[發明專利]信用風險預測方法、系統、終端及存儲介質

在審

• 申請號: 201911331410.3
• 申請日: 2019-12-21
• 公開（公告）號: CN111062444A
• 公開（公告）日: 2020-04-24
• 發明（設計）人: 李心兒;劉彥;張在美;謝國琪
• 申請（專利權）人: 湖南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q40/02
• 代理公司: 長沙知行亦創知識產權代理事務所(普通合伙) 43240
• 代理人: 嚴理佳

本發明公開了一種信用風險預測方法、系統、終端及存儲介質，方法包括：采用已發生還款行為的用戶的信息對待訓練的信用風險預測模型進行訓練，獲得初步訓練的信用風險預測模型；采用初步訓練的信用風險預測模型對貸款審核未通過的用戶的信用風險等級進行預測，獲得貸款審核未通過的用戶的信用風險預測等級；將已發生還款行為用戶的用戶信息和對應的實際信用風險等級以及貸款審核未通過的用戶的用戶信息和對應的信用風險預測等級，對初步訓練的信用風險預測模型進行訓練，獲得最終的信用分析預測模型。本發明解決了現有信用評分模型中對對用戶的信用風險的進行預測的準確率低問題。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種信用風險預測方法、系統、終端及計算機可讀存儲介質。

背景技術

近年來，隨著互聯網金融的不斷發展，線上P2P貸款市場已經逐漸融入到人類的日常生活中。線上P2P貸款市場提供允許用戶之間直接進行借貸交易的便利服務。但這種便利性也為用戶尤其是投資者帶來了巨大的潛在風險。因此，如何預測借款者的信用風險成為線上P2P貸款市場中亟待解決的問題。

信用評分模型的出現在一定程度上緩解了該問題，但是傳統的信用評分模型是基于被允許貸款的用戶信息構建的，缺少了其他被拒絕貸款用戶的信息，因此該模型對用戶的信用風險預測仍然會存在偏差的，其風險預測的準確率低

發明內容

本發明的主要目的在于提出一種信用風險預測方法、系統、終端及計算機可讀存儲介質，旨在解決現有信用評分模型中對對用戶的信用風險的進行預測的準確率低的技術問題。

為實現上述目的，本發明提供一種信用風險預測方法，包括步驟：

采集已發生還款行為的用戶的信息作為第一樣本，并根據用戶的還款行為和信用風險等級間的預設映射關系，標注第一樣本的實際信用風險等級；

采集貸款審核未通過的用戶信息作為第二樣本；

根據多個第一樣本和對應的實際信用風險等級對待訓練的信用風險預測模型進行訓練，獲得初步訓練的信用風險預測模型；

采用初步訓練的信用風險預測模型對第二樣本的信用風險等級進行預測，獲得第二樣本的信用風險預測等級；

將多個第一樣本和對應的實際信用風險等級以及多個第二樣本和對應的信用風險預測等級，對初步訓練的信用風險預測模型進行訓練，獲得最終的信用分析預測模型。

可選地，所述采集已發生還款行為的用戶的信息作為第一樣本的步驟包括：

采集已發生還款行為的用戶的信息；

對已發生還款行為的用戶信息進行中進行敏感信息過濾和/或預處理；

將過濾后和/或預處理后的已發生還款行為的用戶信息作為第一樣本。

可選地，所述采集貸款審核未通過的用戶信息作為第二樣本的步驟包括：

采集貸款審核未通過的用戶信息；

對貸款審核未通過的用戶信息進行中進行敏感信息過濾和/或預處理；

將過濾后和/或預處理后的貸款審核未通過的用戶信息作為第二樣本。

可選地，若待訓練的信用風險預測模型包括至少一個預設的不同分類算法、至少一個預設的不同聚類算法以及待訓練的融合算法，所述根據多個第一樣本和對應的實際信用風險等級對待訓練的信用風險預測模型進行訓練，獲得初步訓練的信用風險預測模型的步驟包括：