CN115345734A - 一种基于区块链的产业链金融风控模型构建方法 - Google Patents
一种基于区块链的产业链金融风控模型构建方法 Download PDFInfo
- Publication number
- CN115345734A CN115345734A CN202211279044.3A CN202211279044A CN115345734A CN 115345734 A CN115345734 A CN 115345734A CN 202211279044 A CN202211279044 A CN 202211279044A CN 115345734 A CN115345734 A CN 115345734A
- Authority
- CN
- China
- Prior art keywords
- data
- wind control
- financial
- financial data
- chain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 20
- 238000007405 data analysis Methods 0.000 claims abstract description 66
- 238000012795 verification Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 21
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及一种基于区块链的产业链金融风控模型构建方法,涉及金融风险管理技术领域,包括区块链构建模块构建基于产业链的区块链;数据获取模块获取产业链中产生的金融数据,并将金融数据上传至区块链;数据分析模块在区块链上将金融数据进行分析,构建模块在数据分析模块对金融数据分析完成时,构建金融数据对应的风控模型;数据获取模块获取大数据中预设数据量的产业链前端金融数据,并确定产业链前端金融数据是否合格;验证模块将关联金融数据输入风控模型进行模型验证;在验证完成时,生成对应区块链上的风控模型。提高了在信贷过程中对用户数据的识别能力以及信贷业务数据处理过程的效率。
Description
技术领域
本发明涉及金融风险管理技术领域,尤其涉及一种基于区块链的产业链金融风控模型构建方法。
背景技术
信贷业务作为金融机构的重要业务环节之一,其对社会经济发展具有非常大的贡献,但是金融机构作为提供信贷业务的节点,在为促进经济发展的同时也为广大公众提供了更多的便利。
另外,互联网的发展也未金融机构对于提供信贷业务的便捷性提供了更好的保证,但是互联网中的各种信息、数据都相对复杂,对于金融机构来说,大量的信息和数据一方面会造成很重的负担,另一方面可能会导致在信贷过程中对用户的辨别不准。
中国专利公开号:CN109949148A公开了用于金融信贷业务的自动化风控配置***及方法,由***逻辑单元、管理单元、逻辑单元、数据单元和数据中间件单元组成,通过数据解析、数据ETL、模型特征工程、数据模型配置和模型输出配置实现自动化大数据风控全流程;本发明具有契合客户需求、风控流程的可解释性以及强透明度、差异化定制模型配置等优势;由此可见,所述用于金融信贷业务的自动化风控配置***及方法存在不能在信贷过程中对用户的数据进行精准识别,导致信贷业务数据处理过程效率低,出现误差等问题。
发明内容
为此,本发明提供一种基于区块链的产业链金融风控模型构建方法,用以克服现有技术中不能在信贷过程中对用户的数据进行精准识别,导致信贷业务数据处理过程效率低,出现误差的问题。
为实现上述目的,本发明提供一种基于区块链的产业链金融风控模型构建方法,包括:
步骤S1、区块链构建模块构建基于产业链的区块链;
步骤S2、数据获取模块获取产业链金融数据,并将产业链金融数据上传至所述区块链;
步骤S3、数据分析模块对所述区块链上的产业链金融数据进行分析,构建模块在数据分析模块对所述金融数据分析完成时,构建所述产业链金融数据对应的风控模型;
步骤S4、所述数据获取模块获取大数据中预设数据量的产业链前端金融数据,并确定所述产业链前端金融数据是否合格;
步骤S5、所述数据获取模块在确定所述产业链前端金融数据合格时,确定所述产业链前端金融数据与所述金融数据的关联金融数据,验证模块将关联金融数据输入所述风控模型进行模型验证;
步骤S6、在验证完成时,生成对应区块链上的所述风控模型。
进一步地,在所述步骤S1中,当所述区块链构建模块构建基于产业链的区块链时,区块链构建模块将所述产业链上的若干节点的金融数据上传至所述区块链以形成若干与各节点对应的数据块,并分别为各节点对应的数据块设置加密。
