一种贷款风险模型的构建与预测方法技术

本发明专利技术提供了一种贷款风险模型的构建与预测方法，通过对贷款用户的基础数据进行分析，得到贷款指标数据和用户期的望贷款金额，并通过多位用户的贷款数据分析，构建大数据网络，通过大数据和用户的个人贷款指标数据构建贷款风预测模型，通过模型中的矩阵变换得到贷款风险结果和预测的区间值，通过贷款风险结果和预测的区间值做出对比，得到贷款用户的额度获得提升还是降低，通过上述方法预测贷款的风险，既可以通过大数据对用户的贷款风险做出相对客观的判断，也可以降低因为原有贷款金额过高导致预测结果出现偏差，增加了贷款的合理性。性。性。

【技术实现步骤摘要】
一种贷款风险模型的构建与预测方法


[0001]本专利技术涉及贷款风险模型领域，具体涉及一种贷款风险模型的构建与预测方法。

技术介绍

[0002]在用户申请贷款的时候，往往会对用户的基础信息以及信用信息进行评估，对所贷款的金额与所承受的风险是否成正比关系，以此减少对用户放贷的风险，但是在很多情况下，直接通过用户的基础信息与信用信息进行风险评估，一些用户在之前并未贷款记录的白户，或者该用户在之前的贷款金额过大等，会使得该用户的基础数据无法准确收集，并且预测结果就会存在较大偏差，通过对用户的基础信息以及信用信息直接分析并不准确，有着许多干扰因素，所以在现有技术中会出现对一些特殊情况下无法对用户的贷款风险情况做到有效的判断，所述现在亟需一种贷款风险模型的构建与预测方法来解决上述问题。

