一种风控模型的训练方法技术

本发明专利技术公开了一种风控模型的训练方法，其特征在于：所述金融领域的行为特征基于电脑的输入端进行执行，且模拟申请人的相关特征可通过电脑的输入端进行输入；所述训练样本集合的数据与数据存储模块相连，且数据存储模块可分为不同的储存空间进行汇总和分类，所述数据特征分类过后可以通过提取模块进行具体特征的提取，所述风控模型评分结束后，检查系统将会得出不合格信息特征的原因。该风控模型的训练方法数据处理器可以将输入的模拟申请人的相关特征中与金融领域的行为特征的重复项数据内容进行提取，然后通过与风控模型的具体项进行对比评分，使得评分更加精准，评分项可以得到分类,提高了系统的精准性。到分类,提高了系统的精准性。到分类,提高了系统的精准性。

【技术实现步骤摘要】
一种风控模型的训练方法


[0001]本专利技术涉及风控模型
，具体为一种风控模型的训练方法。

技术介绍

[0002]风控模型，计算最高能够承受什么样的高风险客户，同时该如何把这些资产证券化并分散点风险给投行对自己是最有利的。强大的高频交易和程序化交易要求更快速的交易通道和更高效的策略模型；另一方面，快速交易导致投资面临的风险呈指数级增长，从而市场和投资者需要更全面的策略组合和更精准的风控模型进行风险对冲，在高度精细化的风险控制模型中，很重要的一个环节就是用先进的统计计量模型来更加准确的描述多种金融资产价格波动的关联性，这种高度量化的风控模型，将无时无刻不为交易所、清算所和各大券商经纪公司，实时计算未来各种资产组合的风险度，从而始终将各种金融交易的市场风险控制在合理的范围内，使衍生品市场交易能够稳定运行，最大可能的减少巨大价格波动给市场带来的危机。
[0003]但是风控模型缺乏一种其训练方法，一般的风控模型不能够将评分过后的不合格具体特征信息进行滤出，然后进行反复的处理，使得风控模型容易受到其他具体特征信息的影响导致评分结果不准确，而且不能够对最终评分的具体特征信息的不合格原因进行检查。
[0004]所以我们提出了一种风控模型的训练方法，以便于解决上述中提出的问题。