进一步地,在所述步骤S3中,当所述数据分析模块在所述区块链上对所述产业链金融数据进行分析时,提取若干所述节点的产业链金融数据中用户财务数据特征值G、用户行业风险指数Fa、用户信用评估指数W、金融机构现有储蓄额Ej、金融机构抗风险系数r和年度平均储额Ep,并计算针对所述用户风控评估值T,设定
其中G0为预设用户财务数据特征值。
进一步地,在所述步骤S3中,当构建所述产业链金融数据对应的风控模型完成时,将若干所述节点的产业链金融数据作为所述风控模型的输入、将对应的用户风控评估值作为所述风控模型的输出、训练所述风控模型,并在训练时,设置所述风控模型的迭代次数为N,学习率为A。
进一步地,在所述步骤S4中,当所述数据分析模块确定所述关联金融数据时,所述数据分析模块提取所述产业链前端金融数据与所述产业链金融数据的相同数据量S,并计算所述产业链前端金融数据与所述金融数据的关联度Y,设定Y=S/Sz,其中Sz为所述产业链金融数据的数据总量。
进一步地,当所述数据分析模块计算所述关联度完成时,将所述关联度Y与预设关联度Y0进行比对,并根据比对结果确定所述产业链前端金融数据是否合格,
若Y>Y0,则所述数据分析模块确定所述产业链前端金融数据合格;
若Y≤Y0,则所述数据分析模块确定所述产业链前端金融数据不合格。
进一步地,在所述步骤S5中,当所述数据分析模块确定所述产业链前端金融数据合格时,将合格的所述产业链前端金融数据作为所述风控模型的输入,所述数据分析模块将所述产业链前端金融数据的风控评估值Ta与所述风控模型的输出值Tb进行比对,并计算所述产业链前端金融数据的风控评估值Ta和所述风控模块的输出值Tb的差值C,设定C=|Ta-Tb|,所述验证模块将该差值C与预设差值进行比对,其中所述验证模块设有第一预设差值C1和第二预设差值C2,C1<C2,
当C≤C1时,所述验证模块确定所述风控模型训练完成;
当C1<C≤C2时,所述验证模块确定所述风控模型训练未完成,并判定对所述用户财务数据特征值G和预设用户财务数据特征值G0进行调整;
当C>C2时,所述验证模块确定所述风控模型训练未完成,并判定对所述迭代次数进行调整。
进一步地,当所述验证模块确定所述风控模型训练未完成且C1<C≤C2时,所述数据分析模块计算所述差值C与第一预设差值C1的第一比值Ba,设定Ba=C/C1,并将该第一比值Ba与预设比值进行比对,并根据比对结果选取对应的补偿系数对所述迭代次数进行补偿,所述数据分析模块将补偿后的迭代次数设置为N1,设定N1=N×Xi,其中Xi为迭代次数的补偿系数。
进一步地,当所述验证模块确定所述风控模型训练未完成且C>C2时,所述数据分析模块计算所述差值C与第二预设差值C2的第二比值Bb,设定Ba=C/C2,并将该第二比值Bb与预设比值进行比对,
若Bb≤B1,所述数据分析模块将调整后的所述用户财务数据特征值设置为G1=G×(Kg1/n)2,将调整后的所述预设用户财务数据特征值设置为G01=G0×(Kg1/n)2;
若B1<Bb≤B2,所述数据分析模块将调整后的所述用户财务数据特征值设置为G2=G×(Kg2/n)2,将调整后的所述预设用户财务数据特征值设置为G02=G0×(Kg2/n)2;
若Bb>B2,所述数据分析模块将调整后的所述用户财务数据特征值设置为G3=G×(Kg2/n)2,将调整后的所述预设用户财务数据特征值设置为G03=G0×(Kg1/n)2;
式中,Kg1为第一特征值调节系数,Kg2为第二特征值调节系数,Kg3为第三特征值调节系数,n取正整数,设定1<Kg1<Kg2<Kg3<2。
进一步地,在所述步骤S6中,当生成对应区块链上的所述风控模型完成时,将所述用户上链,所述数据获取模块获取所述用户的金融数据,所述区块链自动识别所述用户的风险评估值,并将所述用户风险评估值共享在所述区块链的各个节点上。
与现有技术相比,本发明的有益效果在于,本发明通过将信贷过程中的金融机构和信贷用户上传至区块链,在区块链中通过获取信贷用户的金融数据和金融机构的金融数据,通过设置风控模型并通过获取的金融数据对风控模型进行训练,得到基于区块链的风控模型,当金融机构在进行信贷业务时,通过将信贷用户的相关数据进行获取,并上传至区块链,数据分析模块分析得到风控模型能够进行风控评估的数据并传输至风控模型,以使所述风控模型对信贷用户进行评估,提高了在信贷过程中对用户数据的识别能力,从而进一步提高了信贷业务数据处理过程的效率。
