CN117217902A - 信贷风险识别方法、装置、设备及存储介质 - Google Patents

Abstract

本发明属于金融技术领域，公开了一种信贷风险识别方法、装置、设备及存储介质。该方法包括：在获取到多个渠道的客户信贷数据后，确定各渠道的归一化评价指标；根据各渠道的归一化评价指标确定各渠道的目标理想解；根据各渠道的目标理想解对多个渠道进行等级划分，得到各渠道对应的渠道等级；根据各渠道对应的渠道等级建立各渠道等级的风控模型；根据各渠道等级的风控模型对各渠道的客户信贷数据进行信贷风险识别。通过上述方式，通过对渠道进行分类，利用各渠道等级的风控模型进行风险识别，更加贴合业务细分场景，提高了风险识别精度和风险控制能力。

Description

信贷风险识别方法、装置、设备及存储介质

技术领域

本发明涉及金融技术领域，尤其涉及一种信贷风险识别方法、装置、设备及存储介质。

背景技术

随着中小微企业样本、数据维度逐渐增多，各个获客渠道具有不同的风险表现，且客户群体特征有所不同，传统的建模方法对特定渠道进件并不能起到很好的风险识别作用。

发明内容

本发明的主要目的在于提供一种信贷风险识别方法、装置、设备及存储介质，旨在解决现有技术中如何提高各个渠道的信贷风险识别的准确率技术问题。

为实现上述目的，本发明提供了一种信贷风险识别方法，所述信贷风险识别方法包括：

在获取到多个渠道的客户信贷数据后，根据各渠道的客户信贷数据确定各渠道的归一化评价指标；

根据各渠道的归一化评价指标确定各渠道的目标理想解；

根据各渠道的目标理想解对多个渠道进行等级划分，得到各渠道对应的渠道等级；

根据各渠道对应的渠道等级建立各渠道等级的风控模型；

根据各渠道等级的风控模型对各渠道的客户信贷数据进行信贷风险识别。

可选地，所述根据各渠道的客户信贷数据确定各渠道的归一化评价指标，包括：

获取预设论证指标库；

根据所述预设论证指标库对各渠道的客户信贷数据进行特征筛选，确定各渠道的多个渠道评价指标；

对各渠道的多个渠道评价指标进行归一化处理，得到各渠道的归一化评价指标。

可选地，所述根据各渠道的归一化评价指标确定各渠道的目标理想解，包括：

在多个渠道的归一化评价指标中查找各归一化评价指标对应的目标极值；

根据各归一化评价指标对应的目标极值确定各归一化评价指标的目标向量矩阵；

根据各归一化评价指标的目标向量矩阵和各渠道的归一化评价指标确定各渠道的目标理想解。

可选地，所述根据各归一化评价指标的目标向量矩阵和各渠道的归一化评价指标确定各渠道的目标理想解，包括：

根据各渠道的归一化评价指标确定各渠道的特征指标数量；

根据各渠道的特征指标数量、各渠道的归一化评价指标以及各特征指标的目标向量矩阵进行理想解计算，确定各渠道的正理想解和负理想解；

根据各渠道的正理想解和负理想解得到各渠道的目标理想解。

可选地，所述根据各渠道的目标理想解对多个渠道进行等级划分，得到各渠道对应的渠道等级，包括：

获取多个渠道等级的数量占比和渠道总数量；

根据各渠道的目标理想解计算各渠道的综合评估分数，并对各渠道的综合评估分数进行排序；

根据排序结果、各渠道等级的数量占比以及所述渠道总数量对多个渠道进行等级划分，得到各渠道对应的渠道等级。

可选地，所述根据各渠道对应的渠道等级建立各渠道等级的风控模型，包括：

根据各渠道对应的渠道等级和各渠道的客户信贷数据进行特征筛选，得到各渠道等级的风险模型指标；

对各渠道的风险模型指标进行特征分箱，根据特征分箱结果和各风险模型指标的指标分类结果确定各渠道等级中各风险模型指标的信息价值；

根据各渠道等级中各风险模型指标的信息价值和预设价值阈值对各渠道等级中的风险模型指标进行特征筛选，得到各渠道等级的目标评价指标；

根据各渠道等级的目标评价指标建立各渠道等级的风控模型。

可选地，所述根据各渠道等级的目标评价指标建立各渠道等级的风控模型，包括：

计算各渠道等级中任意两个目标评价指标之间的相关系数；

