一种基于多模型的个体客户贷款逾期等级的评级方法技术

本发明专利技术涉及一种基于多模型的个体客户贷款风险等级的评级方法，包括以下步骤：在客户逾期7天、14天、21天以及30天的时间段，获取客户在各个逾期阶段的逾期特征，分别构建与各逾期阶段相对应的违约预测模型；基于上述构建的违约预测模型，分阶段建立逾期风险等级模型；获取当前逾期客户的逾期特征，并根据不同逾期阶段的客户，调用相应的违约预测模型；构建当前逾期客户的风险损失等级；基于违约风险等级和风险损失等级，获取逾期客户的综合评级。本发明专利技术提供一种基于多模型的个体客户贷款风险等级的评级方法，可针对逾期客户差异化处理，优先对评级风险较高的客户进行处理，节省人力、提升催收效率及客户体验，加强风险防范能力。

A multi model based rating method for overdue loans of individual customers

The invention relates to a rating method of individual customer loan risk grade based on multiple models, which includes the following steps: in the period of 7, 14, 21 and 30 days overdue of customers, obtain the overdue characteristics of customers in each overdue stage, respectively build the default prediction model corresponding to each overdue stage; based on the above-mentioned default prediction model, build the overdue wind in stages Risk rating model; obtain the overdue characteristics of current overdue customers, and call the corresponding default prediction model according to customers in different overdue stages; build the risk loss rating of current overdue customers; obtain the comprehensive rating of overdue customers based on the default risk rating and risk loss rating. The invention provides a rating method of individual customer loan risk grade based on multiple models, which can prioritize the treatment of customers with high rating risk for the differential treatment of overdue customers, save manpower, improve collection efficiency and customer experience, and strengthen risk prevention ability.

