针对借贷风险的评估方法及装置、设备、计算机可读存储介质制造方法及图纸

本申请所述的技术方案，获取第一用户的借贷数据以及借贷数据中的第一目标数据，将第一目标数据输入预设的预测模型，得到预测模型输出的结果，作为第一结果，获取第一用户的借贷数据中的第二目标数据，将第二目标数据输入聚类模型，得到聚类模型输出的第一用户所属的类型，将第一用户所属的类型预先对应的风险等级作为第二结果。进一步获取依据第一结果和第二结果确定的第一用户的借贷风险的评估结果。因为借贷数据包括用户的多头借贷行为数据、用户的资产数据和用户的消费数据，可见，从多个角度评估用户的借贷风险，所以评估依据更为全面，从而提高评估结果的准确性，并且，评估结果依据第一结果和第二结果得到，所以进一步提高评估结果准确性。

【技术实现步骤摘要】
针对借贷风险的评估方法及装置、设备、计算机可读存储介质
本申请涉及电子信息领域，尤其涉及一种针对借贷风险的评估方法及装置、设备、计算机可读存储介质。
技术介绍
近几年市场上涌现了大量信贷机构，用户可选择的贷款渠道以及金融服务越来越多，多头借贷的情况也随之出现。多头借贷是指单个借款人同时向两家或两家以上的金融机构提出信贷需求的行为。虽然此类借贷行为在一定程度上满足了用户的资金需求，但也蕴含着较高的风险：一般而言，信贷机构会根据用户信用、经济来源等综合情况进行授信，在其还款能力内放款。但由于借贷双方信息不对称，同一用户若获得多家金融机构授信，取得其可偿还范围之外的贷款，一旦贷款者资金链断裂，极易频繁违约，触发坏账风险。因此有必要对个人多头信贷行为造成的违约风险进行量化评估。而现有的针对多头信贷的风险评估方法的准确性有待提高。
技术实现思路
申请人在研究的过程中发现，不同借贷个人的经济能力是不同的，而现有的针对多头信贷的风险评估方法，仅针对多头信贷信息进行设计，因此，对于借贷个人缺乏全面的评估，所以，准确性有待提高。本申请提供了一种针对借贷风险的评估方法及装置、设备、计算机可读存储介质，目的在于解决如何提高多头借贷的风险评估准确性的问题。为了实现上述目的，本申请提供了以下技术方案：一种针对借贷风险的评估方法，包括：获取第一用户的借贷数据，所述第一用户的借贷数据包括所述第一用户的多头借贷行为数据、所述第一用户的资产数据和所述第一用户的消费数据，任意一种所述借贷数据包括至少一个数据项；获取所述借贷数据中的第一目标数据，所述第一目标数据包括所述借贷数据中预测能力值大于预设阈值的所述数据项，其中，所述预测能力值与所述数据项对评估结果的影响程度正相关；将所述第一目标数据输入预设的预测模型，得到所述预测模型输出的结果，作为第一结果；获取所述借贷数据中的第二目标数据，所述第二目标数据包括所述借贷数据中数据饱和度大于预设饱和度阈值的数据项；将所述第二目标数据输入聚类模型，得到所述聚类模型输出的所述第一用户所属的类型，将所述第一用户所属的类型预先对应的风险等级作为第二结果，所述聚类模型通过对多个用户的借贷数据进行聚类得到多个类型；获取所述第一用户的借贷风险的评估结果，所述评估结果依据所述第一结果和所述第二结果确定。可选地，第一用户的多头借贷行为数据至少包括：所述第一用户对多个借款方的还款数据项。可选地，第一用户的多头借贷行为数据还包括以下至少一项：所述第一用户对所述多个借款方的借款申请数据项；所述多个借款方对所述第一用户的放款数据项；所述多个借款方对所述第一用户的查询数据项。可选地，第一目标数据还包括：依据专家经验指定的数据项；所述第二目标数据还包括：依据专家经验指定的数据项。可选地，预测模型的训练过程包括：获取样本目标数据以及所述样本目标数据的标签，所述样本目标数据包括样本借贷数据中的所述预测能力值大于所述预设阈值的数据项、和依据专家经验指定的数据项；使用一部分所述样本目标数据以及所述一部分所述样本目标数据的标签，训练所述预测模型；使用另一部分所述样本目标数据以及所述另一部分所述样本目标数据的标签，验证经过训练的所述预测模型；如果验证不通过，则重新选取样本目标数据训练所述预测模型，直至验证通过。可选地，本方法还包括：获取所述聚类模型通过对多个用户的借贷数据进行聚类得到的多个类型；通过对比不同类型中的数据项，得到不同类型的其它属性，所述其它属性为除所述风险等级之外的属性。可选地，预测模型为有监督模型，所述聚类模型为无监督模型。一种针对借贷风险的评估装置，包括：借贷数据获取模块，用于获取第一用户的借贷数据，所述第一用户的借贷数据包括所述第一用户的多头借贷行为数据、所述第一用户的资产数据和所述第一用户的消费数据，任意一种所述借贷数据包括至少一个数据项；第一数据获取模块，用于获取所述借贷数据中的第一目标数据，所述第一目标数据包括所述借贷数据中预测能力值大于预设阈值的所述数据项，其中，所述预测能力值与所述数据项对评估结果的影响程度正相关；第一结果获取模块，用于将所述第一目标数据输入预设的预测模型，得到所述预测模型输出的结果，作为第一结果；第二数据获取模块，用于获取所述借贷数据中的第二目标数据，所述第二目标数据包括所述借贷数据中数据饱和度大于预设饱和度阈值的数据项；第二结果获取模块，用于将所述第二目标数据输入聚类模型，得到所述聚类模型输出的所述第一用户所属的类型，将所述第一用户所属的类型预先对应的风险等级作为第二结果，所述聚类模型通过对多个用户的借贷数据进行聚类得到多个类型；评估结果获取模块，用于获取所述第一用户的借贷风险的评估结果，所述评估结果依据所述第一结果和所述第二结果确定。一种针对借贷风险的评估设备，包括存储器和处理器；所述存储器用于存储程序，所述处理器用于运行所述程序，以实现上述针对借贷风险的评估方法。一种计算机可读存储介质，其上存储有计算机程序，在所述计算机程序在计算机上运行时，执行上述针对借贷风险的评估方法。本申请所述的技术方案，获取第一用户的借贷数据以及借贷数据中的第一目标数据，将第一目标数据输入预设的预测模型，得到预测模型输出的结果，作为第一结果，获取第一用户的借贷数据中的第二目标数据，将第二目标数据输入聚类模型，得到聚类模型输出的第一用户所属的类型，将第一用户所属的类型预先对应的风险等级作为第二结果。进一步获取依据第一结果和第二结果确定的第一用户的借贷风险的评估结果。因为借贷数据包括用户的多头借贷行为数据、用户的资产数据和用户的消费数据，可见，从多个角度评估用户的借贷风险，所以评估依据更为全面，从而提高评估结果的准确性，并且，第一目标数据包括借贷数据中预测能力值大于预设阈值的数据项，更有利于预测模型输出准确的结果，第二目标数据包括借贷数据中数据饱和度大于预设饱和度阈值的数据项，更有利于聚类模型输出准确的结果。进一步，评估结果依据第一结果和第二结果得到，所以提高了评估结果准确性。附图说明为了更清楚地说明本申请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申请的一些实施例，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它的附图。图1为本申请实施例公开的一种针对借贷风险的评估方法的流程图；图2为本申请实施例公开的又一种针对借贷风险的评估方法的流程图；图3为本申请实施例公开的模型的训练方法的流程图；图4为本申请实施例公开的一种针对借贷风险的评估装置的结构示意图。具体实施方式本申请实施例公开的针对借贷风险的评估方法以及装置，可以应用在但不限于银行的本文档来自技高网...

