一种信用违约模型校准方法、系统、设备及介质技术方案

本发明专利技术公开了一种信用违约模型校准方法、系统、设备及介质，涉及信用违约风险评估领域，解决了新、旧模型尺度不一致，审批结果不一样的问题，方案包括：获取多个校准样本数据，包括：客户的违约标签、客户在第一、第二模型的预测违约概率值；对第一和第二预测违约概率值进行sigmoid反函数变换，将变换后的第一和第二预测违约概率值结合随机参量进行线性变换，得到第一变换式和第二变换式；采用梯度下降法优化随机参量，更新第一变换式和第二变换式；通过更新后的第一变换式和第二变换式得到校准变换式；通过校准变换式对经第二模型输出的预测概率值进行校准，得到校准后预测违约概率值；实现将两个不同模型预测的概率值校准到同一尺度。一尺度。一尺度。

【技术实现步骤摘要】
一种信用违约模型校准方法、系统、设备及介质


[0001]本专利技术涉及信用违约风险评估领域，更具体地说，它涉及一种信用违约模型校准方法、系统、设备及介质。

技术介绍

[0002]在银行风险管理中，信用违约模型和策略发挥着至关重要的作用。信用违约模型需要随着经营环境的变化而迭代新版本，当使用新模型代替旧模型时，由于新、旧模型由不同样本特征构建，可能会出现预测不一致的问题，例如针对同一客户，旧模型预测违约概率值为0.2，而新模型预测违约概率值为0.5，根据信贷审批政策，预测违约概率值低于0.2即可授信审批，那么就会导致使用新、旧模型审批结果不一样的问题。因此，亟需一种技术方法可以将两个不同的模型校准到同一尺度，使得新、旧模型可以合理过渡。

