一种贷款连续逾期的预测方法及装置制造方法及图纸

本发明专利技术提供一种贷款连续逾期的预测方法及装置，所述方法包括：获取客户的贷款逾期评估信息；对所述贷款逾期评估信息进行预处理，获得贷款特征数据；将所述贷款特征数据输入至贷款连续逾期预测模型，输出所述客户的贷款连续逾期的预测结果；其中，所述贷款连续逾期预测模型是基于贷款逾期评估样本数据以及预先确定的贷款连续逾期标签训练后获得的。所述装置用于执行上述方法。本发明专利技术实施例提供的贷款连续逾期的预测方法及装置，能够提高贷款连续逾期预测的准确性。

【技术实现步骤摘要】
一种贷款连续逾期的预测方法及装置
本专利技术涉及人工智能
，具体涉及一种贷款连续逾期的预测方法及装置。
技术介绍
随着用户消费习惯的逐渐改变，贷款量不断增长，贷款的逾期风险也在不断增加。因此，提供贷款的一方需要对贷款逾期风险进行管控。目前，行业内在贷后管理依赖专家经验进行决策，主观因素影响较大。对贷款的监控指标单一，主要是逾期天数、逾期金额等事后指标，导致不良贷款发现不及时，贷款事后风控管理被动。
技术实现思路
针对现有技术中的问题，本专利技术实施例提供一种贷款连续逾期的预测方法及装置，能够至少部分地解决现有技术中存在的问题。一方面，本专利技术提出一种贷款连续逾期的预测方法，包括：获取客户的贷款逾期评估信息；对所述贷款逾期评估信息进行预处理，获得贷款特征数据；将所述贷款特征数据输入至贷款连续逾期预测模型，输出所述客户的贷款连续逾期的预测结果；其中，所述贷款连续逾期预测模型是基于贷款逾期评估样本数据以及预先确定的贷款连续逾期标签训练后获得的。另一方面，本专利技术提供一种贷款连续逾期的预测装置，包括：获取单元，用于获取客户的贷款逾期评估信息；预处理单元，用于对所述贷款逾期评估信息进行预处理，获得贷款特征数据；预测单元，用于将所述贷款特征数据输入至贷款连续逾期预测模型，输出所述客户的贷款连续逾期的预测结果；其中，所述贷款连续逾期预测模型是基于贷款逾期评估样本数据以及预先确定的贷款连续逾期标签训练后获得的。再一方面，本专利技术提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例所述贷款连续逾期的预测方法的步骤。又一方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例所述贷款连续逾期的预测方法的步骤。本专利技术实施例提供的贷款连续逾期的预测方法及装置，获取客户的贷款逾期评估信息，对贷款逾期评估信息进行预处理，获得贷款特征数据，将贷款特征数据输入至贷款连续逾期预测模型，输出客户的贷款连续逾期的预测结果，能够提高贷款连续逾期预测的准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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。在附图中：图1是本专利技术一实施例提供的贷款连续逾期的预测方法的流程示意图。图2是本专利技术另一实施例提供的贷款连续逾期的预测方法的流程示意图。图3是本专利技术又一实施例提供的贷款连续逾期的预测方法的流程示意图。图4是本专利技术一实施例提供的贷款连续逾期的预测装置的结构示意图。图5是本专利技术另一实施例提供的贷款连续逾期的预测装置的结构示意图。图6是本专利技术又一实施例提供的贷款连续逾期的预测装置的结构示意图。图7是本专利技术一实施例提供的电子设备的实体结构示意图。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明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。图1是本专利技术一实施例提供的贷款连续逾期的预测方法的流程示意图，如图1所示，本专利技术实施例提供的贷款连续逾期的预测方法，包括：S101、获取客户的贷款逾期评估信息；具体地，客户的贷款逾期评估信息是用来反映客户的贷款是否会连续逾期的信息。客户的贷款逾期评估信息根据来源不同可以包括年龄、性别、受教育程度、行业、贷款产品等能够直接获取的信息，还可以包括贷款账龄占贷款期限比例、当前期数内资金流入金额、当期流入金额与还款金额差值等需要经过数据处理获取的信息。服务器可以获取到所述客户的贷款逾期评估信息。所述客户的贷款逾期评估信息包括的信息数量根据实际需要进行设置，本专利技术实施例不做限定。可理解的是，当客户的贷款逾期评估信息中存在数据缺失时，可以通过随机森林算法、平均值法或者相似客户的数据进行补缺，根据实际需要进行选择，本专利技术实施例不做限定。本专利技术实施例提供的贷款连续逾期的预测方法的执行主体包括但不限于服务器。例如，表1为客户婚姻状况信息表，如表1所示，客户E的婚姻状况为未知，由统计可知，婚姻状况为已婚的客户数量大于未婚的客户数量，因此对于缺失婚姻状况的客户E采用该列数据取较多类别值补全，补全客户E的婚姻状况为已婚。表1客户婚姻状况信息表客户婚姻状况A已婚B已婚C已婚D未婚E未知S102、对所述贷款逾期评估信息进行预处理，获得贷款特征数据；具体地，在获得所述贷款逾期评估信息之后，所述服务器会对所述贷款逾期评估信息进行预处理，将所述贷款逾期评估信息转换成数值数据，获得贷款特征数据。其中，对于金融产品总额、各类金融产品余额等信息，可以直接保留数值；对于性别、行业、受教育程度等信息可以通过one-hot编码等方式转换成数值数据。所述贷款逾期评估信息转换成数值数据的具体过程根据实际需要进行设置，本专利技术实施例不做限定。例如，对于性别，可以将男性对应的数值设置为1，可以将女性对应的数值设置为0。例如，客户的受教育程度，可以采用one-hot编码转换成数值数据。客户A的受教育程度为高中，客户B的受教育程度为大学本科，客户A和客户B的受教育程度转换成的数值数据如表2所示。表2客户的受教育程度的数值数据客户未上学小学初中高中大学专科大学本科研究生A0001000B0000010例如，对于客户的贷款账龄和贷款期限，可以转换成贷款账龄占贷款期限比例。如表3所示，客户A的贷款账龄为12期，贷款期限为360期，那么客户A的贷款账龄占贷款期限比例为12/360＝0.0333。客户B的贷款账龄为16期，贷款期限为24期，那么客户B的贷款账龄占贷款期限比例为16/24＝0.6667。表3贷款账龄占贷款期限比例客户贷款账龄贷款期限贷款账龄占贷款期限比例A123600.0333B16240.6本文档来自技高网...

