(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 (43)申请公布日 (21)申请 号 202111652963.6 (22)申请日 2021.12.28 (71)申请人 浙江惠瀜网络科技有限公司 地址 311200 浙江省杭州市萧 山区萧山经 济技术开发区明星路371号1801-1室 (72)发明人 周波　余勇辉　张建业　杨张磊　 王琼瑒　 (74)专利代理 机构 北京知果之信知识产权代理 有限公司 1 1541 代理人 高科 (51)Int.Cl. G06F 16/2458(2019.01) G06K 9/62(2022.01) G06Q 40/02(2012.01) (54)发明名称 放款风险控制策略的生成方法、 装置、 终端 及存储介质 (57)摘要 本发明揭示了一种放款风险控制策略的生 成方法、 装置、 终端及存储介质。 本发明的方法通 过使用随机森 林算法对大量特征进行建模， 得到 包含有数百棵决策树的森 林， 用较浅的深度完成 特征挖掘， 生成数百乃至上千符合条件且能够有 效识别出坏样本的组合规则。 随后通过筛选分 析， 将样本量较大、 坏样本识别能力强、 符合业务 实际场景及目标的组合规则进行保留， 最终生成 完整的放款风险控制策略。 相较于现有技术， 本 发明的方法在特征挖掘深度、 策略生成速度方面 的优势显著， 具有挖掘业务范围广、 特征规则之 间的关系挖掘更充分等优点， 有助于银行提升对 用户放款的风险控制能力。 权利要求书2页 说明书8页 附图3页 CN 114328668 A 2022.04.12 CN 114328668 A 1.一种放 款风险控制策略的生成方法， 其特 征在于， 包括： 依次对所选取的贷款账号进行滚动率分析和账龄分析， 得到样本判断标准； 利用统计和特征衍生从所选取的贷款账号的相关信 息中获取建模数据变量， 以贷款账 号为目标、 以所述建模数据变量 为特征， 基于随机森林算法进行建模， 得到规则生成模型； 利用所述规则生成模型对所选取的另一部分贷款账号进行处理， 结合所述样本判断标 准， 得到挖掘规则集合， 依据业务开展条件从所述挖掘规则集合中筛选出相对应的挖掘规 则作为放款风险控制策略。 2.根据权利要求1所述的放款风险控制策略的生成方法， 其特征在于， 所述依次对所选 取的贷款账号进行滚动率分析和账龄分析， 得到样本判断标准， 包括： 从历史贷款账号数据中选取一部分贷款账号， 获取该部分贷款账号的还款计划数据， 选择所述还款计划数据中的任一时间点作为观察点， 定义所述观察点前的一段时间为观察 期、 所述观察 点后的一段时间为表现期； 统计贷款账号在所述观察期内的最长逾期期数、 按在所述观察期内的逾期状态将贷款 账号划分为多个层次， 随后统计贷款账号在所述表现期 内的最长逾期期数、 按在所述表现 期内的逾期状态将贷款账号划分为多个层次； 交叉统计观察期内每个层次的账号分别在表现期内各层次中的数量、 并计算其在对应 层次的表现期内账号总数中的占比， 依据统计和计算结果将对应层次的账号作为样本判断 观察对象； 将所述样本判断观察对象带入贷款产品中， 统计所述样本判断观察对象在所述贷款产 品放款周期内不同月份的逾期率， 依据统计结果得到样本判断标准。 3.根据权利要求2所述的放款风险控制策略的生成方法， 其特征在于， 所述利用统计和 特征衍生从所选取 的贷款账号的相关信息中获取建模数据变量， 以贷款账号为目标、 以所 述建模数据变量 为特征， 基于随机森林算法进行建模， 得到规则生成模型， 包括： 获取所选取的贷款账号的相关信息； 利用统计和特 征衍生从所述贷款账号的相关信息中获取建模数据变量； 设置随机森林算法中决策树的深度及决策树的数量， 将所选取的贷款账号作为样本带 入随机森林算法中， 以贷款账号为目标、 以所述建模数据变量为特征， 训练得到包含有多棵 决策树的规则生成模型。 