[发明专利]贷款风险控制方法、电子装置及可读存储介质

权利要求书

1.一种电子装置，其特征在于，所述电子装置包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的贷款风险控制系统，所述贷款风险控制系统被所述处理器执行时实现如下步骤：

A、将预设的不同贷款风险等级的种子用户与预先建立的用户画像进行关联，得到不同贷款风险等级的用户画像数据；

B、基于不同贷款风险等级的用户画像数据训练得到贷款风险等级的分级模型，并利用所述分级模型对预设应用程序上的用户进行分级，分为不同贷款风险等级；

C、根据预设应用程序上用户对应的不同贷款风险等级，并按预设评分规则对预设应用程序上的用户进行风险评分，只向评分达到预设要求的用户展现预设贷款入口。

2.如权利要求1所述的电子装置，其特征在于，贷款风险等级包括四个等级a、b、c、d，所述分级模型的训练过程如下：

利用多类划分法对不同贷款风险等级的用户画像数据进行训练，在抽取训练集的时候分别抽取贷款风险等级a所对应的用户画像数据向量作为正集，贷款风险等级b、c、d所对应的用户画像数据向量作为负集，以得到第一训练集；抽取贷款风险等级b所对应的用户画像数据向量作为正集，抽取贷款风险等级a、c、d所对应的用户画像数据向量作为负集，以得到第二训练集；抽取贷款风险等级c所对应的用户画像数据向量作为正集，贷款风险等级a、b、d所对应的用户画像数据向量作为负集，以得到第三训练集；抽取贷款风险等级d所对应的用户画像数据向量作为正集，贷款风险等级a、b、c所对应的用户画像数据向量作为负集，以得到第四训练集；对这四个训练集分别进行训练，得到四个支持向量机SVM，作为贷款风险等级的分级模型。

3.如权利要求2所述的电子装置，其特征在于，所述利用所述分级模型对预设应用程序上的用户进行分级包括：

在利用所述分级模型对预设应用程序上用户的贷款风险等级进行分级时，将预设应用程序上用户的用户数据向量分别利用所述分级模型中的四个支持向量机SVM进行测试，得到预设应用程序上用户的用户数据向量在每个支持向量机SVM上的分类函数值，将具有最大分类函数值的支持向量机SVM对应的贷款风险等级作为该用户的贷款风险等级。

4.如权利要求1所述的电子装置，其特征在于，所述根据预设应用程序上用户对应的不同贷款风险等级，并按预设评分规则对预设应用程序上的用户进行风险评分包括：

获取用户在预设应用程序上的行为数据，根据所述行为数据将预设应用程序上的用户进行聚类为不同行为类别，则计算预设应用程序上用户的风险评分M的公式为：

M＝x1*M1+y1*M2

其中，M1为预设的不同贷款风险等级对应的评分基数，x1为贷款风险等级对应的权重系数；M2为预设的不同行为类别对应的评分基数，y1为行为类别对应的权重系数。

5.一种贷款风险控制方法，其特征在于，所述贷款风险控制方法包括：

步骤一、将预设的不同贷款风险等级的种子用户与预先建立的用户画像进行关联，得到不同贷款风险等级的用户画像数据；

步骤二、基于不同贷款风险等级的用户画像数据训练得到贷款风险等级的分级模型，并利用所述分级模型对预设应用程序上的用户进行分级，分为不同贷款风险等级；

步骤三、根据预设应用程序上用户对应的不同贷款风险等级，并按预设评分规则对预设应用程序上的用户进行风险评分，只向评分达到预设要求的用户展现预设贷款入口。

6.如权利要求5所述的贷款风险控制方法，其特征在于，贷款风险等级包括四个等级a、b、c、d，所述分级模型的训练过程如下：

利用多类划分法对不同贷款风险等级的用户画像数据进行训练，在抽取训练集的时候分别抽取贷款风险等级a所对应的用户画像数据向量作为正集，贷款风险等级b、c、d所对应的用户画像数据向量作为负集，以得到第一训练集；抽取贷款风险等级b所对应的用户画像数据向量作为正集，抽取贷款风险等级a、c、d所对应的用户画像数据向量作为负集，以得到第二训练集；抽取贷款风险等级c所对应的用户画像数据向量作为正集，贷款风险等级a、b、d所对应的用户画像数据向量作为负集，以得到第三训练集；抽取贷款风险等级d所对应的用户画像数据向量作为正集，贷款风险等级a、b、c所对应的用户画像数据向量作为负集，以得到第四训练集；对这四个训练集分别进行训练，得到四个支持向量机SVM，作为贷款风险等级的分级模型。