本发明专利技术公开了一种信贷风险预警方法和装置，涉及人工智能技术领域。其中，该方法包括：获取用户的基础指标数据；所述用户的基础指标数据包括多个用于信贷风险评估的一级指标；基于贝叶斯分类器原理确定所述用户各个一级指标的信贷风险影响值；对隶属于同一二级指标的一级指标的信贷风险影响值进行聚合，以得到所述用户各个二级指标的信贷风险影响值；根据所述用户各个二级指标的信贷风险影响值确定所述用户的信贷风险评估值。通过以上步骤，能够提高信贷风险评估工作的效率和信贷风险评估结果的准确率，进而有助于相关机构及时、有效地发现信贷风险客户，提前预警以化解信贷风险。险。险。
【技术实现步骤摘要】
信贷风险预警方法和装置
[0001]本专利技术涉及人工智能
，尤其涉及一种信贷风险预警方法和装置。
技术介绍
[0002]信贷风险一直是商业银行在经营活动中防范的重点，信贷业务也是商业银行内部审计部门分析监测的重点。当前处于信息化的爆发时代，数据已经成为商业银行经营活动中的重要因素。要提前发现并预测信贷客户风险状况，就需要收集存储在各类业务系统中的信贷客户交易数据，然后使用一些统计工具对这些业务数据进行风险分析，从而得出相应的定量风险分析结果，及早提示被审计机构采用相应的措施防范并化解该风险。
[0003]在现有技术中，大多是基于人工处理的方法进行信贷风险评估，包括问卷调查法、座谈询问法、查阅法等偏向于人工调查访谈形式的方法。或者，由审计专业人员手工导入需要分析的信贷数据，然后使用excel等工具自行选取信度分析法、熵值法等数据方法对数据进行分析，暂无专用的信贷风险自动分析系统。
[0004]在实现本专利技术的过程中，本专利技术的专利技术人发现现有的信贷风险评估方法至少存在以下缺点：在现有的信贷风险评估方法中，人工参与成本极高，对分析者的门槛要求较高，评估结果的好坏往往依赖于分析者的技术水平，而且，由于人工进行信贷数据分析的过程出错概率较大，降低了信贷风险评估结果的准确率，与此同时，人工进行信贷数据分析和处理的过程比较耗时，降低了信贷风险评估的工作效率。
技术实现思路
[0005]有鉴于此，本专利技术提供了一种信贷风险预警方法和装置，能够提高信贷风险评估工作的效率和信贷风险评估结果的准确率，进而有助于相关机构及时、有效地发现信贷风险客户，提前预警以化解信贷风险。
[0006]为实现上述目的，根据本专利技术的第一个方面，提供了一种信贷风险预警方法。
[0007]本专利技术的信贷风险预警方法包括：获取用户的基础指标数据；所述用户的基础指标数据包括多个用于信贷风险评估的一级指标；基于贝叶斯分类器原理确定所述用户各个一级指标的信贷风险影响值；对隶属于同一二级指标的一级指标的信贷风险影响值进行聚合，以得到所述用户各个二级指标的信贷风险影响值；根据所述用户各个二级指标的信贷风险影响值确定所述用户的信贷风险评估值。
[0008]可选地，所述基于贝叶斯分类器原理确定所述用户各个一级指标的信贷风险影响值包括：对于所述用户的每个一级指标，计算该一级指标在各个风险分类下的概率密度函数值，根据所述一级指标在各个风险分类下的概率密度函数值计算所述一级指标的信贷风险影响值。
[0009]可选地，根据所述一级指标在各个风险分类下的概率密度函数值计算所述一级指标的信贷风险影响值包括：将所述各个风险分类聚合成正常类、关注类和不良类这三个聚类；计算所述一级指标在不良类下的概率密度函数值与该一级指标在所有聚类下的概率密
度函数值之和的比值，并将所述比值作为所述一级指标的信贷风险影响值。
[0010]可选地，在所述基于贝叶斯分类器原理确定所述用户各个一级指标的信贷风险影响值之前，所述方法还包括：对用户的基础指标数据进行归一化处理，以及，对用户的基础指标数据进行正态化处理。
[0011]可选地，所述对用户的基础指标数据进行归一化处理包括：对于分析统计量类型为绝对斜率的一级指标，根据如下公式对所述用户的一级指标进行归一化处理：
[0012][0013]其中，k
′
表示所述用户归一化后的一级指标值，k1表示所述用户的一级指标的绝对斜率，k2表示所述用户的一级指标的相对斜率，k2为k1和所述用户的一级指标在统计期间的平均值的比值。
[0014]可选地，所述对用户的基础指标数据进行归一化处理还包括：对于分析统计量类型为离散系数的一级指标，根据如下公式对所述用户的一级指标进行归一化处理：
[0015][0016]其中，V
′
表示所述用户归一化后的一级指标值，V表示所述用户的一级指标的离散系数，V
max
表示各个用户中一级指标的离散系数的最大值。
[0017]可选地，所述对用户的基础指标数据进行正态化处理包括：根据预先构建的正态化处理函数对所述用户的一级指标进行正态化处理；
[0018][0019]其中，x
′
表示正态化处理后的一级指标值，x表示正态化处理之前的一级指标值，a为常数。
[0020]可选地，所述对用户的基础指标数据进行正态化处理包括：采用BOX
‑
COX方法对用户的基础指标数据进行正态化处理。
[0021]可选地，所述对隶属于同一二级指标的一级指标的信贷风险影响值进行聚合，以得到所述用户各个二级指标的信贷风险影响值包括：按照各个一级指标的权重系数，对隶属于同一二级指标的一级指标的信贷风险影响值进行加权求和，以得到所述二级指标的信贷风险影响值。