根据各渠道等级中任意两个目标评价指标之间的相关系数和目标评价指标的信息价值对各渠道等级中的目标评价指标进行特征筛选，得到各渠道等级的筛选评价指标；

根据各渠道等级的筛选评价指标和预设特征权重进行逻辑回归计算，确定各渠道等级的风控模型。

此外，为实现上述目的，本发明还提出一种信贷风险识别装置，所述信贷风险识别装置包括：

确定模块，用于在获取到多个渠道的客户信贷数据后，根据各渠道的客户信贷数据确定各渠道的归一化评价指标；

所述确定模块，还用于根据各渠道的归一化评价指标确定各渠道的目标理想解；

划分模块，用于根据各渠道的目标理想解对多个渠道进行等级划分，得到各渠道对应的渠道等级；

建立模块，用于根据各渠道对应的渠道等级建立各渠道等级的风控模型；

识别模块，用于根据各渠道等级的风控模型对各渠道的客户信贷数据进行信贷风险识别。

此外，为实现上述目的，本发明还提出一种信贷风险识别设备，所述信贷风险识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的信贷风险识别程序，所述信贷风险识别程序配置为实现如上文所述的信贷风险识别方法。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有信贷风险识别程序，所述信贷风险识别程序被处理器执行时实现如上文所述的信贷风险识别方法。

本发明通过在获取到多个渠道的客户信贷数据后，根据各渠道的客户信贷数据确定各渠道的归一化评价指标；根据各渠道的归一化评价指标确定各渠道的目标理想解；根据各渠道的目标理想解对多个渠道进行等级划分，得到各渠道对应的渠道等级；根据各渠道对应的渠道等级建立各渠道等级的风控模型；根据各渠道等级的风控模型对各渠道的客户信贷数据进行信贷风险识别。通过上述方式，根据各渠道的客户信贷数据确定各渠道的归一化评价指标，并确定各渠道的目标理想解，根据各渠道的目标理想解对多个渠道进行等级划分，基于各渠道对应的渠道等级建立各渠道等级的风控模型，从而利用各渠道等级的风控模型对各渠道的客户信贷数据进行信贷风险识别，通过对渠道进行分类，利用各渠道等级的风控模型进行风险识别，更加贴合业务细分场景，提高了风险识别精度和风险控制能力。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的信贷风险识别设备的结构示意图；

图2为本发明信贷风险识别方法第一实施例的流程示意图；

图3为本发明信贷风险识别方法第二实施例的流程示意图；

图4为本发明信贷风险识别装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的信贷风险识别设备结构示意图。

如图1所示，该信贷风险识别设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对信贷风险识别设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及信贷风险识别程序。

在图1所示的信贷风险识别设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明信贷风险识别设备中的处理器1001、存储器1005可以设置在信贷风险识别设备中，所述信贷风险识别设备通过处理器1001调用存储器1005中存储的信贷风险识别程序，并执行本发明实施例提供的信贷风险识别方法。

本发明实施例提供了一种信贷风险识别方法，参照图2，图2为本发明一种信贷风险识别方法第一实施例的流程示意图。

信贷风险识别方法包括以下步骤：

步骤S10：在获取到多个渠道的客户信贷数据后，根据各渠道的客户信贷数据确定各渠道的归一化评价指标。

需要说明的是，本实施例的执行主体为信贷风险识别设备，其中，该信贷风险识别设备具有数据处理，数据通信及程序运行等功能，所述信贷风险识别设备可以为集成控制器，控制计算机等设备，当然还可以为其他具备相似功能的设备，本实施例对此不做限制。

