【技术实现步骤摘要】
本申请涉及一种信用风险管控系统和方法，利用本申请的方法和系统能够辅助金融机构进行更为准确的风险决策，增快其数字化转型进程。详细来说本申请涉及一种信用风险模型构建方法，以及利用该方法构建的信用风险模型预测信用风险。
技术介绍
1、在当前消费信贷蓬勃发展的大环境下，部分金融机构的人工审批机制已经无法应对逐渐增多的信贷需求，因此迫切地希望提升金融机构的智能化风控能力。金融机构希望构建从客户预筛选、贷前审查、贷中审批、贷后管理到早期催收阶段的信贷全流程风险缓释机制。
2、如果能够基于早识别、早预警、早发现、早处置的原则开发评分系统，快速便捷地对信贷业务进行监控管理，就能在在风险可控的基础上，提升金融机构自身业务体量、竞争优势和资产质量。
3、但是建设评分系统对于数据和技术层面的依赖性极强，数据维度的多样性和覆盖度、建模技巧及方法论直接影响着评分系统最终的稳定性及排序性。部分金融机构对于零售业务智能化风控经验积累较少，风控能力较弱。在实际的应用过程中，存在数据挖掘分析能力欠缺、风险建模技术薄弱等因素导致金融机构无法充分发挥内部数据价值、无法有效提高模型精准度及稳定性等管控技术难题。这也是中小型金融机构在进行数字化转型方向上的面临的主要障碍之一。
技术实现思路
1、针对上述现有技术中的不足，本申请意在提供一种信用风险管控系统和方法，能够为金融机构提供有效地风险管理。本申请的信用风险预测方法和系统，是基于大型银行海量的数据，利用统计学原理提炼出的风险规律，其本质上具有推广
2、目前市场上其他的流行的评分模型建设过程中往往困囿于建模样本数量较小、数据来源较为单一、数据维度同质性较高等不利因素。同时，由于目前市面上的风险评估模型大多使用弱金融属性的数据，即基于如智能终端设备数据、社交平台数据、网购商城数据等非信贷交易类数据及非逾期类预测目标进行建模，其预测结果与实际的信贷逾期情况往往存在较大偏差。
3、本申请首先提供一种能够适用于信用风险模型构建的方法，并基于该方法构建的模型从而为金融机构提供一套准确的用于计算待预测样本的信用风险的方法。
4、本申请的方法和系统是基于高稳定、高覆盖的数据样本进行的开发，并对目前已经相对成熟的信贷风控体系进行了系统性的创新，使用包含各种业务形态的信贷样本，对金融机构的潜在信用风险进行预测。
5、本申请的方法和系统与市场上现有的模型相比，保留了模型建设相对成熟的基础框架，创新性地使用了逐步判别的变量筛选方法，在不影响整体模型效果的前提下充分提高了模型开发效率，开创性地将连续型转换、woe转换、哑特征转换三种方式结合，弥补了单一转换发生潜在的模型效果欠佳的问题，能够使金融机构更加准确地预测样本的信用风险。
6、具体来说，本申请涉及如下的技术方案：
7、1.一种构建用于预测信用风险违约概率模型的方法，其包括：
8、数据采集步骤，其获取用于构建模型的样本的原始信用预测数据；
9、数据衍生步骤，其基于原始的信用预测数据加工出衍生信用预测数据；
10、特征初筛步骤，其对包括原始信用预测数据和衍生信用预测数据的全部类别，即全部特征进行初步筛选，以获得初步筛选后的特征；
11、初筛数据转换步骤，对初步筛选后的特征进行转换方式的判断以确认采用woe转换方式、哑特征转换方式以及连续型转换方式中的一种来进行特征转换，并针对每一个初步筛选后的特征采用判断的最优方式来进行特征转换；
12、特征精筛步骤，对进行特征转换后的初步筛选的特征进行深度筛选以获得精筛后的特征；
13、信用违约概率建模步骤，针对精筛后的特征结合与信用违约之间的概率关系选择逻辑回归的方式进行模型构建，并确认用于计算信用违约概率的方式。
14、2.根据项1所述的方法，其中，
15、在数据采集步骤中，获取的用于构建模型的样本的原始信用预测数据包括原始零售信用预测数据和用于预测企业信用风险的原始数据；
16、其中，用于预测企业信用风险的原始数据包括原始企业信用预测数据和原始企业实控人信用预测数据，
17、原始零售信用预测数据或原始企业实控人信用预测数据包括：
18、信用卡类基础数据，其是基于样本(包括个人或企业实控人)用户的信用卡创建过程和使用过程中全部可获取的数据，
19、个人贷款类基础数据，其是基于样本(包括个人或企业实控人)用户的贷款申请情况及使用行为的全部可获取的数据，
20、客户基本信息类基础数据，其是基于样本(包括个人或企业实控人)用户本身的属性，但与在金融机构的行为不直接关联的数据，
21、个人金融资产类基础数据，其是样本(包括个人或企业实控人)用户在金融机构与信用卡和贷款不相关的其他全部金融资产和金融交易类数据；
22、个人运营商业务数据，其是样本(包括个人或企业实控人)用户在运营商机构办理业务和使用业务过程中所积淀的全部可获取的、与用户在金融机构获取的数据并不相关的数据；
23、个人多头数据，其是样本(包括个人或企业实控人)用户在金融机构办理业务时，经用户授权向第三方机构查询用户历史借贷的情况由第三方机构不断地积累的用户的各类查询的、与用户在金融机构和运营商机构获取的数据并不相关的数据；
24、原始企业信用预测数据包括：
25、企业信贷类基础数据，其是基于样本(即企业)用户的企业贷款创建过程和使用过程中全部可获取的数据；
26、对公存款交易基础数据，其是样本(即企业)用户在金融机构与企业贷款不相关的其他全部对公存款账户交易类数据；
27、企业客户基本信息类基础数据，其是基于样本(即企业)用户本身的属性，但与其在金融机构的交易和使用行为不直接关联的数据。
28、3.根据项1所述的方法，其中，
29、在数据衍生步骤中，基于原始的信用预测数据加工出衍生信用预测数据是指基于时间维度、空间维度、频率维度、统计信息维度对采集的原始的信用预测数据进行加工而得到的数据；
30、优选，衍生信用预测数据包括但不限于：
31、基于样本关系长度进行加工得到的衍生信用预测数据，
32、基于时间间隔类变量进行加工得到的衍生信用预测数据，
33、基于样本行为频率程度进行加工得到的衍生信用预测数据，
34、基于样本当前时间点情况进行加工得到的衍生信用预测数据，
35、基于样本持续行为进行加工得到的衍生信用预测数据，
36、基于统计信息维度对样本数据进行加工得到的衍生信用预测数据。
37、4.根据项1～3中任一项所述的方法，其中，
38、特征初筛步骤包括如下步骤：
39、第一初筛步骤，基于用于构建模型的样本的每一特征的数据缺失情况来对特征进行筛选，
40、第二初筛步骤，基于某一特征样本本文档来自技高网...
