一种一体化多尺度风控模型构建方法

专利主权项内容

来自：www.macrodatas.cn 。1.一种一体化多尺度风控模型构建方法，其特征在于，具体包括：基于历史授信申请数据进行授信申请用户在不同的时间尺度的历史授信申请案件的提取，并基于不同的历史授信申请案件的不同尺度的逾期特征以及时间尺度进行所述授信申请用户与筛选逾期用户的相似度的评估；所述授信申请用户与筛选逾期用户的相似度的评估的具体步骤为：通过所述历史授信申请案件的时间尺度将所述历史授信申请案件划分至多个区间，并基于不同区间的不同的历史授信申请案件的不同尺度的逾期特征以及所述筛选逾期用户的不同的历史授信申请案件的不同尺度的逾期特征进行不同区间的不同尺度的逾期特征相似度以及不同尺度的逾期特征的数量的偏差量的确定；基于不同区间的不同尺度的逾期特征相似度、不同尺度的逾期特征的数量的偏差量以及所述偏差量与所述筛选逾期用户的不同尺度的逾期特征的数量进行不同区间的所述授信申请用户与筛选逾期用户的区间综合相似度的评估，并根据所述区间综合相似度进行所述授信申请用户与所述筛选逾期用户的相似区间以及不相似区间的确定；通过所述授信申请用户与所述筛选逾期用户的相似区间与当前时刻的距离时长对所述筛选逾期用户的区间综合相似度进行修正得到修正区间相似度，并基于不同的相似区间的修正区间相似度以及数量进行所述授信申请用户与所述筛选逾期用户的相似区间的相似度评估量的确定；获取所述授信申请用户与所述筛选逾期用户的不相似区间的数量以及区间相似度，并结合授信申请用户与所述筛选逾期用户的不同区间的修正区间相似度以及所述相似区间的相似度评估量确定所述授信申请用户与所述筛选逾期用户的相似度；根据所述相似度进行所述筛选逾期用户中的相似逾期用户的确定，并结合与不同的所述筛选逾期用户的相似度进行所述授信申请用户的逾期相似度的确定，当所述逾期相似度不满足要求时，进入下一步骤；所述授信申请用户的逾期相似度的确定的方法为：获取所述授信申请用户的相似逾期用户，并判断所述相似逾期用户的数量是否大于预设用户数量，若是，则通过所述相似逾期用户的数量进行所述授信申请用户的逾期相似度的确定，若否，则进入下一步骤；通过所述授信申请用户的相似逾期用户进行所述相似逾期用户的相似度的确定，并根据所述相似逾期用户的数量以及相似度进行所述授信申请用户的相似度的数量和的确定，判断所述授信申请用户的相似度的数量和是否大于预设用户相似度阈值，若是，则通过所述授信申请用户的相似度的数量和进行所述授信申请用户的逾期相似度的确定，若否，则进入下一步骤；通过所述授信申请用户的相似逾期用户的相似度进行所述相似逾期用户中的相似度在预设相似度区间的数量的确定，并结合所述相似逾期用户的数量以及不同的相似逾期用户的相似度的平均值进行所述授信申请用户的相似逾期用户的用户相似度评估量的确定，判断所述授信申请用户的相似逾期用户的用户相似度评估量是否满足要求，若是，则将所述相似逾期用户的用户相似度评估量作为所述授信申请用户的逾期相似度，若否，则进入下一步骤；获取所述授信申请用户与不同的筛选逾期用户的相似度，并根据所述相似度进行关联逾期用户的数量以及不同的关联逾期用户的相似度的确定，并结合关联逾期用户在所述筛选逾期用户的数量占比以及所述相似逾期用户的用户相似度评估量进行所述授信申请用户的逾期相似度的确定；基于不同尺度的逾期特征以及时间尺度进行不同的历史授信申请案件的权重的确定，并通过不同尺度的逾期特征所对应的历史授信申请案件的权重以及不同尺度的逾期特征与所述筛选逾期用户的相似度进行不同尺度的逾期特征的特征权值的确定；基于不同尺度的逾期特征以及时间尺度进行不同的历史授信申请案件的权重的确定，具体包括：通过不同的历史授信申请案件的不同尺度的逾期特征进行所述历史授信申请案件的逾期特征的数量以及不同的逾期特征的严重程度的确定，并基于所述历史授信申请案件的逾期特征的数量以及不同的逾期特征的严重程度进行所述历史授信申请案件的逾期严重程度值的确定；根据所述历史授信申请案件的时间尺度进行所述历史授信申请案件所处的时间区间的确定，并基于所述时间区间进行修正量的确定，通过所述逾期严重程度值以及所述修正量进行所述历史授信申请案件的权重的确定；通过所述特征权值对不同尺度的逾期特征进行修正得到不同尺度的修正逾期特征，并将所述不同尺度的修正逾期特征、逾期相似度为输入量，构建风控模型得到所述授信申请用户在不同尺度的逾期风险以及综合逾期风险。