[發明專利]貸款逾期的預測方法、裝置、電子設備和存儲介質

在審

• 申請號: 202010908892.0
• 申請日: 2020-09-02
• 公開（公告）號: CN112053225A
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 申亞坤
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q10/04
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 李慧引

本申請提供了一種貸款逾期的預測方法、裝置、電子設備和存儲介質，其中，在貸款逾期的預測方法中，首先獲取用戶的貸款特征數據。其中，貸款特征數據包括貸款信息、身份信息、交易信息和資產信息。然后將貸款特征數據輸入到預先構建的LigthGBM算法模型中進行運算，得到預測結果值。其中，LigthGBM算法模型為利用預設的調參算法進行參數調整得到的模型。再將得到的預測結果值與預設的閾值進行對比，如果預測結果值小于閾值，則生成用戶的貸款不會逾期的提示信息，如果預測結果值大于閾值，則生成用戶的貸款會逾期的提示信息。

技術領域

本申請涉及數據分析技術領域，尤其涉及一種貸款逾期的預測方法、裝置、電子設備和存儲介質。

背景技術

隨著社會的發展，我們國家信貸市場規模急劇擴大,銀行的發展前景呈現出新的氣象。而貸款業務對于銀行來說是一項非常重要的業務，因此銀行為了把控風險會對辦理貸款業務的用戶進行多方面的評估，在貸款后就需要對用戶貸款是否會逾期的進行預測。

在現有技術中，缺乏一種穩定可靠的貸款逾期預測方法，對用戶貸款逾期的預測通常由工作人員去對用戶進行分析和預測。但是，現在的用戶數據過于龐大，增加了對貸款用戶進行逾期預測的難度，導致不能快速和準確地預測出貸款用戶是否會逾期的相關結果。

發明內容

有鑒于此，本申請提供一種貸款逾期的預測方法、裝置、電子設備和存儲介質，以解決在現有技術中不能快速和準確地預測出貸款用戶是否會逾期的問題。

為實現上述目的，本申請提供如下技術方案：

本申請第一方面公開了一種貸款逾期的預測方法，包括：

獲取用戶的貸款特征數據；其中，所述貸款特征數據包括貸款信息、身份信息、交易信息和資產信息；

將所述貸款特征數據輸入到預先構建的LigthGBM算法模型中進行運算，得到預測結果值；其中，所述LigthGBM算法模型為利用預設的調參算法進行參數調整得到的模型；

將所述預測結果值與預設的閾值進行對比；

若所述預測結果值小于所述閾值，則生成所述用戶的貸款不會逾期的提示信息；

若所述預測結果值大于所述閾值，則生成所述用戶的貸款會逾期的提示信息。

可選的，上述的方法，所述獲取用戶的貸款特征數據，包括：

采集所述用戶的貸款特征數據；

對所述貸款特征數據進行數據預處理。

可選的，上述的方法，所述利用預設的調參算法進行參數調整，得到所述LigthGBM算法模型的方式，包括：

通過網格搜索來確定所述LigthGBM算法模型的參數集合；

將所述參數集合分成第一參數集合和第二參數集合；其中，所述第一參數集合為手動調整的參數集合，所述第二參數集合為自動調整的參數集合；

利用二分法對所述第一參數集合進行參數調整，得到第一目標參數向量集合；

利用遺傳算法對所述第二參數集合進行參數調整，得到第二目標參數向量集合；

將所述第一目標參數向量集合與所述第二目標參數向量集合相結合，得到最終參數向量集合；

利用所述最終參數向量集合對所述LigthGBM算法模型的參數進行配置，得到所述LigthGBM算法模型。

可選的，上述的方法，所述利用遺傳算法對所述第二參數集合進行調整，得到第二目標參數向量集合，包括：

對所述第二參數集合進行初始化賦值，得到多個參數向量集合；