进一步地,本发明通过在建立风控模型完成时,通过获取区块链上的多个节点的多种信贷相关的数据,并根据提取的多种信贷相关的数据计算用以对风控模型进行训练的评估值,进一步提高了在信贷过程中对用户数据的识别能力,并且通过仅提取与信贷相关的数据,以使风控模型在进行风控识别时更精准,误差率更低。
进一步地,本发明在训练完成风控模型时,通过数据获取模块获取大数据中的相关信贷数据,并对获取的相关信贷数据与用于训练风控模型的金融数据进行比对,确定相关信贷数据和用于训练风控模型的金融数据的关联度,并通过设置预设关联度,保留关联度大于预设关联度的相关信贷数据以用于验证风控模型,进一步提高了在信贷过程中对用户数据的识别能力,从而进一步提高了信贷业务数据处理过程的效率。
进一步地,本发明在验证风控模型时,通过计算验证数据计算得出的风控评估值和风控模型输出的风控评估值的差值,并通过设置多个预设差值,将计算的差值与预设差值进行比对以确定风控模型的验证结果,并在确定风控模型的验证结果为不合格时,根据实际计算的差值与预设差值的比对结果确定对获取的训练数据进行扩充或调解风控模型的超参数以使模型达到最优,进一步提高了在信贷过程中对用户数据的识别精度,从而进一步提高了信贷业务数据处理过程的效率。
进一步地,本发明在确定通过扩充训练数据以使风控模型达到最优时,通过计算所述差值和第一预设差值的第一比值,并根据该第一比值与多个预设比值的比对结果确定扩充数据时对对应金融数据进行数据变换的数据变换调节系数,在确定完成时,通过对金融数据进行数据变换扩充,进一步提高了在信贷过程中对用户数据的识别精度,从而进一步提高了信贷业务数据处理过程的效率。
附图说明
图1为本发明实施例基于区块链的产业链金融风控模型构建方法的流程图;
图2为本发明实施例基于区块链的产业链金融风控模型构建方法中各模块的结构框图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1和图2所示,图1为本发明实施例基于区块链的产业链金融风控模型构建方法的流程图;图2为本发明实施例基于区块链的产业链金融风控模型构建方法中各模块的结构框图。
本发明基于区块链的产业链金融风控模型构建方法,包括:
步骤S1、区块链构建模块构建基于产业链的区块链;
步骤S2、数据获取模块获取产业链金融数据,并将产业链金融数据上传至所述区块链;
步骤S3、数据分析模块对所述区块链上的产业链金融数据进行分析,构建模块在数据分析模块对所述金融数据分析完成时,构建所述产业链金融数据对应的风控模型;
步骤S4、所述数据获取模块获取大数据中预设数据量的产业链前端金融数据,并确定所述产业链前端金融数据是否合格;
步骤S5、所述数据获取模块在确定所述产业链前端金融数据合格时,确定所述产业链前端金融数据与所述金融数据的关联金融数据,验证模块将关联金融数据输入所述风控模型进行模型验证;
步骤S6、在验证完成时,生成对应区块链上的所述风控模型。
具体而言,在所述步骤S1中,当所述区块链构建模块构建基于产业链的区块链时,区块链构建模块将所述产业链上的若干节点的金融数据上传至所述区块链以形成若干与各节点对应的数据块,并分别为各节点对应的数据块设置加密。
具体而言,本发明实施例基于区块链的产业链金融风控模型构建方法中各模块,其中,
用以构建基于产业链的区块链的区块链构建模块;与区块链构建模块连接,用以在获取产业链金融数据并将产业链金融数据上传至区块链的数据获取模块;与数据分析模块连接的用以对区块链上的产业链金融数据进行分析,构建模块在数据分析模块对所述金融数据分析完成时,构建所述产业链金融数据对应的风控模型的构建模块;以及分别与数据分析模块和构建模块连接的用以在数据分析模块确定产业链前端金融数据合格时对风控模型进行验证的验证模块。
具体而言,本发明实施例中,产业链前端金融数据为从大数据中获取的与产业链相关的前端用户的金融数据。
本发明实施例中,所述产业链金融数据为产业链中产生的所有金融数据,所述产业链金融数据包括金融机构的前端借贷用户的数据、金融机构数据和金融机构的后端储户数据。
具体而言,所述前端借贷用户的数据包括用户财务数据、用户行业风险数据和用户现有信用评估指数;所述金融机构数据包括金融机构现有借贷数据及对应的风险系数和现有储蓄数据和抗风险系数;所述后端储户数据包括年度平均储额。
具体而言,在所述步骤S3中,当所述数据分析模块在所述区块链上对所述产业链金融数据进行分析时,提取若干所述节点的产业链金融数据中用户财务数据特征值G、用户行业风险指数Fa、用户信用评估指数W、金融机构现有储蓄额Ej、金融机构抗风险系数r和年度平均储额Ep,并计算针对所述用户风控评估值T,设定
其中G0为预设用户财务数据特征值。
