(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 202211074733.0 (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 16/906(2019.01) G06F 16/23(2019.01) (54)发明名称 一种基于新增信贷不良率的信贷风险预测 方法 (57)摘要 本发明提供了一种基于新增信贷不良率的 信贷风险预测方法， 包括： 统计 现有信贷数据， 将 现有信贷数据按信贷五级分类大类型分类并进 行大类型细分， 设置信贷不良率标准参照类型 库； 实时监测新增信贷信息数据， 统计新增信贷 信息数据， 获得新增信贷信息监测数据； 对新增 信贷信息监测数据进行预处理， 并通过多分类支 持向量机信贷分类模型进行信贷不良率标准参 照类型分析， 获得新增信贷不良率标准参照类 型； 根据新增信贷不良率标准参照类型， 通过新 增信贷不良率风险预测模型， 进行新增 信贷风险 智能预警预测。 权利要求书3页 说明书10页 附图2页 CN 115545882 A 2022.12.30 CN 115545882 A 1.一种基于新增信贷不良率的信贷风险预测方法， 其特 征在于， 包括： S100， 统计现有信贷数据， 将现有信贷数据按信贷五级分类大类型分类并进行大类型 细分， 设置信贷不良率标准 参照类型库； S200， 实时监测新增信贷信息数据， 统计新增信贷信息数据， 获得新增信贷信息监测数 据； S300， 对新增信贷信息监测数据进行预处理， 并通过多分类支持向量机信贷分类模型 进行信贷不良率标准 参照类型分析， 获得新增信贷不良率标准 参照类型； S400， 根据新增信贷不良率标准参照类型， 通过新增信贷不良率风险预测模型， 进行新 增信贷风险智能预警预测。 2.根据权利要求1所述的一种基于新增信贷不良率的信贷风险预测方法， 其特征在于， 所述S100包括： S101， 通过对信贷数据进行统计分析， 统计现有信贷数据； S102， 根据现有信贷数据， 按照信贷五级分类， 将现有信贷数据分为信贷五级分类大类 型； S103， 将信贷五级分类大类型进一 步进行细分， 设置信贷不良率标准 参照类型库。 3.根据权利要求1所述的一种基于新增信贷不良率的信贷风险预测方法， 其特征在于， 所述S200包括： S201， 建立信贷信息监测网络， 通过信贷信息监测网络实时监测信贷信息变化数据； S202， 根据监测信贷信息变化数据， 当出现新增信贷信息时， 统计新增信贷信息数据； S203， 将新增信贷信息数据存储到信贷不良率标准参照类型库， 获得新增信贷信息监 测数据。 4.根据权利要求1所述的一种基于新增信贷不良率的信贷风险预测方法， 其特征在于， 所述S300包括： S301， 对新增信贷信息监测数据进行数据预处理， 获得新增信贷信息监测数据预处理 数据； S302， 建立多分类支持向量机信贷分类模型， 将新增信贷信息监测数据预处数据输入 多分类支持向量机信贷分类模型； S303， 通过多分类支持 向量机信贷分类模型， 进行信贷不良率标准参照 类型分析， 获得 新增信贷不良率标准 参照类型。 5.根据权利要求1所述的一种基于新增信贷不良率的信贷风险预测方法， 其特征在于， 所述S400包括： S401， 根据新增信贷不良率标准 参照类型， 建立 新增信贷不良率 风险预测模型； S402， 新增信贷不良率风险预测模型通过决策曲线分析预测新增信贷不良率增长趋 势； S403， 根据新增信贷不良率增长 趋势， 进行新增信贷风险智能预警预测。 6.根据权利要求2所述的一种基于新增信贷不良率的信贷风险预测方法， 其特征在于， 所述S103包括： S1031， 将信贷五级分类大类型的每种类型进一 步按照细分型参照标准进行细分； S1032， 按照细分型参照标准进行细分包括： 将信贷五级分类大类型包括： 信贷正常大权　利　要　求　书 1/3 页 2 CN 115545882 A 2类型、 信贷关注大类型、 信贷次级大类型、 信贷可疑大类型及信贷损失大类型， 将信贷五级 分类大类型的每种类型进一步细分； 将信贷正常大类型细分为： 信贷正常大额类型、 信贷正 常中额类型、 信贷正常小额类型； 将信贷关注大类型细分为： 信贷关注大额类型、 信贷关注 中额类型、 信贷关注小额类型； 将信贷次级大类型细分为： 信贷次级大额类型、 信贷次级中 额类型、 信贷次级小额类型； 将信贷可疑大类型细分为： 信贷可疑大额类型、 信贷可疑中额 类型、 信贷可疑小额类型； 将信贷损失大类型细分为： 信贷损失大额类型、 信贷损失中额类 型、 信贷损失小额类型； 获得现有信贷数据细分型参照分类； S1033， 根据现有信贷数据细分型参照分类， 设置信贷不良率标准 参照类型库。 7.根据权利要求3所述的一种基于新增信贷不良率的信贷风险预测方法， 其特征在于， 所述S201包括： S2011， 通过信贷信息大 数据监测， 建立信贷信息监测网络； S2012， 信贷信息大数据监测包括： 信贷资金流向大数据监测、 信贷资金使用大数据监 测、 信贷资金收益大数据监测、 信贷资金异常大数据监测、 信贷资金损失大数据监测及信贷 资金偿还大 数据监测； S2013， 通过信贷信息监测网络， 根据信贷信息大数据监测， 监测信贷资金流向大数据、 信贷资金使用大数据、 信贷资金收益大数据、 信贷资金异常大数据、 信贷资金损失大数据及 信贷资金偿还大 数据， 实时监测信贷信息变化数据。 8.根据权利要求4所述的一种基于新增信贷不良率的信贷风险预测方法， 其特征在于， 所述S302包括： S3021， 将现有信贷数据作为多分类支持向量机信贷分类模型的信贷分类机器学习样 本数据集； S3022， 将信贷分类机器学习样本数据集的信贷不良率标准参照类型作为多分类支持 向量机的输出， 通过信贷分类机器学习样本数据集对多分类支持向量机信贷分类模型进 行 训练， 建立多分类支持向量机信贷分类模型； 求解有约束信贷分类最优化， 应用拉格朗日对 偶性， 通过求解信贷分类对偶分类得到信贷分类原始分类最优解， 并通过自然引入信贷分 类计算核函数， 进 而快速推导出非线性信贷分类； S3023， 将新增信贷信息监测数据预处数据输入多分类支持向量机信贷分类模型。 9.根据权利要求5所述的一种基于新增信贷不良率的信贷风险预测方法， 其特征在于， 所述S402包括： S4021， 按信贷五级分类大类型分类的新增信贷不良贷款本金余额与总体贷款本金余 额之比， 进行新增信贷不良率的判定； S4022， 设定信贷不良贷款本金余额与总体贷款本金余额之比， 为新增信贷不良率预测 阈值； 建立基于决策曲线分析的新增信贷不良率 风险预测模型； S4023， 将新增信贷不良贷款本金余额与总体贷款本金余额之比与新增信贷不良率预 测阈值， 通过决策曲线分析 预测新增信贷不良率增长 趋势。 10.根据权利要求5所述的一种基于新增信贷不良率的信贷风险预测方法， 其特征在 于， 所述S40 3包括： S4031， 根据新增信贷不良率增长趋势， 当新增信贷不良贷款本金余额与总体贷款本金 余额之比， 小于新增信贷不良率预测阈值时， 判定为新增信贷不良率未超出预测风险预警权　利　要　求　书 2/3 页 3 CN 115545882 A 3