[发明专利]一种信贷批量审批学习及优化方法

说明书

针对现有技术的不足，本发明公开一种信贷批量审批学习方法，首先能辅助审批人员进行各种额度的信贷工作，并在辅助过程中不断优化。通过优化一方面能不断提高审批人员的工作效率，提高审批的速度；另一方面能尽可能减少审批的风险。为实现以上目的，本发明通过以下技术方案予以实现：审批员在审核界面进行审核；审核过程包括如下步骤：审批员从多项要素中将对审批决策有重要影响的决策要素筛选出来，获取趋向性参考值，参考趋向性参考值做出审核决定。本发明通过这样的技术方案，审批员在审核过程中仅审核其选中的审核要素作为决策要素，忽略其他审核要素，减少审核的流程。

技术领域

本发明涉及人工智能领域，具体涉及一种信贷批量审批学习方法。

背景技术

人工智能的快速发展正在逐步替代各个行业的一些工种，金融业也不例外。未来，人工智能可取代人工的工作模块主要分为两类，一类是遵循一定步骤因而可被编码成计算机预演的常规性工作；另一类是不需要应用解决复杂问题能力或创新能力来应对人际情感交互或随机多变环境的非认知与情感类工作。但是在凡事都需要一个过程，在现阶段，我们依然需要通过一些方法对AI进行调校，同时也能优化人工操作的流程。

对此申请号为201711270176.9的发明专利申请《互联网金融小微贷款的信用风险识别方法及装置》中就公开了一种互联网金融小微贷款的信用风险识别方法及装置，所述方法包括以下步骤：获取用户信用数据；根据用户的借款行为来划分用户样本；通过获取的用户信用数据以及划分的用户样本得到一个原始的数据集；将数据集分为训练集和测试集，在训练集上实现特征工程，然后将这些操作还原到测试集上，利用在测试集上的效果来衡量最终的表现；根据实际情况选择算法，算法包括逻辑回归模型和xgboost两种信用评分模型；信用评分模型根据用户信息对用户进行信用评分。该发明用户授信审核速度快，人力成本低；其从大数据和机器学习的角度来对用户进行授信审核，具备科学性，同时随着数据的积累，模型能够不断的迭代升级，其评分准确性高。

经分析和评估，该发明专利在小微贷款的信用风险审核方面确实能带来一定的帮助。但是该发明无法应用于风险等级高的大额贷款，而且无法辅助和优化人工信贷审批工作。而且其中涉及的学习方法也无法应用到大额贷款场景中。此外，现有技术中的信贷操作通常需要在电脑端操作，偶有能在移动端操作的，由于UI界面的问题导致审批员难以快速获取信息，同时在审核过程中也容易出现误操作。

发明内容

针对现有技术的不足，本发明公开一种信贷批量审批学习方法，首先能辅助审批人员进行各种额度的信贷工作，并在辅助过程中不断优化。通过优化一方面能不断提高审批人员的工作效率，提高审批的速度；另一方面能尽可能减少审批的风险。

为实现以上目的，本发明通过以下技术方案予以实现：一种信贷批量审批学习方法，基于金融信贷审核系统，所述金融信贷审核系统包括审核界面和审核数据库，审核数据库获取待审核项目后将其分解为包含多个审核要素的集合，并将此集合中的审核要素显示在审核界面中，审批员在审核界面进行审核；审核过程包括如下步骤：

步骤1：审批员从多项要素中将对审批决策有重要影响的决策要素筛选出来，并区分为正面要素和负面要素；

步骤2：对每个决策要素进行权重赋值；

步骤3：将正面要素的权重赋值总值减去负面要素的权重赋值总值，从而获取趋向性参考值，仅在该参考值为正值时做出推荐性的审核决定；

步骤4：参考趋向性参考值做出审核决定，将该审核决定及其形成过程记录于审核数据库。

进一步的，在步骤1中正面要素和负面要素分别放置在正面要素组和负面要素组中。这样对于已经进行判断过的要素便于区分。

优选的，所述步骤2中：也可以指定为分值，设定一个总分值x，大于x/2的属于正面要素，且分数越大则正面的权重越大；小于x/2的属于负面要素，且分数越小则负面的权重越大。