[发明专利]基于多重时间验证的金融风险分析方法、装置及电子设备

权利要求书

1.一种基于多重时间验证的金融风险分析方法，其特征在于，包括：

将第一时间范围内的用户数据输入多个初始机器学习模型中，获取多个第一分析数值；

将第二时间范围内的用户数据输入所述多个初始机器学习模型中，获取多个第二分析数值；

将所述第一分析数值、所述第二分析数值输入所述风险分析模型中生成风险分析数值；以及

通过所述风险分析数值对用户进行金融风险分析。

2.如权利要求1所述的方法，其特征在于，将第一时间范围内的用户数据输入多个初始机器学习模型中，获取多个第一分析数值包括：

将第一时间范围内的用户数据输入多个初始机器学习模型中；

所述多个初始机器学习模型中的每一个初始机器学习模型分别通过分箱法对所述第一时间范围内的用户数据进行分组评分；以及

将分组评分结果与阈值进行比较以确定多个第一分析数值。

3.如权利要求1-2任一项所述的方法，其特征在于，将第二时间范围内的用户数据输入所述多个初始机器学习模型中，获取多个第二分析数值包括：

将第二时间范围内的用户数据输入多个初始机器学习模型中；

所述多个初始机器学习模型中的每一个初始机器学习模型分别通过分箱法对所述第二时间范围内的用户数据进行分组评分；以及

将分组评分结果与阈值进行比较以确定多个第二分析数值。

4.如权利要求1-3任一项所述的方法，其特征在于，将所述第一分析数值、所述第二分析数值输入所述风险分析模型中生成风险分析数值包括：

获取所述风险分析模型的常规变量参数；

将所述第一分析数值、所述第二分析数值作为衍生参数；以及

将所述衍生参数与所述常规变量参数输入所述风险分析模型中生成所述风险分析数值。

5.如权利要求1-4任一项所述的方法，其特征在于，获取所述风险分析数值的常规变量参数包括：

通过用户数据与所述风险分析模型的特征提取所述常规变量参数；

所述常规变量参数至少包括以下一者：借款期数、风险定价、用户特征。

6.如权利要求1-5任一项所述的方法，其特征在于，还包括：

通过历史第一分析数值与第二分析数值训练逻辑回归算法模型以生成所述风险分析模型。

7.如权利要求1-6任一项所述的方法，其特征在于，将所述衍生参数与所述常规变量参数输入所述风险分析模型中生成所述风险分析数值包括：

将所述衍生参数与所述常规变量参数输入所述风险分析模型；

所述风险分析模型将所述衍生参数与所述常规变量进行分组平滑处理；以及

通过分组平滑处理后的所述衍生参数与所述常规变量生成所述风险分析数值。

8.一种基于多重时间验证的金融风险分析装置，其特征在于，包括：

第一分析模块，用于将第一时间范围内的用户数据输入多个初始机器学习模型中，获取多个第一分析数值；

第二分析模块，用于将第二时间范围内的用户数据输入所述多个初始机器学习模型中，获取多个第二分析数值；

风险分析模块，用于将所述第一分析数值、所述第二分析数值输入所述风险分析模型中生成风险分析数值；以及

金融分析模块，用于通过所述风险分析数值对用户进行金融风险分析。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。