[发明专利]一种信用违约模型校准方法、系统、设备及介质

权利要求书

1.一种信用违约模型校准方法，其特征是：包括

S1、获取多个校准样本数据，所述校准样本数据包括：客户的违约标签、客户在第一模型的第一预测违约概率值和客户在第二模型的第二预测违约概率值；

S2、对第一和第二预测违约概率值进行sigmoid反函数变换，将变换后的第一和第二预测违约概率值结合随机参量进行线性变换，得到第一变换式和第二变换式；

采用梯度下降法优化所述随机参量，更新所述第一变换式和第二变换式；

通过更新后的第一变换式和第二变换式得到校准变换式；

S3、通过所述校准变换式对经第二模型输出的预测概率值进行校准，得到校准后预测违约概率值。

2.根据权利要求1所述的一种信用违约模型校准方法，其特征是：所述第一变换式和所述第二变换式为：

其中，、为第一变换概率和第二变换概率，为随机参量，为经sigmoid反变换后的第一、第二预测违约概率值，表示sigmoid函数表达式。

3.根据权利要求1所述的一种信用违约模型校准方法，其特征是：所述梯度下降法的目标为交叉熵损失函数达到最小。

4.根据权利要求3所述的一种信用违约模型校准方法，其特征是：所述交叉熵损失函数为：

其中，为校准样本数据的样本数，为第个样本的违约标签，为模型输出的第个样本的预测违约概率值。

5.根据权利要求1所述的一种信用违约模型校准方法，其特征是：通过更新后的第一变换式和第二变换式得到校准变换式，包括：

令更新后的第一变换式等于更新后的第二变换式，得到中间校准变换式；

对所述中间校准变换式进行sigmoid变换，得到校准变换式。

6.根据权利要求5所述的一种信用违约模型校准方法，其特征是：所述中间校准变换式为：

其中，为经sigmoid反变换后的第一、第二预测违约概率值，、、为优化后的随机参量。

7.根据权利要求6所述的一种信用违约模型校准方法，其特征是：所述预测违约概率值的校准变换式为：

其中，所述为第一、第二预测违约概率值，表示sigmoid函数表达式。

8.一种信用违约模型校准系统，其特征是：包括

信用违约模块，用于接收所述客户信息，计算预测违约概率值；

模型校准模块，用于执行如权利要求1-7任一所述的一种信用违约模型校准方法，得到与所述预测违约概率值对应的校准后预测违约概率值；

信贷审批模块，用于将所述校准后预测违约概率值与信贷审批政策进行比对，得到授信审批结果。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的一种信用违约模型校准方法。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的一种信用违约模型校准方法。