[发明专利]信贷风控模型构建系统、方法、风控系统及存储介质

说明书

本申请的信贷风控模型构建系统、方法、风控系统及存储介质，系统包括：模型输入构建模块，用于对至少部分为异构的多种来源的信贷业务对象数据进行数据处理以构建统一格式的向量化的数据集；模型构建模块，利用所述数据集构成的训练集及测试集来训练及测试各机器学习模型；并使用模型融合方法融合各所述机器学习模型，从而构成与信贷业务对象对应的一或多种风控场景相关的最终风控模型；模型部署模块，用于在互联网络部署所述最终风控模型以形成风控系统，以供与信贷业务对象交互；本申请方案实现构建多数据源及多模型的风控系统，相比现有技术方案更适合于复杂信贷风控场景。

技术领域

本申请涉及金融科技技术领域，尤其涉及信贷风控模型构建系统、方法、风控系统及存储介质。

背景技术

风控，顾名思义风险控制。这里包含了两个概念，风险管理和风险控制。风险管理是指如何在项目或者企业在一定的风险的环境里，把风险减至最低的管理过程。它的基本程序包括风险识别、风险估测、风险评价、风险控制和风险管理效果评价等环节。风险控制：是指风险管理者采取各种措施和方法,消灭或减少风险事件发生的各种可能性,或者减少风险事件发生时造成的损失。所以其实风险控制是风险管理中的一个环节。风控是风险控制的简称。

在互金行业，风控的内涵非常宽广，包含了对所有可能风险事件的控制，涉及人员操作风险、业务操作风险、技术操作风险和外部事件带来的风险。本文所阐述的风控并不是把所有风险相关的知识都囊括其中，比如指定公司内部各种规范以防范风险事件发生。本文侧重业务上和技术上风险控制讨论。

传统的风控建模方法是评分卡模型，该模型在国外是一种成熟的预测方法，尤其在信用风险评估以及金融风险控制领域更是得到了比较广泛的使用，其原理是将模型变量WOE编码方式离散化之后运用logistic回归模型进行的一种二分类变量的广义线性模型。但该模型由于是线性模型，不能提取特征之间的交叉项，模型表达能力受限；已经无法适应当今复杂的风控场景。其次特征设计过于依赖人工介入。

现有的其它基于大数据分析的风控技术，虽然相比于传统风控技术在智能性上有显著提升；但是，这些技术或多或少均采用了传统的风控规则，或数据源单一、或模型单一、或无法支持扩展数据导致风控效果受限。

发明内容

鉴于以上所述现有技术的缺点，本申请的目的在于提出信贷风控模型构建系统、方法、风控系统及存储介质，能适用于多源数据，且融合多种模型，解决现有技术中的种种问题。

为实现上述目标及其他相关目标，本申请提供一种信贷风控模型构建系统，包括：模型输入构建模块，用于对至少部分为异构的多种来源的信贷业务对象数据进行数据处理以构建统一格式的向量化的数据集；模型构建模块，用于利用所述数据集构成的训练集及测试集来训练及测试各机器学习模型；并使用模型融合方法融合各所述机器学习模型，从而构成与信贷业务对象对应的一或多种风控场景相关的最终风控模型；模型部署模块，用于在互联网络部署所述最终风控模型以形成风控系统，以供与信贷业务对象交互。

于本申请的一实施例中，所述模型输入模块通过分布式存储系统存储所述数据集。

于本申请的一实施例中，所述数据处理包括：数据去重、数据清洗和数据导入。

于本申请的一实施例中，所述数据去重包括：基于记录时间对相同数据源的重复的信贷数据进行去重处理；和/或，所述数据清洗包括：对所述信贷数据进行转换以得到格式统一的向量化数据；和/或，所述数据导入包括：对经所述数据去重及数据清洗的各数据源的数据进行合并以形成所述数据集。

于本申请的一实施例中，所述多种机器学习模型，包括：Light GBM、随机森林、XGBoost、WideDeep、FM模型、支持向量机SVM、朴素贝叶斯NB、神经网络NN、最近邻KNN、及决策树中的多种。

于本申请的一实施例中，所述模型融合方法包括：Stacking或Blending模型集成方法。