[发明专利]实时信用风险管理系统

说明书

本发明总体上涉及用于将计算基础设施并入统计学习框架以实时风险评估和制定决策的系统和方法。

技术领域

本发明总体上涉及个人金融、信用风险和银行领域，更具体地涉及信用评分方法和系统领域。本发明的优选实施例提供一种用于将计算基础设施并入统计学习框架以实时评估风险和制定决策的系统和方法。更具体地说，本发明涉及用于对借款人信用进行评分的改进系统，该借款人包括个人以及其他类型的实体，这些实体包括但不限于法人、公司、小企业和信托以及任何其他公认的金融实体。

背景技术

银行依赖于可靠的信用评分系统来评估个人或实体的贷款偿还能力。发明于二十世纪七十年代的传统信用评分系统至今仍在使用。传统信用评分系统只基于少量风险因素(也称为协变量)来预估申请人违约的可能性。这些协变量限于(1)具有连续值的数值协变量；(2)具有多个层面的非数值分类协变量，其可以被转换为多个虚拟协变量；和(3)其他非数值协变量。例如，传统信用评分系统包括人口统计协变量：申请人的年龄(连续)、年收入(连续)、性别(两层面分类：男性和女性)，房屋所有权(四层面分类：租用，自有，抵押和其他)和申请人地址(非数值协变量)。通常情况下，字符串的完整信息不能直接用于传统信用评分系统；部分信息经常被提取作为决策的一个组成部分。例如，申请人地址是一个字符串，其由门牌号、街道名称、城市、州和邮政编码组成。通常只有邮政编码被信用评分系统用作收入的替代指标，作为决定个人还款能力的风险因素。

传统信用评分基于固定公式从少量风险因素计算得出综合得分。在该公式中，与风险因素相关的系数或权重通常是根据以前的经验或公共数据预先确定的。通过假设申请人的还款能力与该综合得分值是高度相关的，系统通过得分的高低决定是否批复申请人的借贷要求。最常见的决策系统是将综合得分按照阈值二分为批准或拒绝申请的状态。阈值可以是任意的，也可以由受试者工作特征(Receiver Operating Characteristic，ROC)曲线决定。

传统信用评分系统使用少量协变量会带来系统偏差。例如，居住在较低收入社区的信贷申请人的获批率会总是低于拥有相似人口统计特征但居住在高收入社区的申请人。此外，传统信用评分系统根据风险因素计算出的概率通常只给予批准或拒绝两个状态。并且，在此决策过程中不考虑发放借贷或信贷的金额和期限。换句话说，无论申请人请求借款一百美元还是十万美元，决策遵循的程序完全一样。此外，传统信用评分系统不受宏观经济因素变化而变化。例如，在经济衰退期间，消费者在面临收入下降时可能会增加信用卡借款。因此传统信用评分系统常常无法捕捉到时间依赖性的变化，这可能会放大系统风险。

传统信用评分系统也受到其能处理的数据量的限制，这些数据包括申请人数量和协变量数量。例如，Fair Isaac公司的经典风险模型FICO评分只包含五个协变量：(1)偿付记录情况，(2)信用使用情况，(3)信用记录时长，(4)所使用的信贷类型，以及(5)最近的信用调查情况。它也缺乏机制来插补缺失的数据。大量地去除缺失的样本可能会导致决策结果的偏差。目前为止，没有一种信用评分系统可以有效地结合客户购买记录、社交媒体数据等非传统的消费数据来适应大数据时代。这些数据有别于传统的征信数据，它往往由成千上万、数以百万计的具有微弱信号的协变量构成。所有上述问题在很大程度上阻碍了高级分析模型的建立。运用这些技术复杂程度更高的模型可以产生更准确的结果。因此，我们提出一种改进的用于对借贷者征信进行评级和风险管理的系统。

本申请要求于2017年3月2日提交的标题为“REAL-TIME CREDIT RISK MANAGEMENTSYSTEM(实时信用风险管理系统)”的美国临时专利申请号62/466,135的权益，其全部公开内容通过引用并入本文。

发明内容

为了在现有征信系统的基础上进行改进，本发明的优选实施例提供一种将计算基础设施并入统计学习框架以进行实时评估风险和制定决策的数据处理系统。该数据处理系统可以接收内容请求，以显示批准或者拒绝贷款的申请的决策，以及批准的贷款金额。本发明的优选实施例提供了一种方法，该方法针对信息资源评估申请人在给定时间点偿还贷款的可能性。