【技术实现步骤摘要】
一种基于集成模型的风控预测方法及系统
[0001]本专利技术涉及数据处理
,具体涉及一种基于集成模型的风控预测方法及系统。
技术介绍
[0002]随着金融领域的发展,在金融行业对客户做风控处理的过程中通常都需要采用预先构建好的风控模型来针对客户可能出现的风险行为进行有效的的预测。然而,由于传统的逻辑回归/决策树模型在构建时对于业务经验的依赖较强,且模型整体受变量构造方式影响大,这就导致采用这部分模型预测用户风险行为的准确性较差。而现有技术中的使用风控模型来进行风控预测时,风控模型多为单一维度模型的处理,准确性难以保证,通过集成模型可以提高风控预测准确性,但是由于集成模型的训练,需要巨量的标签数据,通常较难满足。
技术实现思路
[0003]本申请提供了一种基于集成模型的风控预测方法及系统,用于针对解决现有技术中存在的由于风控模型的准确性低,因此通过集成模型提高预测准确性,但由于集成模型的训练需要巨量数据训练,存在较难实现的技术问题。
[0004]鉴于上述问题,本申请提供了一种基于集成模型的风控预测方法及系统。
[0005]第一方面,本申请提供了一种基于集成模型的风控预测方法,所述方法包括:构建第一前置基学习器、第二前置基学习器直到第N前置基学习器,其中,所述第一前置基学习器、所述第二前置基学习器直到所述第N前置基学习器的模型拓扑结构互不相同,N为整数,N≥2;构建特征融合学习器;将所述第一前置基学习器、所述第二前置基学习器直到所述第N前置基学习器的输出层和所述特征融合学习器的输入层 ...
【技术保护点】
【技术特征摘要】
1.一种基于集成模型的风控预测方法,其特征在于,应用于基于集成模型的风控预测系统,所述系统包括服务端,所述服务端和管理端、用户端通信连接,包括:构建第一前置基学习器、第二前置基学习器直到第N前置基学习器,其中,所述第一前置基学习器、所述第二前置基学习器直到所述第N前置基学习器的模型拓扑结构互不相同,N为整数,N≥2;构建特征融合学习器;将所述第一前置基学习器、所述第二前置基学习器直到所述第N前置基学习器的输出层和所述特征融合学习器的输入层合并,获取风险级别划分模型;接收用户端上传的业务请求信息,其中,所述业务请求信息包括登录用户基础信息和业务特征信息;所述登录用户基础信息包括失信记录信息和财产状态信息,将所述失信记录信息和所述财产状态信息输入所述风险级别划分模型,获取第一风险等级;对所述财产状态信息进行走势预测,获取财产走势信息,对所述第一风险等级进行调整,获取第二风险等级;将所述第二风险等级发送至管理端进行风控管理。2.如权利要求1所述的一种基于集成模型的风控预测方法,其特征在于,构建第一前置基学习器、第二前置基学习器直到第N前置基学习器,其中,所述第一前置基学习器、所述第二前置基学习器直到所述第N前置基学习器的模型拓扑结构互不相同,N为整数,N≥2,包括:采集失信记录模拟信息、财产状态模拟信息和风险等级标识信息;基于第一拓扑结构网络,以所述风险等级标识信息作为监督标识数据,以所述失信记录模拟信息和所述财产状态模拟信息为输入数据,结合粒子群聚焦算法进行训练,获取所述第一前置基学习器;基于第二拓扑结构网络,以所述风险等级标识信息作为监督标识数据,以所述失信记录模拟信息和所述财产状态模拟信息为输入数据,结合粒子群聚焦算法进行训练,获取所述第二前置基学习器;重复训练,直到基于第N拓扑结构网络,以所述风险等级标识信息作为监督标识数据,以所述失信记录模拟信息和所述财产状态模拟信息为输入数据,结合粒子群聚焦算法进行训练,获取所述第N前置基学习器。3.如权利要求2所述的一种基于集成模型的风控预测方法,其特征在于,基于第一拓扑结构网络,以所述风险等级标识信息作为监督标识数据,以所述失信记录模拟信息和所述财产状态模拟信息为输入数据,结合粒子群聚焦算法进行训练,获取所述第一前置基学习器,包括:对所述失信记录模拟信息、所述财产状态模拟信息和所述风险等级标识信息进行一级划分,获取第一训练集和第一测试集;对所述第一训练集进行k
‑
1折随机划分,获取第二训练集;根据所述第二训练集,基于第一拓扑结构网络,以所述风险等级标识信息作为监督标识数据,以所述失信记录模拟信息和所述财产状态模拟信息为输入数据,结合粒子群聚焦算法进行训练,获取所述第一前置基学习器。
4.如权利要求3所述的一种基于集成模型的风控预测方法,其特征在于,包括:获取所述第一前置基学习器的第一验证集的第一输出结果;获取所述第N前置基学习器的第N验证集的第N输出结果;基于BP神经网络模型,以所述第一前置基学习器、所述第二前置基学习器直到所述第N前置基学习器的所述第一输出结果直到所述第N输出结果为输入数据,以所述风险等级标识信息作为监督标识数据,结合粒子群聚焦算法进行训练,获取所述特征融合学习器;将所述第一前置基学习器、所述第二前置基学习器直到所述第N前置基学习器的输出层和所述特征融合学习器的输入层合并,调取所述第一测试集进行稳定性校验;当输出稳定性校验通过时,获取所述风险级别划分模型。5.如权利要求4所述的一种基于集成模型的风控预测方法,其特征在于,基于BP神经网络模型,以所述第一...
【专利技术属性】
技术研发人员:谢晔,林峰,张自平,李志魁,刘东岳,牛雯琪,任亮,
申请(专利权)人:杭州小策科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。