System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于多任务提升树的信贷风控管理方法与系统技术方案_技高网

一种基于多任务提升树的信贷风控管理方法与系统技术方案

技术编号:40167057 阅读:5 留言:0更新日期:2024-01-26 23:38
本发明专利技术提供一种基于多任务提升树的信贷风控管理方法与系统,属于信贷风控技术领域,具体包括:通过构建基于用户信贷特征的子任务的提升树模型得到不同的子任务的预测结果,基于预测结果进行所述授信申请用户的信贷风险的评估,根据风险更新周期进行授信申请用户的变动信贷特征的确定,并根据不同的变动信贷特征的变化数据以及与信贷风险的关联因子进行信贷风险变动量的确定,当信贷风险变动量不满足要求时,基于不同的变动信贷特征构建单独的子任务的提升树模型得到不同的变动信贷特征的子任务的预测结果,并结合所述信贷风险进行实时信贷风险的评估,从而进一步提升了信贷风险的处理效率。

【技术实现步骤摘要】

本专利技术属于信贷风控,尤其涉及一种基于多任务提升树的信贷风控管理方法与系统


技术介绍

1、在信贷风控领域,用户要先申请,再动支,最终有逾期表现,这就会导致用户在整个信贷过程中的信贷特征会逐渐变化,现有技术方案中往往需要通常在建立多个模型实现对用户的逾期风险的动态评估。这种方式需要训练多个模型,影响任务处理速度,特别是在用户量较大的情况下会导致服务器的数据处理压力明显增大。

2、针对上述技术问题,本专利技术提供了一种基于多任务提升树的信贷风控管理方法与系统。


技术实现思路

1、为实现本专利技术目的,本专利技术采用如下技术方案:

2、根据本专利技术的一个方面,提供了一种基于多任务提升树的信贷风控管理方法。

3、一种基于多任务提升树的信贷风控管理方法,具体包括:

4、s1基于授信申请用户的用户数据进行用户信贷特征的提取,通过构建基于所述用户信贷特征的子任务的提升树模型得到不同的子任务的预测结果,基于所述预测结果进行所述授信申请用户的信贷风险的评估;

5、s2基于剩余贷款数据进行所述授信申请用户的逾期损失的确定,获取所述授信申请用户的用户信贷特征的数量,并结合所述不同子任务的预测结果、信贷风险以及逾期损失进行风险更新周期的确定;

6、s3根据所述风险更新周期进行所述授信申请用户的实时的用户信贷特征的确定,将发生变动的实时的用户信贷特征作为变动信贷特征,并根据不同的变动信贷特征的变化数据以及与所述信贷风险的关联因子进行信贷风险变动量的确定,当所述信贷风险变动量不满足要求时,进入下一步骤;

7、s4基于不同的所述变动信贷特征构建单独的子任务的提升树模型得到不同的变动信贷特征的子任务的预测结果,并结合所述信贷风险进行实时信贷风险的评估。

8、本专利技术的有益效果在于:

9、1、通过基于授信申请用户的逾期损失以及不同子任务的预测结果以及信贷风险进行风险更新周期的确定,从而既考虑到不同的授信申请用户由于剩余贷款数据的差异导致的逾期损失的差异,同时还考虑到不同的授信申请用户由于预测结果的风险以及信贷风险的差异导致逾期风险的差异,实现了对风险状态的及时更新,同时也为尽快的进行逾期风险的控制奠定了基础。

10、2、通过根据不同的变动信贷特征的变化数据以及与信贷风险的关联因子进行信贷风险变动量的确定,从而实现了从变动信贷特征的变化情况以及变动信贷特征与信贷风险的关联因子两个角度对授信申请用户的信贷风险的变动情况的准确评估,同时通过变动幅度较大的授信申请用户的信贷风险的监测,既提升了更新效率,同时也减少了不必要的损失。

11、3、通过根据变动信贷特征的子任务的预测结果以及信贷风险进行实时信贷风险的评估,从而避免了原有的重新构建信贷模型导致的信贷风险的计算效率较低的技术问题,极大的提升了实时信贷风险的评估效率。

12、进一步的技术方案在于,所述用户信贷特征包括但不限于职业特征、社保特征、收入特征、家庭类型特征以及历史逾期特征。

13、进一步的技术方案在于,基于所述预测结果进行所述授信申请用户的信贷风险的评估,具体包括:

14、通过不同的子任务的提升树模型进行多任务训练的共享树结构的构建,并在所述共享树结构的基础上,基于不同的子任务的提升树模型的预测结果进行数据共享进行所述授信申请用户的信贷风险的评估。

