[發明專利]貸中行為監控的方法及系統

在審

• 申請號: 202010085163.X
• 申請日: 2020-02-10
• 公開（公告）號: CN111324862A
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 彭堂超
• 申請（專利權）人: 深圳華策輝弘科技有限公司
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06K9/62;G06Q40/02
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 洪銘福

1.一種貸中行為監控的方法，其特征在于，包括：

獲取業務類型和客戶的歷史行為特征數據構成的數據集；

利用預先訓練好的所述業務類型對應的邏輯回歸預測模型根據所述數據集計算得到客戶的違約概率；

根據所述違約概率進行貸中行為監控。

2.根據權利要求1所述的一種貸中行為監控的方法，其特征在于，訓練所述業務類型對應的邏輯回歸預測模型具體包括：

根據不同業務類型選取對應的歷史行為特征數據構成訓練數據集；

利用訓練數據集訓練所述邏輯回歸預測模型得到歷史行為特征對應的預測概率；

將所述預測概率與真實值進行比較得到損失值，根據所述損失值調整所述邏輯回歸預測模型參數。

3.根據權利要求1所述的一種貸中行為監控的方法，其特征在于，所述根據所述違約概率進行貸中行為監控包括：

根據所述違約概率計算得到整體風險分值；

將所述整體風險分值映射到評分區間計算客戶的信用評分，根據所述信用評分進行貸中行為監控。

4.根據權利要求3所述的一種貸中行為監控的方法，其特征在于，所述根據所述違約概率計算得到整體風險分值包括：

計算每一類歷史行為特征數據的違約概率；

并根據所述違約概率與所述歷史行為特征數據對應的變量權重計算得到單變量風險分值；

根據所述單變量風險分值得到所述歷史行為特征數據的整體風險分值。

5.根據權利要求4所述的一種貸中行為監控的方法，其特征在于，計算所述變量權重的過程包括：

獲取多個用戶的每一類歷史行為特征數據組成多個單一變量訓練數據集，將每一個單一變量訓練數據集輸入到所述邏輯回歸預測模型中得到當前類別歷史行為特征數據的預測概率，根據所述預測概率調整所述邏輯回歸預測模型得到當前類別歷史行為特征數據的變量權重。

6.根據權利要求4所述的一種貸中行為監控的方法，其特征在于，計算所述變量權重的過程還包括：

獲取多個用戶的每一類歷史行為特征數據組成多個單一變量訓練數據集，選取其中一種單一變量訓練數據集聯合其他一個或一個以上的單一變量訓練數據集輸入到所述邏輯回歸預測模型中得到當前類別歷史行為特征數據的預測概率，根據所述預測概率調整所述邏輯回歸預測模型得到當前類別歷史行為特征數據的變量權重。

7.根據權利要求1至6任一項所述的一種貸中行為監控的方法，其特征在于，所述歷史行為特征數據至少包括以下一種或多種：歷史違約次數、歷史違約金額、違約時間間隔、歷史申請次數、申請金額、被拒次數、近期是否申請、申請材料是否一致、是否故意拒絕銀行聯絡、近期信用卡透支額度、是否違約、違約經過時間；所述業務類型至少包括：現金貸業務、線上現金分期業務、線上消費分期業務、二次營銷業務。

8.一種貸中行為監控的系統，其特征在于，包括：

獲取模塊：用于獲取業務類型和客戶的歷史行為特征數據構成的數據集；

預測模塊：用于利用預先訓練好的所述業務類型對應的邏輯回歸預測模型根據所述數據集計算得到客戶的違約概率；

行為監控模塊：用于根據所述違約概率進行貸中行為監控。

9.一種貸中行為監控的設備，其特征在于，包括：

至少一個處理器；以及，與所述至少一個處理器通信連接的存儲器；

其中，所述處理器通過調用所述存儲器中存儲的計算機程序，用于執行如權利要求1至7任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機可執行指令，所述計算機可執行指令用于使計算機執行如權利要求1至7任一項所述的方法。