[发明专利]一种风险评估方法和系统

说明书

一种风险评估方法和系统，通过挖掘有价值的弱变量加入风险评估模型，使风险评估的考量因素更全面，解释性和稳定性更强，有助于提高风险评估的准确性，并保证风险评估的客观性。一些可行的实施方式中，方法包括：根据数据源与目标变量的相关性和/或数据源与用户信息的相关性，进行变量分组，得到至少一个第一类变量组和至少一个第二类变量组；针对所述至少一个第二类变量组分别构建风险评估模型，得到每个第二类变量组的风险评估模型的模型结果；将每个第二类变量组的模型结果作为一个变量，与所述至少一个第一类变量组中的全部全量合并，组成第三类变量组；针对所述第三类变量组构建风险评估综合模型。

技术领域

本发明涉及基于计算机技术的风险评估技术领域，具体涉及一种风险评估方法和系统。

背景技术

风险评估是对信息所面临的威胁、存在的弱点、造成的影响等所带来风险的可能性的评估。常用的风险评估方法有模型法和专家法两种。

模型法是指利用逻辑回归、决策树、随机森林等机器学习方法构建风险评估模型，基于模型结果进行风险评估的方法。实践发现，有些弱变量可能在业务上非常有意义，但是，模型法中，弱变量不能入选模型，导致模型法不能反映某些变量的作用，难以反映业务发展的未来趋势。

专家法是指根据专家意见，确定评估的考量因素，进行风险评估的方法。专家法可以解决弱变量无法入选模型的问题，但是，专家法是一种有较大的主观性的方法，没有充分挖掘和利用数据的价值。

发明内容

本发明实施例提供一种风险评估方法，通过挖掘有价值的弱变量加入风险评估模型，使风险评估的考量因素更全面，解释性和稳定性更强，有助于提高风险评估的准确性，并保证风险评估的客观性。

本发明第一方面提供一种风险评估方法，包括：根据数据源与目标变量的相关性和/或数据源与用户信息的相关性，进行变量分组，得到至少一个第一类变量组和至少一个第二类变量组；针对所述至少一个第二类变量组分别构建风险评估模型，得到每个第二类变量组的风险评估模型的模型结果；将每个第二类变量组的模型结果作为一个变量，与所述至少一个第一类变量组中的全部全量合并，组成第三类变量组；针对所述第三类变量组构建风险评估综合模型。

本发明第二方面提供一种风险评估系统，包括：预处理模块，用于根据数据源与目标变量的相关性和/或数据源与用户信息的相关性，进行变量分组，得到至少一个第一类变量组和至少一个第二类变量组；第一构建模块，用于针对所述至少一个第二类变量组分别构建风险评估模型，得到每个第二类变量组的风险评估模型的模型结果；变量组合模块，用于将每个第二类变量组的模型结果分别作为一个变量，与所述至少一个第一类变量组中的全部全量合并，组成第三类变量组；第二构建模块，用于针对所述第三类变量组构建风险评估综合模型。

由上可见，在本发明的一些可行的实施方式中，采用对变量分组，得到两类变量组，针对其中第二类变量组中的每个变量组分别构建风险评估模型，将该类的每个变量组的模型结果作为一个变量，与第一类变量组中的变量合并，组成第三类变量组，最后针对该第三类变量组构建风险评估综合模型的技术方案，取得了以下技术效果：

该方法充分的挖掘和利用了第二类变量组的数据价值，各个第二类变量组中的各个变量反映在最终构建的综合模型中，从而使风险评估考量因素更全面，解释性更强，模型稳定性更强，模型结果尽量客观和准确，应用中也更具鲁棒性，有助于提高风险评估效果，有助于反映业务发展的未来趋势。

附图说明

为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明一个实施例提供的一种风险评估方法的流程示意图；

图2是采用传统模型方法构建模型的过程示意图；