[发明专利]一种网络电商借贷风险评估方法及模型

摘要

本发明公开了一种网络电商借贷风险评估方法及模型，方法包括以下步骤收集网络电商借贷客户的历史交易数据作为样本集；构建最小二乘孪生支持向量机分类模型，并对其进行训练，建立网络电商借贷信用模型；根据建立的网络电商借贷风险模型，预测样本集中各个样本的违约标签；对于每个样本，将预测得到的违约标签和实际的违约标签进行比较，确定样本的预测误差，并根据预测误差的大小确定每个样本权重的大小；基于每个样本权重，构建加权最小二乘孪生支持向量机分类模型，重新建立网络电商借贷风险模型，对借贷风险进行评估。本发明评估准确度高。

主权项

一种网络电商借贷风险评估方法，其特征在于，包括以下步骤：步骤1、收集历史借贷客户的数据作为样本集；每个借贷客户的数据包括n维评价指标数据和违约标签target，target＝1表示贷款违约，target＝0表示正常还款；步骤2、对样本集中的数据进行预处理；所述预处理包括缺失值处理、非数字型评价指标数据量化和数据标准化；步骤3、根据违约标签target的值把样本集中的样本分为两类，第一类为target＝0的正常还款客户，由其对应的评价指标数据构建矩阵第二类为target＝1的贷款违约客户，由其对应的评价指标数据构建矩阵其中m1和m2分别为两类样本中的样本数量，为n维向量，表示第k类中第i个样本的评价指标；步骤4、基于两类样本，构建最小二乘孪生支持向量机分类模型，并对其进行训练，建立网络电商借贷风险评估模型；步骤5、根据4建立的网络电商借贷风险评估模型，预测样本集中各个样本的违约标签target；步骤6、对于每个样本，根据5预测得到的违约标签target和步骤1收集的实际的违约标签target确定样本的预测误差，并根据预测误差的大小确定每个样本权重的大小；样本权重的确定原则是：预测误差较大的样本权值较小，预测误差较小的样本权值较大；步骤7、基于每个样本权重，构建加权最小二乘孪生支持向量机分类模型，重新建立网络电商借贷风险评估模型；步骤8、采集新的借贷客户的n维评价指标数据，预处理后代入步骤7确定的网络电商借贷风险评估模型，接到借款人对应的违约标签target，预测该借贷客户是否会贷款违约，以对本次借贷风险进行评估。