授信额度模型生成方法、授信额度确定方法、装置制造方法及图纸

本公开涉及一种授信额度模型生成方法、授信额度确定方法、装置。所述方法包括：根据目标对象的收支流水数据、目标对象的贷款业务进行特征衍生处理，确定建模变量；根据进行对象样本筛选后得到的目标对象的训练集、目标对象的测试集、建模变量训练通过岭回归方法建立的线性回归模型，得到额度模型；根据预设的模型评价条件对额度模型进行评价验证，在评价验证后，根据预先设置的额度调整条件调整评价验证后的额度模型，调整后得到授信额度模型。采用本方法能够准确的确定授信额度，能够降低授信风险。风险。风险。

【技术实现步骤摘要】
授信额度模型生成方法、授信额度确定方法、装置


[0001]本公开涉及数据分析
，特别是涉及一种授信额度模型生成方法、授信额度确定方法、装置。

技术介绍

[0002]随着互联网技术的发展，出现了授信额度评估技术，目前金融机构的对企业的授信额度评估技术通常会使用通过专家经验或者大数据建模方式进行建立企业授信额度模型，通常可以包括Tobit(tobit model)模型、线性回归模型等，进而通过该模型确定企业授信额度。
[0003]在金融机构使用的传统授信额度评估技术中，建立企业授信额度模型的数据通常是采用企业在本金融机构中的授信额度，但是由于不同的企业可能会存在不同的企业在多家金融机构授信情况，且客户的授信需求在一定时间内也会发生变化，此时如果采用单一的某一金融机构的数据以及单一的某个维度的数据去建立企业授信额度模型，进而去确定授信额度，可能会出现授信额度不准确，导致授信存在风险的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够准确的确定授信额度，降低授信风险的授信额度模型生成方法、授信额度确定方法、装置。
[0005]一种授信额度模型生成方法，所述方法包括：
[0006]根据目标对象的收支流水数据、目标对象的贷款业务进行特征衍生处理，确定建模变量；
[0007]根据进行对象样本筛选后得到的目标对象的训练集、目标对象的测试集中的建模变量训练通过岭回归方法建立的线性回归模型，得到额度模型；
[0008]根据预设的模型评价条件对额度模型进行评价验证，在评价验证通过后，根据预先设置的额度调整条件调整评价验证后的额度模型，调整后得到授信额度模型。
[0009]在其中一个实施例中，根据目标对象的收支流水数据、目标对象的贷款业务进行特征衍生处理，确定建模变量，包括：
[0010]根据目标对象的收支流水数据、目标对象的贷款业务进行特征衍生，得到特征衍生变量，特征衍生变量包括：目标对象月均存款余额、目标对象纳税支出金额、目标对象经营活动收入金额、目标对象交易支出金额、目标对象成立年限；
[0011]对特征衍生变量进行特征筛选，特征筛选后得到建模变量。
[0012]在其中一个实施例中，对特征衍生变量进行特征筛选，特征筛选后得到建模变量，包括：
[0013]根据收支流水数据确定目标对象的贷款数据信息；
[0014]根据特征衍生变量的特征缺失率和特征衍生变量与所贷款数据信息的相关系数对特征衍生变量进行第一筛选；
[0015]根据业务含义对进行第一筛选后得到的特征衍生变量进行第二筛选，得到建模变量。
[0016]在其中一个实施例中，对特征衍生变量进行特征筛选，特征筛选后得到建模变量，之后还包括：
[0017]在建模变量大于预设的特征衍生变量限位阈值的情况下，根据预设的特征衍生变量限位阈值调整建模变量。
[0018]在其中一个实施例中，对象样本筛选，包括：
[0019]根据对象样本筛选条件对对象样本进行筛选，得到目标对象样本，对象样本筛选条件包括：对象的贷款日期、对象的规模、对象的贷款金额、对象的贷款数据信息、贷款数据信息的异常值、不良信用；
[0020]根据预先设置的时间点确定目标对象样本的跨时间验证集以及训练集和测试集的合集；
[0021]根据预先设置的比例确定合集中目标对象的训练集和目标对象的测试集。
[0022]在其中一个实施例中，根据进行对象样本筛选后得到的目标对象的训练集、目标对象的测试集中的建模变量训练通过岭回归方法建立的线性回归模型，得到额度模型，包括：
