(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 202211068934.X (22)申请日 2022.09.02 (71)申请人 睿智合创 （北京） 科技有限公司 地址 100000 北京市密云区鼓楼东大街3号 山水大厦3层313室-2 360(云创谷经济 开发中心集中办公区) (72)发明人 陈亚娟　蒋剑琳　王琴琴　 (74)专利代理 机构 北京冠和权律师事务所 11399 专利代理师 张树朋 (51)Int.Cl. G06Q 40/02(2012.01) G06F 16/26(2019.01) G06F 16/2458(2019.01) G06F 16/215(2019.01) (54)发明名称 一种基于信贷风险处理的风险因子归因方 法 (57)摘要 本发明提供了一种基于信贷风险处理的风 险因子归因方法， 包括： 获取信贷业务大数据； 通 过风险归因目标定义模块， 根据归因风险指标， 确定风险归因目标； 通过风险归因维度模块， 利 用信贷业务经验模型， 筛选影 响信贷业务风险的 业务维度， 获得风险归因的自变量候选集； 通过 数据预处理模块， 根据风险归因目标和自变量候 选集， 对信贷业务大数据做数据清洗， 获得风险 归因输入宽表以及归因变量集参数； 将风险归因 输入宽表以及归因变量集参数， 输入自动化风险 归因模块， 自动输出归因报表； 通过归因报表可 视化模块， 将风险因子归因结果进行可视化展 示； 并智能梳理高风险客群特 征。 权利要求书3页 说明书13页 附图2页 CN 115545881 A 2022.12.30 CN 115545881 A 1.一种基于信贷风险处 理的风险因子归因方法， 其特 征在于， 包括： S100， 获取信贷业务大数据； 通过风 险归因目标定义模块， 根据归因风 险指标， 确定风 险归因目标； S200， 通过风险归因维度模块， 利用信贷业务经验模型， 筛选影响信贷业务风险的业务 维度， 获得风险归因的自变量 候选集； S300， 通过数据预处理模块， 根据风险归因目标和自变量候选集， 对信贷业务大数据做 数据清洗， 获得风险归因输入宽表以及归因变量 集参数； S400， 将风险归因输入宽表以及归因变量集参数， 输入自动化风险归因模块， 自动输出 归因报表； S500， 通过归因报表可视化模块， 将风险因子归因结果进行可视化展示； 并智能梳理高 风险客群特 征。 2.根据权利要求1所述的一种基于信贷风险处理的风险因子归因方法， 其特征在于， 所 述S100包括： S101， 通过 大数据采集获得信贷业 务大数据； S102， 设定归因风 险指标， 建立风 险归因目标定义模块； 归因风 险指标包括： 归因坏账 率、 归因不良率和归因新增不良额增长率； S103， 通过归因风险指标风险特征， 对归因风险指标进行判定； 归因风险指标风险特征 包括： 归因风险指标高风险特 征和归因风险指标低风险特 征。 3.根据权利要求1所述的一种基于信贷风险处理的风险因子归因方法， 其特征在于， 所 述S200包括： S201， 根据风险归因维度， 建立风 险归因维度模块； 根据现有信贷业务经验信息， 建立 信贷业务经验模型； S202， 通过风险归因维度模块， 利用信贷业务经验模型， 筛选影响信贷业务风险的业务 维度； S203， 通过筛 选影响信贷业 务风险的业 务维度， 获得风险归因的自变量 候选集。 4.根据权利要求1所述的一种基于信贷风险处理的风险因子归因方法， 其特征在于， 所 述S300包括： S301， 利用大 数据预处 理， 建立数据预处 理模块； S302， 通过数据预处理模块， 根据风险归因目标和自变量候选集， 对信贷业务大数据做 数据清洗； S303， 通过对信贷业务大数据做数据清洗， 获得风险归因输入宽表以及归因变量集参 数； 自动化风险归因模块输入宽表中的字段包含风险归因目标和风险归因的自变量候选 集。 5.