一种应用于客户数据的额度训练模型制造技术

本发明专利技术针对现有技术中存在的技术问题，提供一种应用于客户数据的额度训练模型，其包括：数据库，所述数据库用于存储所有用户的数据信息，所述数据库与公安系统、银行系统连接以及与本额度训练模块所连接的贷款平台连接，用于对接公安系统数据和银行系统以及各大贷款平台的数据；数据采集模块，数据处理模块，训练模块，额度生成模块，所述额度生成模块根据训练模块训练所得到的的授信依据，生成用户的预期额度。简化额度训练的过程，对采集的数据以及数据来源进行优化处理，使形成的数据依据更加真实，有效，且贴合实际；据此进行训练并得到的训练结果以及生成的额度相较于现有技术更加合理，更具有参考性。

【技术实现步骤摘要】
一种应用于客户数据的额度训练模型
本专利技术涉及大数据领域，具体涉及一种应用于客户数据的额度训练模型。
技术介绍
现有的贷款额度需要依托于庞大的数据信息作为支撑，经过严格和复杂的计算公式进行计算得到，且在贷款额度生成前缺乏对贷款额度生成的训练模型进行模拟和参考。
技术实现思路
本专利技术针对现有技术中存在的技术问题，提供一种应用于客户数据的额度训练模型，简化额度训练的过程，对采集的数据以及数据来源进行优化处理，使形成的数据依据更加真实，有效，且贴合实际；据此进行训练并得到的训练结果以及生成的额度相较于现有技术更加合理，更具有参考性。本专利技术解决上述技术问题的技术方案如下：一种应用于客户数据的额度训练模型，其包括：数据库，所述数据库用于存储所有用户的数据信息，所述数据库与公安系统、银行系统连接以及与本额度训练模块所连接的贷款平台连接，用于对接公安系统数据和银行系统以及各大贷款平台的数据；数据采集模块，所述数据采集模块用于采集用户在设定周期内的数据信息，所采集的数据信息包括用户的消费数据、借款数据、授信额度和剩余额度；数据处理模块，所述数据处理模块用于对数据信息进行整合处理，剔除其中的异常数据，并根据所采集的数据进行整理，得到该用户的平均消费数据、平均借款数据、平均授信额度和平均剩余额度；训练模块，所述训练模块根据数据处理模块处理后的数据信息进行训练，用以对用户在接下来的预期周期内的还款能力进行预测，以得到训练结果，该训练结果作为授信依据；额度生成模块，所述额度生成模块根据训练模块训练所得到的的授信依据，生成用户的预期额度。作为优选的，所述用户的消费数据、借款数据、授信额度和剩余额度中所涉及到的数据信息为该用户在所有银行及贷款平台的数据信息。作为优选的，所述数据处理模块中的异常数据为在设定周期内所出现的某个离散数值低于该类型数据在该设定周期内的平均值的10％或高于该类型数据在该设定周期内的平均值的10倍。作为优选的，通过数据处理模块处理后得到的该用户的平均消费数据、平均借款数据、平均授信额度和平均剩余额度分别基于该用户在所有与额度训练模型的数据库连接的所有银行和贷款平台的消费数据、借款数据、授信额度和剩余额度进行计算。作为优选的，所述设定周期不小于6个月，所述预期周期不小于3个月。作为优选的，所述采集模块所采集的信息还包括该用户的每笔借款的还款周期，且所述处理模块模块根据该用户的每笔借款的还款周期，计算出该用户的平均还款周期。作为优选的，所述预期周期基于经过数据处理模块所处理后得出的该用户的平均还款周期进行计算。作为优选的，所述额度训练模型还包括征信管理模块，所述征信管理模块用于存储用户的征信数据，该征信数据来源于银行系统，在训练过程中，该征信数据由额度生成模块结合训练模块训练所得到的的授信依据生成该用户的预期额度。作为优选的，所述额度生成模块所生成的该用户的预期额度再结合该用户的实时征信数据生成该用户的实际额度。本专利技术的有益效果是：本专利技术提供一种应用于客户数据的额度训练模型，简化额度训练的过程，对采集的数据以及数据来源进行优化处理，使形成的数据依据更加真实，有效，且贴合实际；据此进行训练并得到的训练结果以及生成的额度相较于现有技术更加合理，更具有参考性。附图说明图1为本专利技术的原理框图。图2为本专利技术的训练流程示意图。具体实施方式以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。如图1至图2所示，本实施例公开了一种应用于客户数据的额度训练模型，其包括：数据库，所述数据库用于存储所有用户的数据信息，所述数据库与公安系统、银行系统连接以及与本额度训练模块所连接的贷款平台连接，用于对接公安系统数据和银行系统以及各大贷款平台的数据；具体的，数据库接口与公安系统实现对接，用于对用户身份信息进行验证核实，数据库接口与银行系统实现对接，用于对用户的银行流水、征信、抵押等资产配置以及通过银行进行贷款的相关信息进行核实验证；数据库接口与贷款平台进行对接，用于对用户通过贷款平台进行贷款的相关数据信息进行采集。数据采集模块，所述数据采集模块用于采集用户在设定周期内的数据信息，所采集的数据信息包括用户的消费数据、借款数据、授信额度和剩余额度；该周期可以通过设定，例如采集该用户3年内的数据信息，并将该数据信息按照月为单位进行分类，其中包含了该用户3年内所有的消费产生的数据信息总额，借款数据总额，授信额度总额以及剩余额度总额，以及相关明细信息。数据处理模块，所述数据处理模块用于对数据信息进行整合处理，剔除其中的异常数据，并根据所采集的数据进行整理，得到该用户的平均消费数据、平均借款数据、平均授信额度和平均剩余额度；通过上述处理方式，将得到的总额数据信息按照月为单位或者其他周期为单位，得到该用户的每月情况，包括该用户的每月平均消费支出，月平均借款数据，当前所有平台及银行对于该用户的每个放款单位的平均授信额度，以及该用户在每个放款单位的平均剩余额度信息；用于分析该用户的消费情况，借款情况以及授信额度情况和剩余额度情况，并以此作为训练所用的资源数据。训练模块，所述训练模块根据数据处理模块处理后的数据信息进行训练，用以对用户在接下来的预期周期内的还款能力进行预测，以得到训练结果，该训练结果作为授信依据；具体的训练过程为，将上述数据信息按照设定算法，可以参照现有技术的计算公式进行计算，其目的是以该用户基于所有放款单位的平均数据，得到该用户的还款能力，特别的，是该用户在预期周期内的还款能力，该预期周期设定为现目前用户所选择的预期周期内的12个月作为举例，即基于上述得到的数据信息推演该用户在12个月内的偿还能力并以此作为授信依据。额度生成模块，所述额度生成模块根据训练模块训练所得到的授信依据，生成用户的预期额度。额度成成模块对接训练模块，原理是通过授信依据生成预期额度，若授信依据表示该用户在预期周期内还款能力较高，或高于所有训练用户的平均水平，则生成相应的较高的预期额度，若授信依据表示该用户在预期周期内的还款能力较低或低于所有训练用户的平均水平，则生成相应的较低或无预期额度。作为优选的，所述用户的消费数据、借款数据、授信额度和剩余额度中所涉及到的数据信息为该用户在所有银行及贷款平台的数据信息。以全平台的金融数据信息作为依据能够提升该用户数据的可参考性，带来的训练结果也会相较于现有技术更加准确。作为优选的，所述数据处理模块中的异常数据为在设定周期内所出现的某个离散数值低于该类型数据在该设定周期内的平均值的10％或高于该类型数据在该设定周期内的平均值的10倍。这里的处理方式中，离散数值中，存在一些偶然概率，即该离散数值可能仅出现一次或极少次数，而后期不会再出现，为避免其对整体数据造成较大影响，可对其进行剔除，实际应用时，也可不对其进行剔除处理。作为优选的，通过数据处理模块处理后得到的该用户的平均本文档来自技高网...

