[发明专利]一种自动化风险控制规则生成的方法

说明书

本发明公开了一种自动化风险控制规则生成的方法，包括以下步骤：获取数据、规则生成的框架、自动化生成目标变量库、自动化生成特征变量库、多算法结合选择特征、自动化生成规则。其核心是自动化生成贷款风险的规则，而规则的生成与目标变量的定义和特征变量的内容是密切相关的，通过自动化生成目标变量库和自动化形成特征变量库，然后通过自动化形成规则和优化规则，高效且快速的得到最终的风险控制规则，实现为贷中和贷后提供风险监控信息，本发明基于自动化生成的风控规则对生产经营情况和还款能力进行综合评估，建立贷中风险预警机制，以及进行贷后风险管理及信用评估，从而实现精准监控和管理贷款风险。

技术领域

本发明涉及金融产品的风控防控技术领域，具体为一种自动化风险控制规则生成的方法。

背景技术

在产业供应链金融领域中，主要的金融客户都是生产制造型企业，常用的贷后风险监控的方法大多是以贷后的外访为主。而目前国内有可用于征信的信贷记录的企业较少，而且多数企业的征信记录还比较单薄，不能形成具有参考价值的企业信用图景，所以供应链金融贷款监控平台常以核心企业的ERP数据和信贷管理系统的数据为基础，实现对分散的经营数据和贷款相关信息的集中整合和信息共享，对客户实施跟踪监测，通过分析工具检测各种潜在风险，对贷款客户的经营、授信情况、金融使用情况进行监控分析并向相关业务部门发出风险点的预警信息，为贷前的审批决策及贷后管理提供依据。传统银行贷款客户风险管理过程中，由于企业规模迥异以及经营和其他非经营类进行的滞后，缺乏量化比较依据，此外主要是依据人工对相关信息进行分析和讨论，占用周期长，导致银行无法精准快速进行风险管理。

发明内容

本发明的目的在于提供一种自动化风险控制规则生成的方法，实现为贷中和贷后提供风险监控信息，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种自动化风险控制规则生成的方法，包括以下步骤：

S1：获取数据：包括企业的内部数据和外部数据；

S2：规则生成的框架：自动化生成规则包括目标变量的确定、特征变量库的形成，然后基于目标变量与特征变量库的关联形成宽表，选择训练数据进行分析及分箱生成规则，然后用验证期的数据进行验证规则的有效性；

S3：自动化生成目标变量库：目标变量为逾期客户，规则的目标变量基于分析的颗粒度而确定，颗粒度包括客户级别、账单级别、贷款笔数级别，针对不同的颗粒度基于期限和逾期天数采用前-N-期逾期-M-时间的模板循环生成目标变量，然后每天遍历截止当前的所有放款行为数据，包括还款期限、逾期天数的字段，按照目标变量的定义得到目标变量的值，按天增量更新；

S4：自动化生成特征变量库：特征变量是遍历截止每天不同主题的原始数据，采用窗口变量统计衍生技术和特征组合衍生技术，自动化衍生为不同主题的特征变量，通过以目标变量库为主表，自动关联特征变量库，形成用于规则生成的特征宽表，即x1，……，xn和目标值Y；

S5：多算法结合选择特征：采用指标分析和多种算法结合进行特征的选择；

S6：自动化生成规则：基于指标分析和多算法模型筛选的特征集，采用卡方分箱和决策树分箱的方法进行单变量与多变量规则的设计。

更进一步地，S1中企业的内部数据包括企业的基本信息、企业的交易信息、企业设备的IOT生产信息、企业的金融信息；外部数据包括企业工商信息、企业财务信息、企业司法信息、企业借贷意向行为信息。

更进一步地，S3中目标变量的具体定义：

坏客户：前N期逾期天数M天，记为1，

好客户：前N期逾期天数为0，记为0，

中间客户：前N期逾期天数在0和M天之间，记为-1。