[发明专利]一种贷后风险分析模型、方法和模型构建方法

说明书

本发明公开了一种贷后风险分析模型、方法和模型构建方法，模型为或其中，S为风险评估值，w1‑wn分别为各分析维度的权重，x1‑xn分别为各分析维度的值。风险分析方法为将对GNSS设备的离线数据和不定位数据进行分析结果作为分析维度值，带入上述模型中，得到风险分析结果。构建方法为：基于对sigmoid函数的截取和扩展，构建风险分析模型。本发明对贷后风险评估的方式更科学，可以大幅节省风险评估的工作量，评估结果更准确。

技术领域

本发明涉及融资担保和租赁车辆贷后风险评估领域，尤其是一种贷后风险分析模型、方法和模型构建方法。

背景技术

目前，按揭买车和汽车租赁已经成为满足人们汽车需求的重要手段。因此，对于贷款客户和汽车租赁客户的风险控制已经成为了各个汽车金融公司和融资租赁公司的迫切需求。

当前的汽车金融公司和融资租赁公司在做车辆风险控制时，主要是对单个车辆的GNSS设备不定位时间和离线时间进行分析。但是，这种方法，为对所有的不定位时间和离线时间进行的整体分析，并未区分出车辆的正常不定位和离线的情况，增大了风险分析的结果；同时，这种方法将不定位和离线作为同一个维度进行分析，使得分析结果参考价值低。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种基于机器学习的逻辑回归算法，采用多维度的分析模型，以对融资担保及租赁车辆贷后风险进行准确分析，使得分析结果与借贷者的实际风险值更为匹配，以提高分析结果的参考价值。

本发明采用的技术方案如下：

一种融资担保及租赁车辆贷后风险分析模型，该模型包括数据输入端口、风险评估模型和数据输出端口，所述风险评估模型为：

或者为：

其中，S为风险评估值，w1-wn分别为各分析维度的权重，x1-xn分别为各分析维度的值。输出值越大，风险越高。

基于逻辑回归sigmoid函数的风险分析模型，在低风险情况下，可以对各种风险度进行大幅差异区分，在高风险情况下，不进行大幅差异区分，可以使得分析结果更具参考价值。同时，将各分析维度进行分别考虑，可以突出各维度对分析结果的影响价值，提高分析结果的科学性。本模型的输出值可以直接利用，使得在贷后风险分析的使用上，更具实用价值。

进一步的，上述w1-wn之和为10。

将所有分析维度的权重约定为10，即模型输入值(包括各维度的权重)在10以内，可以保证风险分析结果达到近似100的结果，即使再增加，其结果变化量也可以忽略不计。因此，设置该范围，可以有效减少模型计算的复杂度。

一种融资担保及租赁车辆贷后风险分析方法，包括以下流程：

A.接收车载设备上传的数据包；

B.分别对所接收的数据包中，GNSS设备的离线数据和不定位数据进行分析；

C.将对GNSS设备的离线数据分析结果和对GNSS设备的不定位数据分析结果分别带入上述风险分析模型中，作为离线维度和不定位维度的值；

D.分别为风险分析模型中，离线维度和不定位维度配置权重值；

E.输出风险分析模型的风险评估值。

利用多维度分析的方式，考虑各分析维度对总体分析结果的影响价值，可以更为准确地确定各维度对总体分析结果的贡献度；同时，以最易获取且最具参考价值的几组参数作为分析对象，可以提高分析结果的精度，相对于传统分析中，不考虑各维度贡献价值的分析方式，本方案可以有效提高分析结果的准确性。