一种基于分层迭代和动态调整的小微授信额度确定方法技术

本发明专利技术涉及信用评估技术领域，具体涉及一种基于分层迭代和动态调整的小微授信额度确定方法，包括：S1、构造指标：在实际业务中多维度获取指标，并对连续变化的指标进行离散化处理，同时对指标值进行标准化和统一量纲处理；S2、风险分层：对每个模块的指标进行训练得到对应指标的权重，利用模块得分分布和KS值的变化对模块风险进行分层；S3、模型生成：确定模型形式并进行模型训练，对模型中的参数进行估计，得到额度定价模型；S4、动态调整：对额度定价模型取对数，当增加新的样本或新的指标时，对额度定价模型进行一键训练和对应的系数调整。本发明专利技术解决了难以随着存量客户的积累动态地调整额度的技术问题。地调整额度的技术问题。地调整额度的技术问题。

【技术实现步骤摘要】
一种基于分层迭代和动态调整的小微授信额度确定方法


[0001]本专利技术涉及信用评估
，具体涉及一种基于分层迭代和动态调整的小微授信额度确定方法。

技术介绍

[0002]目前，要完善与精细化额度授信模型，一方面要深入捕捉客户的违约风险，另一方面要精准把控小微企业贷款的实际额度需求，最大限度的找到两者的平衡点，实现利润最大化。当前国内外，关于小微企业授信模型相对比较简单，主要包括以下几种：一是定额授信，对通过申请的小微企业进行统一的授信额度；二是阶梯授信，对申请的信用评分进行分层，代表得分越高的层级，授信额度越大；三是组合风险限额，也即是混合矩阵式授信，将两个或多个特征进行交互，不同的交互结果代表不同的授信额度，比如说，客户信用等级与行业、限额、纳税等级等交互；四是统计或金融模型，常用的包括逻辑回归、主成分分析、神经网络模型、财务分析法、RAROC模型等。
[0003]当前的额度定价模型主要存在如下两个方面的缺点：一是维度单一，对信息挖掘不充分，粗暴定额，无法精确量化客户特征对授信额度的影响；二是若进行模型训练，有监督学习方法或目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分层迭代和动态调整的小微授信额度确定方法，其特征在于，包括：S1、构造指标：在实际业务中多维度获取指标，并对连续变化的指标进行离散化处理，同时对指标值进行标准化和统一量纲处理；S2、风险分层：对每个模块的指标进行训练得到对应指标的权重，利用模块得分分布和KS值的变化对模块风险进行分层；S3、模型生成：确定模型形式并进行模型训练，对模型中的参数进行估计，得到额度定价模型；S4、动态调整：对额度定价模型取对数，当增加新的样本或新的指标时，对额度定价模型进行一键训练和对应的系数调整。2.如权利要求1所述的一种基于分层迭代和动态调整的小微授信额度确定方法，其特征在于，在S1中，采用指标得分映射法，将指标原值映射为风险分数值，计算过程如下：S11、数据转换：基于离散化分档，根据是否违约目标变量计算各个分档的PD值，也即违约率，然后进行S型转换得到LPD，S12、映射得分：将LPD映射到区间[0,100]，得到指标得分，记为SScore，将指标得分标准化后作为额度定价模型的输入参数，也即风险分数值。3.如权利要求2所述的一种基于分层迭代和动态调整的小微授信额度确定方法，其特征在于，在S2中，采用遗传算法进行训练，基本步骤如下：S21、初始化：对各个指标权重进行初始化，得到初始化模型；S22、设置目标函数：采用最小化AR值或AUC值；S23、随机搜索：对遗传算法中的交叉率和变异率参数进行设定，然后对指标权重进行随机搜索，构造备选模型；S24、判断模型优劣：根据第二步设置的目标函数判定备选模型的优劣性；S25、迭代训练：重复第三步至第四步直至满足迭代终止条件，输出最终模型，根据最...

【专利技术属性】
技术研发人员：刘思静，
申请(专利权)人：重庆富民银行股份有限公司，
类型：发明
国别省市：