一种信贷业务的智能风控决策系统的制作方法

本发明涉及信贷业务决策，更具体地说，本发明涉及一种信贷业务的智能风控决策系统。

背景技术：

1、数字经济的快速发展了加快商业银行的数字化转型进程。由于商业银行的主要资产为信贷资产，对其进行全面的风险管理是防范化解金融系统性风险的主要环节。在科技与金融深度融合的背景之下，商业银行信贷风险呈现出新的特征，因此银行急需调整、提升信贷资产风险管理策略，以应对新的挑战，稳定金融安全。

2、智能审贷流程作为一种智能风控决策的辅助方法，在商业银行审批贷款过程中的作用越来越受到认可和欢迎；通过从银行、券商、企业、第三方征信机构、客户社交、网络、媒体等多种渠道获取信贷主体的金融信用数据和社会信用数据，并根据金融信用数据和社会信用数据分别对信贷主体进行信用评级，通过信用评级对信贷主体的信用情况做出描述，然而通过多种渠道获取的金融信用数据和社会信用数据在短时间内无法做到互联互通，导致获取信贷主体的金融信用数据和社会信用数据的及时性大大降低，从而无法全面反映信贷主体的金融信用和社会信用之间的相关程度，导致金融信用和社会信用之间的相关程度存在差异性，导致信贷业务的风控决策出现异常，增加商业银行的信贷风险。

3、为了解决上述缺陷，现提供一种技术方案。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明的实施例提供一种信贷业务的智能风控决策系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种信贷业务的智能风控决策系统，包括数据整合模块，用于从多种渠道获取金融信用数据和社会信用数据，并对金融信用数据和社会信用数据进行整合和预处理；

4、及时性评估模块，用于获取多种渠道的渠道更新信息和渠道数据授信信息，对多种渠道获取金融信用数据和社会信用数据的及时性进行综合分析，生成及时性稳定信号和及时性异常信号；

5、差异性评估模块，当生成及时性异常信号时，通过计算金融信用数据和社会信用数据之间的斯皮尔曼相关系数，对金融信用数据和社会信用数据之间的相关程度进行分析，确定金融信用数据和社会信用数据之间的相关程度存在的差异性，并根据差异性信息和及时性信息对信贷主体的审贷流程进行风险警示；

6、信用评级预测模块，当生成及时性稳定信号时，根据金融信用数据和社会信用数据构建信用评级模型对信贷主体的信用评级进行预测。

7、在一个优选地实施方式中，渠道更新信息包括渠道更新异常系数，渠道数据授信信息包括授信时间变动系数，将渠道更新异常系数、授信时间变动系数分别标记为。

8、在一个优选地实施方式中，通过获取渠道更新信息对不同渠道的数据更新情况进行分析，并计算渠道更新异常系数来衡量不同渠道数据更新的异常差异程度；

9、渠道更新异常系数的获取逻辑如下：

10、预设一个时间窗口，计算不同渠道获取的信用数据在相邻时间窗口的信用数据偏差值，表达式如下，式中表示前一个时间窗口内第i种渠道获取的信用数据，表示后一个时间窗口内第i种渠道获取的信用数据，表示第i种渠道获取的信用数据在相邻时间窗口的信用数据偏差值，得到信用数据偏差值序列，将其标记为，将信用数据偏差值序列中的信用数据偏差值与偏差值阈值进行比较，当信用数据偏差值大于偏差值阈值，则将对应种类的渠道标记为信用数据已更新渠道，并统计信用数据已更新渠道的数量qa，当信用数据偏差值小于等于偏差值阈值，则将对应种类的渠道标记为信用数据未更新渠道，并统计信用数据未更新渠道的数量qb，当信用数据已更新渠道的数量qa大于信用数据未更新渠道的数量qb时，计算渠道更新异常系数，表达式如下。

11、在一个优选地实施方式中，通过获取渠道数据授信信息对不同渠道授信等待时间的变动情况进行分析，并计算授信时间变动系数来衡量不同渠道授信等待时间的异常变动程度；

12、授信时间变动系数的获取逻辑如下：

13、对于每一种渠道，计算每一次获取信用数据时，发出授信请求到授信成功的时间间隔，将其标记为授信等待时间dt；并根据授信等待时间dt计算平均等待时间，表达式如下，式中表示第j次获取信用数据时的授信等待时间，m表示授信次数；计算每一次授信时间与平均等待时间的偏差值，表达式如下；并根据每一次授信时间与平均等待时间的偏差值计算偏差值平方和，表达式如下，根据偏差值平方和计算授信等待时间的标准差，表达式如下，根据授信等待时间的标准差计算授信时间变动系数，表达式如下，式中表示渠道种类数量。

