[发明专利]放款风险控制策略的生成方法、装置、终端及存储介质

说明书

本发明揭示了一种放款风险控制策略的生成方法、装置、终端及存储介质。本发明的方法通过使用随机森林算法对大量特征进行建模，得到包含有数百棵决策树的森林，用较浅的深度完成特征挖掘，生成数百乃至上千符合条件且能够有效识别出坏样本的组合规则。随后通过筛选分析，将样本量较大、坏样本识别能力强、符合业务实际场景及目标的组合规则进行保留，最终生成完整的放款风险控制策略。相较于现有技术，本发明的方法在特征挖掘深度、策略生成速度方面的优势显著，具有挖掘业务范围广、特征规则之间的关系挖掘更充分等优点，有助于银行提升对用户放款的风险控制能力。

技术领域

本发明属于一种银行内风控策略的生成方案，具体为一种放款风险控制策略的生成方法、装置、终端及存储介质，涉及数据处理技术领域。

背景技术

在商业银行的日常运营过程中，为了保证其经营战略能够得到落实、降低运营风险，银行内部会根据不同的应用场景和目标，制定和生成相关的运营策略。而在各类运营策略中，放款风险的控制策略无疑是最为重要的一部分，其直接关乎到银行的贷款业务是否能够顺利开展。

现阶段，行业内所普遍采用的策略生成方式主要包括专家经验及决策树挖掘两种。

专家经验是指以专家对业务及行业的理解、结合其实操经验生成策略的方式。但通过这种方式所生成策略的有效性与专家的主观判断结果直接相关，对象范围较窄、缺少必要的数据验证、局限性较大，策略制定者的业务经验稍有不足就很难得到有效的策略结果。

使用决策树对规则进行挖掘、进而形成策略的方式相较于专家经验而言，其结果的准确性上虽有所提升，但这种策略生成方式同样存在着较为明显的缺陷。由于该方式中使用的是单棵决策树，策略生成速度慢且规则挖掘能力较弱，无法有效地挖掘出特征之间的关系。此外，单棵决策树可能会因为其深度过深而得到大量无效的组合特征，这些特征缺乏实际意义，由其所得到的策略也就同样缺乏实用性。

由以上描述可以看出，无论是专家经验还是决策树挖掘，在放款风险控制策略的生成过程中，局限性都很强。

综上所述，如果能够在现有技术的基础上提出一种系统化、标准化的放款风险控制策略生成方案，那么将极大地提升银行对用户放款的风险控制能力，保证银行贷款业务的顺利开展。

发明内容

鉴于现有技术存在上述缺陷，本发明的目的是提出一种放款风险控制策略的生成方法、装置、终端及存储介质，具体如下。

一种放款风险控制策略的生成方法，包括：

依次对所选取的贷款账号进行滚动率分析和账龄分析，得到样本判断标准；

利用统计和特征衍生从所选取的贷款账号的相关信息中获取建模数据变量，以贷款账号为目标、以所述建模数据变量为特征，基于随机森林算法进行建模，得到规则生成模型；

利用所述规则生成模型对所选取的另一部分贷款账号进行处理，结合所述样本判断标准，得到挖掘规则集合，依据业务开展条件从所述挖掘规则集合中筛选出相对应的挖掘规则作为放款风险控制策略。

优选地，所述依次对所选取的贷款账号进行滚动率分析和账龄分析，得到样本判断标准，包括：

从历史贷款账号数据中选取一部分贷款账号，获取该部分贷款账号的还款计划数据，选择所述还款计划数据中的任一时间点作为观察点，定义所述观察点前的一段时间为观察期、所述观察点后的一段时间为表现期；

统计贷款账号在所述观察期内的最长逾期期数、按在所述观察期内的逾期状态将贷款账号划分为多个层次，随后统计贷款账号在所述表现期内的最长逾期期数、按在所述表现期内的逾期状态将贷款账号划分为多个层次；

交叉统计观察期内每个层次的账号分别在表现期内各层次中的数量、并计算其在对应层次的表现期内账号总数中的占比，依据统计和计算结果将对应层次的账号作为样本判断观察对象；