一种基于大数据和AI的汽车金融风控方法及系统与流程

本发明涉及汽车金融风控运营管理，特别涉及一种基于大数据和ai的汽车金融风控方法及系统。

背景技术：

1、目前，随着汽车金融市场的快速发展，汽车金融风控面临着日益复杂和多变的风险环境。这些风险包括但不限于信用风险、贷款风险、市场风险以及关联机构风险等。有效管理和量化这些风险对于维护金融稳定、保障投资者利益以及促进汽车金融行业的可持续发展至关重要。首先，汽车金融行业中的信用风险是指借款人或债务人未能按约定履行还款义务的风险。这直接关系到金融机构(例如银行等机构)的资产质量和盈利能力。其次，贷款风险主要涉及贷款组合的违约概率和违约损失率。随着汽车金融产品的多样化，贷款风险的管理变得更加复杂。再者，市场风险源于汽车金融抵押物(车辆)使用情况的波动，这些波动可能对汽车金融抵押物(车辆)的价值造成大的影响，无法确保在客户违约时，抵押物能够覆盖贷款余额。最后，关联机构风险则涉及到与汽车金融机构有业务往来或利益关系的其他机构的风险状况。一旦这些关联机构出现问题，可能会对汽车金融机构造成直接或间接的财务损失。所以如何综合汽车金融的信用风险方面、贷款风险方面、市场风险方面、关联机构风险方面，对汽车金融的总体风险程度精确量化，便成为了目前汽车金融最关键的问题。

2、但是，现有的基于大数据和ai的汽车金融风控方法及系统只是通过对车辆质量判断分析车辆的金融贷款的风险，提高了汽车金融的运营管控效率，并对信用审核流程进行分析判断信用审核流程是否合格，防止信用审核准确性差导致汽车金融对应交易存在风险，但这仅仅只是考虑了汽车金融的少数风险方面，并未综合汽车金融的信用风险方面、贷款风险方面、市场风险方面、关联机构风险方面，对汽车金融的总体风险程度精确量化。例如公开号为“cn114971876a”、专利名称为“一种基于大数据的汽车金融风控运营管理系统”，其方法包括以下步骤：将进行出售的车辆进行质量分析，通过对车辆质量判断分析对应车辆的金融贷款的风险，提高了汽车金融的运营管控效率，降低了金融贷款的风险，提高了借款人和出款人的合作效率；对信用审核流程进行分析判断信用审核流程是否合格，防止信用审核准确性差导致汽车金融对应交易存在风险，以至于降低了汽车金融运营的管控效率，影响汽车金融中借款人和出款人的交易安全性，从而影响汽车金融的交易成功率。但是该专利只是通过对车辆质量判断分析车辆的金融贷款的风险，提高了汽车金融的运营管控效率，并对信用审核流程进行分析判断信用审核流程是否合格，防止信用审核准确性差导致汽车金融对应交易存在风险，但这仅仅只是考虑了汽车金融的少数风险方面，并未综合汽车金融的信用风险方面、贷款风险方面、市场风险方面、关联机构风险方面，对汽车金融的总体风险程度精确量化。

3、因此，本发明提出了一种基于大数据和ai的汽车金融风控方法及系统。

技术实现思路

1、本发明提供一种基于大数据和ai的汽车金融风控方法及系统，用以根据当前时刻的第一金融风险判断结果和当前时刻前预设时间段内每个时刻汽车金融的每类风险管理数据，准确地获得当前时刻汽车金融的每类风险管理数据的风险管理值，实现了对当前时刻汽车金融在每类风险管理数据上的风险程度进行量化，根据当前时刻前预设时间段内所有时刻汽车金融的所有类风险管理数据的风险管理值，获得当前时刻汽车金融的风险管理上限阈值、风险管理下限阈值及风险管理矩阵，进而准确地获得当前时刻汽车金融的总体风控量值，实现了对当前时刻汽车金融的总体风险程度进行量化，根据当前时刻汽车金融的总体风控量值，准确地获得当前时刻的第二金融风险判断结果，进而获得当前时刻的汽车金融风控结果，实现了综合汽车金融的信用风险方面、贷款风险方面、市场风险方面、关联机构风险方面，对汽车金融的总体风险程度精确量化，有助于提升汽车金融风险管理的效果和效率，降低潜在的风险损失。

2、本发明提供一种基于大数据和ai的汽车金融风控方法，包括：

3、s1：基于当前时刻前预设时间段内每个时刻汽车金融的所有类风险管理数据，获得当前时刻的第一金融风险判断结果；

4、s2：若当前时刻的第一金融风险判断结果为待定时，基于当前时刻前预设时间段内每个时刻汽车金融的每类风险管理数据和ai技术，获得当前时刻汽车金融的每类风险管理数据的风险管理值；

