[发明专利]一种风险控制方法、装置、计算机系统及可读存储介质

权利要求书

1.一种风险控制方法，其特征在于，包括以下步骤：

S1：利用姓名身份正则表达式从征信服务器和贷款服务器中获取用户信息，并通过所述用户信息获得应还款金额；其中，将姓名身份正则表达式以通信信号的形式输出至征信服务器和贷款服务器，并且接受由征信服务器和贷款服务器以通信信号的形式输出的用户信息；

S2：根据所述用户信息和应还款金额生成多维负债信息，将所述多维负债信息录入负债聚类模型以判断其是否为风险负债信息；若是，则生成风险信号并结束；若否，则将其录入成熟负债风控模型以获得负债估算值并进入S3；

S3：根据所述用户信息生成多维收入信息，将所述多维收入信息录入收入聚类模型以判断其是否为风险收入信息；若是，则生成风险信号并结束；若否，则将其录入成熟收入风控模型以获得收入估算值并进入S4；

S4：将所述负债估算值和收入估算值通过编码及排序获得综合输入向量，并将所述综合输入向量录入成熟综合风控模型，以获得综合估算值；根据所述综合估算值生成风险信号或验证通过信号并结束；

其中，所述S2中的负债聚类模型通过以下步骤训练获得：

S2-01：从信贷系统的黑名单中获取聚类样本，创建样本包括征信信息、贷款信息；

S2-02：根据用户信息和应还款金额生成多维负债样本信息；

S2-03：将多维负债样本信息录入初级负债聚类模型；

S2-04：按照S2-01到S0-03的步骤获得多个创建样本的多维负债样本信息，并将其录入所述初级负债聚类模型；

S2-05：利用所述负债聚类模型获得多个多维负债样本信息的中心点，以获得负债聚类模型；

其中，所述S2中的成熟负债风控模型通过以下步骤训练获得：

S2-11：从信贷系统的黑名单和白名单中获取创建样本，所述创建样本包括征信信息、贷款信息和负债标记；

S2-12：根据所述创建样本获得创建多维负债信息，并将其进行编码、排序得到创建负债输入向量；

S2-13：预设负债风险系数，将所述负债风险系数构建为负债输出向量；

S2-14：将所述创建负债输入向量构建成负债风控模型的负债输入层，将所述负债输出向量构建成负债风控模型的负债输出层；

S2-15：获取所述负债输入向量和负债输出向量之间的负债映射参数，并根据所述映射参数获得负债中间层；

S2-16：根据负债输入层、负债中间层和负债输出层构建得到初级负债风控模型；

S2-17:从信贷系统的黑名单和白名单中获取多个训练样本，所述训练样本包括征信信息、贷款信息和负债标记；

按照所述S2-12到S2-13的步骤依次获得各训练样本的负债输入向量和负债输出向量；

将各训练样本的负债输入向量和负债输出向量依次录入所述初级负债风控模型，使所述初级负债风控模型不断调整负债中间层，并最终获得成熟负债风控模型；

其中，所述S3中的收入聚类模型通过以下步骤训练获得：

S3-01：从信贷系统的黑名单中获取聚类样本，创建样本包括征信信息、贷款信息；

S3-02：根据用户信息生成多维收入样本信息；

S3-03：将多维收入样本信息录入初级收入聚类模型；

S3-04：按照S3-01到S0-03的步骤获得多个创建样本的多维收入样本信息，并将其录入所述初级收入聚类模型；

S3-05：利用所述收入聚类模型获得多个多维收入样本信息的中心点，以获得收入聚类模型；

其中，所述S3中的成熟收入风控模型通过以下步骤训练获得：

S3-11：从信贷系统的黑名单和白名单中获取创建样本，所述创建样本包括征信信息、贷款信息和收入标记；

S3-12：根据所述创建样本获得创建多维收入信息，并将其进行编码、排序得到创建收入输入向量；

S3-13：预设收入风险系数，将所述收入风险系数构建为收入输出向量；

S3-14：将所述创建收入输入向量构建成收入风控模型的收入输入层，将所述收入输出向量构建成收入风控模型的收入输出层；

S3-15：获取所述收入输入向量和收入输出向量之间的收入映射参数，并根据所述映射参数获得收入中间层；

S3-16：根据收入输入层、收入中间层和收入输出层构建得到初级收入风控模型；

S3-17:从信贷系统的黑名单和白名单中获取多个训练样本，所述训练样本包括征信信息、贷款信息和收入标记；

按照所述S3-12到S3-13的步骤依次获得各训练样本的收入输入向量和收入输出向量；

将各训练样本的收入输入向量和收入输出向量依次录入所述初级收入风控模型，使所述初级收入风控模型不断调整收入中间层，并最终获得成熟收入风控模型；

其中，所述S4中的成熟综合风控模型通过以下步骤训练获得：

S4-11：从信贷系统的黑名单和白名单中获取创建样本，所述创建样本包括征信信息、贷款信息和综合标记；其中，所述综合标记用于表示创建样本的来源即黑名单或白名单；

S4-12：将所述创建样本录入成熟负债风控模型，并获得创建负债估算值；将所述创建样本录入成熟收入风控模型，并获得创建收入估算值；

S4-13：将创建负债估算值和创建收入估算值通过编码及排序，获得创建综合输入向量；将所述创建综合输入向量构建成综合风控模型的综合输入层；

S4-14：预设综合风险系数，将所述综合风险系数构建为创建综合输出向量；将所述创建综合输出向量构建成综合风控模型的综合输出层；

S4-15：获取所述综合输入向量和综合输出向量之间的综合映射参数，并根据所述映射参数获得综合中间层；

S4-16：根据综合输入层、综合中间层和综合输出层构建得到初级综合风控模型；

S4-17:从信贷系统的黑名单和白名单中获取多个训练样本，所述训练样本包括征信信息、贷款信息和综合标记；

按照所述S4-12到S4-14的步骤依次获得各训练样本的综合输入向量和综合输出向量；将各训练样本的综合输出向量和综合输出向量依次录入所述初级综合风控模型，使所述初级综合风控模型不断调整综合中间层，并最终获得成熟综合风控模型；

负债聚类模型、成熟负债风控模型、收入聚类模型、成熟收入风控模型、成熟综合风控模型均采用SVM模型。