14、在一个优选地实施方式中，将渠道更新异常系数、授信时间变动系数进行归一化处理，根据归一化后的渠道更新异常系数、授信时间变动系数构建及时性评估模型，生成及时性评估指数，其模型依据的公式如下，式中分别表示渠道更新异常系数、授信时间变动系数的预设比例系数，且均大于0；

15、将及时性评估指数与预设的及时性评估指数阈值进行比较，对金融信用数据和社会信用数据获取的及时性进行分类，具体情况如下：

16、若及时性评估指数大于及时性评估指数阈值，则生成及时性异常信号；

17、若及时性评估指数小于等于及时性评估指数阈值，则生成及时性稳定信号。

18、在一个优选地实施方式中，当生成及时性异常信号时，通过计算金融信用数据和社会信用数据之间的斯皮尔曼相关系数，对金融信用数据和社会信用数据之间的相关程度进行分析确定金融信用数据和社会信用数据之间的相关程度存在的差异性，具体如下：

19、获取金融信用数据和社会信用数据，并将金融信用数据和社会信用数据分别按照由小到大进行排序；

20、将排名相同的金融信用数据和社会信用数据进行配对组合，得到金融信用数据和社会信用数据排名等级组合；

21、计算排名等级组合的等级差，表达式如下，式中排名等级组合的等级差，表达金融信用数据排序后的位置排名，表示社会信用数据排序后的位置排名；

22、计算斯皮尔曼相关系数，表达式如下，式中表示斯皮尔曼相关系数，表示金融信用数据和社会信用数据排名等级组合数；

23、设置差异性阈值，将斯皮尔曼相关系数与差异性阈值进行比较，当斯皮尔曼相关系数与差异性阈值小于时，获取差异性信息。

24、在一个优选地实施方式中，差异性信息包括差异偏差值，将差异偏差值标记为；

25、当斯皮尔曼相关系数与差异性阈值小于时，计算差异偏差值，表达式如下。

26、在一个优选地实施方式中，及时性信息包括及时性异常波动比值，将及时性异常波动比值标记为；

27、当生成及时性异常信号时，获取对应的及时性评估指数，并将对应的及时性评估指数与及时性评估指数阈值进行做比值运算，表达式如下及时性异常波动比值=对应的及时性评估指数/及时性评估指数阈值。

28、在一个优选地实施方式中，将差异偏差值、及时性异常波动比值进行归一化处理，根据归一化后的差异偏差值、及时性异常波动比值构建隐患风险模型，生成隐患风险指数，其模型依据的公式如下，式中分别表示差异偏差值、及时性异常波动比值的预设比例系数，且均大于0；

29、将隐患风险指数与预设的隐患风险指数阈值进行比较，对信贷主体的审贷流程存在的异常隐患风险进行分析，具体情况如下：

30、若隐患风险指数大于隐患风险指数阈值，则生成风险警示信号；

31、若隐患风险指数小于等于隐患风险指数阈值，则无需生成风险警示信号。

32、在一个优选地实施方式中，当生成及时性稳定信号时，根据金融信用数据和社会信用数据构建信用评级模型对信贷主体的信用评级进行预测，具体步骤如下：

33、a1，获取样本数据确定输入输出变量；

34、获取金融信用数据和社会信用数据将其作为输入变量，信用评级模型的输出变量为不同信用等级的分布概率；

35、a2，构建信用评级模型；

36、a3，信用评级模型构建完成后，获取实际需要预测的信贷主体的金融信用数据和社会信用数据，将获取的各项输入数据输入信用评级模型中得到用于预测信贷主体信用评级的输出值。

37、本发明的技术效果和优点：

38、1、本发明通过从多种渠道获取金融信用数据和社会信用数据，并对金融信用数据和社会信用数据进行整合和预处理，确保数据的完整性和准确性，并获取多种渠道的渠道更新信息和渠道数据授信信息，对多种渠道获取金融信用数据和社会信用数据的及时性进行综合分析，生成及时性稳定信号和及时性异常信号，及时发现及时性的下降异常，保证决策的时效性，当生成及时性异常信号时，差异性评估模块通过计算金融信用数据和社会信用数据之间的相关系数，分析二者之间的相关程度差异，识别出金融信用和社会信用之间的差异性，提前警示信贷主体审贷流程潜在的风险，采取相应的措施进行应对，降低风险发生的可能性，当生成及时性稳定信号时，根据金融信用数据和社会信用数据构建信用评级模型，对信贷主体的信用评级进行预测，提高审贷过程的效率和准确性，减少人为主观因素的干扰。