[发明专利]一种生成授信策略的方法、装置和电子设备

说明书

本申请提供一种生成授信策略的方法，选取若干个预测子模型，建立决策矩阵模型，利用所述决策矩阵模型获得目标用户的预测风险值，基于所述目标用户的预测风险值，生成所述目标用户的授信策略。通过选取若干个预测子模型构建决策矩阵模型，利用决策矩阵模型进行多重组合决策，这样增加了授信策略的准确性，进而提高了风险控制能力。

技术领域

本申请涉及计算机领域，尤其涉及一种生成授信策略的方法、装置和电子设备。

背景技术

一般来说，在为用户制定授信策略之前，首先要对用户进行评估，涉及到评估用户的风险等级，针对用户的风险等级，为用户制定一个对应的授信策略，但是在传统的金融行业中，现有的制定授信策略的方法已经无法对用户风险进行全面的控制，所以传统的风险控制方法具有单一性，致使制定授信策略会不准确，进而也会导致用户流失以及金融平台的收益降低。

发明内容

本说明书实施例提供一种生成授信策略的方法、装置和电子设备。用以解决现有技术中风险控制能力低和授信策略的制定不准确的问题。

本说明书实施例提供一种生成授信策略的方法，包括：

选取若干个预测子模型；

建立决策矩阵模型；

利用所述决策矩阵模型获得目标用户的预测风险值；

基于所述目标用户的预测风险值，生成所述目标用户的授信策略。

通过选取若干个预测子模型构建决策矩阵模型，利用决策矩阵模型进行多重组合决策，这样增加了授信策略的准确性，进而提高了风险控制能力。

可选地，所述选取若干个预测子模型，包括：

利用有监督和无监督的学习方法获取样本用户的特征数据和初始属性风险值；

基于所述样本用户的特征数据构建若干个初始风险值预测子模型，所述初始风险值预测子模型用于生成所述目标用户的预测属性风险值。

综上如述，利用有监督和无监督两种不同的学习方法计算样本用户的特征数据和初始属性风险值，可以增加用户分类方法的多样性，使数据更加丰富。

可选地，所述基于所述样本用户的特征数据构建若干个初始风险值预测子模型，包括：

利用所述样本用户的特征数据获取所述样本用户的属性；

所述属性包括履约能力、消费能力、个人稳定性、多头共债、资金需求、社交网络；

通过所述样本用户的属性获得所述样本用户的预测属性风险值。

根据以上方案，可以利用所述样本用户的属性构建若干个预测属性风险值子模型，从而对所述样本用户进行多种试算，获得多种预测属性风险值的构建方法，这样可以增加所述预测属性风险值子模型的种类，进一步提高所述预测属性风险值的准确性。

可选地，每个所述初始风险值预测子模型用于输出与一个属性对应的预测属性风险值。

可选地，每个所述初始风险值预测子模型用于输出与属性集对应的预测属性风险值；

所述属性集包括若干属性的组合。

综上所述的方法，利用若干个初始风险值预测子模型输出若干个预测属性风险值代替传统风险控制方法的单一性，提高了风险控制的能力。

可选地，所述利用所述决策矩阵模型获得目标用户的预测风险值之前，还包括：

利用所述样本用户的特征数据和授信策略，训练所述决策矩阵模型。