可以理解的是，金融机构针对多个小微企业客户信贷中，会存在多个获客渠道，例如直接对接小微企业进行信贷，又或通过不同的中介机构，提供有借贷需求的客户，不同的渠道均会提供存在借贷需求企业的借贷相关数据，不同的渠道所提供的存在借贷需求企业的借贷相关数据即为多个渠道的客户信贷数据。

在具体实现中，归一化评价指标指的对各渠道的客户信贷数据分别进行特征筛选后，进行归一化处理后所得到的各渠道的特征评价指标。

需要说明的是，为了保证归一化指标的准确性，进一步地，所述根据各渠道的客户信贷数据确定各渠道的归一化评价指标，包括：获取预设论证指标库；根据所述预设论证指标库对各渠道的客户信贷数据进行特征筛选，确定各渠道的多个渠道评价指标；对各渠道的多个渠道评价指标进行归一化处理，得到各渠道的归一化评价指标。

可以理解的是，预设论证指标库指的是根据专家论证创建的渠道评价特征库，如：整体逾期率、近一年逾期率、近一年拒绝率、近一个月拒绝率、近一年伪冒率、近一个月伪冒率、近一年进件量以及近一个月进件量等，整体逾期率的指标含义为渠道历史至今成交单的逾期率，近一年逾期率的指标含义为最近一年渠道成交单的逾期率，近一年拒绝率的指标含义为最近一年渠道提报单的拒绝率，近一个月拒绝率的指标含义为最近一个月渠道提报单的拒绝率，近一年伪冒率的指标含义为最近一年渠道提报单的伪冒率，近一个月伪冒率的指标含义为最近一个月渠道提报单的伪冒率，近一年进件量的指标含义为最近一年渠道提报单的数量，近一个月进件量的指标含义为最近一个月渠道提报单的数量，上述指标的指标类型均为数值型。根据预设论证指标库分别对各渠道的客户信贷数据进行特征筛选，确定各渠道的多个渠道评价指标。

在具体实现中，TOPSIS算法要求所有变量全部同趋势正向化，即数值越大表示渠道越优秀，对于逾期率、拒绝率、伪冒率，可采用倒数的方式使其同趋势化，对各渠道的多个渠道评价指标进行归一化处理，常用方式为平方和归一化，归一化处理之后的渠道评价指标即为归一化评价指标。

步骤S20：根据各渠道的归一化评价指标确定各渠道的目标理想解。

需要说明的是，目标理想解包括各渠道的正理想解和负理想解。正理想解代表着在所有评价指标上取最大值的理想决策对象，它是具有最优表现的决策对象，在所有评价指标上都达到了最理想的水平，正理想解表示了决策者希望实现的最佳结果。负理想解则相反，代表着在所有评价指标上取最小值的情况，负理想解是一种最差的参考点，用于与正理想解代表着在所有评价指标上取最大值的理想决策对象，它是具有最优表现的决策对象，在所有评价指标上都达到了最理想的水平，正理想解表示了决策者希望实现的最佳结果。

可以理解的是，根据各渠道的归一化评价指标可确定各渠道的正理想解和负理想解，从而得到各渠道的目标理想解。

步骤S30：根据各渠道的目标理想解对多个渠道进行等级划分，得到各渠道对应的渠道等级。

需要说明的是，通过计算决策对象与正理想解和负理想解之间的距离，可以确定每个决策对象的综合评分和排名。正理想解和负理想解在TOPSIS方法中起到了界定模糊决策区域的作用，决策对象距离正理想解越近且距离负理想解越远，则其评分越高，排名越靠前。因此，正理想解和负理想解在TOPSIS方法中具有重要的意义，它们帮助确定了最佳和最差决策方案，并为决策者提供了参考依据，以实现决策目标。候选决策对象进行比较。与负理想解相比，越接近于负理想解的候选决策对象越不理想。

