授信额度模型生成方法、授信额度确定方法、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CN114240598A(43)申请公布日2022.03.25(21)申请号202111384470.9(22)申请日2021.11.19(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)发明人邓强(74)专利代理机构华进联合专利商标代理有限公司44224代理人阚传猛(51)Int.Cl.G06Q40/02(2012.01)G06Q10/06(2012.01)G06K9/62(2022.01)权利要求书4页说明书18页附图6页(54)发明名称授信额度模型生成方法、授信额度确定方法、装置(57)摘要本公开涉及一种授信额度模型生成方法、授信额度确定方法、装置。所述方法包括：根据目标对象的收支流水数据、目标对象的贷款业务进行特征衍生处理，确定建模变量；根据进行对象样本筛选后得到的目标对象的训练集、目标对象的测试集、建模变量训练通过岭回归方法建立的线性回归模型，得到额度模型；根据预设的模型评价条件对额度模型进行评价验证，在评价验证后，根据预先设置的额度调整条件调整评价验证后的额度模型，调整后得到授信额度模型。采用本方法能够准确的确定授信额度，能够降低授信风险。CN114240598ACN114240598A权利要求书1/4页1.一种授信额度模型生成方法，其特征在于，所述方法包括：根据目标对象的收支流水数据、目标对象的贷款业务进行特征衍生处理，确定建模变量；根据进行对象样本筛选后得到的所述目标对象的训练集、所述目标对象的测试集中的所述建模变量训练通过岭回归方法建立的线性回归模型，得到额度模型；根据预设的模型评价条件对所述额度模型进行评价验证，在评价验证通过后，根据预先设置的额度调整条件调整评价验证后的所述额度模型，调整后得到所述授信额度模型。2.根据权利要求1所述的授信额度模型生成方法，其特征在于，所述根据目标对象的收支流水数据、目标对象的贷款业务进行特征衍生处理，确定建模变量，包括：根据目标对象的收支流水数据、目标对象的贷款业务进行特征衍生，得到特征衍生变量，所述特征衍生变量包括：目标对象月均存款余额、目标对象纳税支出金额、目标对象经营活动收入金额、目标对象交易支出金额、目标对象成立年限；对所述特征衍生变量进行特征筛选，特征筛选后得到所述建模变量。3.根据权利要求2所述的授信额度模型生成方法，其特征在于，所述对所述特征衍生变量进行特征筛选，特征筛选后得到所述建模变量，包括：根据所述收支流水数据确定所述目标对象的贷款数据信息；根据所述特征衍生变量的特征缺失率和所述特征衍生变量与所贷款数据信息的相关系数对所述特征衍生变量进行第一筛选；根据业务含义对进行第一筛选后得到的所述特征衍生变量进行第二筛选，得到所述建模变量。4.根据权利要求2所述的授信额度模型生成方法，其特征在于，所述对所述特征衍生变量进行特征筛选，特征筛选后得到建模变量，之后还包括：在所述建模变量大于预设的特征衍生变量限位阈值的情况下，根据预设的所述特征衍生变量限位阈值调整所述建模变量。5.根据权利要求3所述的授信额度模型生成方法，其特征在于，所述对象样本筛选，包括：根据对象样本筛选条件对对象样本进行筛选，得到目标对象样本，所述对象样本筛选条件包括：对象的贷款日期、对象的规模、对象的贷款金额、对象的所述贷款数据信息、贷款数据信息的异常值、不良信用；根据预先设置的时间点确定所述目标对象样本的跨时间验证集以及所述训练集和所述测试集的合集；根据预先设置的比例确定所述合集中所述目标对象的训练集和所述目标对象的测试集。6.根据权利要求5所述的授信额度模型生成方法，其特征在于，所述根据进行对象样本筛选后得到的所述目标对象的训练集、所述目标对象的测试集中的所述建模变量训练通过岭回归方法建立的线性回归模型，得到额度模型，包括：根据所述目标对象的训练集、目标对象的测试集中的所述建模变量训练通过岭回归方法建立的线性回归模型，得到所述建模变量的检验结果值、显著性水平、所述线性回归模型中所述建模变量的回归系数；2CN114240598A权利要求书2/4页在所述检验结果值、显著性水平满足条件的情况下，通过训练完成的所述线性回归模型得到额度模型。7.根据权利要求6所述的授信额度模型生成方法，其特征在于，所述岭回归方法包括：在所述线性回归模型的损失函数中加入正则项，所述线性回归模型为：y(x,w)＝w1x1+w2x2+…wnxn其中，x为建模变量，w为线性回归模型的回归系数；加入正则项的损失函数为：其中，n为训练集中建模变量的数量，为正则项，λ为每个所述建模变量的回归系数的平方和，xi是训练集中第i个建模变量，yi是所述训练集中第i个样本的贷款数据信息，w为线性回归模型的回归系数。8.根据权利要求5