一种基于规则组合优化的风控决策方法与系统与流程

本发明属于金融信息，尤其一种基于规则组合优化的风控决策方法与系统。

背景技术：

1、为了提升授信申请的处理效率，授信申请机构往往通过预先制定好的风控策略自动对用户的授信申请信息进行校验并得到授信申请的处理效果，但与此同时，由于用户的基本信息和个人行为信息的数据量较大，因此如何基于用户的信息进行关键特征的提取，对于提升风险策略处理效率具有较大的意义。

2、为了实现对授信申请处理过程中的用户的特征提取，在发明专利cn202310348690.9《一种风险特征提取方法、装置、电子设备及存储介质》中通过将用于对欺诈识别的用户探针数据和用户身份证明数据与用于信贷准入授信的信贷行为特征进行聚合，获得聚合后的风险特征以进行欺诈识别和/或信贷准入授信，提高了信贷审批业务的处理效率，但是存在以下问题：

3、即便进行风险特征的聚合，由于用户探针数据、用户身份证明数据以及信贷行为特征的特征维度较高，因此对于规则策略的运行服务器的处理能力以及规则策略的复杂度提出了较高的要求，同时也使得授信申请的处理效率变低。

4、针对上述技术问题，本发明提供了一种基于规则组合优化的风控决策方法与系统。

技术实现思路

1、为实现本发明目的，本发明采用如下技术方案：

2、根据本发明的一个方面，提供了一种基于规则组合优化的风控决策方法。

3、一种基于规则组合优化的风控决策方法，其特征在于，具体包括：

4、s1根据用户的基本信息以及行为信息进行特征提取得到所述用户的特征向量，并基于历史授信申请用户的申请数据以及授信申请处理服务器的历史运行数据进行初始规则集的特征向量的数量限定值以及组合规则集的规则集的特征向量的最大值的确定；

5、s2以初始规则集的特征向量的数量限定值、组合规则集的规则集的特征向量的最大值为约束条件，并至少利用风险格子法生成初始规则集的全域规则集以及组合规则集的规则集的全域规则集；

6、s3分别基于拒绝率、提升度以及全域规则集的特征向量的数量进行所述初始规则集的全域规则集的初始综合评价值以及组合规则集的规则集的全域规则集的综合评价值的确定，基于所述初始综合评价值和综合评价值得到所述初始规则集、所述组合规则集以及组合规则集的规则集的数量；

7、s4基于初始规则集以及初始风控策略得到所述当前授信申请用户的初始风险以及正常用户，并基于所述正常用户的组合规则集以及风控策略得到所述正常用户在组合规则集下的不同规则集的评估风险，并结合所述初始风险进行审批通过用户的确定。

8、本发明的有益效果在于：

9、1、通过初始规则集的特征向量的数量限定值以及组合规则集的规则集的特征向量的最大值的确定，实现了从授信申请的处理可靠性、历史授信申请的处理数量以及授信申请处理服务器的处理压力的角度进行规则集的特征向量的确定，既保证了授信申请的处理效率，减少了服务器的处理压力，同时也保证了授信申请的处理准确性。

10、2、通过进行所述初始规则集的全域规则集的初始综合评价值以及组合规则集的规则集的全域规则集的综合评价值的确定，不仅考虑到全域规则集的拒绝率等对于授信审批的处理准确度的影响，同时还考虑到不同的全域规则集的特征向量的数量差异。

11、3、通过分别进行正常用户以及审批通过用户的评估，授信实现了对正常用户的提前筛选，提升了授信审批的效率，同时通过综合多个规则集的评估风险，也使得授信申请的处理准确率得到进一步的提升。

12、进一步的技术方案在于，所述用户的基本信息包括但不限于用户的职业、收入、婚姻状态以及社保缴纳信息。

13、进一步的技术方案在于，所述用户的行为信息包括但不限于用户的授信申请次数、同行信贷信息、历史还贷信息以及逾期信息。

14、进一步的技术方案在于，所述初始规则集的全域规则集确定的方法为：

15、风险格子法：基于所述特征向量生成所述特征向量的集合及其所对应的索引，通过二维或者多维的特征向量交叉生成得到全域规则集。

16、进一步的技术方案在于，当所述当前授信申请用户的初始风险小于预设风险值时，则确定所述当前授信申请用户为正常用户。

17、进一步的技术方案在于，所述审批通过用户的确定的方法为：

18、获取所述正常用户在组合规则集下的不同规则集的评估风险，并当所述正常用户在组合规则集下的不同规则集的评估风险存在大于预设评估风险的规则集时：

19、确定所述正常用户不属于审批通过用户；

20、当所述正常用户在组合规则集下的不同规则集的评估风险不存在大于预设评估风险的规则集时：

21、通过所述正常用户在组合规则集下的不同规则集的评估风险进行所述正常用户在组合规则集下的不同规则集的评估风险的最大值以及大于预设风险值的规则集的数量，并结合所述正常用户在组合规则集下的不同规则集的评估风险的和进行所述正常用户的授信审批风险的确定；

