用于汽车抵押信贷的自动化决策方法及装置与流程

摘要: 本申请涉及数据处理与智能风控,尤其涉及用于汽车抵押信贷的自动化决策方法及装置。背景技术:1、随着汽车金融市场的快速发展,金融机构面临大量汽车抵押贷款申请,传统的...
用于汽车抵押信贷的自动化决策方法及装置与流程

本申请涉及数据处理与智能风控,尤其涉及用于汽车抵押信贷的自动化决策方法及装置。

背景技术:

1、随着汽车金融市场的快速发展,金融机构面临大量汽车抵押贷款申请,传统的人工审批模式效率低下、成本高昂,亟需一种能够自动处理申请数据、整合多源风控信息并快速做出审批决策的自动化方法。

2、现有技术中,部分金融机构已尝试采用自动化审批系统。这类系统通常通过调用多个外部风控服务(如征信查询、黑名单校验、车辆估值等)获取多源异构数据,并将这些数据归一化为统一格式的特征向量。随后,系统利用预先训练的机器学习模型(如逻辑回归、随机森林)对该特征向量进行风险评估,并根据评估分数划分风险等级,进而触发相应的审批流程(如自动放款、人工审核或拒绝)。

3、现有技术存在以下缺陷:第一,在多源特征融合过程中,不同特征分量对最终风险评估的贡献度往往存在显著差异,例如某些特征(如征信逾期次数)区分能力强,而另一些特征(如车辆颜色)区分能力弱。现有技术通常对所有特征赋予相同权重或依赖固定权重,未能根据特征本身的信息含量动态调整其重要性,导致噪声特征干扰评估结果,降低了风险识别的准确性。

4、第二,现有技术仅孤立地分析单个申请人的信息,忽视了申请人与其关联实体(如所购车辆、经销商、同品牌其他车型)之间的潜在风险传导关系。例如,某经销商曾发生欺诈案件,或某车型历史理赔率偏高,这些关联风险因素可能显著影响当前申请的真实风险水平,但现有技术缺乏有效的图结构建模与邻居节点风险聚合机制,无法捕捉此类间接风险信号,导致风险评估不全面。

技术实现思路

1、本申请实施例提供了一种用于汽车抵押信贷的自动化决策方法及装置。为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。

2、第一方面,本申请实施例提供了一种用于汽车抵押信贷的自动化决策方法,应用于服务端,方法包括:

3、接收并处理客户端发送的汽车抵押信贷申请数据,得到身份标识和车辆标识;以身份标识和车辆标识为参数,调用预设多个外部风控服务,并将每个外部风控服务返回的多源异构数据归一化为统一量纲的风险特征向量;

4、根据风险特征向量中各特征分量的信息熵计算区分度权重,利用区分度权重对风险特征向量进行自适应校准,得到目标风险特征向量;

5、基于身份标识和车辆标识,构建以申请人节点、车辆节点、经销商节点及同品牌车型节点为图节点、以预设关联关系为边的风险关联图,并聚合风险关联图中每个图节点的邻居节点的风险标签,得到目标聚合结果;

6、将目标聚合结果作为关联风险分量与目标风险特征向量进行融合,得到融合结果;

7、根据融合结果,确定风险等级,并基于风险等级触发对应的自动化审批流程处理。

8、第二方面,本申请实施例提供了一种用于汽车抵押信贷的自动化决策装置,装置包括:

9、预处理模块,用于接收并处理客户端发送的汽车抵押信贷申请数据,得到身份标识和车辆标识;以身份标识和车辆标识为参数,调用预设多个外部风控服务,并将每个外部风控服务返回的多源异构数据归一化为统一量纲的风险特征向量;

10、自适应校准模块,用于根据风险特征向量中各特征分量的信息熵计算区分度权重,利用区分度权重对风险特征向量进行自适应校准,得到目标风险特征向量;

11、聚合模块,用于基于身份标识和车辆标识,构建以申请人节点、车辆节点、经销商节点及同品牌车型节点为图节点、以预设关联关系为边的风险关联图,并聚合风险关联图中每个图节点的邻居节点的风险标签,得到目标聚合结果;

12、融合模块,用于将目标聚合结果作为关联风险分量与目标风险特征向量进行融合,得到融合结果;

13、流程触发模块,用于根据融合结果,确定风险等级,并基于风险等级触发对应的自动化审批流程处理。

14、本申请实施例提供的技术方案可以包括以下有益效果:

15、在本申请实施例中,一方面,通过计算风险特征向量中各特征分量的信息熵,根据信息熵的大小动态分配区分度权重,并对风险特征向量进行自适应校准,得到目标风险特征向量。由于信息熵反映了特征分量的区分能力,信息熵越低说明特征分布集中、区分能力强,信息熵越高说明特征分布分散、区分能力弱。本申请能够自动对区分能力强的特征赋予较高权重、对区分能力弱的特征赋予较低权重,从而有效抑制噪声特征的干扰,避免固定权重或等权重方式下低区分度特征对评估结果的污染,显著提升了风险识别的准确性和鲁棒性。

16、另一方面,通过构建以申请人节点、车辆节点、经销商节点及同品牌车型节点为图节点、以预设关联关系为边的风险关联图,并聚合每个图节点的邻居节点的风险标签,将关联实体的风险信息纳入评估体系。例如当某经销商存在历史欺诈记录或某车型理赔率偏高时,这些间接风险信号会通过图结构中的边传播至申请人节点,使得最终的目标聚合结果能够反映关联风险的影响。在此基础上,将目标聚合结果与目标风险特征向量融合,实现了对个体特征风险与关联网络风险的联合评估,弥补了现有技术无法捕捉间接风险信号的缺陷,使风险评估更加全面、可靠。

17、应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。

1.一种用于汽车抵押信贷的自动化决策方法,其特征在于,应用于服务端,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述根据所述风险特征向量中各特征分量的信息熵计算区分度权重,包括:

3.根据权利要求2所述的方法,其特征在于,所述根据所述比较结果,对所述目标特征分量分配权重系数,包括:

4.根据权利要求2所述的方法,其特征在于,所述根据每个子区间对应的比例,计算所述目标特征分量的信息熵,包括:

5.根据权利要求1所述的方法,其特征在于,所述利用所述区分度权重对所述风险特征向量进行自适应校准,得到目标风险特征向量,包括:

6.根据权利要求1所述的方法,其特征在于,所述基于所述身份标识和车辆标识,构建以申请人节点、车辆节点、经销商节点及同品牌车型节点为图节点、以预设关联关系为边的风险关联图,包括:

7.根据权利要求1所述的方法,其特征在于,所述聚合所述风险关联图中每个图节点的邻居节点的风险标签,得到目标聚合结果,包括:

8.根据权利要求1所述的方法,其特征在于,所述将所述目标聚合结果作为关联风险分量与所述目标风险特征向量进行融合,得到融合结果,包括:

9.根据权利要求1所述的方法,其特征在于,所述根据所述融合结果,确定风险等级,包括:

10.根据权利要求1所述的方法,其特征在于,所述基于所述风险等级触发对应的自动化审批流程处理,包括:

11.一种用于汽车抵押信贷的自动化决策装置,其特征在于,所述装置包括: