一种基于损失函数的风控模型构建方法、系统及装置制造方法及图纸

本申请公开了一种基于损失函数的风控模型构建方法、系统及装置，用于提高信贷风控的准确性和模型的稳定性。本申请方法包括：获取若干用户的信贷信息和第一信贷评分，第一信贷评分为现有模型中对应用户的风控评分；确定用户的原标签特征，对原标签特征进行映射得到映射标签特征；根据第一信贷评分与映射标签特征确定特殊标签特征，特殊标签特征包含原标签特征信息与第一信贷评分信息；根据信贷信息、特殊标签特征以及初始模型的模型预测分确定目标损失函数，目标损失函数包括交叉熵损失和现有模型分跃迁损失；基于信贷信息、特殊标签特征以及目标损失函数对初始模型进行优化更新和迭代训练，得到训练后的风控模型；对风控模型进行指标评价。型进行指标评价。型进行指标评价。

【技术实现步骤摘要】
一种基于损失函数的风控模型构建方法、系统及装置


[0001]本申请涉及风控
，尤其涉及一种基于损失函数的风控模型构建方法、系统及装置。

技术介绍

[0002]信贷风控作为银行业务流程中控制风险的重要组成部分，越来越多的使用大数据、机器学习模型等AI算法生成信贷风控模型，通过信贷风控模型输出的风控评分对信贷用户进行风险控制。
[0003]即在风险控制策略中，信贷风控模型对用户的打分被看作用户授信额度的重要参考依据，模型打分越高的用户违约风险越高，相应的策略部门会给予较低的授信额度，以降低用户发生违约可能带来的损失。
[0004]受到大数据和现代金融科技的影响，信贷风控模型存在版本更新或更换。而在不同版本信贷风控模型中，可能由于模型训练过程不同或模型分版本区分度不同，造成同一用户的模型打分可能会存在较大差距，用户评分产生跃迁现象。例如，用户评分由旧模型的高分段跃迁到新模型的低分段，从而使得用户从风险较高的分段跃迁到风险较低的分段。但是，当用户由于从高风险分段跃迁到低风险分段，因此获得较高的授信额度时，有可能该用户会给银行等金融机构带来较大的违约损失，影响信贷风控的准确性和信贷风控模型的稳定性。