[0023]根据目标对象的训练集、目标对象的测试集中建模变量训练通过岭回归方法建立的线性回归模型，得到建模变量的检验结果值、显著性水平、线性回归模型中建模变量的回归系数；
[0024]在检验结果值、显著性水平满足条件的情况下，通过训练完成的线性回归模型得到额度模型。
[0025]在其中一个实施例中，岭回归方法包括：
[0026]在线性回归模型的损失函数中加入正则项，线性回归模型为：
[0027]y(x,w)＝w1x1+w2x2+
…
w
n
x
n
[0028]其中，x为建模变量，w为线性回归模型中建模变量的回归系数；
[0029]加入正则项的损失函数为：
[0030][0031]其中，n为训练集中建模变量的数量，为正则项，λ为每个建模变量的回归系数的平方和，x
i
是训练集中第i个建模变量，y
i
是训练集中第i个样本的贷款数据信息，w为线性回归模型中建模变量的回归系数。
[0032]在其中一个实施例中，根据预设的模型评价条件对额度模型进行评价验证，包括：
[0033]根据模型评价指标、跨时间验证集、建模变量权重占比分别对额度模型进行评价验证。
[0034]在其中一个实施例中，根据模型评价指标、跨时间验证集、建模变量对应的额度权重占比分别对授信额度模型进行评价验证，包括：
[0035]计算并分别比较训练集、测试集、跨时间验证集的可决系数、平均绝对误差、绝对中位差，根据比较结果对额度模型的稳定性进行评价验证；
[0036]将训练集通过授信额度模型计算得到的预测额度与跨时间验证集进行对比，根据对比结果对额度模型的预测能力进行评价验证；
[0037]计算建模变量权重占比，根据预先设置的权重阈值对建模变量权重占比进行分析，根据分析结果对额度模型的合理性进行评价验证。
[0038]一种授信额度确定方法，方法包括：
[0039]获取授信对象的收支流水数据；
[0040]将收支流水数据输入至上述生成的授信额度模型进行计算，得到初始额度；
[0041]根据授信对象的资产覆盖率、授信对象的类型调整初始额度，根据调整后的初始额度确定授信对象的授信额度。
[0042]一种授信额度模型生成装置，装置包括：
[0043]建模变量确定模块，用于根据目标对象的收支流水数据、目标对象的贷款业务进行特征衍生处理，确定建模变量；
[0044]额度模型训练模块，用于根据进行对象样本筛选后得到的目标对象的训练集、目标对象的测试集中的建模变量训练通过岭回归方法建立的线性回归模型，得到额度模型；
[0045]模型评价验证模块，用于根据预设的模型评价条件对额度模型进行评价验证；
[0046]模型调整模块，用于在额度模型评价验证后，根据预先设置的额度调整条件调整评价验证后的额度模型，调整后得到授信额度模型。
[0047]在所述装置的一个实施例中，建模变量确定模块包括：特征衍生模块、特征筛选模块；
[0048]特征衍生模块，用于根据目标对象的收支流水数据、目标对象的贷款业务进行特征衍生，得到特征衍生变量，特征衍生变量包括：目标对象月均存款余额、目标对象纳税支出金额、目标对象经营活动收入金额、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种授信额度模型生成方法，其特征在于，所述方法包括：根据目标对象的收支流水数据、目标对象的贷款业务进行特征衍生处理，确定建模变量；根据进行对象样本筛选后得到的所述目标对象的训练集、所述目标对象的测试集中的所述建模变量训练通过岭回归方法建立的线性回归模型，得到额度模型；根据预设的模型评价条件对所述额度模型进行评价验证，在评价验证通过后，根据预先设置的额度调整条件调整评价验证后的所述额度模型，调整后得到所述授信额度模型。2.根据权利要求1所述的授信额度模型生成方法，其特征在于，所述根据目标对象的收支流水数据、目标对象的贷款业务进行特征衍生处理，确定建模变量，包括：根据目标对象的收支流水数据、目标对象的贷款业务进行特征衍生，得到特征衍生变量，所述特征衍生变量包括：目标对象月均存款余额、目标对象纳税支出金额、目标对象经营活动收入金额、目标对象交易支出金额、目标对象成立年限；对所述特征衍生变量进行特征筛选，特征筛选后得到所述建模变量。3.