[发明专利]一种基于GBST的金融风险管理方法、装置和电子设备

说明书

本发明提供了一种基于GBST的金融风险管理方法，包括：获取历史用户数据集，根据历史用户数据集建立训练数据集，所述训练数据集包括用户特征数据、条件参数、金融表现数据；构建GBST生存模型，并训练GBST生存模型；将目标用户的用户特征数据和条件参数输入GBST生存模型，以输出目标用户的金融表现数据的预测分布曲线；基于目标用户的预测分布曲线，根据金融产品的最大化利润判断规则，定制与目标用户相对应的风险管理策略。本发明的金融风险管理方法以最大化利润为目标，可以给用户制定更加个性化、更加合理的产品，能够优化现有的额度、定价及期数的风险管理策略，在风险可控的条件下，产生更多的利润，以实现利润最大化。

技术领域

本发明涉及计算机信息处理领域，特别涉及一种基于GBST的金融风险管理方法、装置和电子设备。

背景技术

随着互联网的使用和大数据技术的发展，消费金融得到了长足发展。然而，随着越来越多的金融服务平台的出现，对信用风险的管理提出了更多的挑战。

生存分析模型最初源于处理死亡数据，在医学、保险等领域有非常广泛的应用。如何将生存分析模型等具有时间维度的模型引入到信用风险管理中以解决现有模型在时间维度上预测的缺乏，是本领域面临的重要问题。

为了有效的控制信用风险，发展出了许多不同的建模技术，包括监督算法和无监督算法。然而，对于借贷类金融产品的风险模型，主要以控制风险为目标，其中，贷款期数选择由客户自主选择决定，没有从利润角度进行进一步考量，由此，会导致一定程度的额度浪费、定价不合理及期数选择不合理现象，也会造成一定程度的利润损失，进而不能使利润最大化。

综上，有必要提供一种更精准且能够实现利润最大化的金融风险管理方法。

发明内容

为了解决上述问题，本发明提供了一种基于GBST的金融风险管理方法，包括：获取历史用户数据集，根据历史用户数据集建立训练数据集，所述训练数据集包括用户特征数据、条件参数、金融表现数据；构建GBST生存模型，使用所述训练数据集训练所述GBST生存模型；将目标用户的用户特征数据和条件参数输入所述GBST生存模型，以输出所述目标用户的金融表现数据的预测分布曲线；基于所述目标用户的预测分布曲线，根据金融产品的最大化利润判断规则，定制与所述目标用户相对应的风险管理策略。

优选地，所述条件参数包括贷款额度、贷款期数、利率和资金成本比例。

优选地，所述金融风险管理方法还包括：基于目标用户的金融表现数据的预测分布曲线和条件参数，计算目标用户在预定时间点或预定时间段的期望利润，并与预设利润阈值进行比较，以对目标用户进行风险判断。

优选地，所述定制与所述目标用户相对应的风险管理策略包括：根据对目标用户的风险判断结果，定制最大化利润的贷款策略、提额策略、降额策略或限贷策略。

优选地，所述输出所述目标用户的金融表现数据的预测分布曲线包括：使用所述GBST生存模型，计算所述目标用户在预定时间点或预定时间段的金融表现数据的预测值，进行图形拟合处理，以生成所述目标用户的金融表现数据的预测分布曲线。

优选地，所述金融表现数据包括违约概率和/或逾期概率。

优选地，所述预定时间段为三天、七天、十五天、一个月、两个月或一年。

优选地，所述使用所述训练数据集训练所述GBST生存模型包括：通过利用最小损失函数，对使用所述GBST生存模型计算的预测值与真实值的残差进行优化迭代。