[發(fā)明專利]貸中風(fēng)險(xiǎn)預(yù)測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011144929.3
• 申請(qǐng)日: 2020-10-23
• 公開（公告）號(hào): CN112232947A
• 公開（公告）日: 2021-01-15
• 發(fā)明（設(shè)計(jì)）人: 張瑩;李文豪;高峰;張雪
• 申請(qǐng)（專利權(quán)）人: 中國(guó)工商銀行股份有限公司
• 主分類號(hào): G06Q40/02
• 分類號(hào): G06Q40/02;G06N20/20
• 代理公司: 北京三友知識(shí)產(chǎn)權(quán)代理有限公司 11127
• 代理人: 任默聞;孫乳筍

本申請(qǐng)實(shí)施例提供一種貸中風(fēng)險(xiǎn)預(yù)測(cè)方法及裝置，可用于人工智能技術(shù)領(lǐng)域，方法包括：將目標(biāo)用戶的預(yù)測(cè)用數(shù)據(jù)輸入預(yù)設(shè)的貸中風(fēng)險(xiǎn)預(yù)測(cè)模型，并根據(jù)該貸中風(fēng)險(xiǎn)預(yù)測(cè)模型的輸出確定所述目標(biāo)用戶的貸中風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果，其中，所述預(yù)測(cè)用數(shù)據(jù)包括：行為特征數(shù)據(jù)以及應(yīng)用貸中行為評(píng)分卡模型獲取的貸中風(fēng)險(xiǎn)評(píng)分?jǐn)?shù)據(jù)；輸出所述目標(biāo)用戶的貸中風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果。本申請(qǐng)能夠在保證貸中風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確性的基礎(chǔ)上，有效提高用于貸中風(fēng)險(xiǎn)預(yù)測(cè)模型的輸入數(shù)據(jù)的獲取效率及可靠性，并能夠有效降低貸中風(fēng)險(xiǎn)預(yù)測(cè)過程中的數(shù)據(jù)處理難度及數(shù)據(jù)計(jì)算量，進(jìn)而能夠有效縮短貸中風(fēng)險(xiǎn)預(yù)測(cè)周期并提高貸中風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果的獲取效率。

技術(shù)領(lǐng)域

本申請(qǐng)涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，特別涉及人工智能技術(shù)領(lǐng)域，具體涉及貸中風(fēng)險(xiǎn)預(yù)測(cè)方法及裝置。

背景技術(shù)

為了滿足不同階段的信用風(fēng)控需求，金融機(jī)構(gòu)通常需要利用貸前的申請(qǐng)?jiān)u分卡、貸中的行為評(píng)分卡和貸后的催收評(píng)分卡對(duì)金融用戶進(jìn)行風(fēng)險(xiǎn)評(píng)分。其中的貸中行為評(píng)分卡模型(Behavior Scoring)是一種根據(jù)金融用戶在賬戶使用期間所產(chǎn)生的各種行為，動(dòng)態(tài)預(yù)測(cè)金融用戶貸中風(fēng)險(xiǎn)的評(píng)分模型。而由于貸中行為評(píng)分卡模型是一種線性模型，雖然其評(píng)價(jià)結(jié)果具有可解釋性，但由于其模型性質(zhì)使得其存在測(cè)準(zhǔn)確度較及風(fēng)險(xiǎn)敏感性不足等問題。因此，金融領(lǐng)域的技術(shù)人員開始嘗試將機(jī)器學(xué)習(xí)算法應(yīng)用至貸中風(fēng)險(xiǎn)預(yù)測(cè)的過程中來致力于提高金融用戶的貸中風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果的準(zhǔn)確性。

現(xiàn)有的將機(jī)器學(xué)習(xí)算法應(yīng)用至貸中風(fēng)險(xiǎn)預(yù)測(cè)的方式通常為：構(gòu)建包含有貸中行為評(píng)分卡模型和機(jī)器學(xué)習(xí)模型的多個(gè)模型，然后對(duì)這些模型進(jìn)行模型融合或加權(quán)等處理以形成新的綜合性模型，然后對(duì)用戶數(shù)據(jù)進(jìn)行預(yù)處理后，應(yīng)用這個(gè)新的綜合性模型根據(jù)預(yù)處理后的用戶數(shù)據(jù)進(jìn)行貸中風(fēng)險(xiǎn)預(yù)測(cè)。