技术实现思路

[0005]本申请提供了一种基于损失函数的风控模型构建方法、系统及装置，用于提高信贷风控的准确性和信贷风控模型的稳定性。
[0006]本申请第一方面提供了一种基于损失函数的风控模型构建方法，包括：
[0007]获取若干用户的信贷信息和第一信贷评分，所述第一信贷评分为现有模型中对应所述用户的风控评分；
[0008]确定所述用户的原标签特征，对所述原标签特征进行映射得到映射标签特征；
[0009]根据所述第一信贷评分与所述映射标签特征确定特殊标签特征，所述特殊标签特征包含所述原标签特征信息与所述第一信贷评分信息；
[0010]根据所述信贷信息、所述特殊标签特征以及初始模型的模型预测分确定目标损失函数，所述目标损失函数包括交叉熵损失和现有模型分跃迁损失；
[0011]基于所述信贷信息、所述特殊标签特征以及所述目标损失函数对初始模型进行优化更新和迭代训练，得到训练后的风控模型；
[0012]对所述风控模型进行指标评价。
[0013]可选地，所述基于所述信贷信息、所述特殊标签特征以及初始模型的模型预测分确定目标损失函数包括：
[0014]将所述信贷信息和所述特殊标签特征输入初始模型，根据所述信贷信息计算模型
预测分，并对所述特殊标签特征进行还原，确定第一信贷评分；
[0015]根据所述模型预测分和所述第一信贷评分计算现有模型分跃迁损失，并计算权重损失函数，所述权重损失函数包括交叉熵损失和所述现有模型分跃迁损失；
[0016]对所述权重损失函数所包括的现有模型分跃迁损失的正则项系数进行修改操作，确定目标损失函数。
[0017]可选地，所述根据所述模型预测分和所述第一信贷评分计算现有模型分跃迁损失包括：
[0018]根据目标公式计算现有模型分跃迁损失，所述目标公式如下：
[0019]h＝(p
‑
S_old)2[0020]其中，h为现有模型分跃迁损失，p为模型预测分，S_old为现有模型的第一信贷评分。
[0021]可选地，所述风控模型为基于LightGBM算法的分析模型；
[0022]所述计算权重损失函数包括：
[0023]根据交叉熵损失和所述现有模型分跃迁损失确定权重损失函数，并基于如下公式计算权重损失函数返回值：
[0024]2*(p
‑
S_old)*p*(1
‑
p) 公式一；
[0025]2*p*(1
‑
p)*(p*(1
‑
p+(1
‑
2*p)*(p
‑
S_old))) 公式二；
[0026]其中，公式一为损失函数一阶导数，公式二为损失函数二阶导数。
[0027]可选地，在所述根据所述模型预测分和所述第一信贷评分确定现有模型分跃迁损失之前，所述方法还包括：
[0028]计算所述模型预测分和所述第一信贷评分的均值差，根据所述均值差对所述第一信贷评分进行模型分平移，得到平移后的第一信贷评分；
[0029]所述根据所述模型预测分和所述第一信贷评分确定现有模型分跃迁损失包括：
[0030]根据所述模型预测分和所述平移后的第一信贷评分确定现有模型分跃迁损失。
[0031]可选地，所述对所述权重损失函数所包括的现有模型分跃迁损失的正则项系数进行修改操作包括：
[0032]通过第一方式或第二方式或第三方式修改所述现有模型分跃迁损失的正则项系数，以使得对不同用户赋予不同损失权重；
[0033]其中，第一方式为正则项系数
×
S_old；
[0034]第二方式为正则项系数
×
(
‑
log(1
‑
S_old))，所述S_old为现有模型的第一信贷评分；
[0035]第三方式为根据所述第一信贷评分对所述用户进行正态分布，并修改正则项系数以使得只对所述第一信贷评分大于μ+1.5σ的用户计算现有模型分跃迁损失，其中所述μ为预设均值，所述σ为预设标准差。
[0036]可选地，在所述对所述风控模型进行指标评价之前，所述方法还包括：
[0037]根据所述第一信贷评分从低到高采用KS分箱算法对所述用户进行分箱操作，将其划分为若干个现有模型分箱；
[0038]所述对所述风控模型进行指标评价包括：
[0039]确定用户的第二信贷评分，根据第二信贷评分从低到高采用KS分箱算法对用户进
行分箱操作，将其划分为若干个风控模型分箱，所述第二信贷评分为将用户的信贷信息输入所述风控模型输出的风控评分；
[0040]计算所述现有模型分箱中后a箱的用户跃迁到所述风控模型分箱的第一分箱和第二分箱的比例；
[0041]根据所述比例对所述风控模型进行指标评价。
[0042]可选地，在所述基于所述信贷信息、所述特殊标签特征以及所述目标损失函数对初始模型进行优化更新和迭代训练之前，在所述根据所述第一信贷评分从低到高采用KS分箱算法对所述用户进行分箱操作，将其划分为若干个现有模型分箱之后，所述方法还包括：
[0043]对所述现有模型分箱前m个分箱中原标签特征为好人标签的用户提升第一权重；
[0044]对所述现有模型分箱后n个分箱中原标签特征为坏人标签的用户提升第二权重，所述原标签特征包括好人标签和坏人标签。
[0045]本申请第二方面提供了一种基于损失函数的风控模型构建系统，包括：
[0046]获取单元，用于获取若干用户的信贷信息和第一信贷评分，所述第一信贷评分为现有模型中对应所述用户的风控评分；
[0047]映射单元，用于确定所述用户的原标签特征，对所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于损失函数的风控模型构建方法，其特征在于，所述方法包括：获取若干用户的信贷信息和第一信贷评分，所述第一信贷评分为现有模型中对应所述用户的风控评分；确定所述用户的原标签特征，对所述原标签特征进行映射得到映射标签特征；根据所述第一信贷评分与所述映射标签特征确定特殊标签特征，所述特殊标签特征包含所述原标签特征信息与所述第一信贷评分信息；根据所述信贷信息、所述特殊标签特征以及初始模型的模型预测分确定目标损失函数，所述目标损失函数包括交叉熵损失和现有模型分跃迁损失；基于所述信贷信息、所述特殊标签特征以及所述目标损失函数对初始模型进行优化更新和迭代训练，得到训练后的风控模型；对所述风控模型进行指标评价。2.根据权利要求1所述的风控模型构建方法，其特征在于，所述基于所述信贷信息、所述特殊标签特征以及初始模型的模型预测分确定目标损失函数包括：将所述信贷信息和所述特殊标签特征输入初始模型，根据所述信贷信息计算模型预测分，并对所述特殊标签特征进行还原，确定第一信贷评分；根据所述模型预测分和所述第一信贷评分计算现有模型分跃迁损失，并计算权重损失函数，所述权重损失函数包括交叉熵损失和所述现有模型分跃迁损失；对所述权重损失函数所包括的现有模型分跃迁损失的正则项系数进行修改操作，确定目标损失函数。3.根据权利要求2所述的风控模型构建方法，其特征在于，所述根据所述模型预测分和所述第一信贷评分计算现有模型分跃迁损失包括：根据目标公式计算现有模型分跃迁损失，所述目标公式如下：h＝(p
‑
S_old)2其中，h为现有模型分跃迁损失，p为模型预测分，S_old为现有模型的第一信贷评分。4.根据权利要求3所述的风控模型构建方法，其特征在于，所述风控模型为基于LightGBM算法的分析模型；所述计算权重损失函数包括：根据交叉熵损失和所述现有模型分跃迁损失确定权重损失函数，并基于如下公式计算权重损失函数返回值：2*(p
‑
S_old)*p*(1
‑
p) 公式一；2*p*(1
‑
p)*(p*(1
‑
p+(1
‑
2*p)*(p
‑
S_old))) 公式二；其中，公式一为损失函数一阶导数，公式二为损失函数二阶导数。5.根据权利要求2所述的风控模型构建方法，其特征在于，在所述根据所述模型预测分和所述第一信贷评分确定现有模型分跃迁损失之前，所述方法还包括：计算所述模型预测分和所述第一信贷评分的均值差，根据所述均值差对所述第一信贷评分进行模型分平移，得到平移后的第一信贷评分；所述根据所述模型预测分和所述第一信贷评分确定现有模型分跃迁损失包括：根据所述模型预测分和所述平移后的第一信贷评分确定现有模型分跃迁损失。6.根据权利要求2所述的风控模型构建方法，其特征在于，所述对所述权重损失函数所
包括的现有模型分跃迁损失的正则项系数进行修改操作包...

【专利技术属性】
技术研发人员：邱冠宇，鲁海生，段奕卓，
申请(专利权)人：上海晓途网络科技有限公司，
类型：发明
国别省市：