本發(fā)明涉及數(shù)據(jù)分析及數(shù)據(jù)挖掘應(yīng)用領(lǐng)域，更具體地說涉及一種法人風(fēng)險(xiǎn)評估的實(shí)現(xiàn)方法。

背景技術(shù)：

1、隨著信貸業(yè)務(wù)的快速發(fā)展，法人信用風(fēng)險(xiǎn)管理日益成為金融機(jī)構(gòu)關(guān)注的重點(diǎn)。傳統(tǒng)以經(jīng)驗(yàn)為主的信用風(fēng)險(xiǎn)管控方法難以適應(yīng)日益復(fù)雜多樣化的市場環(huán)境，亟需引入新的技術(shù)手段。人工智能機(jī)器學(xué)習(xí)技術(shù)的興起，為信用風(fēng)險(xiǎn)評估提供了新的思路和方法。

2、現(xiàn)有技術(shù)存在類型類似專家系統(tǒng)的方法及應(yīng)用，用于通過該系統(tǒng)實(shí)現(xiàn)基于對現(xiàn)有的法人客戶的過往數(shù)據(jù)進(jìn)行分析，從中預(yù)測出即將或可能違約的法人客戶。這樣金融機(jī)構(gòu)可針對該預(yù)測清單進(jìn)行有針對性的處理，或根據(jù)該預(yù)測清單對后續(xù)的目標(biāo)法人客戶數(shù)量等具有較準(zhǔn)確的預(yù)測。這洋金融機(jī)構(gòu)可有針對性的進(jìn)行人力等資源的提前安排。但是傳統(tǒng)的專家系統(tǒng)主要是通過收集的專家經(jīng)驗(yàn)進(jìn)行分析預(yù)測，其整體預(yù)測的準(zhǔn)確率較低，且需要耗費(fèi)大量的人力資源來完成，因此成本高，且其給金融機(jī)構(gòu)帶來的幫助不大，無法為金融機(jī)構(gòu)提前進(jìn)行有效的法人客戶關(guān)系管理提供有效的支持。容易出現(xiàn)遺漏目標(biāo)法人客戶或篩選出的目標(biāo)法人客戶存在大量的誤差，保護(hù)大量的非真時目標(biāo)法人客戶，導(dǎo)致人力財(cái)力的浪費(fèi)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題是如何提供提高法人客戶風(fēng)險(xiǎn)預(yù)測的準(zhǔn)確率，滿足金融機(jī)構(gòu)的精細(xì)化管理。

2、為了解決以上問題本發(fā)明提供了一種法人風(fēng)險(xiǎn)評估的實(shí)現(xiàn)方法，其特征在于：

3、步驟1.1選取法人客戶的歷史數(shù)據(jù)，對選取的歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理生成第一訓(xùn)練集；

4、步驟1.2將數(shù)據(jù)預(yù)處理完成的第一訓(xùn)練集輸入到xgboost模型中對xgboost模型進(jìn)行訓(xùn)練，經(jīng)過多輪迭代，獲得最優(yōu)xgboost模型和對應(yīng)xgboost模型的最優(yōu)參數(shù)；

5、步驟1.3根據(jù)步驟1.2訓(xùn)練，提取重要變量做預(yù)測變量；

6、步驟1.4根據(jù)步驟1.2訓(xùn)練，將訓(xùn)練集中的預(yù)測變量輸入到訓(xùn)練獲得的最優(yōu)xgboost模型，由最優(yōu)xgboost模型輸出法人客戶標(biāo)簽；

7、步驟1.5根據(jù)步驟1.4的結(jié)果提取預(yù)測分?jǐn)?shù)作為目標(biāo)變量；

8、步驟1.6將步驟1.3獲得的預(yù)測變量和步驟1.5獲得的目標(biāo)變量進(jìn)行拼接，拼接成新的第二訓(xùn)練集；

9、步驟1.7用第二訓(xùn)練集訓(xùn)練gbdt模型，訓(xùn)練獲得預(yù)測gbdt模型；

10、步驟1.8待預(yù)測法人客戶觀察期的特征輸入到預(yù)測gbdt模型，獲得待預(yù)測法人客戶的目標(biāo)法人客戶風(fēng)險(xiǎn)等級；

11、步驟1.9根據(jù)獲得的目標(biāo)法人客戶風(fēng)險(xiǎn)等級輸出客戶預(yù)警信息。

12、所述的方法，其特征在于，所述xgboost模型進(jìn)行訓(xùn)練，根據(jù)如下方法進(jìn)行：選擇決策樹作為弱學(xué)習(xí)器；每次訓(xùn)練只訓(xùn)練一個弱學(xué)習(xí)器，提高在前一個弱學(xué)習(xí)器分錯的類的訓(xùn)練數(shù)據(jù)的數(shù)據(jù)權(quán)重后輸入到后一個弱學(xué)習(xí)器中進(jìn)行學(xué)習(xí)，采用后一個弱學(xué)習(xí)器來糾正前一個弱學(xué)習(xí)器的殘差，直到殘差達(dá)到預(yù)先設(shè)置的范圍；最后將訓(xùn)練生成的多個弱學(xué)習(xí)器加權(quán)求和，獲得最優(yōu)學(xué)習(xí)器，用于待預(yù)測法人客戶風(fēng)險(xiǎn)等級。

