【技术实现步骤摘要】
本申请涉及计算机，特别涉及一种业务风险控制方法、装置、电子设备及存储介质。
技术介绍
1、在一些涉及到风险控制(简称为风控)的业务中，通常使用风险预测模型来对线上业务进行风险控制，以确保线上业务的安全性，例如在信贷业务的风险控制中可以利用相应的风险预测模型预测用户属于风险用户的概率，若该预测结果高于信贷业务中设定的cutoff(即阈值)则会拒绝该用户的贷款申请。
2、考虑到风控对象(例如个人或者企业)的风控相关信息会随着时间和环境的变化而变化，例如信贷业务中用户信贷状态的变化，进而导致风险预测模型的预测结果不够准确，因此需要不断地对业务线上部署的风险预测模型进行迭代更新(或者称之为升级)以确保线上模型的预测准确性。
3、相关技术中，在迭代更新或升级业务线上部署的风险预测模型的同时还需要相关业务侧重新调整业务的cutoff阈值，再基于调整后的业务cutoff阈值进行1-3个表现期的观察评估，然后才能正式利用升级后的模型进行线上的业务风险控制，消耗大量的人力成本和时间成本，不仅影响了线上业务风险控制的效率，而且基于升级后的模型进行的线上业务风险控制的稳定性也受到影响。
技术实现思路
1、为了解决现有技术的问题，本申请实施例提供了一种业务风险控制方法、装置、电子设备及存储介质。所述技术方案如下：
2、一方面，提供了一种业务风险控制方法，所述方法包括：
3、响应于目标对象针对风控业务的业务处理请求，获取所述目标对象的特征数据；
4
5、调用预测结果映射函数对所述预测风险概率进行映射处理，得到映射风险概率；所述预测结果映射函数表征所述历史风险预测模型的预测结果与所述当前风险预测模型的预测结果之间的映射关系，所述预测结果映射函数基于对齐所述历史风险预测模型预测结果的对数几率与所述当前风险预测模型预测结果的对数几率得到；
6、基于所述映射风险概率与所述风控业务对应的预设风控阈值之间的比对情况，生成风险控制结果；所述风险控制结果表征是否向所述目标对象提供所述业务处理请求所请求的业务服务。
7、另一方面，提供了一种业务风险控制装置，所述装置包括：
8、特征数据获取模块，用于响应于目标对象针对风控业务的业务处理请求，获取所述目标对象的风控特征数据；
9、风险预测处理模型，用于将所述目标对象的特征数据输入至当前模型应用周期对应的当前风险预测模型进行风险预测处理，得到预测风险概率；所述预测风险概率表征所述目标对象属于预设风险类别的可能性，所述当前风险预测模型基于历史模型应用周期内的风险表现样本数据训练得到，所述历史模型应用周期基于历史风险预测模型进行风险预测处理；
10、预测结果映射模块，用于调用预测结果映射函数对所述预测风险概率进行映射处理，得到映射风险概率；所述预测结果映射函数表征所述历史风险预测模型的预测结果与所述当前风险预测模型的预测结果之间的映射关系，所述预测结果映射函数基于对齐所述历史风险预测模型预测结果的对数几率与所述当前风险预测模型预测结果的对数几率得到；
11、风控结果生成模块，用于基于所述映射风险概率与所述风控业务对应的预设风控阈值之间的比对情况，生成风险控制结果；所述风险控制结果表征是否向所述目标对象提供所述业务处理请求所请求的业务服务。
12、在一个示例性的实施方式中，所述装置还包括映射函数生成模块，所述映射函数生成模块包括：
13、第一预测模块，用于将所述风险表现样本数据输入至所述历史风险预测模型进行风险预测处理，得到所述风险表现样本数据的第一样本预测结果；
14、第一函数构建模块，用于以所述第一样本预测结果作为输入数据，基于所述第一样本预测结果和所述第一样本预测结果所对应风险表现样本数据的标签信息，构建第一对数几率回归函数；所述标签信息指示是否为所述预设风险类别；
15、第二预测模块，用于将所述风险表现样本数据输入至所述当前风险预测模型对进行风险预测处理，得到所述风险表现样本数据的第二样本预测结果；
16、第二函数构建模块，用于以所述第二样本预测结果作为输入数据，基于所述第二样本预测结果和所述第二样本预测结果所对应风险表现样本数据的标签信息，构建第二对数几率回归函数；
17、对数几率对齐模块，用于将所述第一对数几率回归函数与所述第二对数几率回归函数进行对数几率对齐，得到所述预测结果映射函数。
18、在一个示例性的实施方式中，所述第一函数构建模块，具体用于：
19、构建所述第一对数几率回归函数对应的第一初始逻辑回归模型；将各所述第一样本预测结果分别输入至所述第一初始逻辑回归模型，得到各所述第一样本预测结果对应的第一逻辑回归结果；
20、基于各所述第一样本预测结果对应的第一逻辑回归结果与相应第一样本预测结果对应的标签信息之间的差异，调整所述第一初始逻辑回归模型的参数直至达到预设结束条件，得到所述第一对数几率回归函数；
