客户信用风险评估方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种客户信用风险评估方法、装置、设备及存储介质，所述客户信用风险评估方法包括：获取待评估用户的目标数据信息；基于所述目标数据信息，通过已训练好的静态风险评估模型对所述待评估用户进行风险评估，获得不同模型对应的风险评估结果，其中，所述静态风险评估模型为基于申请人和与申请人关联的推荐人分别对应的静态基础数据以及两者之间的交叉维度数据进行训练获得。本申请解决了模型进行风险评估的准确性较低的技术问题。型进行风险评估的准确性较低的技术问题。型进行风险评估的准确性较低的技术问题。

【技术实现步骤摘要】
客户信用风险评估方法、装置、设备及存储介质


[0001]本申请涉及金融科技(Fintech)的机器学习
，尤其涉及一种客户信用风险评估方法、装置、设备及存储介质。

技术介绍

[0002]随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求。
[0003]目前，在信用风险模型应用的情形中，现有的风险模型往往是构造一些与用户本身的数据变量进行模型训练，进而利用通常的机器学习算法进行训练得到信用模型，从而完成对用户的信用识别。然而，这些构造的变量往往只衡量用户本身的基础信息，而构造的变量存在覆盖度不全的情况，使得模型预测计算存在偏差，进而导致模型进行风险评估的准确性较低。

技术实现思路

[0004]本申请的主要目的在于提供一种客户信用风险评估方法、装置、设备及存储介质，旨在解决现有技术中的模型进行风险评估的准确性较低的技术问题。
[0005]为实现上述目的，本申请提供一种客户信用风险评估方法，所述客户信用风险评估方法包括：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种客户信用风险评估方法，其特征在于，所述客户信用风险评估方法包括：获取待评估用户的目标数据信息；基于所述目标数据信息，通过已训练好的静态风险评估模型对所述待评估用户进行风险评估，获得风险评估结果，其中，所述静态风险评估模型为基于申请人和与申请人关联的推荐人分别对应的静态基础数据以及两者之间的交叉维度数据进行训练获得。2.如权利要求1所述的客户信用风险评估方法，其特征在于，在所述基于所述目标数据信息，通过已训练好的静态风险评估模型对所述待评估用户进行风险评估，获得风险评估结果的步骤之后，所述客户信用风险评估方法还包括：基于所述风险评估结果，将所述待评估用户进行分层处理；将分层处理结果进行矩阵交叉处理，确定所述待评估用户的目标评估结果。3.如权利要求1所述的客户信用风险评估方法，其特征在于，在所述基于所述目标数据信息，通过已训练好的静态风险评估模型对所述待评估用户进行风险评估，获得风险评估结果，其中，所述静态风险评估模型为基于申请人和与申请人关联的推荐人分别对应的静态基础数据以及两者之间的交叉维度数据进行训练获得的步骤之前，所述客户信用风险评估方法还包括：获取符合预设筛选条件的样本变量数据，其中，所述样本变量数据包括推荐人与申请人对应的静态基础数据以及交叉维度数据；对所述样本变量数据进行变量筛选，确定所述样本变量数据中的目标筛选变量数据，并将所述目标筛选变量数据划分为训练变量数据和验证变量数据；基于所述训练变量数据，对待训练风险评估模型进行迭代训练，获得风险预测模型。4.如权利要求3所述的客户信用风险评估方法，其特征在于，在所述基于所述训练变量数据，对待训练风险评估模型进行迭代训练，获得风险预测模型的步骤之后，所述客户信用风险评估方法还包括：将所述验证变量数据输入至所述信用预测模型，得到验证结果；基于所述验证结果和所述申请人的真实风险标签，构建目标混淆矩阵；基于所述目标混淆矩阵，确定模型评估指标；选取所述模型评估指标最优的风险预测模型作为所述...

【专利技术属性】
技术研发人员：林禹君，
申请(专利权)人：权利要求书二页说明书九页附图二页，
类型：发明
国别省市：