5、s3：基于当前时刻前预设时间段内所有时刻汽车金融的所有类风险管理数据的风险管理值，获得当前时刻汽车金融的风险管理上限阈值和风险管理下限阈值，并基于当前时刻前预设时间段内所有时刻汽车金融的所有类风险管理数据的风险管理值，获得当前时刻汽车金融的风险管理矩阵，基于当前时刻汽车金融的风险管理上限阈值、风险管理下限阈值及风险管理矩阵，获得当前时刻汽车金融的总体风控量值；

6、s4：基于当前时刻汽车金融的总体风控量值，获得当前时刻的第二金融风险判断结果，并基于当前时刻的第一金融风险判断结果和第二金融风险判断结果，获得当前时刻的汽车金融风控结果。

7、优选的，基于大数据和ai的汽车金融风控方法，s1：基于当前时刻前预设时间段内每个时刻汽车金融的所有类风险管理数据，获得当前时刻的第一金融风险判断结果，包括：

8、获取当前时刻前预设时间段内每个时刻汽车金融的所有类风险管理数据，其中所有类风险管理数据包括信用风险管理数据、贷款风险管理数据、市场风险管理数据、关联机构风险管理数据，且信用风险管理数据包括个人征信记录信息、个人工作收入信息、个人负债情况，贷款风险管理数据包括贷款发放流程信息，市场风险管理数据包括车辆使用里程、车辆维修信息、车辆出险金额，关联机构风险管理数据包括关联机构履约记录、关联机构财务状况；

9、基于当前时刻前预设时间段内所有时刻汽车金融的所有类风险管理数据，获得当前时刻的第一金融风险判断结果。

10、优选的，基于大数据和ai的汽车金融风控方法，基于当前时刻前预设时间段内所有时刻汽车金融的所有类风险管理数据，获得当前时刻的第一金融风险判断结果，包括：

11、判断当前时刻前预设时间段内所有时刻汽车金融的信用风险管理数据的个人征信记录信息内是否存在逾期未还款记录，若是，则将存在风险当作当前时刻的第一金融风险判断结果，否则，将待定当作当前时刻的第一金融风险判断结果；

12、判断当前时刻前预设时间段内所有时刻汽车金融的贷款风险管理数据的贷款发放流程信息内是否存在违规操作，若是，则将存在风险当作当前时刻的第一金融风险判断结果，否则，将待定当作当前时刻的第一金融风险判断结果；

13、判断当前时刻前预设时间段内所有时刻汽车金融的市场风险管理数据的车辆出险金额是否大于预设维修金额，若是，则将存在风险当作当前时刻的第一金融风险判断结果，否则，将待定当作当前时刻的第一金融风险判断结果；

14、判断当前时刻前预设时间段内所有时刻汽车金融的关联机构风险管理数据的关联机构履约记录内是否存在违约记录，若是，则将存在风险当作当前时刻的第一金融风险判断结果，否则，将待定当作当前时刻的第一金融风险判断结果。

15、优选的，基于大数据和ai的汽车金融风控方法，s2：若当前时刻的第一金融风险判断结果为待定时，基于当前时刻前预设时间段内每个时刻汽车金融的每类风险管理数据和ai技术，获得当前时刻汽车金融的每类风险管理数据的风险管理值，包括：

16、若当前时刻的第一金融风险判断结果为待定时，基于当前时刻前预设时间段内每个时刻汽车金融的每类风险管理数据和对应类风险管理数据的赋分模型，获得当前时刻前预设时间段内每个时刻汽车金融的每类风险管理数据的风险赋分值；

17、基于当前时刻前预设时间段内所有时刻汽车金融的每类风险管理数据的风险赋分值，获得当前时刻汽车金融的每类风险管理数据的风险管理值。

18、优选的，基于大数据和ai的汽车金融风控方法，基于当前时刻前预设时间段内所有时刻汽车金融的每类风险管理数据的风险赋分值，获得当前时刻汽车金融的每类风险管理数据的风险管理值，包括：

19、将当前时刻前预设时间段内所有时刻汽车金融的每类风险管理数据的风险赋分值的均值和标准差，当作当前时刻汽车金融的对应类风险管理数据的参考均值和参考标准差；

20、判断当前时刻汽车金融的每类风险管理数据的风险赋分值，是否大于当前时刻汽车金融的对应类风险管理数据的参考均值，若是，则将当前时刻汽车金融的每类风险管理数据的风险赋分值，当作当前时刻汽车金融的对应类风险管理数据的风险管理值，否则，将当前时刻汽车金融的每类风险管理数据的风险赋分值和参考标准差之间的和值，当作当前时刻汽车金融的对应类风险管理数据的风险管理值。

