评估还款风险的方法及装置、存储介质、电子设备制造方法及图纸

本公开提供了一种评估还款风险的方法及装置，属于数据处理技术领域，该方法包括：当接收到请求对逾期还款主体的还款风险进行评估的请求时，获取所述逾期还款主体的信息；将所获取的所述逾期还款主体的信息输入预先训练完成的机器学习模型中，以得到该逾期还款主体是否为预定类型的判断结果；在所述判断结果为该逾期还款主体是预定类型的情况下，确定该逾期还款主体的还款能力值；根据该逾期还款主体的还款能力值，对该逾期还款主体进行还款风险评级。该方法提高了评估还款风险的准确率。

Methods and devices, storage media and electronic equipment for assessing repayment risk

【技术实现步骤摘要】
评估还款风险的方法及装置、存储介质、电子设备
本公开涉及数据处理
，具体而言，涉及一种评估还款风险的方法、评估还款风险的装置、计算机可读存储介质以及电子设备。
技术介绍
随着互联网金融业务的高速发展，网络借贷业务凭借着自身方便快捷的优点，越来越得到人们的认可，银行和贷款公司也推出了多种贷款业务供用户选择。贷款申请速度快、只需提供证明材料即可得到资金，但同时贷款的催收也具有难度。大部分客户由于各种原因均会出现逾期还款的情况，银行和贷款公司收不回贷款则会影响公司的运营以及员工的收益。然而在清收过程中，由于客户较为分散、失联率高，使得银行和贷款公司的清收准度以及清收效率较低，且若客户逾期未还金额较小，采用传统的清收策略则会造成清收成本较高，清收收益低。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的实施例提供一种评估还款风险的方法、评估还款风险的装置、计算机可读存储介质以及电子设备。根据本公开的第一方面，提供一种评估还款风险的方法，包括：当接收到请求对逾期还款主体的还款风险进行评估的请求时，获取所述逾期还款主体的信息；将所获取的所述逾期还款主体的信息输入预先训练完成的机器学习模型中，以得到该逾期还款主体是否为预定类型的判断结果；在所述判断结果为该逾期还款主体是预定类型的情况下，确定该逾期还款主体的还款能力值；根据该逾期还款主体的还款能力值，对该逾期还款主体进行风险评级。在本公开的一示例性实施例中，所述根据该逾期还款主体的还款能力值，对该逾期还款主体进行风险评级包括：当所述还款能力值大于或等于100％时，则该逾期还款主体的风险评级为低级风险；当所述还款能力值大于或等于50％且小于100％时，则该逾期还款主体的风险评级为中级风险；当所述还款能力值小于50％，则该逾期还款主体的风险评级为高级风险。在本公开的一示例性实施例中，所述确定该逾期还款主体的还款能力值包括：从系统用户数据库中获取该逾期还款主体的流动资产金额、固定资产金额和逾期未还金额；将该逾期还款主体的流动资产金额与固定资产金额之和减去该逾期还款主体的逾期未还金额，得到该逾期还款主体的可用于还款金额；将该逾期还款主体的可用于还款金额除以该逾期还款主体的逾期未还金额，得到该逾期还款主体的还款能力值。在本公开的一示例性实施例中，所述获取所述逾期还款主体的信息包括：从系统用户数据库中获取该逾期还款主体的逾期未还金额、逾期时间以及催收数据。在本公开的一示例性实施例中，在根据该逾期还款主体的还款能力值，对该逾期还款主体进行风险评级之后，还包括：根据该逾期还款主体的风险评级，确定针对该逾期还款主体的催收策略。在本公开的一示例性实施例中，所述方法还包括：将多个逾期还款主体的信息作为机器学习模型的样本输入，以对机器学习模型进行训练，其中每个逾期还款主体具有是预定类型或不是预定类型的对应标识；通过调整机器学习模型的参数，使得机器学习模型针对每个逾期还款主体的信息的输出与该逾期还款主体的对应标识一致。根据本公开的第二方面，提供一种评估还款风险的装置，包括：获取模块，用于当接收到请求对逾期还款主体的还款风险进行评估的请求时，获取所述逾期还款主体的信息；判断模块，用于将所获取的所述逾期还款主体的信息输入预先训练完成的机器学习模型中，以得到该逾期还款主体是否为预定类型的判断结果；计算模块，用于在所述判断结果为该逾期还款主体是预定类型的情况下，确定该逾期还款主体的还款能力值；评级模块，用于根据该逾期还款主体的还款能力值，对该逾期还款主体进行风险评级。在本公开的一示例性实施例中，所述计算模块包括：获取单元，用于从系统用户数据库中获取该逾期还款主体的流动资产金额、固定资产金额和逾期未还金额；第一计算单元，用于将该逾期还款主体的流动资产金额与固定资产金额之和减去该逾期还款主体的逾期未还金额，得到该逾期还款主体的可用于还款金额；第二计算单元，用于将该逾期还款主体的可用于还款金额除以该逾期还款主体的逾期未还金额，得到该逾期还款主体的还款能力值。根据本公开的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任意一项所述的评估还款风险的方法。根据本公开的第四方面，提供一种电子设备，包括：处理器；以及存储器，其上存储有计算机程序；其中，所述处理器配置为经由执行所述计算机程序来执行如上述任意一项所述的评估还款风险的方法。本公开的实施例提供的技术方案可以具有以下有益效果：通过本公开的各实施例，将逾期还款主体的信息作为预先训练完成的机器学习模型的输入，由该机器学习模型输出该逾期还款主体是否为预定类型的判断结果。当该逾期还款主体为预定类型时，确定该逾期还款主体的还款能力值，并根据该逾期还款主体的还款能力值对该逾期还款主体进行风险评级。根据逾期还款主体的信息对该逾期还款主体是否为预定类型进行判断，使得判断结果更加准确，且基于逾期还款主体的还款能力值对该逾期还款主体进行还款风险评级，使得评级结果更加准确，贷款方通过该评级结果能够对逾期还款主体的还款能力有一个直观的了解。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出根据本公开一示例性实施例的评估还款风险的方法的应用场景示意图。图2示出根据本公开一示例性实施方式的一种评估还款风险的方法的流程示意图。图3示出根据本公开一示例性实施方式的图2的评估还款风险的方法还包括的确定还款能力值的流程示意图。图4示出根据本公开一示例性实施例的一种评估还款风险的装置的示意组成框图。图5示出根据本公开一示例性实施例的电子设备的示意组成框图。图6示出根据本公开一示例性实施例的一种计算机可读存储介质的示意图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实本文档来自技高网...