技术实现思路

[0005]本专利技术的目的在于提供一种风控模型的训练方法，以解决上述
技术介绍
提出风控模型的评分不准确，容易受到其他数据的影响的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：一种风控模型的训练方法，所述金融领域的行为特征基于电脑的输入端进行执行，且模拟申请人的相关特征可通过电脑的输入端进行输入；所述训练样本集合的数据与数据存储模块相连，且数据存储模块可分为不同的储存空间进行汇总和分类；所述数据特征分类过后可以通过提取模块进行具体特征的提取，且提取到的数据可以有效的输入到电脑输入端的数据对比平台；所述风控模型与数据处理的接收端相连，且风控模型内部将原有的数据标准与接收到的数据进行对比，并且风控模型可以将对比产生的结果进行风险的评分；所述风控模型得出的评分可以被导出，且信息处理模块可以将低于标准数据特征要求的具体特征信息进行滤出；所述低于标准数据特征要求的具体特征信息在滤出过后可以通过第二数据储存模块储存形成新的集合；所述第二数据储存模块在储存结束后可以通过一个判断系统进行判断，从而判断
是否能够再次回到风控模型对第二数据储存模块中的数据信息进行风险的评分；所述风控模型评分结束后，检查系统将会得出不合格信息特征的原因。
[0007]优选的，所述储存在数据处理器内部的金融领域的行为特征包括：申请人年龄、收入。工作性质、家庭存款情况、家庭人口数，其中规则特征包括：申请人是不是第一次借款、和朋友之前有没有逾期过、直系亲属有无进入黑名单历史，其中直接提取的特征包括：申请人的二度关系中有多少个节点触碰了黑名单、工作收入和日常开销的比例，数据处理器可以将输入的模拟申请人的相关特征中与金融领域的行为特征的重复项数据内容进行提取。
[0008]优选的，所述提取的数据内容组成一个训练样本的集合，且组成的训练样本的集合可以进过储存器的管理模块进行整理分类和汇总。
[0009]优选的，所述提取模块提取到的数据通过在输送模块的输送下可以直接将数据传送至风控模型中。
[0010]优选的，所述风控模型内部的对比系统通过将组成的训练样本的集合中的数据与风控模型中已存在的标准数据进行对比，从而对训练样本的集合中的数据进行合格性的判定和整体的评分。
[0011]优选的，所述根据具体特征信息的评分判定是否需要将其滤出，评分低于标准的具体特征信息将会被滤出进入到第二数据储存模块中。
[0012]优选的，所述不合格的具体特征信息可以在第二数据储存模块中进行汇总和整理。
[0013]优选的，所述第二数据储存模块中的数据组成的新的训练集合将经过判断系统的判断，如果不超过两次，则信息传输模块将第二数据储存模块中的数据传输到风控模型中进行再一次的风险评分，如果判断出评分次数超过两次，则检查系统可以自动检查出新的训练集合中具体特征信息的不合格原因。
[0014]与现有技术相比，本专利技术的有益效果是：该风控模型的训练方法；1、数据处理器可以将输入的模拟申请人的相关特征中与金融领域的行为特征的重复项数据内容进行提取，然后通过与风控模型的具体项进行对比评分，使得评分更加精准，评分项可以得到分类,提高了系统的精准性；2、第二数据储存模块中的数据组成的新的训练集合将经过判断系统的判断，如果不超过两次，则信息传输模块将第二数据储存模块中的数据传输到风控模型中进行再一次的风险评分，使得多次评分降低了错误率，提高了系统方法的精准性；3、不合格特征信息的数据可以自动进入到另一个数据储存模块中，然后检查系统可以将不合格特征信息的数据与标准信息进行对比，从而可以得出不合格具体特征的原因。
附图说明
[0015]图1为本专利技术总流程示意图；图2为本专利技术样本集合路径示意图。
具体实施方式
[0016]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0017]请参阅图1
‑
2，本专利技术提供一种技术方案：一种风控模型的训练方法，所 述金融领域的行为特征基于电脑的输入端进行执行，且模拟申请人的相关特 征可通过电脑的输入端进行输入；所述训练样本集合的数据与数据存储模块相连，且数据存储模块可分为 不同的储存空间进行汇总和分类；所述数据特征分类过后可以通过提取模块进行具体特征的提取，且提取 到的数据可以有效的输入到电脑输入端的数据对比平台；所述风控模型与数据处理的接收端相连，且风控模型内部将原有的数据 标准与接收到的数据进行对比，并且风控模型可以将对比产生的结果进行风 险的评分；所述风控模型得出的评分可以被导出，且信息处理模块可以将低于标准 数据特征要求的具体特征信息进行滤出；所述低于标准数据特征要求的具体特征信息在滤出过后可以通过第二数 据储存模块储存形成新的集合；所述第二数据储存模块在储存结束后可以通过一个判断系统进行判断， 从而判断是否能够再次回到风控模型对第二数据储存模块中的数据信息进行 风险的评分；所述风控模型评分结束后，检查系统将会得出不合格信息特征的原因。
[0018]本案例的所述储存在数据处理器内部的金融领域的行为特征包括：申请人年龄、收入。工作性质、家庭存款情况、家庭人口数，其中规则特征包括：申请人是不是第一次借款、和朋友之前有没有逾期过、直系亲属有无进入黑名单历史，其中直接提取的特征包括：申请人的二度关系中有多少个节点触碰了黑名单、工作收入和日常开销的比例，数据处理器可以将输入的模拟申请人的相关特征中与金融领域的行为特征的重复项数据内容进行提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风控模型的训练方法，其特征在于：所述金融领域的行为特征基于电脑的输入端进行执行，且模拟申请人的相关特征可通过电脑的输入端进行输入；所述训练样本集合的数据与数据存储模块相连，且数据存储模块可分为不同的储存空间进行汇总和分类；所述数据特征分类过后可以通过提取模块进行具体特征的提取，且提取到的数据可以有效的输入到电脑输入端的数据对比平台；所述风控模型与数据处理的接收端相连，且风控模型内部将原有的数据标准与接收到的数据进行对比，并且风控模型可以将对比产生的结果进行风险的评分；所述风控模型得出的评分可以被导出，且信息处理模块可以将低于标准数据特征要求的具体特征信息进行滤出；所述低于标准数据特征要求的具体特征信息在滤出过后可以通过第二数据储存模块储存形成新的集合；所述第二数据储存模块在储存结束后可以通过一个判断系统进行判断，从而判断是否能够再次回到风控模型对第二数据储存模块中的数据信息进行风险的评分；所述风控模型评分结束后，检查系统将会得出不合格信息特征的原因。2.根据权利要求1所述的一种风控模型的训练方法，其特征在于：所述储存在数据处理器内部的金融领域的行为特征包括：申请人年龄、收入。工作性质、家庭存款情况、家庭人口数，其中规则特征包括：申请人是不是第一次借款、和朋友之前有没有逾期过、直系亲属有无进入黑名单历史，其中直接提取的特征包括：申请人的二度关系中有多少个节点触碰了黑名单、工作收入和日常开销的比例，数据处...

【专利技术属性】
技术研发人员：顾冰，
申请(专利权)人：权利要求书一页说明书四页附图一页，
类型：发明
国别省市：