技术实现思路

[0003]本申请的目的是提供一种信用违约模型校准方法、系统、设备及介质，通过构建校准变换式，使得新旧模型尺度统一。
[0004]本申请的上述技术目的是通过以下技术方案得以实现的：方法包括S1、获取多个校准样本数据，所述校准样本数据包括：客户的违约标签、客户在第一模型的第一预测概率值和客户在第二模型的第二预测违约概率值；S2、对第一和第二预测违约概率值进行sigmoid反函数变换，将变换后的第一和第二预测违约概率值结合随机参量进行线性变换，得到第一变换式和第二变换式；采用梯度下降法优化所述随机参量，更新所述第一变换式和第二变换式；通过更新后的第一变换式和第二变换式得到校准变换式；S3、通过所述校准变换式对经第二模型输出的预测概率值进行校准，得到校准后预测违约概率值。
[0005]采用上述技术方案，通过步骤S1获取多个校准样本数据，将多个校准样本数据作为训练样本输入步骤S2，训练得到将第一模型和第二模型统一到相同尺度的校准变换式，最后在步骤S3中，通过校准变换式对第二模型输出的预测概率值进行校准，得到校准后预测违约概率值。校准后的第二模型输出与第一模型输出在相同的尺度，具有相似的分布特性。校准后的第二模型预测性能不降低，且可以达到比较好的校准效果，避免了预测偏高或偏低的现象。
[0006]进一步的，所述第一变换式和所述第二变换式为：其中，、为第一变换概率和第二变换概率，
为随机参量，为经sigmoid反变换后的第一、第二预测违约概率值，表示sigmoid函数表达式。
[0007]进一步的，所述梯度下降法的目标为交叉熵损失函数达到最小。
[0008]进一步的，所述交叉熵损失函数为：其中，为校准样本数据的样本数，为第个样本的违约标签，为模型输出的第个样本的预测违约概率值。
[0009]进一步的，通过更新后的第一变换式和第二变换式得到校准变换式，包括：令更新后的第一变换式等于更新后的第二变换式，得到中间校准变换式；对所述中间校准变换式进行sigmoid变换，得到校准变换式。
[0010]进一步的，所述中间校准变换式为：其中，为经sigmoid反变换后的第一、第二预测违约概率值，、、为优化后的随机参量。
[0011]进一步的，所述预测违约概率值的校准变换式为：其中，所述为第一、第二预测违约概率值，表示sigmoid函数表达式。
[0012]本申请第二方面提供一种信用违约模型校准系统，包括：信用违约模块，用于接收所述客户信息，计算预测违约概率值；模型校准模块，用于执行如上所述的一种信用违约模型校准方法，得到与所述预测违约概率值对应的校准后预测违约概率值；信贷审批模块，用于将所述校准后预测违约概率值与信贷审批政策进行比对，得到授信审批结果。
[0013]本申请第三方面提供一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述的一种信用违约模型校准方法。
[0014]本申请第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有
计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述的一种信用违约模型校准方法。
[0015]与现有技术相比，本申请具有以下有益效果：本专利技术提供了一种信用违约模型校准方法、系统、设备及介质，将两个不同模型预测的概率值校准到同一尺度，校准方案简易、稳健、可解释，在保证模型预测性能不降低的情况下，达到比较好的校准效果，填补了现有模型校准方法在不同模型尺度校准方面的空白。
附图说明
[0016]此处所说明的附图用来提供对本专利技术实施例的进一步理解，构成本申请的一部分，并不构成对本专利技术实施例的限定。在附图中：图1为本专利技术一实施例提供的校准方法的流程图；图2为本专利技术一实施例提供的校准系统的示意图。
具体实施方式
[0017]在下文中，可在本申请的各种实施例中使用的术语“包括”或“可包括”指示所申请的功能、操作或元件的存在，并且不限制一个或更多个功能、操作或元件的增加。此外，如在本申请的各种实施例中所使用，术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
[0018]在本申请的各种实施例中，表述“或”或“B或/和C中的至少一个”包括同时列出的文字的任何组合或所有组合。例如，表述“B或C”或“B或/和C中的至少一个”可包括B、可包括C或可包括B和C二者。
[0019]在本申请的各种实施例中使用的表述(诸如“第一”、“第二”等)可修饰在各种实施例中的各种组成元件，不过可不限制相应组成元件。例如，以上表述并不限制所述元件的顺序和/或重要性。以上表述仅用于将一个元件与其它元件区别开的目的。例如，第一客户装置和第二客户装置指示不同客户装置，尽管二者都是客户装置。例如，在不脱离本申请的各种实施例的范围的情况下，第一元件可被称为第二元件，同样地，第二元件也可被称为第一元件。
[0020]应注意到：如果描述将一个组成元件“连接”到另一组成元件或与另一组成元件“相连”，则可将第一组成元件直接连接到第二组成元件，并且可在第一组成元件和第二组成元件之间“连接”第三组成元件。相反地，当将一个组成元件“直接连接”到另一组成元件或与另一组成元件“直接相连”时，可理解为在第一组成元件和第二组成元件之间不存在第三组成元件。
[0021]在本申请的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本申请的各种实施例。如在此所使用，单数形式意在也包括复数形式，除非上下文清楚地另有指示。除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本申请的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关
中的语境含义
相同的含义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本申请的各种实施例中被清楚地限定。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信用违约模型校准方法，其特征是：包括S1、获取多个校准样本数据，所述校准样本数据包括：客户的违约标签、客户在第一模型的第一预测违约概率值和客户在第二模型的第二预测违约概率值；S2、对第一和第二预测违约概率值进行sigmoid反函数变换，将变换后的第一和第二预测违约概率值结合随机参量进行线性变换，得到第一变换式和第二变换式；采用梯度下降法优化所述随机参量，更新所述第一变换式和第二变换式；通过更新后的第一变换式和第二变换式得到校准变换式；S3、通过所述校准变换式对经第二模型输出的预测概率值进行校准，得到校准后预测违约概率值。2.根据权利要求1所述的一种信用违约模型校准方法，其特征是：所述第一变换式和所述第二变换式为：其中，、为第一变换概率和第二变换概率，为随机参量，为经sigmoid反变换后的第一、第二预测违约概率值，表示sigmoid函数表达式。3.根据权利要求1所述的一种信用违约模型校准方法，其特征是：所述梯度下降法的目标为交叉熵损失函数达到最小。4.根据权利要求3所述的一种信用违约模型校准方法，其特征是：所述交叉熵损失函数为：其中，为校准样本数据的样本数，为第个样本的违约标签，为模型输出的第个样本的预测违约概率值。5.根据权利要求1所述的一种信用违约模型校准方法，其特征是：通过更新后的第一变换式和第二变换式得到校准变换式，包括：令更新后的第一...

【专利技术属性】
技术研发人员：杨晓东，卫浩，
申请(专利权)人：四川新网银行股份有限公司，
类型：发明
国别省市：