各个预设授信额度的意愿概率值；
将所述各个预设授信额度和其对应的初始意愿概率值传递给所述第二量化相对关系子模型，得到所述各个预设授信额度和其对应的累积意愿概率值。


4.根据权利要求3所述的方法，其特征在于，所述第一量化相对关系子模型和所述第二量化相对关系子模型为深度神经网络模型或树模型。


5.根据权利要求1所述的方法，其特征在于，还包括：
获取贷前风险模型；
基于所述贷前风险模型确定所述用户的初始额度；
基于所述初始额度、所述定额逻辑和所述各个预设授信额度下的累积逾期概率值确定所述用户的授信额度。


6.一种授信额度的确定装置，其特征在于，包括：
第一概率值确定模块，用于在...

【专利技术属性】
技术研发人员：卓正兴，杨青，
申请(专利权)人：上海优扬新媒信息技术有限公司，
类型：发明
国别省市：上海;31