具体而言,在所述步骤S3中,当构建所述产业链金融数据对应的风控模型完成时,将若干所述节点的产业链金融数据作为所述风控模型的输入、将对应的用户风控评估值作为所述风控模型的输出、训练所述风控模型,并在训练时,设置所述风控模型的迭代次数为N,学习率为A。
具体而言,在所述步骤S4中,当所述数据分析模块确定所述关联金融数据时,所述数据分析模块提取所述产业链前端金融数据与所述金融数据的相同数据量S,并计算所述产业链前端金融数据与所述产业链金融数据的关联度Y,设定Y=S/Sz,其中Sz为所述产业链金融数据的数据总量。
具体而言,当所述数据分析模块计算所述关联度完成时,将所述关联度Y与预设关联度Y0进行比对,并根据比对结果确定所述产业链前端金融数据是否合格,
若Y>Y0,则所述数据分析模块确定所述产业链前端金融数据合格;
若Y≤Y0,则所述数据分析模块确定所述产业链前端金融数据不合格。
具体而言,当所述数据分析模块确定所述产业链前端金融数据合格时,将合格的所述产业链前端金融数据中的数据作为所述风控模型的输入,所述数据分析模块将所述产业链前端金融数据的风控评估值Ta与所述风控模型的输出值Tb进行比对,并计算所述产业链前端金融数据的风控评估值Ta和所述风控模块的输出值Tb的差值C,设定C=|Ta-Tb|,所述验证模块将该差值C与预设差值进行比对,其中所述验证模块设有第一预设差值C1和第二预设差值C2,C1<C2,
当C≤C1时,所述验证模块确定所述风控模型训练完成;
当C1<C≤C2时,所述验证模块确定所述风控模型训练未完成,并判定对所述用户财务数据特征值G和预设用户财务数据特征值G0进行调整;
当C>C2时,所述验证模块确定所述风控模型训练未完成,并判定对所述迭代次数进行调整。
具体而言,当所述验证模块确定所述风控模型训练未完成且C1<C≤C2时,所述数据分析模块计算所述差值C与第一预设差值C1的第一比值Ba,设定Ba=C/C1,并将该第一比值Ba与预设比值进行比对,并根据比对结果选取对应的补偿系数对所述迭代次数进行补偿,其中所述数据分析模块设有第一预设比值B1和第二预设比值B2,其中B1<B2,设定1<X1<X2<X3<1.5,
若Ba≤B1,所述数据分析模块选取第一补偿系数X1对所述迭代次数进行补偿;
若B1<Ba≤B2,所述数据分析模块选取第二补偿系数X2对所述迭代次数进行补偿;
若Ba>B2,所述数据分析模块选取第三补偿系数X3对所述迭代次数进行补偿;
当所述数据分析模块选取第i补偿系数Xi对所述迭代次数进行补偿时,设定i=1,2,3,所述数据分析模块将补偿后的迭代次数设置为N1,设定N1=N×Xi。
具体而言,当所述验证模块确定所述风控模型训练未完成且C>C2时,所述数据分析模块计算所述差值C与第二预设差值C2的第二比值Bb,设定Ba=C/C2,并将该第二比值Bb与预设比值进行比对,
若Bb≤B1,所述数据分析模块将调整后的所述用户财务数据特征值设置为G1=G×(Kg1/n)2,将调整后的所述预设用户财务数据特征值设置为G01=G0×(Kg1/n)2;
若B1<Bb≤B2,所述数据分析模块将调整后的所述用户财务数据特征值设置为G2=G×(Kg2/n)2,将调整后的所述预设用户财务数据特征值设置为G02=G0×(Kg2/n)2;
若Bb>B2,所述数据分析模块将调整后的所述用户财务数据特征值设置为G3=G×(Kg2/n)2,将调整后的所述预设用户财务数据特征值设置为G03=G0×(Kg1/n)2;
式中,Kg1为第一特征值调节系数,Kg2为第二特征值调节系数,Kg3为第三特征值调节系数,n取正整数,设定1<Kg1<Kg2<Kg3<2。
具体而言,当对所述用户财务数据特征值G和所述预设用户财务数据特征值G0调整完成时,若所述验证模块判定所述风控模型训练仍为完成,所述数据分析分析模块根据所述差值C与预设差值的比对结果选取对应的学习率调节系数对所述学习率进行调节,
其中,所述数据分析模块还设有第一学习率调节系数Ka1、第二学习率调节系数Ka2和第三学习率调节系数Ka3,其中1<Ka1<Ka2<Ka3<1.2,
当C≤C1时,所述数据分析模块选取第一学习率调节系数Ka1对所述学习率进行调节;
当C1<C≤C2时,所述数据分析模块选取第二学习率调节系数Ka2对所述学习率进行调节;
当C>C2时,所述数据分析模块选取第三学习率调节系数Ka3对所述学习率进行调节;
当所述数据分析模块选取第m学习率调节系数Kam对所述学习率进行调节时;设定m=1,2,3,所述数据分析模块将调节后的所述学习率设置为A1,设定A1=A×Kam。
