[发明专利]一种基于人工智能深度学习和多参数动态博弈的银行贷款发放与贷后管理决策支持系统

权利要求书

1.一种基于人工智能深度学习和多参数动态博弈的银行贷款发放与贷后管理决策支持系统，其特征在于，结合信息博弈模型、实施非固定马尔科夫链模型的t-Copula仿真法、强化学习DQN算法、k-均值聚类模型、BP神经网络模型等；主要基于数据挖掘与机器学习、深度增强学习等前沿理论，云计算、大数据管理等技术，进一步解析人工智能在信贷决策的作用机理，具体的步骤包括用户识别、贷款评估和贷款管理。

2.根据权利要求1所述一种基于人工智能深度学习和多参数动态博弈的银行贷款发放与贷后管理决策支持系统，其特征在于，用户识别步骤结合终端设备的生物识别技术，形成用户指纹库，并通过自然语音处理、计算机视觉、信息检索技术，充分利用社交媒体、交易平台等多维数据，利用k-均值聚类模型将数据成员进行分类组织：

。

3.根据权利要求2所述一种基于人工智能深度学习和多参数动态博弈的银行贷款发放与贷后管理决策支持系统，其特征在于，贷款评估步骤利用自语言处理、深度学习、机器学习等人工智能技术和智能决策技术（IDT），基于贷款评估涉及内容，构架贷款方案、推荐还款期限、预测贷款利率及贷款定价的整体框架，对信贷方案形成机制展开论述，首先，构建不完全信息动态博弈模型：

输入:,,

输出:两个银行的均衡奖励

对于 t=1,2,…T

步骤1: 假设银行2号先采取行动，那么

Max

s.t.

输出: 银行2号的最优策略

步骤 2: 银行 2号采取第一个反措施行动

Max

s.t .

输出:银行1号的最优策略

步骤3: 记录下两个银行在时间t（或大概）的最优策略和奖励

停止。

4.根据权利要求3所述一种基于人工智能深度学习和多参数动态博弈的银行贷款发放与贷后管理决策支持系统，其特征在于，通过非固定马尔科夫链模型的t-Copula仿真，模拟外部风险因素对过渡概率的影响，发放的零售抵押贷款的质量为策略依据，使用t-Copula仿真估计：

Input:

OutPut:

第 1 步：计算 Kendall’s矩阵及其 P 值矩阵然后，在第一列中记录其 P 值小于 5%的重要元素

第2步：使用 Kendall’s矩阵并生成具有自由度的t分布随机变量

第3步：计算多变量累积 t 分布函数：

第4步：计算反向累积分布函数：

第5步：在不同的竞争情景下计算

第6步：通过将步骤 5 到步骤 3 的结果进行映射，计算最终模拟矩阵 M，使 M 中每个元素的联合累积概率分布等效于步骤3 中的 U

第7步：使用矩阵M和相应元素来近似。