可以理解的是，为了准确对多个渠道进行等级划分，进一步地，所述根据各渠道的目标理想解对多个渠道进行等级划分，得到各渠道对应的渠道等级，包括：获取多个渠道等级的数量占比和渠道总数量；根据各渠道的目标理想解计算各渠道的综合评估分数，并对各渠道的综合评估分数进行排序；根据排序结果、各渠道等级的数量占比以及所述渠道总数量对多个渠道进行等级划分，得到各渠道对应的渠道等级。

在具体实现中，渠道等级指的是对渠道进行分群的等级，渠道总数量指的是当前存在的所有获客渠道，数量占比指的是设定的各渠道等级的占比，例如，当前存在5个渠道等级，分别为ABCDE，其数量占比为10%，10%，30%，25%，25%。根据渠道等级的数量占比和渠道总数量确定各渠道等级所对应的渠道数量。

需要说明的是，根据各渠道的目标理想解计算各渠道的综合评估分数，其中/>为各渠道的负理想解，/>为各渠道的正理想解，各渠道的综合评估分数越大，则代表渠道的综合表现越好。

可以理解的是，对各渠道的综合评估分数由大到小进行排序，得到排序结果，并根据渠道等级的数量占比和渠道总数量确定各渠道等级所对应的渠道数量。根据各渠道等级对应的渠道数量和排序结果对各渠道进行等级划分，得到各渠道所在的渠道等级。

步骤S40：根据各渠道对应的渠道等级建立各渠道等级的风控模型。

需要说明的是，根据各渠道对应的渠道等级，收集各渠道等级中成交的用户，划分为多个渠道等级的用户群体，根据各用户群体的数据分别对各渠道等级的用户群体进行逻辑回归建模，得到各渠道等级的风控模型。

步骤S50：根据各渠道等级的风控模型对各渠道的客户信贷数据进行信贷风险识别。

需要说明的是，根据各渠道等级的风控模型对各渠道的客户信贷数据进行信贷风险识别，强化每个模型在特定渠道特定客户群体上的表现，提高了风控能力。

本实施例通过在获取到多个渠道的客户信贷数据后，根据各渠道的客户信贷数据确定各渠道的归一化评价指标；根据各渠道的归一化评价指标确定各渠道的目标理想解；根据各渠道的目标理想解对多个渠道进行等级划分，得到各渠道对应的渠道等级；根据各渠道对应的渠道等级建立各渠道等级的风控模型；根据各渠道等级的风控模型对各渠道的客户信贷数据进行信贷风险识别。通过上述方式，根据各渠道的客户信贷数据确定各渠道的归一化评价指标，并确定各渠道的目标理想解，根据各渠道的目标理想解对多个渠道进行等级划分，基于各渠道对应的渠道等级建立各渠道等级的风控模型，从而利用各渠道等级的风控模型对各渠道的客户信贷数据进行信贷风险识别，通过对渠道进行分类，利用各渠道等级的风控模型进行风险识别，更加贴合业务细分场景，提高了风险识别精度和风险控制能力。

参考图3，图3为本发明一种信贷风险识别方法第二实施例的流程示意图。

基于上述第一实施例，本实施例信贷风险识别方法中所述步骤S20，包括：

步骤S21：在多个渠道的归一化评价指标中查找各归一化评价指标对应的目标极值。

需要说明的是，针对各渠道的多个归一化评价指标，在所有渠道的归一化评价指标中查找每个归一化评价指标的最大值和最小值，各归一化评价指标的最大值和最小值即为各归一化评价指标对应的目标极值。

步骤S22：根据各归一化评价指标对应的目标极值确定各归一化评价指标的目标向量矩阵。

需要说明的是，根据各归一化评价指标对应的目标极值创建目标向量矩阵，目标向量矩阵包括最优矩阵向量和最劣矩阵向量，所有归一化评价指标的最大值作为最优矩阵向量，所有归一化评价指标的最小值作为最劣矩阵向量/>。