【技术实现步骤摘要】
一种基于多模型的个体客户贷款逾期等级的评级方法
本专利技术涉及一种基于多模型的个体客户贷款逾期等级的评级方法。
技术介绍
近几年融资租赁业务蓬勃发展，金融服务受众体量激增，但在当前金融监管持续收紧、资金杠杆不断上升的大环境下，贷后风险预警及催收存在着诸多棘手问题：征信数据整合度低、信息化技术程度不足、人力成本较高、风险识别程度低、催收效率低、逾期损失严重、贷后资产处理成本高等。
技术实现思路
鉴于现有技术中存在的上述问题，本专利技术的主要目的在于提供一种基于多模型的个体客户贷款逾期等级的评级方法，针对逾期客户差异化处理，优先对评级风险较高的客户进行处理，节省人力、提升催收效率及客户体验，加强风险防范能力。本专利技术的技术方案是这样的：一种基于多模型的个体客户贷款逾期等级的评级方法，包括以下步骤：在客户逾期7天、14天、21天以及30天的时间段，获取客户在各个逾期阶段的逾期特征，分别构建与各逾期阶段相对应的违约预测模型，且分别为M7违约预测模型、M14违约预测模型、M21违约预测模型以及M30违约预测模型；基于上述构建的M7违约预测模型、M14违约预测模型、M21违约预测模型以及M30违约预测模型，建立划分各逾期阶段的违约风险等级，且所述违约风险等级分别为A1级、A2级、A3级、A4级以及A5级；获取当前逾期客户的逾期特征，并根据不同逾期阶段的客户，调用相应的违约预测模型；构建当前逾期客户的风险损失等级，且所述风险损失等级分别为B1级、B2级、B3级、B4级以及B5级；基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级。所述逾期特征包括基本属性特征、第三方征信数据、车辆定位信息或客户还款数据中的一种或多种。所述A1级、A2级、A3级、A4级以及A5级所对应的违约风险等级分别为低级违约风险、中级违约风险、较高级违约风险、高级违约风险以及极高级违约风险。获取当前逾期客户的逾期特征，并根据不同逾期阶段的客户，调用相应的违约预测模型，具体为：逾期7天内的逾期客户不进行评级；逾期8～14天的逾期客户，调用M7违约预测模型；逾期15～21天的逾期客户，调用M14违约预测模型；逾期22～30天的逾期客户，调用M21违约预测模型；逾期31～60天的逾期客户，调用M30违约预测模型；逾期60天以上的逾期客户评级均为极高风险等级。所述B1级、B2级、B3级、B4级以及B5级所对应的风险损失等级分别为低级风险损失、中级风险损失、较高级风险损失、高级风险损失以及极高级风险损失。基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级，对于逾期8～14天和15～21天的逾期客户，按照以下评级方法进行，其中：违约风险等级为A5或风险损失等级为B5的逾期客户，其综合评级为X5级；违约风险等级为A4或风险损失评级为B4的逾期客户，其综合评级为X3级；违约风险等级为A1或A2且风险损失评级为B3或B2的逾期客户，其综合评级为X2级；违约风险等级为A1或A2且风险损失评级为B1的逾期客户，其综合评级为X1级。基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级，对于逾期22～30天的逾期客户，按照以下评级方法进行，其中：违约风险等级为A5或风险损失评级为B5的逾期客户，其综合评级为X5级；违约风险等级为A4或风险损失评级为B5或B3或B2的逾期客户，其综合评级为X5级；违约风险等级为A3或A4或风险损失评级为B4的逾期客户，其综合评级为X4级；违约风险等级为A2且风险损失评级为A3或A2的逾期客户，其综合评级为X3级；违约风险等级为A2且风险损失评级为B1的逾期客户，其综合评级为X2级。基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级，对于逾期31～60天的逾期客户，按照以下评级方法进行，其中：违约风险等级为A5或风险损失评级为B5的逾期客户，其综合评级为X5级；违约风险等级为A4或风险损失评级为B3或B2的逾期客户，其综合评级为X4级；违约风险等级为A3或风险损失评级为B2或B1的逾期客户，其综合评级为X3级。所述X1级、X2级、X3级、X4级以及X5级所对应的综合评级为低等级、中等级、较高等级、高等级以及极高等级。本专利技术具有以下优点和有益效果：本专利技术提供一种基于多模型的个体客户贷款逾期等级的评级方法，其针对逾期客户在不同逾期阶段，基于模型计算得到的风险评分等级和风险损失等级两个维度交叉排序，获取客户综合等级，风险客户催收差异化处理；本专利技术能捕捉逾期客户不同逾期时点的风险信息，提升预测准确度，覆盖更多高风险客户；同时针对逾期客户差异化处理，优先对评级风险较高的客户进行处理，节省人力、提升催收效率及客户体验，加强风险防范能力；结合风险损失金额评级，提升风险损失金额较大的客户的关注度，有利于减少资金损失程度。附图说明图1为本专利技术实施例提供的一种基于多模型的个体客户贷款逾期等级的评级方法中逾期8-14天以及逾期15-21天的逾期客户的综合评级示意图。图2为本专利技术实施例提供的一种基于多模型的个体客户贷款逾期等级的评级方法中逾期22-30天的逾期客户的综合评级示意图。图3为本专利技术实施例提供的一种基于多模型的个体客户贷款逾期等级的评级方法中逾期31-60天的逾期客户的综合评级示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。下面将参照附图和具体实施例对本专利技术作进一步的说明。如图1至图3所示：本专利技术实施例的基于多模型的个体客户贷款逾期等级的评级方法，包括以下步骤：在客户逾期7天、14天、21天以及30天的时间段，获取客户在各个逾期阶段的逾期特征，分别构建与各逾期阶段相对应的违约预测模型，且分别为M7违约预测模型、M14违约预测模型、M21违约预测模型以及M30违约预测模型；基于上述构建的M7违约预测模型、M14违约预测模型、M21违约预测模型以及M30违约预测模型，建立划分各逾期阶段的违约风险等级，且所述违约风险等级分别为A1级、A2级、A3级、A4级以及A5级；获取当前逾期客户的逾期特征，并根据不同逾期阶段的客户，调用相应的违约预测模型；构建当前逾期客户的风险损失等级，且所述风险损失等级分别为B1级、B2级、B3级、B4级以及B5级；基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级。所述逾期特征包括基本属性特征、第三方征信数据、车辆定位信息或客户还款数据中的一种或多种。本文档来自技高网...