【技术保护点】
1.一种构建用于预测信用风险违约概率模型的方法，其包括：
2.根据权利要求1所述的方法，其中，
3.根据权利要求1所述的方法，其中，
4.根据权利要求1～3中任一项所述的方法，其中，
5.根据权利要求1～4中任一项所述的方法，其中，还包括：
6.根据权利要求1～5中任一项所述的方法，其中，在初筛数据转换步骤中，初步筛选后的特征进行转换方式的判断，是基于经过初步筛选特征的集中度和数据类型来进行判断的。
7.根据权利要求6所述的方法，其中，
8.根据权利要求7所述的方法，其中，还包括：
9.根据权利要求1～8中任一项所述的方法，其中，特征精筛步骤包括：
10.根据权利要求1～9中任一项所述的方法，其中，信用违约概率建模步骤将经过特征精筛步骤筛选的特征代入Sigmoid函数进行逻辑回归计算信用违约概率的模型。
11.一种用于预测信用风险违约概率的方法，其包括：
12.根据权利要求11所述的方法，其还包括：
13.根据权利要求11或12所述的方法
14.根据权利要求11～13中任一项所述的方法，其中，
15.根据权利要求11～14中任一项所述的方法，其中，
16.根据权利要求11～15中任一项所述的方法，其中，
17.根据权利要求16所述的方法，其中，
18.根据权利要求11～17中任一项所述的方法，其中，
19.一种用于预测信用风险违约概率模型构建的装置，其特征在于，所述装置包括：
20.根据权利要求19所述的装置，其中，所述装置执行权利要求1～10中任一项所述的构建用于预测信用风险违约概率模型的方法的步骤。
21.一种用于预测信用风险违约概率模型构建的系统，其特征在于，所述系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的构建用于预测信用风险违约概率模型的程序，所述程序被所述处理器执行时实现如权利要求1～10中任一项所述的构建用于预测信用风险违约概率模型方法的步骤。
22.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有构建用于预测信用风险违约概率模型的程序，所述程序被处理器执行时实现如权利要求1～10中任一项所述的构建用于预测信用风险违约概率模型方法的步骤。
23.一种用于预测信用风险违约概率的装置，其包括：
24.根据权利要求23所述的装置，其中，所述装置执行权利要求11～18中任一项所述的用于预测信用风险违约概率方法的步骤。
25.一种计算信用风险的系统，其特征在于，所述计算信用风险的系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的所述用于预测信用风险违约概率方法的程序，所述程序被所述处理器执行时实现如权利要求11～18中任一项所述的用于预测信用风险违约概率方法的步骤。
26.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有用于预测信用风险违约概率方法的程序，所述计程序被处理器执行时实现如权利要求11～18中任一项所述的用于预测信用风险违约概率的方法的步骤。
...【技术特征摘要】
1.一种构建用于预测信用风险违约概率模型的方法，其包括：
2.根据权利要求1所述的方法，其中，
3.根据权利要求1所述的方法，其中，
4.根据权利要求1～3中任一项所述的方法，其中，
5.根据权利要求1～4中任一项所述的方法，其中，还包括：
6.根据权利要求1～5中任一项所述的方法，其中，在初筛数据转换步骤中，初步筛选后的特征进行转换方式的判断，是基于经过初步筛选特征的集中度和数据类型来进行判断的。
7.根据权利要求6所述的方法，其中，
8.根据权利要求7所述的方法，其中，还包括：
9.根据权利要求1～8中任一项所述的方法，其中，特征精筛步骤包括：
10.根据权利要求1～9中任一项所述的方法，其中，信用违约概率建模步骤将经过特征精筛步骤筛选的特征代入sigmoid函数进行逻辑回归计算信用违约概率的模型。
11.一种用于预测信用风险违约概率的方法，其包括：
12.根据权利要求11所述的方法，其还包括：
13.根据权利要求11或12所述的方法，其中，
14.根据权利要求11～13中任一项所述的方法，其中，
15.根据权利要求11～14中任一项所述的方法，其中，
16.根据权利要求11～15中任一项所述的方法，其中，
17.根据权利要求16所述的方法，其中，
18.根据权利要求11～17中任一项所述的方法，其中，
19.一种用于预测信用风险违约概率模型构建...
【专利技术属性】
技术研发人员：刘志玲，
申请(专利权)人：建信金融科技有限责任公司，
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。