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() 一种自动化风险规则优化方法技术_技高网

一种自动化风险规则优化方法技术

技术编号:41252447 阅读:2 留言:0更新日期:2024-05-10 00:00
本发明专利技术涉及数据分析技术领域,具体为一种自动化风险规则优化方法,包括:S1、将设置的策略规则部署到决策引擎中,并将对应设置的评估指标配置到决策引擎中;S2、对决策引擎进行灰度测试,获取测试数据;S3、根据评估指标,对测试数据进行分析,获取灰度测试后的策略规则的评估指标值,并进行策略规则优化调整;S4、判断评估指标值是否达到预设阈值,若是,则进行策略规则的自动发布生效;若否,则再次执行S3。本方案能通过决策引擎自动化的评估策略规则,并进行优化调整,以降低策略规则评估测试和优化调整的滞后性,提升优化调整的效果。

【技术实现步骤摘要】

本专利技术涉及数据分析,具体为一种自动化风险规则优化方法


技术介绍

1、随着互联网的发展,很多线下业务流程变成了线上业务流程,相较于线下,极大地提升了业务流程的效率;线上业务流程的进行中会涉及到策略规则的设置,以对办理业务流程的用户进行多方面的评估审核。

2、策略规则一般部署在决策引擎中,直接发布应用,而大多数策略规则是依赖专家经验来配置的,所以需要策略规则性能评估测试,现有技术中对策略规则的评估测试往往需要等到策略规则上线几个月后有贷后表现期的时候(一般为逾期90天以上(dpd90+))才能充分评价,存在一定的滞后性,影响了业务流程的准确度;即使是在制定策略规则后就进行评估测试,也只是简单分析策略规则的合理性,对策略规则的优化调整效果有限。

3、因此现在急需一种自动化风险规则优化方法,能通过决策引擎自动化的评估策略规则,并进行优化调整,以降低策略规则评估测试和优化调整的滞后性,提升优化调整的效果。


技术实现思路

1、本专利技术意在提供一种自动化风险规则优化方法,能通过决策引擎自动化的评估策略规则,并进行优化调整,以降低策略规则评估测试和优化调整的滞后性,提升优化调整的效果。

2、本专利技术提供如下基础方案:一种自动化风险规则优化方法,包括:

3、s1、将设置的策略规则部署到决策引擎中,并将对应设置的评估指标配置到决策引擎中;

4、s2、对部署的策略规则进行灰度测试,获取测试数据;

5、s3、根据评估指标,对测试数据进行分析,获取灰度测试后的策略规则的评估指标值,并进行策略规则优化调整;

6、s4、判断评估指标值是否达到预设阈值,若是,则进行策略规则的自动发布生效;若否,则再次执行s2。

7、进一步,所述评估指标,包括:综合命中率、整体坏账率和相互覆盖率。

8、进一步,所述综合命中率是指策略规则在预测或决策中正确的比例;

9、综合命中率=(正确预测的数量/总预测的数量)*100%。

10、进一步,所述整体坏账率是指策略规则在预测或决策中产生不良结果或损失的比例;

11、整体坏账率=(不良结果或损失的数量/总预测的数量)*100%。

12、进一步,所述相互覆盖率指不同预测或决策之间策略规则相互覆盖或重复的比例;

13、相互覆盖率=(相互覆盖的数量/总预测的数量)*100%。

14、进一步,所述s2,包括:

15、触发决策引擎中部署的策略规则,并采用样本数据输入决策引擎进行测试,对样本数据中不符合规则的用户不做拒绝回复,并打上规则标签,在贷后表现期对用户进行监测,获取测试数据。

16、进一步,所述s3,包括:

17、s301、根据对样本数据进行策略规则的决策的测试数据,计算单个策略规则和整体策略规则的综合命中率;

18、s302、根据对样本数据进行策略规则的决策结果的测试数据,并结合样本的规则标签,计算整体策略规则的整体坏账率;

19、s303、根据测试数据和综合命中率,分析策略规则相互覆盖的情况,计算不同的策略规则的相互覆盖率;

20、s304、根据相互覆盖率和综合命中率,对策略规则进行优化调整,删除存在策略规则部分重复且综合命中率相同的策略规则;

21、s305、判断策略规则是否存在删除,若是,则执行s301;若否,则执行s4。

22、本方案的有益效果:本方案将设置的策略规则部署到决策引擎中,并将对应设置的评估指标配置到决策引擎中,从而便于后续在决策引擎中进行灰度测试,获取测试数据;灰度测试的时间可以选择小于dpd90+;根据评估指标,对测试数据进行分析,获取灰度测试后的策略规则的评估指标值,并进行策略规则优化调整,当评估指标值达到预设阈值后,便可以直接进行策略规则的自动发布生效,若没有达到预设阈值,则再次执行s3,对策略规则优化调整,从而通过决策引擎自动化的评估策略规则,并进行优化调整,无需人为进行分析评价,也无需上线后等待dpd90+后再分析,极大的提高了优化调整效率,降低了策略规则评估测试和优化调整的滞后性,提升了优化调整的效果。

23、其中s3,具体包括s301、根据对样本数据进行策略规则的决策的测试数据,计算单个策略规则和整体策略规则的综合命中率;s302、根据对样本数据进行策略规则的决策结果的测试数据,并结合样本的规则标签,计算整体策略规则的整体坏账率;s303、根据测试数据和综合命中率,分析策略规则相互覆盖的情况,计算不同的策略规则的相互覆盖率;s304、根据相互覆盖率和综合命中率,对策略规则进行优化调整,删除存在策略规则部分重复且综合命中率相同的策略规则;s305、判断策略规则是否存在删除,若是,则执行s301;若否,则执行s4。从上述过程可知,综合命中率、整体坏账率和相互覆盖率,相互影响,相互左右,轮训调优,使得优化调整的后的策略规则能更好的满足预设阈值,提升优化调优效果。

本文档来自技高网...

【技术保护点】

1.一种自动化风险规则优化方法,其特征在于,包括:

2.根据权利要求1所述的自动化风险规则优化方法,其特征在于,所述评估指标,包括:综合命中率、整体坏账率和相互覆盖率。

3.根据权利要求2所述的自动化风险规则优化方法,其特征在于,所述综合命中率是指策略规则在预测或决策中正确的比例;

4.根据权利要求2所述的自动化风险规则优化方法,其特征在于,所述整体坏账率是指策略规则在预测或决策中产生不良结果或损失的比例;

5.根据权利要求2所述的自动化风险规则优化方法,其特征在于,所述相互覆盖率指不同预测或决策之间策略规则相互覆盖或重复的比例;

6.根据权利要求2所述的自动化风险规则优化方法,其特征在于,所述S2,包括:

7.根据权利要求6所述的自动化风险规则优化方法,其特征在于,所述S3,包括:

【技术特征摘要】

1.一种自动化风险规则优化方法,其特征在于,包括:

2.根据权利要求1所述的自动化风险规则优化方法,其特征在于,所述评估指标,包括:综合命中率、整体坏账率和相互覆盖率。

3.根据权利要求2所述的自动化风险规则优化方法,其特征在于,所述综合命中率是指策略规则在预测或决策中正确的比例;

4.根据权利要求2所述的自动化风险规则优化方法,其特征在于,所...

【专利技术属性】
技术研发人员:邓甄
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:

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