基于因果强化学习的个人信贷风险预测方法和装置制造方法及图纸

本发明专利技术公开了一种基于因果强化学习的个人信贷风险预测方法和装置，包括：对样本信贷数据进行主成分分析获取信贷风险主特征；根据信贷风险主特征构建因果图，并根据因果图获取信贷风险关键特征；根据信贷风险关键特征确定训练样本，并采用训练样本进行强化学习训练获取信贷风险预测模型；将待测用户的个人信贷特征输入信贷风险预测模型进行预测，获取待测用户的预测信贷风险值。在主成分分析法构建新的指标体系的基础上，通过构建因果图来描述新的指标之间的因果关系，可解释性强，并采用强化学习训练获取信贷风险预测模型，提升模型的预测准确率，从而助力个人信贷风险预测，提高金融机构的风险防范管理能力。

【技术实现步骤摘要】

本专利技术涉及软件，尤其涉及一种基于因果强化学习的个人信贷风险预测方法和装置。

技术介绍

1、随着金融市场的不断发展和金融科技的飞速进步，个人信贷市场规模不断扩大，并逐渐向线上化、数字化、智能化方向转变。然而，个人信贷风险也成为我国商业银行面临的主要挑战之一。提升商业银行对个人信贷客户的风险预测能力，是规避银行坏账以及避免引发系统性金融风险的重要一环。

2、基于机器学习，深度学习的个人信贷预测模型不断涌出，然而这些技术大多需要大量的人工标注数据以及高质量的标注数据进行模型训练，同时训练数据大多来源业务，呈现高度不平衡等特征，不利于模型训练；现有个人信贷预测模型一般为黑盒模型，可解释性不强，然而，金融决策具有“高风险”特点，对预测结果解释性要求比较高，需要为其预测结果提供必要的解释，保证申请人获取贷款的公平性。

技术实现思路

1、本专利技术提供了一种基于因果强化学习的个人信贷风险预测方法和装置，以实现对对个人信贷风险的准确预测。

2、根据本专利技术的一方面，提供了一种基于因果强化学习的个本文档来自技高网...

【技术保护点】

1.一种基于因果强化学习的个人信贷风险预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对样本信贷数据进行主成分分析获取信贷风险主特征之前，还包括：

3.根据权利要求1所述的方法，其特征在于，所述对样本信贷数据进行主成分分析获取信贷风险主特征，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述信贷风险主特征构建因果图，并根据所述因果图获取信贷风险关键特征，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据所述信贷风险关键特征确定训练样本，包括：

6.根据权利要求5所述的方法，其特征在...

【技术特征摘要】

1.一种基于因果强化学习的个人信贷风险预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对样本信贷数据进行主成分分析获取信贷风险主特征之前，还包括：

3.根据权利要求1所述的方法，其特征在于，所述对样本信贷数据进行主成分分析获取信贷风险主特征，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述信贷风险主特征构建因果图，并根据所述因果图获取信贷风险关键特征，包括：

5.根据权利要求1所述的方法，其特征在于，所述根据所述信贷风险关键特征确定训...

【专利技术属性】
技术研发人员：李芳国，陈嘉欣，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：