21、优选的，基于大数据和ai的汽车金融风控方法，基于当前时刻前预设时间段内所有时刻汽车金融的所有类风险管理数据的风险管理值，获得当前时刻汽车金融的风险管理上限阈值和风险管理下限阈值，包括：

22、

23、

24、其中，β1为当前时刻汽车金融的风险管理上限阈值，β2为当前时刻汽车金融的风险管理下限阈值，q为当前时刻前预设时间段内所有时刻汽车金融的信用风险管理数据的风险管理值的均值，σq为当前时刻前预设时间段内所有时刻汽车金融的信用风险管理数据的风险管理值的标准差，qmax为当前时刻前预设时间段内所有时刻汽车金融的信用风险管理数据的风险管理值中的最大值，qmin为当前时刻前预设时间段内所有时刻汽车金融的信用风险管理数据的风险管理值中的最小值，e为当前时刻前预设时间段内所有时刻汽车金融的贷款风险管理数据的风险管理值的均值，σe为当前时刻前预设时间段内所有时刻汽车金融的贷款风险管理数据的风险管理值的标准差，emax为当前时刻前预设时间段内所有时刻汽车金融的贷款风险管理数据的风险管理值中的最大值，emin为当前时刻前预设时间段内所有时刻汽车金融的贷款风险管理数据的风险管理值中的最小值，u为当前时刻前预设时间段内所有时刻汽车金融的市场风险管理数据的风险管理值的均值，σu为当前时刻前预设时间段内所有时刻汽车金融的市场风险管理数据的风险管理值的标准差，umax为当前时刻前预设时间段内所有时刻汽车金融的市场风险管理数据的风险管理值中的最大值，umin为当前时刻前预设时间段内所有时刻汽车金融的市场风险管理数据的风险管理值中的最小值，z为当前时刻前预设时间段内所有时刻汽车金融的关联机构风险管理数据的风险管理值的均值，σz为当前时刻前预设时间段内所有时刻汽车金融的关联机构风险管理数据的风险管理值的标准差，zmax为当前时刻前预设时间段内所有时刻汽车金融的关联机构风险管理数据的风险管理值中的最大值，zmin为当前时刻前预设时间段内所有时刻汽车金融的关联机构风险管理数据的风险管理值中的最小值。

25、优选的，基于大数据和ai的汽车金融风控方法，基于当前时刻前预设时间段内所有时刻汽车金融的所有类风险管理数据的风险管理值，获得当前时刻汽车金融的风险管理矩阵，包括：

26、

27、其中，s为当前时刻汽车金融的风险管理矩阵，q1为当前时刻前预设时间段内第1个时刻汽车金融的信用风险管理数据的风险管理值，e1为当前时刻前预设时间段内第1个时刻汽车金融的贷款风险管理数据的风险管理值，u1为当前时刻前预设时间段内第1个时刻汽车金融的市场风险管理数据的风险管理值，z1为当前时刻前预设时间段内第1个时刻汽车金融的关联机构风险管理数据的风险管理值，q2为当前时刻前预设时间段内第2个时刻汽车金融的信用风险管理数据的风险管理值，e2为当前时刻前预设时间段内第2个时刻汽车金融的贷款风险管理数据的风险管理值，u2为当前时刻前预设时间段内第2个时刻汽车金融的市场风险管理数据的风险管理值，z2为当前时刻前预设时间段内第2个时刻汽车金融的关联机构风险管理数据的风险管理值，qn为当前时刻前预设时间段内第n个时刻汽车金融的信用风险管理数据的风险管理值，en为当前时刻前预设时间段内第n个时刻汽车金融的贷款风险管理数据的风险管理值，un为当前时刻前预设时间段内第n个时刻汽车金融的市场风险管理数据的风险管理值，zn为当前时刻前预设时间段内第n个时刻汽车金融的关联机构风险管理数据的风险管理值，n为当前时刻前预设时间段内所有时刻的总数。

28、优选的，基于大数据和ai的汽车金融风控方法，基于当前时刻汽车金融的风险管理上限阈值、风险管理下限阈值及风险管理矩阵，获得当前时刻汽车金融的总体风控量值，包括：

29、将当前时刻汽车金融的风险管理矩阵的每个列矩阵的所有矩阵元素中，矩阵元素不大于当前时刻汽车金融的风险管理上限阈值、且对应矩阵元素不小于当前时刻汽车金融的风险管理下限阈值的矩阵元素，当作当前时刻汽车金融的风险管理矩阵的对应列矩阵的第一统计矩阵元素；

30、将当前时刻汽车金融的风险管理矩阵的每个列矩阵的所有矩阵元素中，矩阵元素小于当前时刻汽车金融的风险管理下限阈值的矩阵元素，当作当前时刻汽车金融的风险管理矩阵的对应列矩阵的第二统计矩阵元素；

