【技术实现步骤摘要】
客户违约概率预测的方法及装置
本专利技术实施例涉及大数据分析技术,尤指一种客户违约概率预测的方法及装置。
技术介绍
在信贷业务中,在借款企业借款前,银行无法从所有借款企业中准确判断哪些企业会不会发生违约。而借款企业的违约将导致银行不能够按原有合同的条款获取应有的收益,如果大量客户违约,商业银行将产生更多的坏账,这进一步影响了商业银行的收益,以至于其利润降低甚至导致银行破产。因此为了有效的进行风险管理,估计借款企业的预期违约概率成为度量和估计企业信贷违约风险的关键和出发点。违约概率测算是商业银行进行信用风险管理的首要条件,也是提升商业银行风险管理素质的重要推动力商业银行进行有效的信用风险管理,必须认真考察借款人的违约概率大小,以及其本金利息可能会发生的损失率大小。借款人违约概率测算是进行信用风险分析的一项基础性工作,其最终目的是要真实反映借款人违约的可能性,从而保证商业银行信用风险管理的科学性与有效性。目前我国商业银行评估客户违约概率,均以企业财务指标数据为基础,通过内部评级系统得到风险分值,然后将风险分值转换 ...
【技术保护点】
1.一种客户违约概率预测的方法,其特征在于,包括:/n根据待识别客户标识从预先保存的数据集中选取对应的指标数据;所述指标数据包括以下至少之一:企业基本信息、企业信贷数据、企业财务数据、企业工商数据、企业社保数据;/n将所述指标数据作为预先训练的违约概率预测模型的输入,预测所述待识别客户的违约概率。/n
【技术特征摘要】
1.一种客户违约概率预测的方法,其特征在于,包括:
根据待识别客户标识从预先保存的数据集中选取对应的指标数据;所述指标数据包括以下至少之一:企业基本信息、企业信贷数据、企业财务数据、企业工商数据、企业社保数据;
将所述指标数据作为预先训练的违约概率预测模型的输入,预测所述待识别客户的违约概率。
2.根据权利要求1所述的方法,其特征在于,该方法还包括:
利用模型训练算法对样本数据进行模型训练得到所述违约概率预测模型。
3.根据权利要求1所述的方法,其特征在于,所述利用模型训练算法对样本数据进行模型训练得到所述违约概率预测模型,包括:
对样本训练集中的样本数据进行预处理;
利用特征相关性分析方法对预处理后的样本数据进行违约变量的相关性分析得到特征候选集;
利用模型训练算法对所述特征候选集进行模型训练得到所述违约概率预测模型。
4.根据权利要求3所述的方法,其特征在于,所述对样本训练集中的样本数据进行预处理,包括:
对样本数据进行缺失值处理、异常值处理、规范化处理。
5.根据权利要求3所述的方法,其特征在于,所述利用特征相关性分析方法对预处理后的样本数据进行违约变量的相关性分析得到特征候选集,包括:
根据违约业务定义对样本数据构造违约特征;
利用特征相关性分析方法分析各个违约特征与违约变量的相关性程度...
【专利技术属性】
技术研发人员:刘鹏飞,耿少华,
申请(专利权)人:北京明略软件系统有限公司,
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。