步骤S23：根据各归一化评价指标的目标向量矩阵和各渠道的归一化评价指标确定各渠道的目标理想解。

需要说明的是，为了根据各归一化评价指标的目标向量矩阵和归一化评价指标得到准确的目标理想解，进一步地，所述根据各归一化评价指标的目标向量矩阵和各渠道的归一化评价指标确定各渠道的目标理想解，包括：根据各渠道的归一化评价指标确定各渠道的特征指标数量；根据各渠道的特征指标数量、各渠道的归一化评价指标以及各特征指标的目标向量矩阵进行理想解计算，确定各渠道的正理想解和负理想解；根据各渠道的正理想解和负理想解得到各渠道的目标理想解。

可以理解的是，根据各渠道的归一化评价指标确定各渠道中所存在的归一化评价指标的数量，各渠道中所存在的归一化评价指标的数量即为各渠道的特征指标数量，根据各渠道的特征指标数量、各渠道的归一化评价指标以及各特征指标的目标向量矩阵进行理想解计算，确定各渠道的正理想解和负理想解，计算每个渠道的正理想解，j表示某一个归一化评价指标，m表示特征指标数量，/>表示第j个归一化评价指标的权重值，/>为预先根据需求设定的各个归一化评价指标对应的权重，/>表示第j个归一化评价指标的最优矩阵向量，/>表示渠道i第j个归一化评价指标对应的数据；每个渠道的负理想解/>，其中，/>表示第j个归一化评价指标的最劣矩阵向量。

在具体实现中，根据各渠道的正理想解和负理想解即确定了各渠道的目标理想解。

需要说明的是，为了保证风控模型建立的准确性，进一步地，所述根据各渠道对应的渠道等级建立各渠道等级的风控模型，包括：根据各渠道对应的渠道等级和各渠道的客户信贷数据进行特征筛选，得到各渠道等级的风险模型指标；对各渠道的风险模型指标进行特征分箱，根据特征分箱结果和各风险模型指标的指标分类结果确定各渠道等级中各风险模型指标的信息价值；根据各渠道等级中各风险模型指标的信息价值和预设价值阈值对各渠道等级中的风险模型指标进行特征筛选，得到各渠道等级的目标评价指标；根据各渠道等级的目标评价指标建立各渠道等级的风控模型。

可以理解的是，根据各渠道对应的渠道等级，收集各渠道等级中成交的用户，划分为多个等级渠道的用户群体，并对各用户群体的客户信贷数据进行特征提取，确定与风控模型建立相关的风险模型指标，例如，征信数据对应的特征，第三方数据对应的特征等。

在具体实现中，特征分箱（Feature Binning）是一种将连续型特征划分为离散化的区间或箱子的过程。它将原本具有连续取值范围的特征转化为一组离散的数值或类别，以便更好地揭示特征与目标变量之间的关系。特征分箱的基本思想是根据特征的分布情况和预定的条件，将连续的取值范围划分成若干个互不重叠的区间，即箱子。通常情况下，分箱可以使用等宽分箱、等频分箱或者基于卡方检验的最优分箱等方法进行。在分箱过程中，可以根据数据的特点和目标变量的关联性来确定每个箱子的取值范围，使得同一个箱子内的样本具有较为相似的特征和目标变量的分布。这样一来，在建模过程中，就可以将离散化后的特征作为模型的输入，从而更好地捕捉特征与目标变量之间的关系。特征分箱在风险控制、信用评分、市场营销等领域有着广泛的应用。通过合理选择和设计特征分箱方法，可以提高模型的鲁棒性、处理异常值和缺失值、降低计算复杂度，并更好地发现特征与目标变量之间的非线性关系。例如：有一个连续型特征“年龄”，取值范围从18-60岁，根据客户是否违约将年龄划分为4箱：[18,30),[30,48),[48,55),[55,60]，4箱中样本的逾期率呈一定的U型趋势变化。“近6个月查询次数”，分箱为：[0,6),[6,12),[12,24),[24,+ )，每一箱的逾期率逐渐增大，说明这个指标区分度可以，对识别逾期客户有增益。

