[發明專利]資產預測方法、系統、終端設備及存儲介質

在審

• 申請號: 202210082438.3
• 申請日: 2022-01-24
• 公開（公告）號: CN114331700A
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 林禹君
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q30/00;G06Q30/02
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 王徑武

本發明公開了一種資產預測方法、系統、終端設備及存儲介質。該方法包括：獲取待預測樣本；將所述待預測樣本輸入預先創建的資產預測模型中進行預測，得到預測概率；根據所述預測概率對所述待預測樣本進行選擇，得到潛在客戶，并將所述潛在客戶納入白名單，以根據所述白名單的潛在客戶進行營銷推廣。本發明旨在對客戶的資產進行預測，并將預測結果用于白名單準入環節，提高了白名單預篩的精度。

技術領域

本發明涉及金融科技(Finteh)技術領域，尤其涉及一種資產預測方法、系統、終端設備及存儲介質。

背景技術

隨著計算機技術的發展，越來越多的技術應用在金融領域，傳統金融業正在逐步走向金融科技(Finteh)轉變，白名單預篩技術也不例外，但由于金融行業的安全性、實時性要求，也對技術提出更高的要求。目前，一般通過查詢客戶的房產數據、車險數據、中國人民銀行征信報告中的房貸車貸情況，對客戶的資產進行判斷。但是，房產數據、車險數據的查詢成本較高，且無法將查詢結果用于白名單準入環節；中國人民銀行征信報告中的房貸車貸情況只能分析出當前或過往有貸款的有資產客戶，無法將查詢結果用于白名單準入環節。

發明內容

本發明實施例的主要目的在于提供一種資產預測方法、系統、終端設備及存儲介質，旨在對客戶的資產進行預測，并將預測結果用于白名單準入環節，提高了白名單預篩的精度。

為實現上述目的，本發明實施例提供一種資產預測方法，所述資產預測方法包括：

獲取待預測樣本；

將所述待預測樣本輸入預先創建的資產預測模型中進行預測，得到預測概率；

根據所述預測概率對所述待預測樣本進行選擇，得到潛在客戶，并將所述潛在客戶納入白名單，以根據所述白名單的潛在客戶進行營銷推廣。

可選地，所述將所述待預測樣本輸入預先創建的資產預測模型中進行預測，得到預測概率的步驟之前包括：

訓練所述資產預測模型；

其中，所述訓練所述資產預測模型的步驟包括：

獲取正樣本、負樣本；

對所述正樣本、負樣本進行訓練，得到所述資產預測模型；

通過所述資產預測模型對所述正樣本、負樣本進行打分，得到評分分數；

基于所述評分分數，對所述正樣本、負樣本進行篩選，得到種子樣本；

將所述種子樣本回傳到所述資產預測模型，對所述負樣本進行更新；并返回執行步驟：對所述正樣本、負樣本進行訓練，得到所述資產預測模型；

以此循環，進行參數迭代，直到所述資產預測模型收斂，終止訓練，得到訓練后的資產預測模型。

可選地，所述基于所述評分分數，對所述正樣本、負樣本進行篩選，得到種子樣本的步驟之后包括：

對所述種子樣本賦予標簽，得到標簽樣本；

將所述標簽樣本回傳到所述資產預測模型，對所述負樣本進行更新；并返回執行步驟：對所述正樣本、負樣本進行訓練，得到所述資產預測模型；

以此循環，進行參數迭代，當預設比例的所述負樣本為所述標簽樣本時，終止訓練，得到訓練后的資產預測模型；或

以此循環，進行參數迭代，當所述負樣本的容量飽和時，終止訓練，得到訓練后的資產預測模型。

可選地，所述對所述正樣本、負樣本進行訓練，得到所述資產預測模型的步驟之前包括：

獲取所述待預測樣本的應用程序使用數據；

所述對所述正樣本、負樣本進行訓練，得到所述資產預測模型的步驟包括：