【技术保护点】
1.一种针对借贷风险的评估方法，其特征在于，包括：/n获取第一用户的借贷数据，所述第一用户的借贷数据包括所述第一用户的多头借贷行为数据、所述第一用户的资产数据和所述第一用户的消费数据，任意一种所述借贷数据包括至少一个数据项；/n获取所述借贷数据中的第一目标数据，所述第一目标数据包括所述借贷数据中预测能力值大于预设阈值的所述数据项，其中，所述预测能力值与所述数据项对评估结果的影响程度正相关；/n将所述第一目标数据输入预设的预测模型，得到所述预测模型输出的结果，作为第一结果；/n获取所述借贷数据中的第二目标数据，所述第二目标数据包括所述借贷数据中数据饱和度大于预设饱和度阈值的数据项；/n将所述第二目标数据输入聚类模型，得到所述聚类模型输出的所述第一用户所属的类型，将所述第一用户所属的类型预先对应的风险等级作为第二结果，所述聚类模型通过对多个用户的借贷数据进行聚类得到多个类型；/n获取所述第一用户的借贷风险的评估结果，所述评估结果依据所述第一结果和所述第二结果确定。/n

【技术特征摘要】
1.一种针对借贷风险的评估方法，其特征在于，包括：
获取第一用户的借贷数据，所述第一用户的借贷数据包括所述第一用户的多头借贷行为数据、所述第一用户的资产数据和所述第一用户的消费数据，任意一种所述借贷数据包括至少一个数据项；
获取所述借贷数据中的第一目标数据，所述第一目标数据包括所述借贷数据中预测能力值大于预设阈值的所述数据项，其中，所述预测能力值与所述数据项对评估结果的影响程度正相关；
将所述第一目标数据输入预设的预测模型，得到所述预测模型输出的结果，作为第一结果；
获取所述借贷数据中的第二目标数据，所述第二目标数据包括所述借贷数据中数据饱和度大于预设饱和度阈值的数据项；
将所述第二目标数据输入聚类模型，得到所述聚类模型输出的所述第一用户所属的类型，将所述第一用户所属的类型预先对应的风险等级作为第二结果，所述聚类模型通过对多个用户的借贷数据进行聚类得到多个类型；
获取所述第一用户的借贷风险的评估结果，所述评估结果依据所述第一结果和所述第二结果确定。


2.根据权利要求1所述的方法，其特征在于，所述第一用户的多头借贷行为数据至少包括：
所述第一用户对多个借款方的还款数据项。


3.根据权利要求2所述的方法，其特征在于，所述第一用户的多头借贷行为数据还包括以下至少一项：
所述第一用户对所述多个借款方的借款申请数据项；
所述多个借款方对所述第一用户的放款数据项；
所述多个借款方对所述第一用户的查询数据项。


4.根据权利要求1-3任一项所述的方法，其特征在于，所述第一目标数据还包括：
依据专家经验指定的数据项；
所述第二目标数据还包括：
依据专家经验指定的数据项。


5.根据权利要求1-3任一项所述的方法，其特征在于，所述预测模型的训练过程包括：
获取样本目标数据以及所述样本目标数据的标签，所述样本目标数据包括样本借贷数据中的所述预测能力值大于所述预设阈值的数据项、和依据专家经验指定的数据项；
使用一部分所述样本目标数据以及所述一部分所述样本目标数据的标签，训练所述预测模型；
使用另一部分所述样本目标数据以及所述另一部分所...

【专利技术属性】
技术研发人员：孙战平，
申请(专利权)人：银联商务股份有限公司，
类型：发明
国别省市：上海;31