【技术保护点】
1.一种应用于客户数据的额度训练模型，其特征在于，其包括：/n数据库，所述数据库用于存储所有用户的数据信息，所述数据库与公安系统、银行系统连接以及与本额度训练模块所连接的贷款平台连接，用于对接公安系统数据和银行系统以及各大贷款平台的数据；/n数据采集模块，所述数据采集模块用于采集用户在设定周期内的数据信息，所采集的数据信息包括用户的消费数据、借款数据、授信额度和剩余额度；/n数据处理模块，所述数据处理模块用于对数据信息进行整合处理，剔除其中的异常数据，并根据所采集的数据进行整理，得到该用户的平均消费数据、平均借款数据、平均授信额度和平均剩余额度；/n训练模块，所述训练模块根据数据处理模块处理后的数据信息进行训练，用以对用户在接下来的预期周期内的还款能力进行预测，以得到训练结果，该训练结果作为授信依据；/n额度生成模块，所述额度生成模块根据训练模块训练所得到的的授信依据，生成用户的预期额度。/n

【技术特征摘要】
1.一种应用于客户数据的额度训练模型，其特征在于，其包括：
数据库，所述数据库用于存储所有用户的数据信息，所述数据库与公安系统、银行系统连接以及与本额度训练模块所连接的贷款平台连接，用于对接公安系统数据和银行系统以及各大贷款平台的数据；
数据采集模块，所述数据采集模块用于采集用户在设定周期内的数据信息，所采集的数据信息包括用户的消费数据、借款数据、授信额度和剩余额度；
数据处理模块，所述数据处理模块用于对数据信息进行整合处理，剔除其中的异常数据，并根据所采集的数据进行整理，得到该用户的平均消费数据、平均借款数据、平均授信额度和平均剩余额度；
训练模块，所述训练模块根据数据处理模块处理后的数据信息进行训练，用以对用户在接下来的预期周期内的还款能力进行预测，以得到训练结果，该训练结果作为授信依据；
额度生成模块，所述额度生成模块根据训练模块训练所得到的的授信依据，生成用户的预期额度。


2.根据权利要求1所述的一种应用于客户数据的额度训练模型，其特征在于，所述用户的消费数据、借款数据、授信额度和剩余额度中所涉及到的数据信息为该用户在所有银行及贷款平台的数据信息。


3.根据权利要求2所述的一种应用于客户数据的额度训练模型，其特征在于，所述数据处理模块中的异常数据为在设定周期内所出现的某个离散数值低于该类型数据在该设定周期内的平均值的10％或高于该类型数据在该设定周期内的平均值的10倍。


...

【专利技术属性】
技术研发人员：顾冰，
申请(专利权)人：四川享宇金信金融科技有限公司，
类型：发明
国别省市：四川;51