需要说明的是，各风险模型指标已预先设定其对应的指标分类结果，确定其对好样本指标，亦或是坏样本指标，根据特征分箱结果和各风险模型指标的指标分类结果确定各风险模型指标的信息价值。具体过程为：一个风险模型指标可能会存在n个分箱，计算第i个分箱的信息价值（即IV值），其中/>，/>为第i个分箱中坏样本个数，/>为所有的坏样本个数，/>为第i个分箱中好样本个数，/>为所有的好样本个数，最后每个风险模型指标的信息价值/>。

可以理解的是，根据各风险模型指标的信息价值和预设价值阈值对各风险模型指标进行筛选，将信息价值大于预设价值阈值的风险模型指标作为目标评价指标。在本实施例中，预设价值阈值设定在0.02，也可根据实际需求调整预设价值阈值。

在具体实现中，为了根据各渠道等级的目标评价指标得到准确的风控模型，进一步地，所述根据各渠道等级的目标评价指标建立各渠道等级的风控模型，包括：计算各渠道等级中任意两个目标评价指标之间的相关系数；根据各渠道等级中任意两个目标评价指标之间的相关系数和目标评价指标的信息价值对各渠道等级中的目标评价指标进行特征筛选，得到各渠道等级的筛选评价指标；根据各渠道等级的筛选评价指标和预设特征权重进行逻辑回归计算，确定各渠道等级的风控模型。

需要说明的是，计算各渠道等级中任意两个目标评价指标之间的皮尔森相关系数，任意两个目标评价指标之间的皮尔森相关系数简称为任意两个目标评价指标之间的相关系数，，其中cov(X,Y)表示两个特征的协方差，/>表示特征X的标准差，/>表示特征Y的标准差。

可以理解的是，当任意两个目标评价指标之间的相关系数大于系数阈值时，剔除两个目标评价指标中信息价值较小的指标，最终得到各渠道等级的筛选评价指标。在本实施例中，系数阈值设定在0.04，也可根据实际需求调整系数阈值。

在具体实现中，根据各渠道等级的筛选评价指标和各筛选评价指标对应的预设特征权重，进行逻辑回归计算，即，其中/>为各筛选评价指标对应的预设特征权重所构成的权重矩阵，确定每个渠道等级最终的y值，根据y值评估建模效果，当y值满足模型评估条件时，将y值所对应的模型作为风控模型。

本实施例中通过在多个渠道的归一化评价指标中查找各归一化评价指标对应的目标极值；根据各归一化评价指标对应的目标极值确定各归一化评价指标的目标向量矩阵；根据各归一化评价指标的目标向量矩阵和各渠道的归一化评价指标确定各渠道的目标理想解。通过上述方式，根据各归一化评价指标对应的目标极值确定各归一化评价指标的目标向量矩阵，并计算各渠道的目标理想解，保证了后续在进行模型建立时的准确性和贴合性。

此外，参照图4，本发明实施例还提出一种信贷风险识别装置，所述信贷风险识别装置包括：

确定模块10，用于在获取到多个渠道的客户信贷数据后，根据各渠道的客户信贷数据确定各渠道的归一化评价指标。

所述确定模块10，还用于根据各渠道的归一化评价指标确定各渠道的目标理想解。

划分模块20，用于根据各渠道的目标理想解对多个渠道进行等级划分，得到各渠道对应的渠道等级。

建立模块30，用于根据各渠道对应的渠道等级建立各渠道等级的风控模型。

识别模块40，用于根据各渠道等级的风控模型对各渠道的客户信贷数据进行信贷风险识别。

本实施例通过在获取到多个渠道的客户信贷数据后，根据各渠道的客户信贷数据确定各渠道的归一化评价指标；根据各渠道的归一化评价指标确定各渠道的目标理想解；根据各渠道的目标理想解对多个渠道进行等级划分，得到各渠道对应的渠道等级；根据各渠道对应的渠道等级建立各渠道等级的风控模型；根据各渠道等级的风控模型对各渠道的客户信贷数据进行信贷风险识别。通过上述方式，根据各渠道的客户信贷数据确定各渠道的归一化评价指标，并确定各渠道的目标理想解，根据各渠道的目标理想解对多个渠道进行等级划分，基于各渠道对应的渠道等级建立各渠道等级的风控模型，从而利用各渠道等级的风控模型对各渠道的客户信贷数据进行信贷风险识别，通过对渠道进行分类，利用各渠道等级的风控模型进行风险识别，更加贴合业务细分场景，提高了风险识别精度和风险控制能力。

