基于大数据的人工智能汽车金融风控系统的制作方法

本发明涉及汽车金融风险监测，具体而言，涉及基于大数据的人工智能汽车金融风控系统。

背景技术：

1、随着汽车发展，其销售量日益增多，汽车金融业务也逐渐增多。

2、汽车金融涵盖了信贷服务等，因此会存在一定的金融风险。为了保证汽车金融的稳健状态，对汽车金融进行风险监控是服务商的必要工作环节。汽车金融领域收集的数据面对的个体和数据种类都较为复杂，现有技术基于这些数据进行处理会有较大的算力消耗。但是削减数据处理步骤又会造成数据监测不准确等问题。

3、因此，需要对汽车金融风控进行改进，实现更高效且高可靠性的汽车金融风控。

技术实现思路

1、本发明的目的在于提供基于大数据的人工智能汽车金融风控系统，其可以实现更高效且高可靠性的汽车金融风控。

2、本发明通过以下技术方案实现：

3、基于大数据的人工智能汽车金融风控系统，包括：

4、大数据分组模块，用于将所有个体对象划分为多个组别；

5、第一数据采集模块，用于基于所述组别采集全局汽车金融数据；

6、第一数据分析模块，用于基于第一神经网络识别局部汽车金融风险；

7、第二数据采集模块，用于针对判断为具备局部汽车金融风险的组别采集局部汽车金融数据；

8、第二数据分析模块，用于基于第二神经网络识别个体汽车金融风险。

9、优选地，所述将所有个体对象划分为多个组别的方法为：

10、分别获取所述个体对象的汽车金融贷款总数额和分期数；

11、分别获取所述个体对象的汽车金融贷款风险参数：

12、；

13、其中，为第个所述个体对象的汽车金融贷款风险参数，和分别为第个所述个体对象的汽车金融贷款总数额和分期数，和为经验权重,为所述个体对象的总数；

14、获取组别的组数；

15、分别获取所述个体对象的汽车金融贷款风险参数的最大值和最小值，在最大值和最小值之间等分出个区间，落入相同区间的所述个体对象划分到同一个组别。

16、优选地，所述获取组别的组数的方法为：

17、;

18、;

19、；

20、其中，为自然指数函数，和均为中间参数，和分别为取最大值和取最小值的函数，为向上取整函数。

21、优选地，所述基于所述组别采集全局汽车金融数据的方法为：

22、分别采集每个组别的所述个体对象的连续m个月中每个月的剩余贷款数总额、理论还款数总额、实际还款数总额、车辆事故数量和车辆事故损失金额。

23、优选地，所述基于第一神经网络识别局部汽车金融风险的方法包括：

24、将所述全局汽车金融数据传输到输入层；

25、通过特征提取层分别对每个组别进行特征提取得到组别特征参数；

26、通过至少一个隐藏层进行数据非线性化处理；

27、通过输出层分别输出每个组别是否存在局部汽车金融风险。

28、优选地，通过特征提取层分别对每个组别进行特征提取的方法为：

29、;

30、;

31、其中，和分别为第个组别的第一特征参数和第二特征参数，、和分别代表第个组别的连续m个月中第个月的剩余贷款数总额、理论还款数总额和实际还款数总额，和分别为第个组别的连续m个月中第个月的车辆事故数量和车辆事故损失金额，为中间参数；

32、组合所述第一特征参数和所述第二特征参数：

33、;

34、其中，为第个组别的所述组别特征参数。

35、优选地，所述隐藏层采用relu激活函数，所述输出层采用sigmoid激活函数。

36、优选地，针对判断为具备局部汽车金融风险的组别采集局部汽车金融数据的方法为：

37、采集被识别为存在局部汽车金融风险的所述组别中的每个所述个体对象的连续m个月中每个月的剩余贷款数总额、理论还款数总额、实际还款数总额、车辆事故数量和车辆事故损失金额。

38、优选地，所述第二神经网络结构与所述第一神经网络相同。

39、本发明的技术方案至少具有如下优点和有益效果：

40、本发明基于大数据和人工智能进行汽车金融风控，可以进行全面的风险评估，识别潜在风险因素；

41、本发明对数据进行分组处理，先进性全局判断再进行局部判断，不同信贷数额的个体面临的风险和需求不同，分组后可以提供更个性化的金融服务和管理策略，同时降低系统计算负担，提升计算效率；

42、本发明的数据分组更具备针对性，动态针对基于信贷数额根据不同的数据分布情况可以分为不同组数，对于数据分布越不均匀的数据分组越多，既兼顾了组数数量限制又考虑了数据密度问题，有助于提升全局分析的可靠性；

43、本发明局部分析可以采用和全局分析相同的模型，进一步节约训练成本，优化算力资源。

技术特征：

1.基于大数据的人工智能汽车金融风控系统，其特征在于，包括：

2.根据权利要求1所述的基于大数据的人工智能汽车金融风控系统，其特征在于，所述将所有个体对象划分为多个组别的方法为：

3.根据权利要求2所述的基于大数据的人工智能汽车金融风控系统，其特征在于，所述获取组别的组数的方法为：

4.根据权利要求1所述的基于大数据的人工智能汽车金融风控系统，其特征在于，所述基于所述组别采集全局汽车金融数据的方法为：

5.根据权利要求4所述的基于大数据的人工智能汽车金融风控系统，其特征在于，所述基于第一神经网络识别局部汽车金融风险的方法包括：

6.根据权利要求5所述的基于大数据的人工智能汽车金融风控系统，其特征在于，通过特征提取层分别对每个组别进行特征提取的方法为：

7.根据权利要求6所述的基于大数据的人工智能汽车金融风控系统，其特征在于，所述隐藏层采用relu激活函数，所述输出层采用sigmoid激活函数。

8.根据权利要求7所述的基于大数据的人工智能汽车金融风控系统，其特征在于，所述针对判断为具备局部汽车金融风险的组别采集局部汽车金融数据的方法为：

9.根据权利要求8所述的基于大数据的人工智能汽车金融风控系统，其特征在于，所述第二神经网络结构与所述第一神经网络相同。

技术总结
本发明提供了基于大数据的人工智能汽车金融风控系统，涉及汽车金融风险监测技术领域，目的是实现更高效且高可靠性的汽车金融风控，包括：大数据分组模块，用于将所有个体对象划分为多个组别；第一数据采集模块，用于基于所述组别采集全局汽车金融数据；第一数据分析模块，用于基于第一神经网络识别局部汽车金融风险；第二数据采集模块，用于针对判断为具备局部汽车金融风险的组别采集局部汽车金融数据；第二数据分析模块，用于基于第二神经网络识别个体汽车金融风险。本发明具有汽车金融风控高效且可靠的优点。

技术研发人员：何易葵,李静,黄翔,何为,高明贤
受保护的技术使用者：四川丝路易购科技有限公司
技术研发日：
技术公布日：2024/12/5