【技术保护点】
1.一种评估还款风险的方法，其特征在于，包括：当接收到请求对逾期还款主体的还款风险进行评估的请求时，获取所述逾期还款主体的信息；将所获取的所述逾期还款主体的信息输入预先训练完成的机器学习模型中，以得到该逾期还款主体是否为预定类型的判断结果；在所述判断结果为该逾期还款主体是预定类型的情况下，确定该逾期还款主体的还款能力值；根据该逾期还款主体的还款能力值，对该逾期还款主体进行还款风险评级。

【技术特征摘要】
1.一种评估还款风险的方法，其特征在于，包括：当接收到请求对逾期还款主体的还款风险进行评估的请求时，获取所述逾期还款主体的信息；将所获取的所述逾期还款主体的信息输入预先训练完成的机器学习模型中，以得到该逾期还款主体是否为预定类型的判断结果；在所述判断结果为该逾期还款主体是预定类型的情况下，确定该逾期还款主体的还款能力值；根据该逾期还款主体的还款能力值，对该逾期还款主体进行还款风险评级。2.根据权利要求1所述的评估还款风险的方法，其特征在于，所述根据该逾期还款主体的还款能力值，对该逾期还款主体进行还款风险评级包括：当所述还款能力值大于或等于100％时，则该逾期还款主体的还款风险评级为低级风险；当所述还款能力值大于或等于50％且小于100％时，则该逾期还款主体的还款风险评级为中级风险；当所述还款能力值小于50％，则该逾期还款主体的还款风险评级为高级风险。3.根据权利要求1所述的评估还款风险的方法，其特征在于，所述确定该逾期还款主体的还款能力值包括：从系统用户数据库中获取该逾期还款主体的流动资产金额、固定资产金额和逾期未还金额；将该逾期还款主体的流动资产金额与固定资产金额之和减去该逾期还款主体的逾期未还金额，得到该逾期还款主体的可用于还款金额；将该逾期还款主体的可用于还款金额除以该逾期还款主体的逾期未还金额，得到该逾期还款主体的还款能力值。4.根据权利要求1所述的评估还款风险的方法，其特征在于，所述获取所述逾期还款主体的信息包括：从系统用户数据库中获取该逾期还款主体的逾期未还金额、逾期时间以及催收数据。5.根据权利要求1所述的评估还款风险的方法，其特征在于，在根据该逾期还款主体的还款能力值，对该逾期还款主体进行还款风险评级之后，还包括：根据该逾期还款主体的还款风险评级，确定针对该逾期还款主体...

【专利技术属性】
技术研发人员：张锋，刘骥，刘玉强，金明，李雯，叶素兰，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44