然而，上述的貸中風(fēng)險(xiǎn)預(yù)測(cè)方式雖然能夠在一定程度上提供預(yù)測(cè)結(jié)果的準(zhǔn)確性，但是由于其過程中涉及到一個(gè)、甚至多個(gè)機(jī)器學(xué)習(xí)模型的輸入數(shù)據(jù)的預(yù)處理過程，還涉及到多個(gè)模型之間的融合過程，因而使得該貸中風(fēng)險(xiǎn)預(yù)測(cè)方式需要進(jìn)行大量的數(shù)據(jù)計(jì)算且耗時(shí)很長(zhǎng)。也就是說，現(xiàn)有的貸中風(fēng)險(xiǎn)預(yù)測(cè)方式無法同時(shí)滿足貸中風(fēng)險(xiǎn)預(yù)測(cè)過程的準(zhǔn)確性和效率要求。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中的問題，本申請(qǐng)?zhí)峁┮环N貸中風(fēng)險(xiǎn)預(yù)測(cè)方法及裝置，能夠在保證貸中風(fēng)險(xiǎn)預(yù)測(cè)的準(zhǔn)確性的基礎(chǔ)上，有效提高用于貸中風(fēng)險(xiǎn)預(yù)測(cè)模型的輸入數(shù)據(jù)的獲取效率及可靠性，并能夠有效降低貸中風(fēng)險(xiǎn)預(yù)測(cè)過程中的數(shù)據(jù)處理難度及數(shù)據(jù)計(jì)算量，進(jìn)而能夠有效縮短貸中風(fēng)險(xiǎn)預(yù)測(cè)周期并提高貸中風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果的獲取效率。

為解決上述技術(shù)問題，本申請(qǐng)?zhí)峁┮韵录夹g(shù)方案：

第一方面，本申請(qǐng)?zhí)峁┮环N貸中風(fēng)險(xiǎn)預(yù)測(cè)方法，包括：

將目標(biāo)用戶的預(yù)測(cè)用數(shù)據(jù)輸入預(yù)設(shè)的貸中風(fēng)險(xiǎn)預(yù)測(cè)模型，并根據(jù)該貸中風(fēng)險(xiǎn)預(yù)測(cè)模型的輸出確定所述目標(biāo)用戶的貸中風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果，其中，所述預(yù)測(cè)用數(shù)據(jù)包括：行為特征數(shù)據(jù)以及應(yīng)用貸中行為評(píng)分卡模型獲取的貸中風(fēng)險(xiǎn)評(píng)分?jǐn)?shù)據(jù)；

輸出所述目標(biāo)用戶的貸中風(fēng)險(xiǎn)預(yù)測(cè)結(jié)果。

進(jìn)一步地，還包括：

輸出所述目標(biāo)用戶的貸中風(fēng)險(xiǎn)評(píng)分?jǐn)?shù)據(jù)。

進(jìn)一步地，所述貸中風(fēng)險(xiǎn)預(yù)測(cè)模型為預(yù)先根據(jù)多個(gè)用戶的訓(xùn)練用數(shù)據(jù)，基于XGBoost算法訓(xùn)練得到的；

其中，所述訓(xùn)練用數(shù)據(jù)和所述預(yù)測(cè)用數(shù)據(jù)均包括：用戶數(shù)據(jù)、觀察期數(shù)據(jù)和表現(xiàn)期預(yù)測(cè)數(shù)據(jù)；

所述用戶數(shù)據(jù)承載的信息包括：個(gè)人信息、資產(chǎn)信息和賬戶信息中的至少一項(xiàng)；

所述觀察期數(shù)據(jù)承載的信息包括：賬戶交易信息和/或歷史風(fēng)險(xiǎn)信息；

所述表現(xiàn)期預(yù)測(cè)數(shù)據(jù)包括：所述行為特征數(shù)據(jù)和對(duì)應(yīng)的貸中風(fēng)險(xiǎn)評(píng)分?jǐn)?shù)據(jù)。

進(jìn)一步地，在所述將目標(biāo)用戶的預(yù)測(cè)用數(shù)據(jù)輸入預(yù)設(shè)的貸中風(fēng)險(xiǎn)預(yù)測(cè)模型之前，還包括：