在一实施例中，所述确定模块10，还用于获取预设论证指标库；

根据所述预设论证指标库对各渠道的客户信贷数据进行特征筛选，确定各渠道的多个渠道评价指标；

对各渠道的多个渠道评价指标进行归一化处理，得到各渠道的归一化评价指标。

在一实施例中，所述确定模块10，还用于在多个渠道的归一化评价指标中查找各归一化评价指标对应的目标极值；

根据各归一化评价指标对应的目标极值确定各归一化评价指标的目标向量矩阵；

根据各归一化评价指标的目标向量矩阵和各渠道的归一化评价指标确定各渠道的目标理想解。

在一实施例中，所述确定模块10，还用于根据各渠道的归一化评价指标确定各渠道的特征指标数量；

根据各渠道的特征指标数量、各渠道的归一化评价指标以及各特征指标的目标向量矩阵进行理想解计算，确定各渠道的正理想解和负理想解；

根据各渠道的正理想解和负理想解得到各渠道的目标理想解。

在一实施例中，所述划分模块20，还用于获取多个渠道等级的数量占比和渠道总数量；

根据各渠道的目标理想解计算各渠道的综合评估分数，并对各渠道的综合评估分数进行排序；

根据排序结果、各渠道等级的数量占比以及所述渠道总数量对多个渠道进行等级划分，得到各渠道对应的渠道等级。

在一实施例中，所述建立模块30，还用于根据各渠道对应的渠道等级和各渠道的客户信贷数据进行特征筛选，得到各渠道等级的风险模型指标；

对各渠道的风险模型指标进行特征分箱，根据特征分箱结果和各风险模型指标的指标分类结果确定各渠道等级中各风险模型指标的信息价值；

根据各渠道等级中各风险模型指标的信息价值和预设价值阈值对各渠道等级中的风险模型指标进行特征筛选，得到各渠道等级的目标评价指标；

根据各渠道等级的目标评价指标建立各渠道等级的风控模型。

在一实施例中，所述建立模块30，还用于计算各渠道等级中任意两个目标评价指标之间的相关系数；

根据各渠道等级中任意两个目标评价指标之间的相关系数和目标评价指标的信息价值对各渠道等级中的目标评价指标进行特征筛选，得到各渠道等级的筛选评价指标；

根据各渠道等级的筛选评价指标和预设特征权重进行逻辑回归计算，确定各渠道等级的风控模型。

由于本装置采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有信贷风险识别程序，所述信贷风险识别程序被处理器执行时实现如上文所述的信贷风险识别方法的步骤。

由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的信贷风险识别方法，此处不再赘述。

此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的 技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体 现出来，该计算机软件产品存储在一个存储介质（如只读存储器（Read Only Memory，ROM）/RAM、磁碟、光 盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种信贷风险识别方法，其特征在于，所述信贷风险识别方法，包括：