31、将当前时刻汽车金融的风险管理矩阵的每个列矩阵的所有矩阵元素中，矩阵元素大于当前时刻汽车金融的风险管理上限阈值的矩阵元素，当作当前时刻汽车金融的风险管理矩阵的对应列矩阵的第三统计矩阵元素；

32、基于当前时刻汽车金融的风险管理矩阵的所有列矩阵的第一统计矩阵元素、第二统计矩阵元素及第三统计矩阵元素，获得当前时刻汽车金融的总体风控量值，即为：

33、

34、其中，θ为当前时刻汽车金融的总体风控量值，ρ为当前时刻汽车金融的风险管理矩阵中当前时刻对应的列矩阵的所有矩阵元素的均值，m1为当前时刻汽车金融的风险管理矩阵的所有列矩阵的第一统计矩阵元素个数的总数，m2为当前时刻汽车金融的风险管理矩阵的所有列矩阵的第二统计矩阵元素个数的总数，m3为当前时刻汽车金融的风险管理矩阵的所有列矩阵的第三统计矩阵元素个数的总数，p1为当前时刻汽车金融的风险管理矩阵中当前时刻对应的列矩阵的第一统计矩阵元素个数，p2为当前时刻汽车金融的风险管理矩阵中当前时刻对应的列矩阵的第二统计矩阵元素个数，p3为当前时刻汽车金融的风险管理矩阵中当前时刻对应的列矩阵的第三统计矩阵元素个数，ln为自然对数，且自然常数e的取值为2.718。

35、优选的，基于大数据和ai的汽车金融风控方法，s4：基于当前时刻汽车金融的总体风控量值，获得当前时刻的第二金融风险判断结果，并基于当前时刻的第一金融风险判断结果和第二金融风险判断结果，获得当前时刻的汽车金融风控结果，包括：

36、判断当前时刻汽车金融的总体风控量值是否大于预设总体风控量值阈值，若是，则将存在风险当作当前时刻的第二金融风险判断结果，否则，将无风险当作当前时刻的第二金融风险判断结果；

37、若当前时刻的第一金融风险判断结果或第二金融风险判断结果为存在风险时，向系统后台发送报警警报。

38、本发明提供了一种基于大数据和ai的汽车金融风控系统，用于执行实施例1至9中任一一种基于大数据和ai的汽车金融风控方法，包括：

39、判断模块，用于基于当前时刻前预设时间段内每个时刻汽车金融的所有类风险管理数据，获得当前时刻的第一金融风险判断结果；

40、第一计算模块，用于若当前时刻的第一金融风险判断结果为待定时，基于当前时刻前预设时间段内每个时刻汽车金融的每类风险管理数据和ai技术，获得当前时刻汽车金融的每类风险管理数据的风险管理值；

41、第二计算模块，用于基于当前时刻前预设时间段内所有时刻汽车金融的所有类风险管理数据的风险管理值，获得当前时刻汽车金融的风险管理上限阈值和风险管理下限阈值，并基于当前时刻前预设时间段内所有时刻汽车金融的所有类风险管理数据的风险管理值，获得当前时刻汽车金融的风险管理矩阵，基于当前时刻汽车金融的风险管理上限阈值、风险管理下限阈值及风险管理矩阵，获得当前时刻汽车金融的总体风控量值；

42、风控报警模块，用于基于当前时刻汽车金融的总体风控量值，获得当前时刻的第二金融风险判断结果，并基于当前时刻的第一金融风险判断结果和第二金融风险判断结果，获得当前时刻的汽车金融风控结果。

43、本发明相对于现有技术产生的有益效果为：根据当前时刻的第一金融风险判断结果和当前时刻前预设时间段内每个时刻汽车金融的每类风险管理数据，准确地获得当前时刻汽车金融的每类风险管理数据的风险管理值，实现了对当前时刻汽车金融在每类风险管理数据上的风险程度进行量化，根据当前时刻前预设时间段内所有时刻汽车金融的所有类风险管理数据的风险管理值，获得当前时刻汽车金融的风险管理上限阈值、风险管理下限阈值及风险管理矩阵，进而准确地获得当前时刻汽车金融的总体风控量值，实现了对当前时刻汽车金融的总体风险程度进行量化，根据当前时刻汽车金融的总体风控量值，准确地获得当前时刻的第二金融风险判断结果，进而获得当前时刻的汽车金融风控结果，实现了综合汽车金融的信用风险方面、贷款风险方面、市场风险方面、关联机构风险方面，对汽车金融的总体风险程度精确量化，有助于提升汽车金融风险管理的效果和效率，降低潜在的风险损失。

44、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的本技术文件中所特别指出的结构来实现和获得。

45、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。