【技术保护点】
1.一种贷款连续逾期的预测方法，其特征在于，包括：/n获取客户的贷款逾期评估信息；/n对所述贷款逾期评估信息进行预处理，获得贷款特征数据；/n将所述贷款特征数据输入至贷款连续逾期预测模型，输出所述客户的贷款连续逾期的预测结果；其中，所述贷款连续逾期预测模型是基于贷款逾期评估样本数据以及预先确定的贷款连续逾期标签训练后获得的。/n

【技术特征摘要】
1.一种贷款连续逾期的预测方法，其特征在于，包括：
获取客户的贷款逾期评估信息；
对所述贷款逾期评估信息进行预处理，获得贷款特征数据；
将所述贷款特征数据输入至贷款连续逾期预测模型，输出所述客户的贷款连续逾期的预测结果；其中，所述贷款连续逾期预测模型是基于贷款逾期评估样本数据以及预先确定的贷款连续逾期标签训练后获得的。


2.根据权利要求1所述的方法，其特征在于，基于贷款逾期评估样本数据以及预先确定的贷款连续逾期标签训练所述贷款连续逾期预测模型的步骤包括：
对所述贷款逾期评估样本数据进行预处理，获得样本特征集，并将所述样本特征集划分为训练集、验证集和测试集；
根据所述训练集、所述训练集对应的贷款连续逾期标签以及梯度提升机算法模型，训练获得待确定贷款连续逾期预测模型；
根据所述验证集以及所述验证集对应的贷款连续逾期标签对所述待确定贷款连续逾期预测模型进行验证；
若判断所述待确定贷款连续逾期预测模型通过验证，则根据所述测试集以及测试集对应的贷款连续逾期标签对所述待确定贷款连续逾期预测模型进行测试；
若判断获知所述待确定贷款连续逾期预测模型通过测试，则将所述待确定贷款连续逾期预测模型作为所述贷款连续逾期预测模型。


3.根据权利要求2所述的方法，其特征在于，所述根据所述验证集以及所述验证集对应的贷款连续逾期标签对所述待确定贷款连续逾期预测模型进行验证包括：
将所述验证集的各个样本特征数据分别输入至所述待确定贷款连续逾期预测模型，输出每个样本特征数据的预测结果；
根据所述验证集的各个样本特征数据的预测结果以及各个样本特征数据对应的贷款连续逾期标签，获得ROC曲线；
根据ROC曲线对应的AUC值对所述待确定贷款连续逾期预测模型进行验证。


4.根据权利要求1至3任一项所述的方法，其特征在于，所述贷款逾期评估信息包括客户基本信息、客户资产信息、客户贷款信息、交易信息、风险信息和同类客户信息六类信息。


5.一种贷款连续逾期的预测装置，其特征在于，包括：
获取单元，用于获取客户的贷款逾期评估信息；
预处理单元，用于对所述贷款逾期评估信息进行预处理，获...

【专利技术属性】
技术研发人员：张营，谢阳，戴丹，蓝振杰，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京;11