【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
...【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,
...【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:
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。