[发明专利]一种借贷信用风险评估方法及装置在审
申请号: | 201910126812.3 | 申请日: | 2019-02-20 |
公开(公告)号: | CN109993652A | 公开(公告)日: | 2019-07-09 |
发明(设计)人: | 陆天;徐云杰;古定威;张成洪 | 申请(专利权)人: | 复旦大学 |
主分类号: | G06Q40/02 | 分类号: | G06Q40/02 |
代理公司: | 北京辰权知识产权代理有限公司 11619 | 代理人: | 刘广达 |
地址: | 200433 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 风险类别 风险模型 风险评估 统计特征 信用 风险评估过程 生命周期 概率 单笔 涵盖 分类 评估 预测 考察 | ||
1.一种借贷信用风险评估方法,其特征在于,所述方法包括:
获取借款人对应的统计特征信息和历史还款信息;
根据所述统计特征信息和所述历史还款信息,确定所述借款人所属的风险类别;
根据所述历史还款信息和所述风险类别,通过预先训练的逾期-坏账风险模型评估所述借款人的逾期概率及坏账概率。
2.根据权利要求1所述的方法,其特征在于,根据所述统计特征信息和所述历史还款信息,确定所述借款人所属的风险类别,包括:
根据所述统计特征信息,分别计算所述借款人属于各个风险类别的概率;
根据所述借款人属于各个风险类别的概率及所述历史还款信息,计算所述借款人的历史还款行为对应的还款概率;
根据所述借款人的历史还款行为对应的还款概率,确定所述借款人所属的风险类别。
3.根据权利要求2所述的方法,其特征在于,根据所述统计特征信息,分别计算所述借款人属于各个风险类别的概率,包括:
根据所述统计特征信息包括的各个特征变量,分别确定所述借款人属于各个风险类别时所述各个特征变量对应的分类权重;
根据所述各个特征变量及所述各个特征变量对应的分类权重,通过公式(1)分别计算所述借款人属于各个风险类别的概率;
在公式(1)中,mis为借款人i属于风险类别s的概率,μis为借款人i属于风险类别s时所述各个特征变量对应的分类权重组成的权重矩阵,μis′为所述μis的转置矩阵,Demoi为借款人i对应的所述各个特征变量组成的特征矩阵,μik为借款人i属于风险类别k时所述各个特征变量对应的分类权重组成的权重矩阵,μik′为所述μik的转置矩阵,k的取值为1,2,…,S,S为风险类别的总数目。
4.根据权利要求2所述的方法,其特征在于,根据所述借款人属于各个风险类别的概率及所述历史还款信息,计算所述借款人的历史还款行为对应的还款概率,包括:
根据所述历史还款信息,确定所述借款人的历史还款行为所属的风险类别;
根据所述借款人属于各个风险类别的概率及所述借款人的历史还款行为所属的风险类别,通过公式(2)计算所述借款人的历史还款行为对应的还款概率;
在公式(2)中,fit为借款人i偿还第t笔款项的历史还款行为对应的还款概率,mis为借款人i属于风险类别s的概率,fits()为借款人i偿还第t笔款项的还款行为属于风险类别s,βs,λs,τs,γs,θs,δs,φs,μs,ρ为风险类别s对应的所述逾期-坏账风险模型的模型参数组。
5.根据权利要求1所述的方法,其特征在于,根据所述历史还款信息和所述风险类别,通过预先训练的逾期-坏账风险模型评估所述借款人的逾期概率及坏账概率,包括:
根据所述风险类别,获取对应的模型参数组;
将所述模型参数组代入预先训练的逾期-坏账风险模型,获得所述风险类别对应的逾期-坏账风险模型;
根据所述历史还款信息和所述风险类别对应的逾期-坏账风险模型,评估所述借款人的逾期概率及坏账概率。
6.根据权利要求5所述的方法,其特征在于,根据所述历史还款信息和所述风险类别对应的逾期-坏账风险模型,评估所述借款人的逾期概率及坏账概率,包括:
根据所述历史还款信息,通过所述风险类别对应的逾期-坏账风险模型包括的逾期阶段模型,评估所述借款人的逾期概率;
根据所述历史还款信息,通过所述风险类别对应的逾期-坏账风险模型包括的坏账阶段模型,评估所述借款人的坏账概率。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于复旦大学,未经复旦大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910126812.3/1.html,转载请声明来源钻瓜专利网。