13、所述的方法，其特征在于，所述的決策樹具體為：

14、其中：x是輸入向量，q表示樹的結(jié)構(gòu)，結(jié)構(gòu)函數(shù)q(x)表示把輸入映射到葉子的索引號，ω表示對應(yīng)于每個索引號的葉子的分?jǐn)?shù)，t是樹中葉節(jié)點(diǎn)的數(shù)量，d為特征維數(shù)；

15、一共由k顆決策樹生成k個弱學(xué)習(xí)器，k顆決策樹的集合的輸出為：

16、單顆決策樹的復(fù)雜度表示為：

17、集成樹的復(fù)雜度表示為：

18、t是葉節(jié)點(diǎn)的數(shù)目，γ是范圍在0和1之間的學(xué)習(xí)速率。γ乘以t等于生成樹修剪，防止過度擬合；λ是一個正規(guī)化參數(shù)，ω是葉子的質(zhì)量；

19、是xgboost算法的正則項(xiàng)，目標(biāo)函數(shù)的第t步的迭代為：

20、第一部分代表真實(shí)值和預(yù)測值函數(shù)，l為誤差函數(shù)；第二部分代表單顆決策樹的復(fù)雜度之和；已知：，其中為第t輪需要學(xué)習(xí)的決策樹，則目標(biāo)函數(shù)可轉(zhuǎn)化為。

21、一種法人風(fēng)險(xiǎn)評估的實(shí)現(xiàn)方法的系統(tǒng)，其特征在于采用了法人風(fēng)險(xiǎn)評估的實(shí)現(xiàn)方法。

22、實(shí)施本發(fā)明具有如下有益效果：引入機(jī)器學(xué)習(xí)模型來進(jìn)行風(fēng)險(xiǎn)評估，在風(fēng)險(xiǎn)管理技術(shù)進(jìn)程邁出了向前一步；通過對法人客戶的違約概率進(jìn)行量化建模，為風(fēng)險(xiǎn)管理提供了定量化的評價依據(jù)。通過選擇了梯度提升樹算法進(jìn)行建模，與傳統(tǒng)的邏輯回歸算法相比，梯度提升樹算法能夠更有效地處理和利用具有復(fù)雜非線性關(guān)系的風(fēng)險(xiǎn)特征因子數(shù)據(jù)，從而提高了模型的預(yù)測能力。

技術(shù)特征：

1.一種法人風(fēng)險(xiǎn)評估的實(shí)現(xiàn)方法，其特征在于：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述xgboost模型進(jìn)行訓(xùn)練，根據(jù)如下方法進(jìn)行：選擇決策樹作為弱學(xué)習(xí)器；每次訓(xùn)練只訓(xùn)練一個弱學(xué)習(xí)器，提高在前一個弱學(xué)習(xí)器分錯的類的訓(xùn)練數(shù)據(jù)的數(shù)據(jù)權(quán)重后輸入到后一個弱學(xué)習(xí)器中進(jìn)行學(xué)習(xí)，采用后一個弱學(xué)習(xí)器來糾正前一個弱學(xué)習(xí)器的殘差，直到殘差達(dá)到預(yù)先設(shè)置的范圍；最后將訓(xùn)練生成的多個弱學(xué)習(xí)器加權(quán)求和，獲得最優(yōu)學(xué)習(xí)器，用于待預(yù)測法人客戶風(fēng)險(xiǎn)等級。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述的決策樹具體為：

技術(shù)總結(jié)
本發(fā)明提供了一種法人風(fēng)險(xiǎn)評估的實(shí)現(xiàn)方法，首先選取并預(yù)處理法人客戶歷史數(shù)據(jù)形成訓(xùn)練集，然后用XGBoost模型訓(xùn)練并優(yōu)化參數(shù)，提取重要預(yù)測變量。接著，將預(yù)測變量輸入模型得到法人客戶標(biāo)簽和預(yù)測分?jǐn)?shù)。將預(yù)測變量和分?jǐn)?shù)拼接成新訓(xùn)練集，用于訓(xùn)練GBDT模型。最后，輸入待預(yù)測客戶特征到GBDT模型，得出風(fēng)險(xiǎn)等級并輸出預(yù)警信息。通過選擇了梯度提升樹算法進(jìn)行建模，與傳統(tǒng)的邏輯回歸算法相比，梯度提升樹算法能夠更有效地處理和利用具有復(fù)雜非線性關(guān)系的風(fēng)險(xiǎn)特征因子數(shù)據(jù)，從而提高法人客戶的風(fēng)險(xiǎn)預(yù)測能力。

技術(shù)研發(fā)人員：秦思佳
受保護(hù)的技術(shù)使用者：中國農(nóng)業(yè)銀行股份有限公司深圳市分行
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2