【技术实现步骤摘要】
用户贷后风险模型生成方法、装置及电子设备
本公开涉及计算机信息处理领域，具体而言，涉及一种用户贷后风险模型生成方法、装置、电子设备及计算机可读介质。
技术介绍
对于提供金融类服务的公司，其面临的最大的风险为用户因各种原因未能及时、足额偿还债务或银行贷款而违约。目前在用户由金融类服务公司进行借款后，金融公司会对用户的还款情况进行跟踪，在用户超期还款时，即刻启动贷后管理，督促用户进行还款。由于用户欠款主要是需要通过人工进行贷后管理的，例如，人工给用户去电的方式对欠款进行催收工作，对于贷后管理人员而言，需要花费大量的时间进行沟通协调工作，一旦沟通协调减少就会影响欠款的回收。对于用户而言，有些用户可能只是由于疏忽而欠款，比如有些逾期客户只是忘记当天还钱，以及其他原因引起的未能按时还款，这些客户的风险级别很低，往往只需要短信通知即可还款。而有些用户不管是否进行贷后管理都会将其欠款逾期到更高账龄。而目前对于欠款用户的贷后管理工作一直会持续至用户欠款时间达到更高的时间(比如1个月之和)，如果该用户仍旧没有还款，再将此用户进行委外处理，通过...
【技术保护点】
1.一种用户贷后风险模型生成方法，其特征在于，包括：/n对多个用户数据进行预处理生成多个金融数据，所述金融数据包括基础信息、借款信息、还款信息；/n根据所述借款信息和所述还款信息为所述多个用户中的每一个用户的金融数据分别确定标签；/n根据所述金融数据生成多维度风险特征基础变量和多维度风险特性衍生变量；/n通过所述多维度风险特征基础变量和所述多维度风险特性衍生变量及其对应的标签对多个机器学习模型进行训练，生成多个用户特征风险模型；以及/n根据所述多个用户特征风险模型生成用户贷后风险模型。/n
【技术特征摘要】
1.一种用户贷后风险模型生成方法，其特征在于，包括：
对多个用户数据进行预处理生成多个金融数据，所述金融数据包括基础信息、借款信息、还款信息；
根据所述借款信息和所述还款信息为所述多个用户中的每一个用户的金融数据分别确定标签；
根据所述金融数据生成多维度风险特征基础变量和多维度风险特性衍生变量；
通过所述多维度风险特征基础变量和所述多维度风险特性衍生变量及其对应的标签对多个机器学习模型进行训练，生成多个用户特征风险模型；以及
根据所述多个用户特征风险模型生成用户贷后风险模型。
2.如权利要求1所述的方法，其特征在于，对多个用户数据进行预处理生成多个金融数据，包括：
获取多个用户的用户数据；以及
将所述用户数据进行筛选处理和特征处理生成所述金融数据。
3.如权利要求1-2所述的方法，其特征在于，根据所述借款信息和还款信息为所述多个用户中的每一个用户的金融数据分别确定标签，包括：
由所述借款信息中提取借款时间、借款金额；
由所述还款信息中提取还款时间、还款金额；
根据所述借款时间、所述还款时间、借款金额、和还款金额确定欠款情况；以及
将所述欠款情况和预设策略进行比较以为所述多个用户中的每一个用户的金融数据分别确定标签；
其中，所述标签包括：正向标签和负向标签。
4.如权利要求1-3所述的方法，其特征在于，将所述欠款情况和预设策略进行比较以为所述多个用户中的每一个用户的金融数据分别确定标签，包括：
将所述欠款情况和预设策略进行比较以为所述多个用户中的每一个用户的金融数据分别确定还款意愿标签和还款能力标签。
5.如权利要求1-4所述的方法，其特征在于，根据所述金融数据生成多维度风险特征基础变量和多维度风险特性衍生变量，包括：
根据预设特征属性由所述金融数据中提取参数数据，生成多维度风险特征基础变量，其中，预设特征维度包括：频率维度、求和维度、比例维度、时间差维度；以及
将所述多维度风险特征基础变量中的数据进行整合处理，生成所述多维度风...
【专利技术属性】
技术研发人员：郑彦，石婷，唐小云，莫晓文，叶婷，
申请(专利权)人：北京淇瑀信息科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。