根据权利要求2所述的授信额度模型生成方法，其特征在于，所述对所述特征衍生变量进行特征筛选，特征筛选后得到所述建模变量，包括：根据所述收支流水数据确定所述目标对象的贷款数据信息；根据所述特征衍生变量的特征缺失率和所述特征衍生变量与所贷款数据信息的相关系数对所述特征衍生变量进行第一筛选；根据业务含义对进行第一筛选后得到的所述特征衍生变量进行第二筛选，得到所述建模变量。4.根据权利要求2所述的授信额度模型生成方法，其特征在于，所述对所述特征衍生变量进行特征筛选，特征筛选后得到建模变量，之后还包括：在所述建模变量大于预设的特征衍生变量限位阈值的情况下，根据预设的所述特征衍生变量限位阈值调整所述建模变量。5.根据权利要求3所述的授信额度模型生成方法，其特征在于，所述对象样本筛选，包括：根据对象样本筛选条件对对象样本进行筛选，得到目标对象样本，所述对象样本筛选条件包括：对象的贷款日期、对象的规模、对象的贷款金额、对象的所述贷款数据信息、贷款数据信息的异常值、不良信用；根据预先设置的时间点确定所述目标对象样本的跨时间验证集以及所述训练集和所述测试集的合集；根据预先设置的比例确定所述合集中所述目标对象的训练集和所述目标对象的测试集。6.根据权利要求5所述的授信额度模型生成方法，其特征在于，所述根据进行对象样本筛选后得到的所述目标对象的训练集、所述目标对象的测试集中的所述建模变量训练通过岭回归方法建立的线性回归模型，得到额度模型，包括：根据所述目标对象的训练集、目标对象的测试集中的所述建模变量训练通过岭回归方法建立的线性回归模型，得到所述建模变量的检验结果值、显著性水平、所述线性回归模型中所述建模变量的回归系数；
在所述检验结果值、显著性水平满足条件的情况下，通过训练完成的所述线性回归模型得到额度模型。7.根据权利要求6所述的授信额度模型生成方法，其特征在于，所述岭回归方法包括：在所述线性回归模型的损失函数中加入正则项，所述线性回归模型为：y(x,w)＝w1x1+w2x2+
…
w
n
x
n
其中，x为建模变量，w为线性回归模型的回归系数；加入正则项的损失函数为：其中，n为训练集中建模变量的数量，为正则项，λ为每个所述建模变量的回归系数的平方和，x
i
是训练集中第i个建模变量，y
i
是所述训练集中第i个样本的贷款数据信息，w为线性回归模型的回归系数。8.根据权利要求5所述的授信额度模型生成方法，其特征在于，所述根据预设的模型评价条件对所述额度模型进行评价验证，包括：根据模型评价指标、所述跨时间验证集、建模变量权重占比分别对所述额度模型进行评价验证。9.根据权利要求8所述的授信额度模型生成方法，其特征在于，所述根据模型评价指标、所述跨时间验证集、建模变量对应的额度权重占比分别对所述授信额度模型进行评价验证，包括：计算并分别比较所述训练集、测试集、跨时间验证集的可决系数、平均绝对误差、绝对中位差，根据比较结果对所述额度模型的稳定性进行评价验证；将所述训练集通过所述授信额度模型计算得到的预测额度与所述跨时间验证集进行对比，根据对比结果对所述额度模型的预测能力进行评价验证；计算所述建模变量权重占比，根据预先设置的权重阈值对所述建模变量权重占比进行分析，根据分析结果对所述额度模型的合理性进行评价验证。10.一种授信额度确定方法，其特征在于，所述方法包括：获取授信对象的收支流水数据；将所述收支流水数据输入至权利要求1至9中任一项生成的授信额度模型进行计算，得到初始额度；根据所述授信对象的资产覆盖率、授信对象的类型调整所述初始额度，根据调整后的所述初始额度确定所述授信对象的授信额度。11.一种授信额度模型生成装置，其特征在于，所述装置包括：建模变量确定模块，用于根据目标对象的收支流水数据、目标对象的贷款业务进行特征衍生处理，确定建模变量；额度模型训练模块，用于根据进行对象样本筛选后得到的目标对象的训练集、目标对象的测试集、所述建模变量训练通过岭回归方法建立的线性回归模型，得到额度模型；模型评价验证模块，用于根据预设的模型评价条件对所述额度模型进行评价验证；模型调整模块，用于在所述额度模型评价验...

【专利技术属性】
技术研发人员：邓强，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：