【技术保护点】
1.一种基于多模型的个体客户贷款逾期等级的评级方法，其特征在于：包括以下步骤：/n在客户逾期7天、14天、21天以及30天的时间段，获取客户在各个逾期阶段的逾期特征，分别构建与各逾期阶段相对应的违约预测模型，且分别为M7违约预测模型、M14违约预测模型、M21违约预测模型以及M30违约预测模型；/n基于上述构建的M7违约预测模型、M14违约预测模型、M21违约预测模型以及M30违约预测模型，建立划分各逾期阶段的违约风险等级，且所述违约风险等级分别为A1级、A2级、A3级、A4级以及A5级；/n获取当前逾期客户的逾期特征，并根据不同逾期阶段的客户，调用相应的违约预测模型；/n构建当前逾期客户的风险损失等级，且所述风险损失等级分别为B1级、B2级、B3级、B4级以及B5级；/n基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级。/n

【技术特征摘要】
1.一种基于多模型的个体客户贷款逾期等级的评级方法，其特征在于：包括以下步骤：
在客户逾期7天、14天、21天以及30天的时间段，获取客户在各个逾期阶段的逾期特征，分别构建与各逾期阶段相对应的违约预测模型，且分别为M7违约预测模型、M14违约预测模型、M21违约预测模型以及M30违约预测模型；
基于上述构建的M7违约预测模型、M14违约预测模型、M21违约预测模型以及M30违约预测模型，建立划分各逾期阶段的违约风险等级，且所述违约风险等级分别为A1级、A2级、A3级、A4级以及A5级；
获取当前逾期客户的逾期特征，并根据不同逾期阶段的客户，调用相应的违约预测模型；
构建当前逾期客户的风险损失等级，且所述风险损失等级分别为B1级、B2级、B3级、B4级以及B5级；
基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级。


2.根据权利要求1所述的基于多模型的个体客户贷款逾期等级的评级方法，其特征在于，所述逾期特征包括基本属性特征、第三方征信数据、车辆定位信息或客户还款数据中的一种或多种。


3.根据权利要求1所述的基于多模型的个体客户贷款逾期等级的评级方法，其特征在于，所述A1级、A2级、A3级、A4级以及A5级所对应的违约风险等级分别为低级违约风险、中级违约风险、较高级违约风险、高级违约风险以及极高级违约风险。


4.根据权利要求1所述的基于多模型的个体客户贷款逾期等级的评级方法，其特征在于，获取当前逾期客户的逾期特征，并根据不同逾期阶段的客户，调用相应的违约预测模型，具体为：
逾期7天内的逾期客户不进行评级；
逾期8～14天的逾期客户，调用M7违约预测模型；
逾期15～21天的逾期客户，调用M14违约预测模型；
逾期22～30天的逾期客户，调用M21违约预测模型；
逾期31～60天的逾期客户，调用M30违约预测模型；
逾期60天以上的逾期客户评级均为极高风险等级。


5.根据权利要求1所述的基于多模型的个体客户贷款逾期等级的评级方法，其特征在于，所述B1级、B2级、B3级、B4级以及B5级所对应的风险损失等级分别为低级风险损失、中级风险损失、较高...

【专利技术属性】
技术研发人员：龚伟松，蔡悦，范志海，高敏，
申请(专利权)人：上海凯京信达科技集团有限公司，
类型：发明
国别省市：上海;31