[发明专利]互联网金融的风控预测方法

说明书

本发明公开了互联网金融的风控预测方法，涉及金融风控领域，包括S1构建初始的预测模型，预测模型包括第一模型和第二模型，第一模型的输出作为第二模型的输入；S2获取数据集；S3数据集导入第一模型，获得预测结果并导入第二模型，对预测模型进行训练优化，获得最优预测模型；S4带预测数据导入最优预测模型获得预测结果；训练多个不同的基础模型可有效减小模型误差；利用决策提升树的优势处理初始数据，加快预测模型的训练速度，LSTM的输入为GBDTs的输出，LSTM只需要关注时序特征信息，构建一种端到端的训练模式，有效结合两者的优点，显著提升模型性能。

技术领域

本发明涉及金融风控领域，尤其涉及一种互联网金融的风控预测方法。

背景技术

近年来，互联网金融行业在中国发展十分迅速，而对应的配套监管措施和技术并未保持同步，存在监管盲区。借贷行业的门槛较低，参与人群的质量存在较大差异，导致互联网金融行业的借贷业务的风险水平较高。且对于以信贷类服务以主要业务的互联网金融借贷平台，由于信息技术不完善，平台无法建立一套有效的风险监测系统，借贷用户违约现象不断。用户为了获得企业的贷款，可能存在隐瞒自己相关信息的操作，这样的低质量用户信息会增加企业的信贷风险，损失无法估量。通过对借贷用户在网购、交易、社交等平台的信誉及行为数据进行深入挖掘和分析，对其在各个平台、场景下产生的数据进行归类、汇总，以大数据时代为背景，以机器学习方法为手段建立违约预测模型，能够将用户的有效信息转化为用户的违约概率，更好的把控用户和平台发生借贷交易的风险。

初期阶段，业界针对于互联网金融风控的场景，主流预测模型主要为传统机器学习模型逻辑回归(LR)、支持向量机(SVM)、随机森林(RF)等，该类模型因构造简单，可实施性强，通常作为基础模型进行各种实验参照。随着大数据时代的来临，数据量、数据维度的指数级上升，业务场景越来越复杂，传统的模型已经无法支撑。

发明内容

本发明的目的就在于为了解决上述问题设计了一种互联网金融的风控预测方法。

本发明通过以下技术方案来实现上述目的：

互联网金融的风控预测方法，包括：

S1、构建初始的预测模型，预测模型包括第一模型和第二模型，第一模型的输出作为第二模型的输入；

S2、获取数据集；

S3、数据集导入第一模型，获得预测结果并导入第二模型，对预测模型进行训练优化，获得最优预测模型。

本发明的有益效果在于：训练多个不同的基础模型可有效减小模型误差；利用决策提升树的优势处理初始数据，加快预测模型的训练速度，LSTM的输入为GBDTs的输出，LSTM只需要关注时序特征信息，构建一种端到端的训练模式，有效结合两者的优点，显著提升模型性能。

附图说明

图1是本发明互联网金融的风控预测方法的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。