信贷客户的多层次评价方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及金融技术领域，公开了一种信贷客户的多层次评价方法、装置、设备及存储介质，所述方法包括：根据目标对象信贷业务的贷款利率范围和目标回报率算法计算当前可接受违约概率，并根据当前可接受违约概率和预设业务逻辑构建高风险行为因子规则集；根据高风险行为因子规则集和原始样本集得到备选样本集；根据贷款利率范围和目标回报率算法计算目标平均违约概率，并根据目标平均违约概率和预设业务逻辑构建灰度规则集；根据所述灰度规则集和所述备选样本集标记不同类别的信贷客户；通过上述方式，根据灰度规则集标记信贷客户类别，尊重并体现银行偏好，形成多层级的评价策略，从而能够有效提高评价信贷客户的准确性，提高信贷产能。贷产能。贷产能。

【技术实现步骤摘要】
信贷客户的多层次评价方法、装置、设备及存储介质


[0001]本专利技术涉及金融
，尤其涉及信贷客户的多层次评价方法、装置、设备及存储介质。

技术介绍

[0002]贷款业务是现代商业银行的基础业务，信贷业务又是贷款业务的重要组成部分。银行工作人员在开展信贷业务的过程中经常面临银行
‑
信贷主体信息不对称、申请审批环节流程复杂、时效低以及管户能力存在天然上限等现实问题，造成信贷业务在价、量、险均衡发展和商业可持续发展等方面的难题，而造成上述问题的原因是传统信贷风控的实践更倾向于寻找优质客户作为授信对象，采用专家经验迁移的方式确定贷款审批规则，且传统信贷产品通常基于单一数据源构建指标体系，外部数据源资源禀赋固定在特定场景，使得不同场景和产品间的指标迁移和复用过程缺乏实际数据支撑，从而造成传统信贷风控客群区分度不足、规则误杀率高、整体产能低下的问题，制约了信贷产能。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0004]本专利技术的主要目的在于提供一种信贷客户的多层次评价方法、装置、设备及存储介质，旨在解决现有技术评价出的信贷客户的信用评价指标的准确性较低，制约信贷产能的技术问题。
[0005]为实现上述目的，本专利技术提供了一种信贷客户的多层次评价方法，所述信贷客户的多层次评价方法包括以下步骤：根据目标对象信贷业务的贷款利率范围和目标回报率算法计算当前可接受违约概率，并根据所述当前可接受违约概率和预设业务逻辑构建高风险行为因子规则集；根据所述高风险行为因子规则集和原始样本集得到备选样本集；根据所述贷款利率范围和目标回报率算法计算目标平均违约概率，并根据所述目标平均违约概率和所述预设业务逻辑构建灰度规则集；根据所述灰度规则集和所述备选样本集标记不同类别的信贷客户。
[0006]可选地，所述根据目标对象信贷业务的贷款利率范围计算当前可接受违约概率；根据目标对象的可接受违约概率和预设业务逻辑构建高风险行为因子规则集，包括：根据目标对象信贷业务的贷款利率范围和目标回报率算法计算目标对象贷款业务的当前可接受违约概率；获取目标对象信贷业务的样本平均违约概率，根据所述当前可接受违约概率和所述样本平均违约概率计算出规则提升度阈值；根据预设提升度获取基础规则集和候选规则集，通过预设逐步筛选策略将所述候选规则集合中的规则逐一添加至所述基础规则集；
根据添加后的基础规则集计算出其中各个规则的相对增量提升度；在所述相对增量提升度小于所述规则提升度阈值时，对所述添加后的基础规则集进行筛选，得到筛选基础规则集；分别计算出所述基础规则集和所述筛选基础规则集的基础整体规则提升度和筛选基础整体规则提升度；根据所述基础整体规则提升度和筛选基础整体规则提升度确定最佳基础规则集。