在获取到多个渠道的客户信贷数据后，根据各渠道的客户信贷数据确定各渠道的归一化评价指标；

根据各渠道的归一化评价指标确定各渠道的目标理想解；

根据各渠道的目标理想解对多个渠道进行等级划分，得到各渠道对应的渠道等级；

根据各渠道对应的渠道等级建立各渠道等级的风控模型；

根据各渠道等级的风控模型对各渠道的客户信贷数据进行信贷风险识别。

2.如权利要求1所述的信贷风险识别方法，其特征在于，所述根据各渠道的客户信贷数据确定各渠道的归一化评价指标，包括：

获取预设论证指标库；

根据所述预设论证指标库对各渠道的客户信贷数据进行特征筛选，确定各渠道的多个渠道评价指标；

对各渠道的多个渠道评价指标进行归一化处理，得到各渠道的归一化评价指标。

3.如权利要求1所述的信贷风险识别方法，其特征在于，所述根据各渠道的归一化评价指标确定各渠道的目标理想解，包括：

在多个渠道的归一化评价指标中查找各归一化评价指标对应的目标极值；

根据各归一化评价指标对应的目标极值确定各归一化评价指标的目标向量矩阵；

根据各归一化评价指标的目标向量矩阵和各渠道的归一化评价指标确定各渠道的目标理想解。

4.如权利要求3所述的信贷风险识别方法，其特征在于，所述根据各归一化评价指标的目标向量矩阵和各渠道的归一化评价指标确定各渠道的目标理想解，包括：

根据各渠道的归一化评价指标确定各渠道的特征指标数量；

根据各渠道的特征指标数量、各渠道的归一化评价指标以及各特征指标的目标向量矩阵进行理想解计算，确定各渠道的正理想解和负理想解；

根据各渠道的正理想解和负理想解得到各渠道的目标理想解。

5.如权利要求1所述的信贷风险识别方法，其特征在于，所述根据各渠道的目标理想解对多个渠道进行等级划分，得到各渠道对应的渠道等级，包括：

获取多个渠道等级的数量占比和渠道总数量；

根据各渠道的目标理想解计算各渠道的综合评估分数，并对各渠道的综合评估分数进行排序；

根据排序结果、各渠道等级的数量占比以及所述渠道总数量对多个渠道进行等级划分，得到各渠道对应的渠道等级。

6.如权利要求1所述的信贷风险识别方法，其特征在于，所述根据各渠道对应的渠道等级建立各渠道等级的风控模型，包括：

根据各渠道对应的渠道等级和各渠道的客户信贷数据进行特征筛选，得到各渠道等级的风险模型指标；

对各渠道的风险模型指标进行特征分箱，根据特征分箱结果和各风险模型指标的指标分类结果确定各渠道等级中各风险模型指标的信息价值；

根据各渠道等级中各风险模型指标的信息价值和预设价值阈值对各渠道等级中的风险模型指标进行特征筛选，得到各渠道等级的目标评价指标；

根据各渠道等级的目标评价指标建立各渠道等级的风控模型。

7.如权利要求6所述的信贷风险识别方法，其特征在于，所述根据各渠道等级的目标评价指标建立各渠道等级的风控模型，包括：

计算各渠道等级中任意两个目标评价指标之间的相关系数；

根据各渠道等级中任意两个目标评价指标之间的相关系数和目标评价指标的信息价值对各渠道等级中的目标评价指标进行特征筛选，得到各渠道等级的筛选评价指标；

根据各渠道等级的筛选评价指标和预设特征权重进行逻辑回归计算，确定各渠道等级的风控模型。

8.一种信贷风险识别装置，其特征在于，所述信贷风险识别装置包括：

确定模块，用于在获取到多个渠道的客户信贷数据后，根据各渠道的客户信贷数据确定各渠道的归一化评价指标；

所述确定模块，还用于根据各渠道的归一化评价指标确定各渠道的目标理想解；

划分模块，用于根据各渠道的目标理想解对多个渠道进行等级划分，得到各渠道对应的渠道等级；

建立模块，用于根据各渠道对应的渠道等级建立各渠道等级的风控模型；

识别模块，用于根据各渠道等级的风控模型对各渠道的客户信贷数据进行信贷风险识别。

9.一种信贷风险识别设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的信贷风险识别程序，所述信贷风险识别程序配置为实现如权利要求1至7中任一项所述的信贷风险识别方法。

10.一种存储介质，其特征在于，所述存储介质上存储有信贷风险识别程序，所述信贷风险识别程序被处理器执行时实现如权利要求1至7任一项所述的信贷风险识别方法。