一种应用于机器学习的风控数据置信区间生成方法及系统技术方案

技术编号:41350156 阅读:16 留言:0更新日期:2024-05-20 10:04
本发明专利技术提供了一种应用于机器学习的风控数据置信区间生成方法及系统,包括:基于申请主体的贷款申请信息,抓取申请信息;基于所述申请信息,计算一级风险指标,一级风险指标包括:次数风险指标、额度风险指标、还款占比风险指标、纠纷风险指标;基于一级风险指标构建置信度模型,基于准予贷款、不准予贷款的历史数据形成样本库,通过机器学习训练置信度模型;基于训练后置信度模型,计算置信度区间;并基于准予贷款且未出现坏账的样本的覆盖率,调整置信度区间,得到最终置信度区间Z。本方案充分挖掘申请主体历史数据中的潜在信息,能够很好规避人工主观判断的风险,为风险判定提供了科学、客观、可靠的置信度区间生成方案。

【技术实现步骤摘要】

本专利技术涉及计算机数据处理及风控数据处理,尤其是涉及一种应用于机器学习的风控数据置信区间生成方法及系统


技术介绍

1、随着产业发展及机器学习、大数据等技术在金融风控领域中的不断应用,金融业务系统随着金融业务及产品的发展也变得日渐丰富,尤其是在信用贷款领域,业务竞争及产品竞争越发激烈,而涉及到的申请主体信用、信贷业务、信贷相关数据、申请主体历史数据等也变得越来越庞大、越来越复杂化,在办理信用贷款等金融业务时,为了降低坏账率,金融机构往往需要对待办理的金融业务进行合理的风险管控。

2、传统风控在对风险事件发生的可能性进行评估时,主要是基于已经设定好的多种业务规定或者涉及的申请主体的固定类型的历史数据或历史行为进行判断,例如,黑名单数据内牵涉的人员或企业会直接认定为风险发生率为100%。但是这类风控方法不能很好地对数据欺诈等方式或者伪造材料等进行有效的规避和识别。

3、此外,在现有技术中,也有通过统计模型进行风险控制的方式,这些模型建立在人工经验和规则上,或者通过机器辅助计算的方式来实现,这些方式仍然很大程度上依赖于人工判断,不能很好本文档来自技高网...

【技术保护点】

1.一种应用于机器学习的风控数据置信区间生成方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述S1还包括,抓取纠纷次数数据D1以及填报纠纷次数,计算纠纷信息填报比对数据D2,具体计算方式为:

3.根据权利要求1所述的方法,其特征在于,所述S2中,次数风险指标的计算方式为:

4.根据权利要求1所述的方法,其特征在于,所述S2中,额度风险指标的计算方式为:

5.根据权利要求1所述的方法,其特征在于,所述S2中,还款占比风险指标的计算方式为:

6.根据权利要求1所述的方法,其特征在于,所述S2中,纠纷风险...

【技术特征摘要】

1.一种应用于机器学习的风控数据置信区间生成方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述s1还包括,抓取纠纷次数数据d1以及填报纠纷次数,计算纠纷信息填报比对数据d2,具体计算方式为:

3.根据权利要求1所述的方法,其特征在于,所述s2中,次数风险指标的计算方式为:

4.根据权利要求1所述的方法,其特征在于,所述s2中,额度风险指标的计算方式为:

5.根据权利要求1所述的方法,其特征在于,所...

【专利技术属性】
技术研发人员:段美宁周维浩王震
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