[发明专利]基于控制图的信贷风险评估方法及系统

说明书

本发明提供了一种基于控制图的信贷风险评估方法及系统，包括采集交易流水数据、信贷审核数据和逾期天数数据，进行预处理，得到常规特征和违约特征；交易流水数据聚合，得到初始交易流水指标；初始交易流水指标转换为警告信号；警告信号处理成信号特征；整合信号特征、信贷审核数据提炼的常规特征和逾期天数数据提炼的违约特征得到多类风控评估样本；针对风控评估样本，建立机器学习模型，评估根据不同风控评估样本的机器学习模型结果选定最佳风控模型；根据最佳风控模型建立信贷平台线上机器学习模型，对申请客户进行实时风险评估，输出风险评估结果。本发明提高了信贷风险评估的准确性，且应用于不同场景下的信贷风险评估，有利于提高信贷风险评估的适用范围。

技术领域

本发明涉及信贷风险评估的技术领域，具体地，涉及一种基于控制图的信贷风险评估方法及系统。

背景技术

在信贷审批过程中，目前众多的风险评估方法集中在实现智能化风险评级，而缺乏对不同渠道数据源的挖掘。

公开号为CN110415111A的中国发明专利公开了基于用户数据与专家特征合并逻辑回归信贷审批的方法，包括输入数据进行清洗、数据降维和预处理、对数据进行分类、对数据进行特征工程并提取特征、引入专家特征、对特征进行预测和输出审批名单。此专利中，该信贷审批的方法将传统金融模型中的专家特征和经典机器学习方法结合起来，并结合市场实时更新数据和特征工程来对可能的动态变化的未来违约可能性进行预测，采用了预测模型和优化的逻辑回归算法，满足复杂的信贷约束，获得的违约概率预测和风险溢价的结果更加准确，并且使得审核人员可以从繁重的信用风险评估审核和定价中解放出来，使得大规模的小微企业信贷审批得以快速实现，确保智能评级和规避风险成为可能。该方法分析了用户数据及专家特征，整合了两类常见的数据源，其虽然能够实现快速审批，但在违约概率预测的准确性上仍然存在提升空间。

公开号为CN107093101A的中国发明专利公开了一种基于POS交易流水数据的潜在贷款用户挖掘与风险评分方法，包括：获取POS交易流水数据；从扩大经营方面和资金周转方面这两方面入手对获取的POS交易流水数据进行潜在贷款用户挖掘；确定用于POS交易流水风险评分的统计指标，并根据确定的统计指标和获取的POS交易流水数据采用设定的评分模型进行POS交易流水风险评分。本发明结合了POS交易流水数据从扩大经营方面和资金周转方面入手进行潜在贷款用户挖掘，能快速且准确地挖掘出潜在的贷款用户，且POS交易流水数据很好地体现了商户对于资金以及贷款的需求量，转化的成功率较高；基于POS交易流水数据提出了新的POS交易流水风险评分方法，更加有效。该方法可广泛应用于数据挖掘领域。该方法提出通过POS交易流水的统计指标进行风险评估，其虽然实现了对POS交易流水数据的分析，但其使用的数据挖掘方法过于简易且缺少扩展性，该技术披露的方法及给定的数值结果过于具体，并不适用于广泛应用于不同场景下的信贷审核过程。

针对上述中的现有技术，发明人认为违约概率预测的准确性较差，且信贷审核过程的适用范围较小，导致信贷风险评估的效果较差。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于控制图的信贷风险评估方法及系统。

根据本发明提供的一种基于控制图的信贷风险评估方法，包括如下步骤：

步骤1：采集已发放贷款客户的交易流水数据、信贷审核数据和逾期天数数据，并对各类数据进行预处理，得到常规特征和违约特征；

步骤2：将预处理过后的所述交易流水数据聚合并进行标准化，得到标准化后的初始交易流水指标；

步骤3：将所述标准化后的初始交易流水指标转换为警告信号；

步骤4：将所述警告信号处理成信号特征；

步骤5：整合信号特征、信贷审核数据提炼的常规特征和逾期天数数据提炼的违约特征，得到多类风控评估样本；