21、所述第二函数构建模块，具体用于：
22、构建所述第二对数几率回归函数对应的第二初始逻辑回归模型；将各所述第二样本预测结果分别输入至所述第二初始逻辑回归模型，得到各所述第二样本预测结果对应的第二逻辑回归结果；
23、基于各所述第二样本预测结果对应的第二逻辑回归结果与相应第二样本预测结果对应的标签信息之间的差异，调整所述第二初始逻辑回归模型的参数直至达到所述预设结束条件，得到所述第二对数几率回归函数。
24、在一个示例性的实施方式中，所述映射函数生成模块还包括：
25、样本数据筛选模块，用于基于所述风险表现样本数据的第一样本预测结果，从所述风险表现样本数据中筛选目标风险表现样本数据；各所述目标风险表现样本数据的第一样本预测结果覆盖预设数值区间，所述目标风险表现样本数据的第一样本预测结果用于构建所述第一对数几率回归函数；
26、所述第二预测模块，具体用于：将所述目标风险表现样本数据输入至所述当前风险预测模型进行风险预测处理，得到所述目标风险表现样本数据的第二样本预测结果；所述目标风险表现样本数据的第二样本预测结果用于构建所述第二对数几率回归函数。
27、在一个示例性的实施方式中，所述装置还包括：
28、风险表现样本获取模块，用于获取所述历史模型应用周期内的风险表现样本数据；每个所述风险表现样本数据包括样本风控特征数据和指示是否为所述预设风险类别的标签信息；
29、第三预测模块，用于将各所述风险表现样本数据中的样本风控特征数据分别输入至待训练风险预测模型本文档来自技高网...
【技术保护点】
1.一种业务风险控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括生成所述预测结果映射函数，所述生成所述预测结果映射函数包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一样本预测结果和所述第一样本预测结果所对应风险表现样本数据的标签信息，构建第一对数几率回归函数，包括：
4.根据权利要求2所述的方法，其特征在于，在将所述风险表现样本数据输入至所述当前风险预测模型进行风险预测处理，得到所述风险表现样本数据的第二样本预测结果之前，所述方法还包括：
5.根据权利要求1～4中任一项所述的方法，其特征在于，在将所述目标对象的风控特征数据输入至当前模型应用周期对应的当前风险预测模型进行风险预测处理之前，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，所述基于所述映射风险概率与所述风控业务对应的预设风控阈值之间的比对情况，生成风险控制结果包括：
8.一种业务风险控制装置，其特征在于
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有至少一条指令或者至少一段程序，所述至少一条指令或者所述至少一段程序由所述处理器加载并执行以实现如权利要求1～7中任一项所述的业务风险控制方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一条指令或者至少一段程序，所述至少一条指令或者所述至少一段程序由处理器加载并执行以实现如权利要求1～7任一项所述的业务风险控制方法。
11.一种计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～7中任一项所述的业务风险控制方法。
...【技术特征摘要】
1.一种业务风险控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括生成所述预测结果映射函数，所述生成所述预测结果映射函数包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一样本预测结果和所述第一样本预测结果所对应风险表现样本数据的标签信息，构建第一对数几率回归函数，包括：
4.根据权利要求2所述的方法，其特征在于，在将所述风险表现样本数据输入至所述当前风险预测模型进行风险预测处理，得到所述风险表现样本数据的第二样本预测结果之前，所述方法还包括：
5.根据权利要求1～4中任一项所述的方法，其特征在于，在将所述目标对象的风控特征数据输入至当前模型应用周期对应的当前风险预测模型进行风险预测处理之前，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括...
【专利技术属性】
技术研发人员：曾庆然，严君刚，王晓亮，赵雪尧，高思哲，
申请(专利权)人：腾讯科技深圳有限公司，
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。