模型拟合方法、装置、电子设备及存储介质制造方法及图纸

本公开提供了一种模型拟合方法、装置、电子设备及存储介质，涉及计算机技术领域，以至少解决了现有技术中信贷违约预测的方法其可解释性差、计算效率慢、精度低的技术问题。具体实现方案为：基于目标用户的借款申请数据；计算目标用户的生存时间；获取目标用户的第一特征向量和第二特征向量；对生存时间、目标用户的目标状态、第一特征向量和第二特征向量进行拟合，得到目标模型；对目标模型进行评估，预测目标用户在不同时间点上的违约情况。目标用户在不同时间点上的违约情况。目标用户在不同时间点上的违约情况。

【技术实现步骤摘要】
模型拟合方法、装置、电子设备及存储介质


[0001]本公开涉及计算机
，尤其涉及模型拟合方法、装置、电子设备及存储介质。

技术介绍

[0002]信贷即信用贷款，它是我国银行长期以来的主要放款方式。在进行信贷时，银行不需要借款人提供抵押品或者第三方担保，而是以借款人的信誉来发放贷款。信用风险是借款人因各种原因未能及时、足额偿还银行贷款而违约的可能性。由于借款人在进行信贷时存在信用风险，银行需要对借款人的信用进行评估，即，银行需要对借款人进行违约预测。
[0003]现有技术中，信贷违约预测的方法主要有以下两种：
[0004]一、按照既定的Y值(贷款违约预测模型的被解释变量)，通过使用逻辑回归(Logistic Regression)或基于树模型的极端梯度增强算法(Extreme Gradient Boosting，简称XGBoost)，预测借款人是否会违约。这种方法的缺陷在于：进行预测时未考虑借款人在使用借款一段时间后才出现违约的情况，预测结果只能给出借款人要么违约要么不违约的二分类结果，可解释性差。/>[0005]二、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型拟合方法，包括：基于目标用户的借款申请数据，计算所述目标用户的生存时间，其中，所述生存时间用于记录所述目标用户从所述借款申请数据对应的借款时刻开始，尚未发生违约事件的时长；获取所述目标用户的第一特征向量和第二特征向量，其中，所述第一特征向量用于刻画所述目标用户是否属于预设类型用户，所述预设类型用户是指在第一预设期限内未发生违约事件的用户，所述第二特征向量用于刻画所述目标用户在第二预设期限内未发生违约事件的生存概率，其中，所述第一预设期限大于所述第二预设期限；对所述生存时间、所述目标用户的目标状态、所述第一特征向量和所述第二特征向量进行拟合，得到目标模型，其中，所述目标状态用于表示所述目标用户是否被删失。2.根据权利要求1所述的模型拟合方法，其中，获取所述目标用户的所述第一特征向量和所述第二特征向量包括：将所述目标用户关联的多个特征添加至第一变量列表中，其中，所述多个特征从所述借款申请数据、第三方征信数据、衍生字段多个不同角度确定；将所述第一变量列表中满足第一预设条件的第一部分特征添加至第二变量列表，其中，所述第一预设条件由特征间相关性与第一参考值确定；按照所述第一参考值对所述第二变量列表中的全部特征变量进行降序排序，得到排序结果；基于所述排序结果，采用向前选择变量方式从所述第二变量列表选取第二部分特征，得到所述第一特征向量，以及利用所述第二变量列表中的全部特征确定所述第二特征向量。3.根据权利要求2所述的模型拟合方法，其中，将所述第一变量列表中满足所述预设条件的第一部分特征添加至所述第二变量列表包括：从所述第一变量列表中获取目标类型变量，其中，所述目标类型变量为连续型变量；对所述目标类型变量进行标准化或分箱处理，得到第一处理结果；对所述第一处理结果进行编码处理，得到第二处理结果；对所述第二处理结果进行离散处理，得到第三处理结果；从所述第三处理结果中选取特征间相关性小于第一预设阈值且所述第一参考值大于第二预设阈值的第一部分特征添加至所述第二变量列表。4.根据权利要求1所述的模型拟合方法，其中，对所述生存时间、所述目标状态、所述第一特征向量和所述第二特征向量进行拟合，得到所述目标模型包括：对于所述第一特征向量，每次从所述第二变量列表中获取一个新增特征变量，并且对于所述第二特征向量，每次从所述第二变量列表中获取全部变量，以及对所述生存时间、所述目标用户的目标状态、所述第一特征向量和所述第二特征向量进行拟合，得到多个候选模型，...

【专利技术属性】
技术研发人员：杨雪荣，许贤铭，杨青，
申请(专利权)人：度小满科技北京有限公司，
类型：发明
国别省市：