根据权利要求1所述的一种基于信贷风险处理的风险因子归因方法， 其特征在于， 所 述S400包括： S401， 通过动态自动化归因及智能化自动程序， 建立输入自动化 风险归因模块； S402， 将风险归因输入宽表以及归因变量 集参数， 输入自动化 风险归因模块处 理； S403， 通过自动化 风险归因模块处 理， 自动输出归因报表。 6.根据权利要求1所述的一种基于信贷风险处理的风险因子归因方法， 其特征在于， 所权　利　要　求　书 1/3 页 2 CN 115545881 A 2述S500包括： S501， 利用可视化展示单 元及数据特 征智能梳理， 建立归因报表可视化模块； S502， 通过归因报表可视化模块， 将风险因子归因结果进行 可视化展示； S503， 通过数据特征智能梳理， 智能梳理高风险客群特征。 智能梳理高风险客群特征包 括： 根据预设的目标字段名称， 采集大数据； 根据预设的规则对采集的大数据进行清洗， 使 之符合数据配置的要求； 将信贷风险指标分类， 梳理组织职能， 生成信贷风险指标全业务周 期节点图， 得到信贷业务信贷风险指标的业务数据集， 并根据信贷风险指标之间的关系， 建 立信贷业务信贷风险指标关系全景图； 将配置的数据通过提前设置的模板格式输出； 将信 贷风险指标分类， 梳理组织职能， 生成信贷风险指标全业务周期节点图， 得到信贷业务信贷 风险指标的业务数据集包括： 将信贷业务领域信贷风险指标按照工作的颗粒度分类， 建立 信贷风险指标分类表， 并根据信贷风险的编 码规则， 配置信贷风险分类模块， 通过信贷风险 的编码， 自动分配到某一类信贷风险； 根据信贷风险指标的特性， 配置信贷风险指标在信贷 业务中的关系， 形成信贷业务信贷风险指标关系全景图； 梳理信贷企业各部门组织的工作 职责， 明确 其在各类信贷风险指标业务周期 中所扮演的角色和其职责； 建立各类信贷风险 指标在信贷业务中的业务周期节点， 并将信贷风险指标的属 性数据、 关系 数据及组织职 能 的相关数据配置到业务周期节点上， 形成信贷风险全业务周期节点图， 再通过对各个流程 节点上的输入、 输出文件及数据进行分析， 梳理各个指标的属性数据及关联文件， 得到信贷 业务信贷风险指标的业 务数据集； 智能梳理高风险客群特 征。 7.根据权利要求2所述的一种基于信贷风险处理的风险因子归因方法， 其特征在于， 所 述S103包括： S1031， 通过归因风 险指标风 险特征， 对归因风 险指标进行判定； 归因风险指标高风 险 特征包括： 归因坏账率高风险特征、 归因不良率高风险特征和归因新增 不良额增长率高风 险特征； 归因风险指标低风险特征包括： 归因坏账率低风险特征、 归因不良率低风险特征和 归因新增不良额增长率低风险特 征； S1032， 归因不良率高风险特征包括： 归因不良率>总体不良率*不良率归因设定阈值； 贷款本金余 额/总体贷款本金余 额>余额比设定阈值； S1033， 归因新增不良额增长率 高风险特征包括： 本月新增不良额/上月新增不良额>总 体本月新增不良额/总体上月新增不良额*新增不良额设定阈值； 新增不良额增长贡献度> 新增不良额增长 贡献度设定阈值。 归因不良率包括： 归因不良客户的贷款本金余额/总体的 贷款本金余额， 归因不良客户包括： 五级分类为次级及以上的客户； 新增不良额增长 贡献度 包括： (本月新增不良额 ‑上月新增不良额)/(总体本月新增不良额 ‑总体月新增不良额)。 8.根据权利要求5所述的一种基于信贷风险处理的风险因子归因方法， 其特征在于， 所 述S401包括： S4011， 通过动态调整涉及阈值参数， 进行动态自动化归因； 动态调整涉及阈值参数包 括： 每一次归因过程中， 对比分裂变量的每个分箱的归因风险指标水平时， 根据上一次归因 过程中符合高风险特征定义的客户群的归因风险指标水平， 确定是否超过阈值， 动态的确 定高风险客群特 征； S4012， 根据风险归因风险特 征的代码自动化 程序， 获得智能化自动程序； S4013， 通过自动化归因及智能化自动程序， 建立输入自动化 风险归因模块。权　利　要　求　书 2/3 页 3 CN 115545881 A 3