(19)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 202210776255.1 (22)申请日 2022.07.04 (71)申请人 天津金城银行股份有限公司 地址 300452 天津市滨 海新区响螺湾迎宾 大道旷世国际大厦B座 (72)发明人 吴海曦　顾欣欣　卞安然　温树海　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 张萍 (51)Int.Cl. G06Q 40/02(2012.01) (54)发明名称 一种复合周期信贷风控策略生成方法和装 置 (57)摘要 本发明提供了一种复合周期信贷风控策略 生成方法和装置， 涉及信贷风控的技术领域， 包 括： 获取待分析客户的历史逾期信息， 并基于历 史逾期信息为待分析客户设置客户标签， 客户标 签包括： 短期周期逾期客户标签和长期周期逾期 客户标签； 基于客户标签， 获取客户标签对应的 特征变量， 并计算出对应的特征变量的风险切分 阈值； 基于风险切分阈值和决策树算法， 确定出 客户标签对应的决策树中各个节 点的风险评级； 基于客户标签对应的决策树中各个节点的风险 评级， 生成所述待分析客户的风险评价矩阵， 风 险评价矩阵中包括： 客户标签对应的决策树中各 个节点的风险评级和风险评级对应的信贷业务 风险准入与授信策略， 解决了 现有的信贷风控策 略精度较 差的技术问题。 权利要求书2页 说明书8页 附图2页 CN 114841802 A 2022.08.02 CN 114841802 A 1.一种复合周期信贷风控策略生成方法， 其特 征在于， 包括： 获取待分析客户的历史逾期信 息， 并基于所述历史逾期信 息为所述待分析客户设置客 户标签， 其中， 所述客户标签包括： 短期周期逾期客户标签和长期周期逾期客户标签， 所述 短期周期逾期客户标签用于表征所述待分析客户存在逾期日与首次借款日之间的时长小 于预设时长的逾期行为， 所述长期周期逾期客户标签用于表征所述待分析客户存在逾期日 与首次借款日之间的时长大于或等于预设时长的逾期行为； 基于所述客户标签， 获取所述客户标签对应的特征变量， 并计算出所述对应的特征变 量的风险切分阈值； 基于所述风险切分阈值和决策树算法， 确定出所述客户标签对应的决策树中各个节点 的风险评级； 基于所述客户标签对应的决策树中各个节点的风险评级， 生成所述待分析客户的风险 评价矩阵， 其中， 所述风险评价矩阵中包括： 所述客户标签对应的决策树中各个节点的风险 评级和所述 风险评级对应的信贷业 务风险准入与授信策略。 2.根据权利要求1所述的方法， 其特 征在于， 所述短期周期逾期客户标签对应的特征变量包括： 预设时间段内信用卡和贷款审批次 数、 信用卡和贷款的历史逾期次数、 信用卡和贷款的历史最大逾期月份数、 外部小贷机构和 消金贷款机构的数量、 外 部小贷和消金贷款的余 额； 所述长期周期逾期客户标签对应的特征变量包括： 社保缴纳月份数、 公积金缴纳月份 数、 缴纳基数、 住房贷款 余额、 信用卡平均额度使用率、 收入/负债比。 3.根据权利要求1所述的方法， 其特征在于， 计算出所述对应的特征变量的风险切分阈 值， 包括： 计算出所述对应的特 征变量的特 征价值指标值； 基于所述对应的特征变量的特征价值指标值， 确定出所述对应的特征变量中的有效特 征变量， 其中， 所述有效特 征变量为特征价值指标值大于预设阈值的特 征变量； 对所述有效特 征变量进行卡方分箱计算， 得到所述有效特 征变量的风险切分阈值。 4.根据权利要求1所述的方法， 其特征在于， 基于所述风险切分阈值和决策树算法， 确 定出所述客户标签对应的决策树中各个节点的风险评级， 包括： 基于所述短期周期逾期客户标签对应有效特征变量的风险切分阈值和所述决策树算 法， 构建第一决策树， 并确定出第一决策树中各个节点的风险评级； 基于所述长期周期逾期客户标签对应有效特征变量的风险切分阈值和所述决策树算 法， 构建第二决策树， 并确定出第二决策树中各个节点的风险评级。 5.根据权利要求4所述的方法， 其特征在于， 基于所述客户标签对应的决策树中各个节 点的风险评级， 生成所述待分析客户的风险评价矩阵， 包括： 基于所述第一决策树中各个节点的风险评级和所述第二决策树中各个节点的风险评 级， 构建风险评价矩阵。 6.一种复合周期信贷风控策略生成装置， 其特征在于， 包括： 获取单元， 计算单元， 确定 单元和生成单 元， 其中， 所述获取单元， 用于获取待分析客户的历史逾期信息， 并基于所述历史逾期信息为所 述待分析客户设置客户标签， 其中， 所述客户标签包括： 短期周期逾期客户标签和长期周期权　利　要　求　书 1/2 页 2 CN 114841802 A 2逾期客户标签， 所述短期周期逾期客户标签用于表征所述待分析客户存在逾期日与首次借 款日之间的时长小于预设时长的逾期行为， 所述长期周期逾期客户标签用于表征所述待分 析客户存在逾期日与首次借款日之间的时长大于或等于预设时长的逾期行为； 所述计算单元， 用于基于所述客户标签， 获取所述客户标签对应的特征变量， 并计算出 所述对应的特 征变量的风险切分阈值； 所述确定单元， 用于基于所述风险切分阈值和决策树算法， 确定出所述客户标签对应 的决策树中各个节点的风险评级； 所述生成单元， 用于基于所述客户标签对应的决策树中各个节点的风险评级， 生成所 述待分析客户的风险评价矩阵， 其中， 所述风险评价矩阵中包括： 所述客户标签对应的决策 树中各个节点的风险评级和所述 风险评级对应的信贷业 务风险准入与授信策略。 7.根据权利要求6所述的装置， 其特 征在于， 所述短期周期逾期客户标签对应的特征变量包括： 预设时间段内信用卡和贷款审批次 数、 信用卡和贷款的历史逾期次数、 信用卡和贷款的历史最大逾期月份数、 外部小贷机构和 消金贷款机构的数量、 外 部小贷和消金贷款的余 额； 所述长期周期逾期客户标签对应的特征变量包括： 社保缴纳月份数、 公积金缴纳月份 数、 缴纳基数、 住房贷款 余额、 信用卡平均额度使用率、 收入/负债比。 8.根据权利要求6所述的装置， 其特 征在于， 所述计算单 元， 用于： 计算出所述对应的特 征变量的特 征价值指标值； 基于所述对应的特征变量的特征价值指标值， 确定出所述对应的特征变量中的有效特 征变量， 其中， 所述有效特 征变量为特征价值指标值大于预设阈值的特 征变量； 对所述有效特 征变量进行卡方分箱计算， 得到所述有效特 征变量的风险切分阈值。 9.一种电子设备， 其特征在于， 包括存储器以及处理器， 所述存储器用于存储支持处理 器执行权利要求 1至5任一项 所述方法的程序， 所述处理器被配置为用于执行所述存储器中 存储的程序。 10.一种计算机可读存储介质， 计算机可读存储介质上存储有计算机程序， 其特征在 于， 计算机程序被处 理器运行时执 行上述权利要求1至 5任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114841802 A 3