[發明專利]逾期個貸催收方式確定方法、裝置及電子設備

在審

• 申請號: 202010517148.8
• 申請日: 2020-06-09
• 公開（公告）號: CN111539812A
• 公開（公告）日: 2020-08-14
• 發明（設計）人: 呂飛鵬;朱祖恩;宮自成;唐佳鑫
• 申請（專利權）人: 中國建設銀行股份有限公司;建信金融科技有限責任公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 劉飛;周達

1.一種逾期個貸催收方式確定方法，其特征在于，包括：

獲取逾期個貸客戶的目標輸入變量數據；

將所述目標輸入變量數據輸入預設的壞賬風險參數預測模型，獲得所述逾期個貸客戶的壞賬風險參數值；

根據所述壞賬風險參數值確定所述逾期個貸客戶的壞賬風險類別；

確定所述逾期個貸客戶當前的個貸逾期遷徙率變化至，對應于所述壞賬風險類別的個貸逾期遷徙率臨界值所需時長；

根據所述時長確定針對所述逾期個貸客戶的催收方式。

2.如權利要求1所述的逾期個貸催收方式確定方法，其特征在于，所述壞賬風險參數預測模型預先通過訓練機器學習模型得到。

3.如權利要求2所述的逾期個貸催收方式確定方法，其特征在于，所述機器學習模型的輸入變量通過以下方式確定：

獲取候選變量集合；

確定所述候選變量集合中各候選變量的數據缺失率，并剔除其數據缺失率達到缺失率閾值的輸入變量，形成第二集合；

確定所述第二集合中各連續型候選變量在按照第一區間長度分箱下的第一信息價值，并剔除其第一信息價值未達到第一信息價值閾值的連續型候選變量，形成第三集合；

確定所述第三集合中各連續型候選變量在按照第二區間長度分箱下的群體穩定性指數值，并剔除其群體穩定性指數值大于群體穩定性指數閾值及不符合業務解釋的連續型候選變量，形成第四集合；所述第二區間長度大于所述第一區間長度；

確定所述第四集合中各候選變量的第二信息價值，并剔除其第二信息價值小于第二信息價值閾值的連續型候選變量，形成第五集合；

確定所述第五集合中每兩個候選變量之間的相關系數；當兩個候選變量之間的相關系數大于相關系數閾值時，剔除所述兩個候選變量中第二信息價值較小者，從而形成輸入變量集合。

4.如權利要求2所述的逾期個貸催收方式確定方法，其特征在于，在所述機器學習模型的個貸客戶樣本集中，黑樣本和白樣本以個貸逾期遷徙率臨界值作為區分。

5.如權利要求2所述的逾期個貸催收方式確定方法，其特征在于，在所述機器學習模型的個貸客戶樣本集中，個貸客戶樣本具有相同的個貸業務類型，且所述逾期個貸客戶與所述個貸客戶樣本具有相同的個貸業務類型。

6.如權利要求1所述的逾期個貸催收方式確定方法，其特征在于，所述催收方式包括啟動電話催收的開始時間。

7.一種逾期個貸催收方式確定裝置，其特征在于，包括：

輸入變量獲取模塊，用于獲取逾期個貸客戶的目標輸入變量數據；

風險參數預測模塊，用于將所述目標輸入變量數據輸入預設的壞賬風險參數預測模型，獲得所述逾期個貸客戶的壞賬風險參數值；

風險類別確定模塊，用于根據所述壞賬風險參數值確定所述逾期個貸客戶的壞賬風險類別；

臨界時長確定模塊，用于確定所述逾期個貸客戶當前的個貸逾期遷徙率變化至，對應于所述壞賬風險類別的個貸逾期遷徙率臨界值所需時長；

催收方式確定模塊，用于根據所述時長確定針對所述逾期個貸客戶的催收方式。

8.如權利要求7所述的逾期個貸催收方式確定裝置，其特征在于，所述壞賬風險參數預測模型預先通過訓練機器學習模型得到。