[0007]重复执行上述步骤，通过预设逐步筛选策略从所述候选规则集中依次移除候选规则，直至所述候选规则集中的规则被全部移除，在执行完成后，所述最佳基础规则集即为高风险行为因子备选规则集；获取所述高风险行为因子备选规则集中符合预设业务逻辑的高风险行为因子备选规则和不符合预设业务逻辑的高风险行为因子备选规则；将所述不符合预设业务逻辑的高风险行为因子备选规则从所述高风险行为因子备选规则集中剔除，得到高风险行为因子规则集。
[0008]可选地，所述根据目标对象信贷业务的贷款利率范围和目标回报率算法计算目标对象贷款业务的当前可接受违约概率，包括：获取贷款利息收入、资金成本、运营成本、所得税率以及目标回报率；根据当前贷款金额分别对所述贷款利息收入、资金成本以及运营成本进行计算，得到贷款利率、资金成本率以及运营成本率；根据违约概率和贷款损失率得到风险定价系数表达式，以及根据期限调整因子、极端情况违约概率、违约概率以及调整系数得到资本缓释系数表达式；按照目标回报率算法对所述贷款利率、资金成本率、运营成本率、风险定价系数表达式、资本缓释系数表达式以及所得税率进行计算，得到目标对象信贷业务的当前可接受违约概率。
[0009]可选地，所述根据高风险行为因子规则集和原始样本集得到备选样本集，包括：根据所述符合预设业务逻辑的高风险行为因子规则集对所述原始样本集进行筛选，得到备选样本集。
[0010]可选地，所述根据所述贷款利率范围和目标回报率算法计算目标平均违约概率，并根据所述目标平均违约概率和所述预设业务逻辑构建灰度规则集，包括：根据目标对象信贷业务的贷款利率范围和目标回报率算法计算目标平均违约概率；获取所述目标对象信贷业务的样本平均违约概率，根据所述目标平均违约概率和样本平均违约概率计算出灰度规则提升度阈值；根据预设提升度获取基础规则集和候选规则集，通过预设逐步筛选策略将所述候选规则集合中的规则逐一添加至所述基础规则集；根据添加后的基础规则集计算出其中各个规则的相对增量提升度；在所述相对增量提升度小于所述灰度规则提升度阈值时，对所述添加后的基础规则集进行筛选，得到筛选基础规则集；分别计算出所述基础规则集和所述筛选基础规则集的基础整体规则提升度和筛选基础整体规则提升度；
根据所述基础整体规则提升度和筛选基础整体规则提升度确定最佳基础规则集；重复执行上述步骤，通过预设逐步筛选策略从所述候选规则集中依次移除候选规则，直至所述候选规则集中的规则被全部移除，在执行完成后，所述最佳基础规则集即为灰度备选规则集；；获取所述灰度备选规则集中符合所述预设业务逻辑的灰度规则和不符合所述预设业务逻辑的灰度规则；将所述不符合预设业务逻辑的灰度规则从所述灰度备选规则集中剔除，得到灰度规则集。
[0011]可选地，所述根据目标对象信贷业务的贷款利率范围和目标回报率算法计算目标平均违约概率，包括：获取贷款利息收入、资金成本、运营成本、所得税率以及目标回报率；根据当前贷款金额分别对所述贷款利息收入、资金成本以及运营成本进行计算，得到贷款利率、资金成本率以及运营成本率；根据违约概率和贷款损失率得到风险定价系数表达式，以及根据期限调整因子、极端情况违约概率、违约概率以及调整系数得到资本缓释系数表达式；根据产品目标平均利率按照目标回报率算法对所述贷款利率、资金成本率、运营成本率、风险定价系数表达式、资本缓释系数表达式以及所得税率进行反向推算，得到目标平均违约概率。
[0012]可选地，所述根据所述灰度规则集和所述备选样本集标记不同类别的信贷客户，包括：根据所述灰度规则集对所述备选样本集进行筛选；对筛选结果中的各个信贷客户进行标记，得到不同类别的信贷客户，所述不同类别的信贷客户包括瑕疵客户、白名单客户。