22、通过所述正常用户的授信审批风险以及初始风险进行审批通过用户的确定。

23、第二方面，本发明提供了一种基于规则组合优化的风控决策系统，采用上述的一种基于规则组合优化的风控决策方法，具体包括：

24、特征向量数量确定模块，全域规则集生成模块，规则集确定模块，授信审批模块；

25、其中所述特征向量数量确定模块负责根据用户的基本信息以及行为信息进行特征提取得到所述用户的特征向量，并基于历史授信申请用户的申请数据以及授信申请处理服务器的历史运行数据进行初始规则集的特征向量的数量限定值以及组合规则集的规则集的特征向量的最大值的确定；

26、所述全域规则集生成模块负责以初始规则集的特征向量的数量限定值、组合规则集的规则集的特征向量的最大值为约束条件，并至少利用风险格子法生成初始规则集的全域规则集以及组合规则集的规则集的全域规则集；

27、所述规则集确定模块负责分别基于拒绝率、提升度以及全域规则集的特征向量的数量进行所述初始规则集的全域规则集的初始综合评价值以及组合规则集的规则集的全域规则集的综合评价值的确定，基于所述初始综合评价值和综合评价值得到所述初始规则集、所述组合规则集以及组合规则集的规则集的数量；

28、所述授信审批模块负责基于初始规则集以及初始风控策略得到所述当前授信申请用户的初始风险以及正常用户，并基于所述正常用户的组合规则集以及风控策略得到所述正常用户在组合规则集下的不同规则集的评估风险，并结合所述初始风险进行审批通过用户的确定。

29、其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

30、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

技术特征：

1.一种基于规则组合优化的风控决策方法，其特征在于，具体包括：

2.如权利要求1所述的基于规则组合优化的风控决策方法，其特征在于，所述用户的基本信息包括但不限于用户的职业、收入、婚姻状态以及社保缴纳信息。

3.如权利要求1所述的基于规则组合优化的风控决策方法，其特征在于，所述用户的行为信息包括但不限于用户的授信申请次数、同行信贷信息、历史还贷信息以及逾期信息。

4.如权利要求1所述的基于规则组合优化的风控决策方法，其特征在于，所述初始规则集的特征向量的数量限定值确定的方法为：

5.如权利要求4所述的基于规则组合优化的风控决策方法，其特征在于，结合预设相关系数阈值进行所述初始规则集的特征向量的最大限定数量的确定，具体包括：

6.如权利要求1所述的基于规则组合优化的风控决策方法，其特征在于，所述组合规则集的规则集的特征向量的最大值的确定的方法为：

7.如权利要求1所述的基于规则组合优化的风控决策方法，其特征在于，所述初始规则集的全域规则集确定的方法为：

8.如权利要求1所述的基于规则组合优化的风控决策方法，其特征在于，所述初始规则集的全域规则集的初始综合评价值确定的方法为：

9.如权利要求1所述的基于规则组合优化的风控决策方法，其特征在于，所述审批通过用户的确定的方法为：

10.一种基于规则组合优化的风控决策系统，采用权利要求1-9任一项所述的一种基于规则组合优化的风控决策方法，其特征在于，具体包括：

技术总结
本发明提供一种基于规则组合优化的风控决策方法与系统，属于金融信息技术领域，具体包括：根据用户的基本信息以及行为信息进行特征提取得到用户的特征向量，以初始规则集的特征向量的数量限定值、组合规则集的规则集的特征向量的最大值为约束条件，并至少利用风险格子法生成初始规则集的全域规则集以及组合规则集的规则集的全域规则，基于初始规则集以及初始风控策略得到当前授信申请用户的初始风险以及正常用户，并基于正常用户的组合规则集以及风控策略得到正常用户在组合规则集下的不同规则集的评估风险，并结合初始风险进行审批通过用户的确定，提升了授信审批的处理效率和准确性。

技术研发人员：李恒奎,陈辰,王震
受保护的技术使用者：杭银消费金融股份有限公司
技术研发日：
技术公布日：2024/1/16