[0022]可选地，根据如下方式确定各个一级指标的权重系数：对于每个一级指标，计算基础数据表中该一级指标在统计周期内的全部取值为非空的用户数与总用户数的比值，并将该比值作为所述一级指标的权重系数。
[0023]可选地，所述根据所述用户各个二级指标的信贷风险影响值确定所述用户的信贷风险评估值包括：将所述用户各个二级指标的信贷风险影响值代入信贷风险评估函数，以得到所述用户的信贷风险评估值；其中，所述信贷风险评估函数是通过对多元线性回归模型进行训练得到的。
[0024]可选地，所述方法还包括：在根据所述用户各个二级指标的信贷风险影响值确定所述用户的信贷风险评估值之后，对所述用户的信贷风险评估值进行展示。
[0025]可选地，所述方法还包括：在根据所述用户各个二级指标的信贷风险影响值确定
所述用户的信贷风险评估值之后，根据所述用户的信贷风险评估值判断是否需要对所述用户进行预警，并在判断结果为是的情况下触发相应的预警操作。
[0026]为实现上述目的，根据本专利技术的第二个方面，提供了一种信贷风险预警装置。
[0027]本专利技术的信贷风险预警装置包括：获取模块，用于获取用户的基础指标数据；所述用户的基础指标数据包括多个用于信贷风险评估的一级指标；确定模块，用于基于贝叶斯分类器原理确定所述用户各个一级指标的信贷风险影响值；聚合模块，用于对隶属于同一二级指标的一级指标的信贷风险影响值进行聚合，以得到所述用户各个二级指标的信贷风险影响值；评估模块，用于根据所述用户各个二级指标的信贷风险影响值确定所述用户的信贷风险评估值。
[0028]为实现上述目的，根据本专利技术的第三个方面，提供了一种电子设备。
[0029]本专利技术的电子设备，包括：一个或多个处理器；以及，存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术的信贷风险预警方法。
[0030]为实现上述目的，根据本专利技术的第四个方面，提供了一种计算机可读介质。
[0031]本专利技术的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本专利技术的信贷风险预警方法。本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种信贷风险预警方法，其特征在于，所述方法包括：获取用户的基础指标数据；所述用户的基础指标数据包括多个用于信贷风险评估的一级指标；基于贝叶斯分类器原理确定所述用户各个一级指标的信贷风险影响值；对隶属于同一二级指标的一级指标的信贷风险影响值进行聚合，以得到所述用户各个二级指标的信贷风险影响值；根据所述用户各个二级指标的信贷风险影响值确定所述用户的信贷风险评估值。2.根据权利要求1所述的方法，其特征在于，所述基于贝叶斯分类器原理确定所述用户各个一级指标的信贷风险影响值包括：对于所述用户的每个一级指标，计算该一级指标在各个风险分类下的概率密度函数值，根据所述一级指标在各个风险分类下的概率密度函数值计算所述一级指标的信贷风险影响值。3.根据权利要求2所述的方法，其特征在于，根据所述一级指标在各个风险分类下的概率密度函数值计算所述一级指标的信贷风险影响值包括：将所述各个风险分类聚合成正常类、关注类和不良类这三个聚类；计算所述一级指标在不良类下的概率密度函数值与该一级指标在所有聚类下的概率密度函数值之和的比值，并将所述比值作为所述一级指标的信贷风险影响值。4.根据权利要求1所述的方法，其特征在于，在所述基于贝叶斯分类器原理确定所述用户各个一级指标的信贷风险影响值之前，所述方法还包括：对用户的基础指标数据进行归一化处理，以及，对用户的基础指标数据进行正态化处理。5.根据权利要求4所述的方法，其特征在于，所述对用户的基础指标数据进行归一化处理包括：对于分析统计量类型为绝对斜率的一级指标，根据如下公式对所述用户的一级指标进行归一化处理：其中，k
′
表示所述用户归一化后的一级指标值，k1表示所述用户的一级指标的绝对斜率，k2表示所述用户的一级指标的相对斜率，k2为k1和所述用户的一级指标在统计期间的平均值的比值。6.根据权利要求5所述的方法，其特征在于，所述对用户的基础指标数据进行归一化处理还包括：对于分析统计量类型为离散系数的一级指标，根据如下公式对所述用户的一级指标进行归一化处理：其中，V
′
表示所述用户归一化后的一级指标值，V表示所述用户的一级指标的离散系数，V
max
表示各个用户中一级指标的离散系数的最大值。
7.根据权利要求4所述的方法，其特征在于，所述对用户的基础指标数据进行正态化处理包括：根据预先构建的正态化处理函数对所述用户的一级指标进行正态化处理；其中，x
′
表示正态化处理后的一级指标值，x表示正态化处理之前的一级指标值，a为常数。8...
【专利技术属性】
技术研发人员：吴小琼，赵娥，刘荣，吴晗，苏宁，王明德，许高，王剑，张伟青，张杨杨，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。