[发明专利]一种个人信贷风险评估方法及系统

说明书

技术领域

本发明涉及计算机与互联网金融领域，尤其涉及一种个人信贷风险评估方法及系统。

背景技术

随着互联网金融的迅速发展，个人信贷在互联网金融领域逐渐成为一种主流产品，网络借贷导致的问题也逐渐显现，由于个人信贷的风险评估效率低下，人为评估的错误率居高不下，导致了许多网络贷款者无法及时偿还贷款，而放贷机构与公司资金无法得到有效周转。

目前主流的个人信贷风险控制方法都是基于人为的评估方法，人为评估单款者的偿还能力并以一定固定资产作为担保，此方法缺点在于效率低下，存在人为失误导致的评估不一致性以及误判风险。

发明内容

本发明针对现有技术中存在的问题，提供了一种个人信贷风险评估方法及系统，能够提高评估效率和准确率。

本发明就上述技术问题而提出的技术方案如下：

一方面，本发明提供一种个人信贷风险评估方法，包括：

采集用户真实信息样本；

根据所述用户真实信息样本的分布特性模拟生成用户训练数据样本；

根据所述用户训练数据样本对评估模型进行训练；

获取待评估用户的真实信息；

将所述待评估用户的真实信息输入至训练后的评估模型中，获得待评估用户的风险评估信息。

进一步地，所述根据所述用户真实信息样本的分布特性模拟生成用户训练数据样本，具体包括：

建立并训练生成网络模型；

向训练后的生成网络模型中输入高斯噪声，模拟生成与所述用户真实信息样本的分布特性相一致的用户训练数据样本。

进一步地，所述建立并训练生成网络模型，具体包括：

建立对抗网络模型；所述对抗网络模型包括生成网络模型和判别网络模型；

根据所述生成网络模型的生成误差调整生成网络权值，以最小化目标函数；

根据所述判别网络模型的判别误差调整判别网络权值，以最大化所述目标函数；

通过对所述生成网络权值和所述判别网络权值的交替调整，使所述生成误差和所述判别误差达到动态平衡，完成所述生成网络模型和所述判别网络模型的训练。

进一步地，所述将所述待评估用户的真实信息输入至训练后的评估模型中，获得待评估用户的风险评估信息，具体包括：

将所述待评估用户的真实信息输入至训练后的评估模型中，获得所述评估模型输出的风险系数；

获取所述风险系数对应的信贷授信额度和利率值，并将所述风险系数及对应的信贷授信额度和利率值作为待评估用户的风险评估信息。

进一步地，在所述获得待评估用户的风险评估信息之后，还包括：

对已评估用户的风险评估信息中的偏差数据进行修正；

采用修正后的风险评估信息对所述生成网络模型重新进行训练，以使重新训练后的生成网络模型模拟生成新的用户训练数据样本；

定期使用新的用户训练数据样本对所述评估模型进行训练，保持所述评估模型处于有效状态。

另一方面，本发明提供一种个人信贷风险评估系统，包括：

采集模块，用于采集用户真实信息样本；

模拟生成模块，用于根据所述用户真实信息样本的分布特性模拟生成用户训练数据样本；

训练模块，用于根据所述用户训练数据样本对评估模型进行训练；

获取模块，用于获取待评估用户的真实信息；以及，

评估模块，用于将所述待评估用户的真实信息输入至训练后的评估模型中，获得待评估用户的风险评估信息。

进一步地，所述模拟生成模块具体包括：

建立单元，用于建立并训练生成网络模型；以及，

生成单元，用于向训练后的生成网络模型中输入高斯噪声，模拟生成与所述用户真实信息样本的分布特性相一致的用户训练数据样本。

进一步地，所述模型建立单元具体包括：

模型建立子单元，用于建立对抗网络模型；所述对抗网络模型包括生成网络模型和判别网络模型；

第一调整子单元，用于根据所述生成网络模型的生成误差调整生成网络权值，以最小化目标函数；

第二调整子单元，用于根据所述判别网络模型的判别误差调整判别网络权值，以最大化所述目标函数；以及，

训练子单元，用于通过对所述生成网络权值和所述判别网络权值的交替调整，使所述生成误差和所述判别误差达到动态平衡，完成所述生成网络模型和所述判别网络模型的训练。

进一步地，所述评估模块具体包括：