具体而言,在所述步骤S6中,当生成对应区块链上的所述风控模型完成时,将所述用户上链,所述数据获取模块获取所述用户的金融数据,所述区块链自动识别所述用户的风险评估值,并将所述用户风险评估值共享在所述区块链的各个节点上。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例,并不用于限制本发明;对于本领域的技术人员来说,本发明可以有各种更改和变化。 凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于区块链的产业链金融风控模型构建方法,其特征在于,包括:步骤S1、区块链构建模块构建基于产业链的区块链;步骤S2、数据获取模块获取产业链金融数据,并将产业链金融数据上传至所述区块链;步骤S3、数据分析模块对所述区块链上的产业链金融数据进行分析,构建模块在数据分析模块对所述金融数据分析完成时,构建所述产业链金融数据对应的风控模型;步骤S4、所述数据获取模块获取大数据中预设数据量的产业链前端金融数据,并确定所述产业链前端金融数据是否合格;步骤S5、所述数据获取模块在确定所述产业链前端金融数据合格时,确定所述产业链前端金融数据与所述金融数据的关联金融数据,验证模块将关联金融数据输入所述风控模型进行模型验证;步骤S6、在验证完成时,生成对应区块链上的所述风控模型。
2.根据权利要求1所述的基于区块链的产业链金融风控模型构建方法,其特征在于,在所述步骤S1中,当所述区块链构建模块构建基于产业链的区块链时,区块链构建模块将所述产业链上的若干节点的金融数据上传至所述区块链以形成若干与各节点对应的数据块,并分别为各节点对应的数据块设置加密。
4.根据权利要求3所述的基于区块链的产业链金融风控模型构建方法,其特征在于,在所述步骤S3中,当构建所述产业链金融数据对应的风控模型完成时,将若干所述节点的产业链金融数据作为所述风控模型的输入、将对应的用户风控评估值作为所述风控模型的输出、训练所述风控模型,并在训练时,设置所述风控模型的迭代次数为N,学习率为A。
5.根据权利要求4所述的基于区块链的产业链金融风控模型构建方法,其特征在于,在所述步骤S4中,当所述数据分析模块确定所述关联金融数据时,所述数据分析模块提取所述产业链前端金融数据与所述产业链金融数据的相同数据量S,并计算所述产业链前端金融数据与所述金融数据的关联度Y,设定Y=S/Sz,其中Sz为所述产业链金融数据的数据总量。
6.根据权利要求5所述的基于区块链的产业链金融风控模型构建方法,其特征在于,当所述数据分析模块计算所述关联度完成时,将所述关联度Y与预设关联度Y0进行比对,并根据比对结果确定所述产业链前端金融数据是否合格,若Y>Y0,则所述数据分析模块确定所述产业链前端金融数据合格;若Y≤Y0,则所述数据分析模块确定所述产业链前端金融数据不合格。
7.根据权利要求6所述的基于区块链的产业链金融风控模型构建方法,其特征在于,在所述步骤S5中,当所述数据分析模块确定所述产业链前端金融数据合格时,将合格的所述产业链前端金融数据作为所述风控模型的输入,所述数据分析模块将所述产业链前端金融数据的风控评估值Ta与所述风控模型的输出值Tb进行比对,并计算所述产业链前端金融数据的风控评估值Ta和所述风控模块的输出值Tb的差值C,设定C=|Ta-Tb|,所述验证模块将该差值C与预设差值进行比对,其中所述验证模块设有第一预设差值C1和第二预设差值C2,C1<C2,当C≤C1时,所述验证模块确定所述风控模型训练完成;当C1<C≤C2时,所述验证模块确定所述风控模型训练未完成,并判定对所述用户财务数据特征值G和预设用户财务数据特征值G0进行调整;当C>C2时,所述验证模块确定所述风控模型训练未完成,并判定对所述迭代次数进行调整。
8.根据权利要求7所述的基于区块链的产业链金融风控模型构建方法,其特征在于,当所述验证模块确定所述风控模型训练未完成且C1<C≤C2时,所述数据分析模块计算所述差值C与第一预设差值C1的第一比值Ba,设定Ba=C/C1,并将该第一比值Ba与预设比值进行比对,并根据比对结果选取对应的补偿系数对所述迭代次数进行补偿,所述数据分析模块将补偿后的迭代次数设置为N1,设定N1=N×Xi,其中Xi为迭代次数的补偿系数。
9.根据权利要求8所述的基于区块链的产业链金融风控模型构建方法,其特征在于,当所述验证模块确定所述风控模型训练未完成且C>C2时,所述数据分析模块计算所述差值C与第二预设差值C2的第二比值Bb,设定Ba=C/C2,并将该第二比值Bb与预设比值进行比对,若Bb≤B1,所述数据分析模块将调整后的所述用户财务数据特征值设置为G1=G×(Kg1/n)2,将调整后的所述预设用户财务数据特征值设置为G01=G0×(Kg1/n)2;若B1<Bb≤B2,所述数据分析模块将调整后的所述用户财务数据特征值设置为G2=G×(Kg2/n)2,将调整后的所述预设用户财务数据特征值设置为G02=G0×(Kg2/n)2;若Bb>B2,所述数据分析模块将调整后的所述用户财务数据特征值设置为G3=G×(Kg2/n)2,将调整后的所述预设用户财务数据特征值设置为G03=G0×(Kg1/n)2;式中,Kg1为第一特征值调节系数,Kg2为第二特征值调节系数,Kg3为第三特征值调节系数,n取正整数,设定1<Kg1<Kg2<Kg3<2。
