[发明专利]基于控制图的信贷风险评估方法及系统有效
| 申请号: | 202110584049.6 | 申请日: | 2021-05-27 |
| 公开(公告)号: | CN113421154B | 公开(公告)日: | 2022-10-04 |
| 发明(设计)人: | 陈宏;叶恒青;张思宇 | 申请(专利权)人: | 上海交通大学 |
| 主分类号: | G06Q40/02 | 分类号: | G06Q40/02;G06N20/00 |
| 代理公司: | 上海段和段律师事务所 31334 | 代理人: | 李佳俊;郭国中 |
| 地址: | 200240 *** | 国省代码: | 上海;31 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 控制 信贷风险 评估 方法 系统 | ||
1.一种基于控制图的信贷风险评估方法,其特征在于,包括如下步骤:
步骤1:采集已发放贷款客户的交易流水数据、信贷审核数据和逾期天数数据,并对各类数据进行预处理,得到常规特征和违约特征;
步骤2:将预处理过后的所述交易流水数据聚合并进行标准化,得到标准化后的初始交易流水指标;
步骤3:将所述标准化后的初始交易流水指标转换为警告信号;
步骤4:将所述警告信号处理成信号特征;
步骤5:整合信号特征、信贷审核数据提炼的常规特征和逾期天数数据提炼的违约特征,得到多类风控评估样本;
步骤6:针对所述风控评估样本,建立对应的机器学习模型,评估根据不同风控评估样本的机器学习模型结果,选定最佳风控模型;
步骤7:根据最佳风控模型建立信贷平台线上机器学习模型,对申请客户进行实时风险评估,输出风险评估结果;
所述步骤2包括如下步骤:
步骤2.1:将预处理后的交易流水数据聚合成初始交易流水特征指标,按照多类控制图对初始交易流水特征指标进行分组;
步骤2.2:对初始交易流水特征指标进行标准化,得到标准化后的初始交易流水指标;
所述步骤3包括如下步骤:
步骤3.1:针对标准化后的初始交易流水指标,计算每组中该指标对应的控制图的均值、上限及下限;
步骤3.2:根据步骤3.1得到的多类控制图的均值、上限和下限,制定交易流水监测期间预定时间段的警告信号;
所述步骤4包括如下步骤:
步骤4.1:分别统计在交易流水监测期间每类控制图中每种警告信号的总和,将警告信号转化为信号特征;
步骤4.2:为方便解读最后一个预定时间段的异常状态,再引入一个信号特征标识最后一个预定时间段的交易流水总体异常情况。
2.根据权利要求1所述的基于控制图的信贷风险评估方法,其特征在于,所述步骤1中的预处理包括如下步骤:
交易流水数据预处理步骤:针对交易流水,剔除预定交易金额范围的交易;
信贷审核数据预处理步骤:针对客户信贷的生命周期,剔除预定日期范围的客户所有数据记录;
逾期天数数据预处理步骤:针对客户逾期程度,剔除预定逾期天数范围的客户所有数据记录,根据逾期天数形成违约特征。
3.一种基于控制图的信贷风险评估系统,其特征在于,应用权利要求1-2任一所述的基于控制图的信贷风险评估方法,包括如下模块:
模块M1:采集已发放贷款客户的交易流水数据、信贷审核数据和逾期天数数据,并对各类数据进行预处理,得到常规特征和违约特征;
模块M2:将预处理过后的所述交易流水数据聚合并进行标准化,得到标准化后的初始交易流水指标;
模块M3:将所述标准化后的初始交易流水指标转换为警告信号;
模块M4:将所述警告信号处理成信号特征;
模块M5:整合信号特征、信贷审核数据提炼的常规特征和逾期天数数据提炼的违约特征,得到多类风控评估样本;
模块M6:针对所述风控评估样本,建立对应的机器学习模型,评估根据不同风控评估样本的机器学习模型结果,选定最佳风控模型;
模块M7:根据最佳风控模型建立信贷平台线上机器学习模型,对申请客户进行实时风险评估,输出风险评估结果。
4.根据权利要求3所述的基于控制图的信贷风险评估系统,其特征在于,所述模块M1中的预处理包括如下模块:
交易流水数据预处理模块:针对交易流水,剔除预定交易金额范围的交易;
信贷审核数据预处理模块:针对客户信贷的生命周期,剔除预定日期范围的客户所有数据记录;
逾期天数数据预处理模块:针对客户逾期程度,剔除预定逾期天数范围的客户所有数据记录,根据逾期天数形成违约特征。
5.根据权利要求3所述的基于控制图的信贷风险评估系统,其特征在于,所述模块M2包括如下模块:
模块M2.1:将预处理后的交易流水数据聚合成初始交易流水特征指标,按照多类控制图对初始交易流水特征指标进行分组;
模块M2.2:对初始交易流水特征指标进行标准化,得到标准化后的初始交易流水指标。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海交通大学,未经上海交通大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110584049.6/1.html,转载请声明来源钻瓜专利网。