[0013]此外，为实现上述目的，本专利技术还提出一种信贷客户的多层次评价装置，所述信贷客户的多层次评价装置包括：概率计算模块，用于根据目标对象信贷业务的贷款利率范围和目标回报率算法计算当前可接受违约概率，并根据所述当前可接受违约概率和预设业务逻辑构建高风险行为因子规则集；样本筛选模块，用于根据所述高风险行为因子规则集和原始样本集得到备选样本集；规则构建模块，用于根据所述贷款利率范围和目标回报率算法计算目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信贷客户的多层次评价方法，其特征在于，所述信贷客户的多层次评价方法包括以下步骤：根据目标对象信贷业务的贷款利率范围和目标回报率算法计算当前可接受违约概率，并根据所述当前可接受违约概率和预设业务逻辑构建高风险行为因子规则集；根据所述高风险行为因子规则集和原始样本集得到备选样本集；根据所述贷款利率范围和目标回报率算法计算目标平均违约概率，并根据所述目标平均违约概率和所述预设业务逻辑构建灰度规则集；根据所述灰度规则集和所述备选样本集标记不同类别的信贷客户。2.如权利要求1所述的信贷客户的多层次评价方法，其特征在于，所述根据目标对象信贷业务的贷款利率范围和目标回报率算法计算当前可接受违约概率；根据目标对象的可接受违约概率和预设业务逻辑构建高风险行为因子规则集，包括：根据目标对象信贷业务的贷款利率范围和目标回报率算法计算目标对象贷款业务的当前可接受违约概率；获取目标对象信贷业务的样本平均违约概率，根据所述当前可接受违约概率和所述样本平均违约概率计算出规则提升度阈值；根据预设提升度获取基础规则集和候选规则集，通过预设逐步筛选策略将所述候选规则集合中的规则逐一添加至所述基础规则集；根据添加后的基础规则集计算出其中各个规则的相对增量提升度；在所述相对增量提升度小于所述规则提升度阈值时，对所述添加后的基础规则集进行筛选，得到筛选基础规则集；分别计算出所述基础规则集和所述筛选基础规则集的基础整体规则提升度和筛选基础整体规则提升度；根据所述基础整体规则提升度和筛选基础整体规则提升度确定最佳基础规则集；重复执行上述步骤，通过预设逐步筛选策略从所述候选规则集中依次移除候选规则，直至所述候选规则集中的规则被全部移除，在执行完成后，所述最佳基础规则集即为高风险行为因子备选规则集；获取所述高风险行为因子备选规则集中符合预设业务逻辑的高风险行为因子备选规则和不符合预设业务逻辑的高风险行为因子备选规则；将所述不符合预设业务逻辑的高风险行为因子备选规则从所述高风险行为因子备选规则集中剔除，得到高风险行为因子规则集。3.如权利要求2所述的信贷客户的多层次评价方法，其特征在于，所述根据目标对象信贷业务的贷款利率范围和目标回报率算法计算目标对象贷款业务的当前可接受违约概率，包括：获取贷款利息收入、资金成本、运营成本、所得税率以及目标回报率；根据当前贷款金额分别对所述贷款利息收入、资金成本以及运营成本进行计算，得到贷款利率、资金成本率以及运营成本率；根据违约概率和贷款损失率得到风险定价系数表达式，以及根据期限调整因子、极端情况违约概率、违约概率以及调整系数得到资本缓释系数表达式；按照目标回报率算法对所述贷款利率、资金成本率、运营成本率、风险定价系数表达
式、资本缓释系数表达式以及所得税率进行计算，得到目标对象信贷业务的当前可接受违约概率。4.如权利要求1所述的信贷客户的多层次评价方法，其特征在于，所述根据高风险行为因子规则集和原始样本集得到备选样本集，包括：根据所述高风险行为因子规则集对所述原始样本集进行筛选，得到备选样本集。5.如权利要求1所述的信贷客户的多层次评价方法，其特征在于，所述根据所述贷款利率范围和目标回报率算法计算目标平均违约概率，并根据所述目标平均违约概率和所述预设业务逻辑构建灰度规则集，包括：根据目标对象信贷业务的贷款利率范围和目标回报率算...

【专利技术属性】
技术研发人员：金晔，
申请(专利权)人：亲家网络技术北京有限公司，
类型：发明
国别省市：