10.根据权利要求9所述的基于区块链的产业链金融风控模型构建方法,其特征在于,在所述步骤S6中,当生成对应区块链上的所述风控模型完成时,将所述用户上链,所述数据获取模块获取所述用户的金融数据,所述区块链自动识别所述用户的风险评估值,并将所述用户风险评估值共享在所述区块链的各个节点上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211279044.3A CN115345734A (zh) | 2022-10-19 | 2022-10-19 | 一种基于区块链的产业链金融风控模型构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211279044.3A CN115345734A (zh) | 2022-10-19 | 2022-10-19 | 一种基于区块链的产业链金融风控模型构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115345734A true CN115345734A (zh) | 2022-11-15 |
Family
ID=83957518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211279044.3A Pending CN115345734A (zh) | 2022-10-19 | 2022-10-19 | 一种基于区块链的产业链金融风控模型构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115345734A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630032A (zh) * | 2023-07-17 | 2023-08-22 | 九一金融信息服务(北京)有限公司 | 一种基于区块链的智能贷后管理*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541818A (zh) * | 2020-12-24 | 2021-03-23 | 四川享宇金信金融科技有限公司 | 一种基于区块链的风控模型构建方法 |
CN113435770A (zh) * | 2021-07-07 | 2021-09-24 | 中国银行股份有限公司 | 基于区块链的交易风险评估方法及装置 |
CN114202413A (zh) * | 2022-02-17 | 2022-03-18 | 中云融拓数据科技发展(深圳)有限公司 | 基于产业链数字化场景金融模型建立金融风控体系的方法 |
CN114358907A (zh) * | 2022-01-06 | 2022-04-15 | 广东启链科技有限公司 | 一种基于区块链联邦学习的金融风险预测方法和*** |
CN115049505A (zh) * | 2022-04-22 | 2022-09-13 | 中银金融科技有限公司 | 基于区块链的产业链金融风险防控方法及装置 |
-
2022
- 2022-10-19 CN CN202211279044.3A patent/CN115345734A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112541818A (zh) * | 2020-12-24 | 2021-03-23 | 四川享宇金信金融科技有限公司 | 一种基于区块链的风控模型构建方法 |
CN113435770A (zh) * | 2021-07-07 | 2021-09-24 | 中国银行股份有限公司 | 基于区块链的交易风险评估方法及装置 |
CN114358907A (zh) * | 2022-01-06 | 2022-04-15 | 广东启链科技有限公司 | 一种基于区块链联邦学习的金融风险预测方法和*** |
CN114202413A (zh) * | 2022-02-17 | 2022-03-18 | 中云融拓数据科技发展(深圳)有限公司 | 基于产业链数字化场景金融模型建立金融风控体系的方法 |