技术实现思路

[0003]本专利技术的目的在于提出一种贷款风险模型的构建与预测方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
[0004]一种贷款风险模型的构建与预测方法，其特征在于，所述方法包括以下步骤：
[0005]S100：通过OCR识别技术识别用户的贷款材料；
[0006]S200：通过贷款材料中的信息，获取用户的基础数据与贷款指标数据；
[0007]S300：通过数据构建风险预测模型，并通过模型确定贷款权重系数；
[0008]S400：通过贷款权重系数与模型的预测结果得到贷款的风险系数；
[0009]S500：对风险系数进行评估和预测，最终得到贷款风险结果。
[0010]进一步地，所述步骤S100中，通过OCR识别技术，将用户所提供的贷款材料识别并传输进入评估模块中进行评估，其中所述贷款材料包括：用户的银行账户以及银行流水状况、用户的工作收入状况、用户的贷款需求及贷款用途。
[0011]进一步地，通过所述贷款材料中的信息进行简化得到用户的基础数据，其中基础数据包括：用户的银行账户、用户的具体收入、用户的不动产评估和用户的平均月流水，通过所述贷款材料中的信息对用户的贷款风险进行初步评估，通过评估模块初步评估得到贷款指标数据，对所述贷款指标数据与用户的期望贷款金额的比值计算得到风险评估值Q，
[0012]进一步地，所述步骤S300中，通过得到的基础数据、贷款指标数据和风险评估值构建风险预测模型，构建模型的方法为：
[0013]S301：通过MapReduce技术对贷款指标数据和风险评估值Q的数据值进行标准化处理，并且将所述贷款指标数据和风险评估值Q分布式存储，将所述贷款指标数据和风险评估值Q分布到各个储存节点中，得到节点数据，建立具有时间顺序的集合node，并将若干位用户的节点数据按作为集合的元素按照贷款时间顺序依次加入集合node中，所述集合node
(d)为第d位贷款用户的节点数据值，d∈[1，k]，所述k为本次采样的贷款用户总数量，将所述集合node构建为数组N，通过数组N；
[0014]S302：对所述集合node进行信息交互构成数据模型，所述数据模型中的信息封装为数据流进行传输，并将所述集合node中的节点数据按时间顺序依次进行封装，将集合node中的数据封装成为数据流，其中所述数据流中包括所述基础数据、贷款指标数据和风险评估值Q，所述集合N和M为带有时间序列的空集合，将所述贷款指标数据和用户期望贷款金额分别通过用户申请时间加入集合N、M中，将所述集合N、M中的数据转化为数组TLN，对所述数据流进行批次划分，进行任务处理，并将所述风险评估值Q作为对数据流进行任务处理的参考值，通过计算得到贷款权重系数W，
[0015]所述node(d)为在集合node中第d为用户的数据流，所述Qd为第d为用户的风险评估值，所述ni为集合N的元素，所述mi为集合M的元素，所述贷款权重系数W为根据客户的序号的一个变量值，通过所述贷款权重系数W通过集合N、M的排序构建数组S，通过贷款权重系数W对贷款金额的判定比重进行调整；
[0016]S303：通过所述贷款权重系数代入模型对贷款的权重构建调整矩阵，得到新的模型的预测结果数组Ass，x、y为矩阵中的行与列的序号，x、y∈[1、2、
…
n]，所述S
pq
为数组S中第p行第q列的元素，S
pp
为数组C中第p行第p列的元素，S
qq
为数组C中第q行第q列的元素，
[0017][0018]将所述数组Ass中的行和列的最小数据值定义为Ah和As，通过筛选Ah和As所在的行和列的数据构建集合D，并对集合D的数组进行归一化处理，将集合D所在的数据重新构建数组ADE，并通过数组ADE计算得出贷款风险结果预测值FCT，所述贷款风险结果预测值FCT的计算方法为：
[0019][0020]所述＝ln()为自然对数，所述Ass(a
xy
)为矩阵Ass的第x行第y列的数据，所述exp()为底数为自然数e的指数函数，所述mean()为取平均数函数，所述Max(Ass(a
xy
))为数组Ass中的最大值，所述Max(ADE)为数组ADE的最大值，所述Min(ADE)为数组ADE的最小值。
[0021](本步骤的有益效果为：通过多个用户的基础数据、贷款指标数据和风险评估值Q，并构建矩阵对贷款用户进行分析，通过矩阵筛选出最小数据值，最小数据值则为风险偏小，通过最小数据值构建的数组ADE，计算得到预测值FCT，避免了大数据贷款风险值过高导致的预测值不准确的情况)。
[0022]进一步地，所述步骤S400中，通过贷款权重系数对用户的基础信息具有高价值的信息的权重值增加，并对用户的期望贷款金额通过权重系数进行调整，对用户的贷款风险
进行降低，通过函数计算得到贷款风险结果，所述函数表达式为，
[0023]所述exp()为底数为自然数e的指数函数，所述Wd为第d个用户的贷款权重系数W，所述Qd第d为用户的风险评估值，所述＝ln()为自然对数，通过函数E()与贷款风险结果的预估值FCT进行对比，并将对函数E()与贷款风险结果的预估值FCT的对比结果定义约束条件，所述约束条件为所述约束条件为并将函数E()限制在所述约束条件范围内。
[0024](本步骤的有益效果为：通过将所述贷款风险结果与所述计算得到的风险结果预测值FCT进行对比并且对贷款风险结果进行约束，让贷款风险结果受到过大或过小的贷款数据的影响变小，让贷款风险结果的偏差减小。)
[0025]所述方法基于系统运行，所述系统包括：存储器，处理器和显示器，存储器和处理器运行计算机程序，所述存储器和处理器执行所述计算机程序时实现上述方法中的任意一种贷款风险模型的构建与预测方法中的步骤。
[0026]本专利技术的有益效果为：通过对多为贷款用户的信息构建的大数据网络和个人用户的基本信息，构建出贷款风险预测模型，通过模型中的矩阵数据变换，得到风险区域的区间值，并且通过区间值，对所述的用户个人贷款风险做出预测，减本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种贷款风险模型的构建与预测方法，其特征在于，所述方法包括以下步骤：S100：通过OCR识别技术识别用户的贷款材料；S200：通过贷款材料中的信息，获取用户的基础数据与贷款指标数据；S300：通过数据构建风险预测模型，并通过模型确定贷款权重系数；S400：通过贷款权重系数与模型的预测结果得到贷款的风险系数；S500：对风险系数进行评估和预测，最终得到贷款风险结果。2.根据权利要求1所述的一种贷款风险模型的构建与预测方法，其特征在于，所述步骤S100中，通过OCR识别技术，将用户所提供的贷款材料识别并传输进入评估模块中进行评估，其中所述贷款材料包括：用户的银行账户以及银行流水状况、用户的工作收入状况、用户的贷款需求及贷款用途。3.根据权利要求1所述一种贷款风险模型的构建与预测方法，其特征在于，所述步骤S200中，通过所述贷款材料中的信息进行简化得到用户的基础数据，其中基础数据包括：用户的银行账户、用户的具体收入、用户的不动产评估和用户的平均月流水，通过所述贷款材料中的信息对用户的贷款风险进行初步评估，通过评估模块初步评估得到贷款指标数据，对所述贷款指标数据与用户的期望贷款金额的比值计算得到风险评估值Q，4.根据权利要求1所述一种贷款风险模型的构建与预测方法，其特征在于，所述步骤S300中，通过得到的基础数据、贷款指标数据和风险评估值构建风险预测模型，构建模型的方法为：S301：通过MapReduce技术对贷款指标数据和风险评估值Q的数据值进行标准化处理，并且将所述贷款指标数据和风险评估值Q分布式存储，将所述贷款指标数据和风险评估值Q分布到各个储存节点中，得到节点数据，建立具有时间顺序的集合node，并将若干位用户的节点数据按作为集合的元素按照贷款时间顺序依次加入集合node中，所述集合node(d)为第d位贷款用户的节点数据值，d∈[1，k]，所述k为本次采样的贷款用户总数量，将所述集合node构建为数组N，通过数组N；S302：对所述集合node进行信息交互构成数据模型，所述数据模型中的信息封装为数据流进行传输，并将所述集合node中的节点数据按时间顺序依次进行封装，将集合node中的数据封装成为数据流，其中所述数据流中包括所述基础数据、贷款指标数据和风险评估值Q，所述集合N和M为带有时间序列的空集合，将所述贷款指标数据和用户期望贷款金额分别通过用户申请时间加入集合N、M中，将所述集合N、M中的数据转化为数组TLN，对所述数据流进行批次划分，进行任务处理，并将所述风险评估值Q作为对数据流进行任务处理的参考值，通过计算得到贷款权重系数W，所述no...

【专利技术属性】
技术研发人员：刘卫东，朱志钊，许伟钰，曾晖，李良慧，周德邦，陈仲鹏，崔锡华，凌嘉敏，
申请(专利权)人：广东省粤普小额再贷款股份有限公司，
类型：发明
国别省市：