[發明專利]評估還款風險的方法及裝置、存儲介質、電子設備

在審

• 申請號: 201910191121.1
• 申請日: 2019-03-12
• 公開（公告）號: CN110070430A
• 公開（公告）日: 2019-07-30
• 發明（設計）人: 張鋒;劉驥;劉玉強;金明;李雯;葉素蘭
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

1.一種評估還款風險的方法，其特征在于，包括：

當接收到請求對逾期還款主體的還款風險進行評估的請求時，獲取所述逾期還款主體的信息；

將所獲取的所述逾期還款主體的信息輸入預先訓練完成的機器學習模型中，以得到該逾期還款主體是否為預定類型的判斷結果；

在所述判斷結果為該逾期還款主體是預定類型的情況下，確定該逾期還款主體的還款能力值；

根據該逾期還款主體的還款能力值，對該逾期還款主體進行還款風險評級。

2.根據權利要求1所述的評估還款風險的方法，其特征在于，所述根據該逾期還款主體的還款能力值，對該逾期還款主體進行還款風險評級包括：

當所述還款能力值大于或等于100％時，則該逾期還款主體的還款風險評級為低級風險；

當所述還款能力值大于或等于50％且小于100％時，則該逾期還款主體的還款風險評級為中級風險；

當所述還款能力值小于50％，則該逾期還款主體的還款風險評級為高級風險。

3.根據權利要求1所述的評估還款風險的方法，其特征在于，所述確定該逾期還款主體的還款能力值包括：

從系統用戶數據庫中獲取該逾期還款主體的流動資產金額、固定資產金額和逾期未還金額；

將該逾期還款主體的流動資產金額與固定資產金額之和減去該逾期還款主體的逾期未還金額，得到該逾期還款主體的可用于還款金額；

將該逾期還款主體的可用于還款金額除以該逾期還款主體的逾期未還金額，得到該逾期還款主體的還款能力值。

4.根據權利要求1所述的評估還款風險的方法，其特征在于，所述獲取所述逾期還款主體的信息包括：

從系統用戶數據庫中獲取該逾期還款主體的逾期未還金額、逾期時間以及催收數據。

5.根據權利要求1所述的評估還款風險的方法，其特征在于，在根據該逾期還款主體的還款能力值，對該逾期還款主體進行還款風險評級之后，還包括：

根據該逾期還款主體的還款風險評級，確定針對該逾期還款主體的催收策略。

6.根據權利要求1所述的評估還款風險的方法，其特征在于，還包括：

將多個逾期還款主體的信息作為機器學習模型的樣本輸入，以對機器學習模型進行訓練，其中每個逾期還款主體具有是預定類型或不是預定類型的對應標識；

通過調整機器學習模型的參數，使得機器學習模型針對每個逾期還款主體的信息的輸出與該逾期還款主體的對應標識一致。

7.一種評估還款風險的裝置，其特征在于，包括：

獲取模塊，用于當接收到請求對逾期還款主體的還款風險進行評估的請求時，獲取所述逾期還款主體的信息；

判斷模塊，用于將所獲取的所述逾期還款主體的信息輸入預先訓練完成的機器學習模型中，以得到該逾期還款主體是否為預定類型的判斷結果；

計算模塊，用于在所述判斷結果為該逾期還款主體是預定類型的情況下，確定該逾期還款主體的還款能力值；

評級模塊，用于根據該逾期還款主體的還款能力值，對該逾期還款主體進行還款風險評級。

8.根據權利要求7所述的評估還款風險的裝置，其特征在于，所述計算模塊包括：

獲取單元，用于從系統用戶數據庫中獲取該逾期還款主體的流動資產金額、固定資產金額和逾期未還金額；

第一計算單元，用于將該逾期還款主體的流動資產金額與固定資產金額之和減去該逾期還款主體的逾期未還金額，得到該逾期還款主體的可用于還款金額；

第二計算單元，用于將該逾期還款主體的可用于還款金額除以該逾期還款主體的逾期未還金額，得到該逾期還款主體的還款能力值。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1-6中任一項所述的評估還款風險的方法。

10.一種電子設備，其特征在于，包括：

處理器；以及

存儲器，其上存儲有計算機程序；

其中，所述處理器被配置為經由執行所述計算機程序來執行如權利要求1-6中任一項所述的評估還款風險的方法。