15、进一步的技术方案在于,所述剩余贷款数据包括所述授信申请用户的剩余贷款的笔数、不同的剩余贷款的贷款余额和剩余贷款时间。

16、进一步的技术方案在于,结合所述信贷风险进行实时信贷风险的评估,具体包括:

17、将不同的变动信贷特征的子任务的预测结果与所述信贷风险作为提升树模型的输入数据,进行所述实时信贷风险的评估。

18、第二方面,本专利技术提供了一种基于多任务提升树的信贷风控管理系统,采用上述的一种基于多任务提升树的信贷风控管理方法,具体包括:

19、风险评估模块,更新周期确定模块,风险变动评估模块,信贷风险修正模块;

20、其中所述风险评估模块负责基于授信申请用户的用户数据进行用户信贷特征的提取,通过构建基于所述用户信贷特征的子任务的提升树模型得到不同的子任务的预测结果,基于所述预测结果进行所述授信申请用户的信贷风险的评估;

21、所述更新周期确定模块负责基于剩余贷款数据进行所述授信申请用户的逾期损失的确定,并结合所述不同子任务的预测结果以及信贷风险进行风险更新周期的确定;

22、所述风险变动评估模块负责根据所述风险更新周期进行所述授信申请用户的实时的用户信贷特征的确定,将发生变动的实时的用户信贷特征作为变动信贷特征,并根据不同的变动信贷特征的变化数据以及与所述信贷风险的关联因子进行信贷风险变动量的确定;

23、所述信贷风险修正模块负责基于不同的所述变动信贷特征构建单独的子任务的提升树模型得到不同的变动信贷特征的子任务的预测结果,并结合所述信贷风险进行实时信贷风险的评估。

24、其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

25、为使本专利技术的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。

本文档来自技高网...

【技术保护点】

1.一种基于多任务提升树的信贷风控管理方法,其特征在于,具体包括:

2.如权利要求1所述的基于多任务提升树的信贷风控管理方法,其特征在于,所述用户信贷特征包括但不限于职业特征、社保特征、收入特征、家庭类型特征以及历史逾期特征。

3.如权利要求1所述的基于多任务提升树的信贷风控管理方法,其特征在于,基于所述预测结果进行所述授信申请用户的信贷风险的评估,具体包括:

4.如权利要求1所述的基于多任务提升树的信贷风控管理方法,其特征在于,所述授信申请用户的逾期损失的确定的方法为:

5.如权利要求1所述的基于多任务提升树的信贷风控管理方法,其特征在于,所述风险更新周期的确定的方法为:

6.如权利要求5所述的基于多任务提升树的信贷风控管理方法,其特征在于,所述预设更新周期根据授信管理机构的管理的授信申请用户的数量进行确定,其中所述授信管理机构的管理的授信申请用户的数量越多,则所述预设更新周期越长。

7.如权利要求1所述的基于多任务提升树的信贷风控管理方法,其特征在于,所述信贷风险变动量的确定的方法为:

8.如权利要求7所述的基于多任务提升树的信贷风控管理方法,其特征在于,所述授信申请用户的信贷风险变动量的取值范围在0到1之间,其中所述信贷风险变动量越大,则所述授信申请用户的信贷风险的变动概率就越大,并当所述信贷风险变动量大于预设风险值时,则确定所述授信申请用户的信贷风险变动量不满足要求。

9.如权利要求1所述的基于多任务提升树的信贷风控管理方法,其特征在于,结合所述信贷风险进行实时信贷风险的评估,具体包括:

10.一种基于多任务提升树的信贷风控管理系统,采用权利要求1-9任一项所述的一种基于多任务提升树的信贷风控管理方法,其特征在于,具体包括:

...

【技术特征摘要】

1.一种基于多任务提升树的信贷风控管理方法,其特征在于,具体包括:

2.如权利要求1所述的基于多任务提升树的信贷风控管理方法,其特征在于,所述用户信贷特征包括但不限于职业特征、社保特征、收入特征、家庭类型特征以及历史逾期特征。

3.如权利要求1所述的基于多任务提升树的信贷风控管理方法,其特征在于,基于所述预测结果进行所述授信申请用户的信贷风险的评估,具体包括:

4.如权利要求1所述的基于多任务提升树的信贷风控管理方法,其特征在于,所述授信申请用户的逾期损失的确定的方法为:

5.如权利要求1所述的基于多任务提升树的信贷风控管理方法,其特征在于,所述风险更新周期的确定的方法为:

6.如权利要求5所述的基于多任务提升树的信贷风控管理方法,其特征在于,所述预设更新周期根据授信管理机构的管理的授信申请用户的数量进行确定,其...

【专利技术属性】
技术研发人员:李恒奎陈辰王震
申请(专利权)人:杭银消费金融股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1