一种低违约组合模型的验证方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114282991A(43)申请公布日2022.04.05(21)申请号202111659657.5(22)申请日2021.12.30(71)申请人中国建设银行股份有限公司地址100033北京市西城区金融大街25号(72)发明人申芳林李川朱良平郭全通(74)专利代理机构北京集佳知识产权代理有限公司11227代理人秦晓君(51)Int.Cl.G06Q40/02(2012.01)G06Q40/06(2012.01)G06Q10/10(2012.01)权利要求书3页说明书14页附图2页(54)发明名称一种低违约组合模型的验证方法和装置(57)摘要本申请提供一种低违约组合模型的验证方法和装置，方法包括，获取目标低违约组合的验证数据集；对验证数据集进行数据增强处理，得到增强后的验证数据集；针对每一信贷客户，利用目标低违约组合对应的低违约组合模型对信贷客户进行风险评估，得到信贷客户对应的风险评级；利用每个信贷客户的风险评级和测试基准计算低违约组合模型的排序能力指标、稳定性指标和准确性指标，根据排序能力指标、稳定性指标和准确性指标，最终确定低违约组合模型的验证结果。此外，本方案通过数据增强处理增加验证数据集中违约样本的数量，从而提高对低违约组合模型验证的准确度。CN114282991ACN114282991A权利要求书1/3页1.一种低违约组合模型的验证方法，其特征在于，包括：获取目标低违约组合的验证数据集；其中，所述验证数据集包括针对所述目标低违约组合的多笔信贷业务数据，以及所述目标低违约组合的信贷客户数据；对所述验证数据集进行数据增强处理，得到增强后的验证数据集；其中，所述数据增强处理包括相似类别再组合，多评级等级合并，违约概率估计上界，年化违约概率，参考评级迁移和非违约评级替代；针对所述增强后的验证数据集的每一信贷客户，基于所述信贷客户的增强数据，利用所述目标低违约组合对应的低违约组合模型对所述信贷客户进行风险评估，得到所述信贷客户对应的风险评级；利用每个所述信贷客户的风险评级和测试基准计算所述低违约组合模型的排序能力指标、稳定性指标和准确性指标，其中，所述测试基准包括所述信贷客户的外部评级，市场指标和专家评价中的任意一项或组合；根据所述排序能力指标、稳定性指标和准确性指标，以及预设的排序能力阈值、稳定性阈值和准确性阈值，确定所述低违约组合模型的验证结果。2.根据权利要求1所述的验证方法，其特征在于，利用每个所述信贷客户的风险评级和测试基准计算所述低违约组合模型的排序能力指标的过程包括：针对每一个所述信贷客户，将所述信贷客户的风险评级和所述客户对应的测试基准组成所述信贷客户对应的一个元素；对每两个所述元素进行一致性比对，得到每两个所述元素的比对结果；根据每两个所述元素的比对结果，计算得到所述风险评级和所述测试基准的肯德尔系数，并将所述肯德尔系数确定为所述低违约组合模型的排序能力指标。3.根据权利要求1所述的验证方法，其特征在于，利用每个所述信贷客户的风险评级和测试基准计算所述低违约组合模型的稳定性指标的过程包括：针对每一个所述信贷客户，利用所述信贷客户的风险评级构建所述信贷客户的风险评级的迁徙矩阵；根据所述迁徙矩阵计算得到所述低违约组合模型的稳定性指标。4.根据权利要求1所述的验证方法，其特征在于，利用每个所述信贷客户的风险评级和测试基准计算所述低违约组合模型的准确性指标的过程包括：在风险评级和测试基准之间建立一一映射关系；针对每一个所述信贷客户，比对所述信贷客户的风险评级和所述信贷客户的测试基准所映射的风险评级之间的偏差，得到所述信贷客户的评级偏差；根据不同评级偏差的信贷客户在所述目标低违约组合的所有信贷客户中所占的比例，计算得到所述组合模型的准确性指标。5.根据权利要求1所述的验证方法，其特征在于，所述对所述验证数据集进行数据增强处理，得到增强后的验证数据集，包括：识别与所述目标低违约组合具有相近评级的低违约组合，并将所述目标低违约组合的信贷客户数据和所述具有相近评级的低违约组合的信贷客户数据合并，添加至所述验证数据集；若所述目标低违约组合的违约概率估计不可靠，用违约概率估计上界替换所述目标低违约组合的违约概率估计；2CN114282991A权利要求书2/3页针对所述验证数据集中每一信贷客户，若所述信贷客户数据缺失年度违约概率，根据所述信贷客户的跨年违约概率进行年化计算，得到所述信贷客户的年度违约概率；针对所述验证数据集中每一信贷客户，若所述信贷客户数据缺失年度违约概率，且所述信贷客户历史风险评级属于高评级，根据所述信贷客户的年内评级迁徙推断所述信贷客户的年度违约概率；针对所述验证数据集中每一信贷客户，若所述信贷客户具有信贷支持，选取所述信贷客户的最低的