4.根据权利要求3所述的放 款风险控制策略的生成方法， 其特 征在于： 所述贷款账号的相关信息至少包括贷款账号的基本信息、 贷款账号的申请信息、 贷款 账号的分析信息、 贷款账号的交易信息以及贷款账号的消费信息； 所述建模数据变量至少包括贷款账号在不同月份 内的订单数、 贷款账号在最近1个月/ 3个月/6个月/12个月内的订单总数、 贷款账号在最近1个月/3个月/6个月/12个月内的征信 查询次数以及贷款账号的负债率。 5.根据权利要求3所述的放款风险控制策略的生成方法， 其特征在于， 设置随机森林算 法中决策树的深度及决策树的数量， 将所选取 的贷款账号作为样本带入随机森林算法中， 以贷款账号为 目标、 以所述建模数据变量为特征， 训练得到包含有多棵决策树的规则生成 模型， 包括： 将随机森林算法中决策树的深度设置为2～4、 将随机森林算法中决策树的数量设置为权　利　要　求　书 1/2 页 2 CN 114328668 A 2400～1000； 将所选取的贷款账号作为样本带入随机森林算法中， 算法对样本进行有放 回的随机抽 样， 形成多个训练样本， 每 个训练样本作为 一棵决策树 根结处的样本； 在决策树的每个节点需要分裂时， 随机从所述建模数据变量中进行选取， 再依据信息 增益确定一个所述建模数据变量作为该节点的分裂属性； 重复节点分裂操作， 直至决策树上每 个节点都无法再分裂， 得到一颗 完整的决策树； 将所得到的全部决策树进行整合， 得到完整的随机森林并将其作为所述规则生成模 型。 6.根据权利要求5所述的放款风险控制策略的生成方法， 其特征在于： 将随机森林算法 中决策树的深度设置为3， 将随机森林算法中决策树的数量设置为5 00。 7.根据权利要求3所述的放款风险控制策略的生成方法， 其特征在于， 所述利用所述规 则生成模型对所选取 的另一部分贷款账号进行处理， 结合所述样本判断标准， 得到挖掘规 则集合， 依据业务开展条件从所述挖掘规则集合中筛选出相对应的挖掘规则作为放款风险 控制策略， 包括： 从历史贷款账号数据中选取另一部分贷款账号、 带入所述规则生成模型中进行处理， 得到多棵决策树， 每棵所述决策树上 的一个分枝对应一条挖掘规则， 将全部挖掘规则进行 汇总， 得到挖掘规则原 始集； 结合所述样本判断标准， 制定规则筛选条件， 从所述挖掘规则原始集中筛选出所有符 合所述规则筛选条件的挖掘规则， 得到挖掘规则集 合； 依据业务开展情况制定业务开展条件， 从所述挖掘规则集合中筛选所有符合所述业务 开展条件的挖掘规则作为 放款风险控制策略， 部署上线。 8.一种放 款风险控制策略的生成装置， 其特 征在于， 包括： 样本判断标准生成模块， 用于依次对所选取的贷款账号进行滚动率分析和账龄分析， 得到样本判断标准； 规则生成模型建模模块， 用于利用统计和特征衍生从所选取的贷款账号的相关信 息中 获取建模 数据变量， 以贷款账号为目标、 以所述建模数据变量为特征， 基于随机森林算法进 行建模， 得到规则生成模型； 放款风控策略制定模块， 用于利用所述规则生成模型对所选取的另一部分贷款账号进 行处理， 结合所述样本判断标准， 得到挖掘规则集合， 依据业务开展 条件从所述挖掘规则集 合中筛选出相对应的挖掘规则作为 放款风险控制策略。 9.一种终端， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7中任 一所述放款风险控制策略的生成方法中的步骤。 10.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处理器执行所述计算机程序时实现如权利要求 1至7中任一所述放款 风险控制策略的生成方法中的步骤。权　利　要　求　书 2/2 页 3 CN 114328668 A 3