CN115049505A (zh) * | 2022-04-22 | 2022-09-13 | 中银金融科技有限公司 | 基于区块链的产业链金融风险防控方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630032A (zh) * | 2023-07-17 | 2023-08-22 | 九一金融信息服务(北京)有限公司 | 一种基于区块链的智能贷后管理*** |
CN116630032B (zh) * | 2023-07-17 | 2023-10-31 | 九一金融信息服务(北京)有限公司 | 一种基于区块链的智能贷后管理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104835103A (zh) | 基于神经网络和模糊综合评价的移动网络健康评价方法 | |
CN108399428A (zh) | 一种基于迹比准则的三元组损失函数设计方法 | |
US20040254803A1 (en) | Method and system for optimized real estate appraisal | |
CN107862602A (zh) | 一种基于多维度指标计算、自学习及分群模型应用的授信决策方法与*** | |
CN111191726B (zh) | 一种基于弱监督学习多层感知器的故障分类方法 | |
CN115345734A (zh) | 一种基于区块链的产业链金融风控模型构建方法 | |
CN110310199B (zh) | 借贷风险预测模型的构建方法、***及借贷风险预测方法 | |
CN109948920B (zh) | 一种基于证据理论的电力市场结算数据风险处理方法 | |
CN108985455A (zh) | 一种计算机应用神经网络预测方法及*** | |
CN110309608A (zh) | 一种针对时滞不确定信息的高炉铁水硅含量预报方法 | |
CN109086954A (zh) | 基于资金流预测收益率的预测方法、装置、设备及介质 | |
CN113327047B (zh) | 基于模糊综合模型的电力营销服务渠道决策方法及*** | |
CN114580940A (zh) | 基于灰色关联度分析法的注浆效果模糊综合评价方法 | |
CN110322342B (zh) | 借贷风险预测模型的构建方法、***及借贷风险预测方法 | |
CN109190858A (zh) | 一种电网建设项目投资决策优化方法 | |
CN116957770A (zh) | 一种识别金融欺诈的方法及装置 | |
Baldacci et al. | A framework for fiscal debt sustainability analysis in low-income countries | |
TWI720638B (zh) | 存款利率議價調整系統及其方法 | |
Manchala et al. | Ensembling teaching-learning-based optimization algorithm with analogy-based estimation to predict software development effort | |
Albani et al. | Local volatility models in commodity markets and online calibration | |
CN110991252A (zh) | 一种不均衡场景中人群分布与计数的检测方法 | |
Popchev et al. | A decision support method for investment preference evaluation | |
Chulani et al. | From multiple regression to bayesian analysis for calibrating COCOMO II | |
CN117808576B (zh) | 一种用于企业融资额度估算的商业汇票大数据分析方法 | |
CN118114083B (zh) | 基于大数据的学生学业表现预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221115 |
|
RJ01 | Rejection of invention patent application after publication |