基于机器学习的信贷工厂调度方法研究

发布时间：2024-01-28 10:22

　　近年来,消费信贷在中国蓬勃发展。为加速贷款审批,一些金融机构将源于新加坡的信贷工厂模式引入国内。信贷工厂中的调度问题研究有助于优化贷款审批流程,提升贷款审批效率。随着人工智能的快速发展,机器学习在许多领域大放异彩。因此本文研究如何将机器学习应用于信贷工厂的调度优化,主要包括两个方面:订单调度的优化和人员调度的优化。首先,针对于信贷工厂中的人员配置问题,本文提出一个基于机器学习人员配置问题的解决方案。本文将汽车贷款审批问题抽象建模为多个排队队列的组合,并基于排队论和离散仿真理论搭建起信贷工厂仿真系统。随后本文利用Prophet时序分析模型去预测信贷订单下一个时段的到达率并输入仿真系统,然后基于贝叶斯优化算法对仿真系统的人员配置方案进行优化。最后再将仿真系统中得到的下一时段的优化后的人员配置方案应用于现实信贷工厂,提高系统的审批效率。结果表明,算法优化后的审批效率相较于随机设置和人为经验调整分别提高了166.7%和38.8%。其次,信贷工厂的订单调度属于NP-hard问题,难以用传统精确算法得到即时方案。因而本文将信贷工厂中的订单调度问题建模为多智能体强化学习(MARL)任务。本文中的MA...

【文章页数】：60 页

【学位级别】：硕士

图3-2信贷材料审批流程图

图3-1信贷工厂线上平台

图3-3信贷工厂审核环节操作界面

图3-5基于排队论视角的信贷工厂流程图

本文编号：3887587