信贷违约预测方法、装置、终端设备以及存储介质制造方法及图纸

本发明专利技术公开了一种信贷违约预测方法、装置、终端设备以及存储介质，属于金融信贷领域。本发明专利技术信贷违约预测方法包括：获取待预测的客户数据；将所述待预测的客户数据输入到预先创建的信贷违约预测模型中进行预测，得到预测结果，其中，所述信贷违约预测模型是通过图神经网络算法进行训练得到；输出所述预测结果。本发明专利技术实现了对团伙性信贷违约行为的有效预测，解决了现有信贷违约预测技术效果差的问题。解决了现有信贷违约预测技术效果差的问题。解决了现有信贷违约预测技术效果差的问题。

【技术实现步骤摘要】
信贷违约预测方法、装置、终端设备以及存储介质


[0001]本专利技术涉及金融信贷领域，尤其涉及一种基于图神经网络的信贷违约预测方法、装置、终端设备以及存储介质。

技术介绍

[0002]随着科学技术的不断发展，机器学习在各行各业的应用也在不断深入。在金融信贷行业，出资方往往需要评估客户是否会有违约或者欺诈的风险，并基于此来判断是否给客户贷款。目前，现有方法是采集客户的信贷历史记录和个人信息等数据，构建机器学习模型，从而进行客户违约概率预测。
[0003]然而，客户的违约行为往往具有团伙性质和近邻性质，比如集体欺诈的主观违约或者由于企业经验不善导致的被动违约等，现有基于客户个人信息的机器学习方法，信息利用率低，只能从个体维度进行评估，无法发现团伙性违约，存在预测效果差的缺陷。
[0004]因此，有必要提出一种效果更好的信贷违约预测方法。

技术实现思路

[0005]本专利技术的主要目的在于提供一种信贷违约预测方法、装置、终端设备以及存储介质，旨在解决现有信贷违约预测技术预测效果差的问题。
[0006]为实现上述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信贷违约预测方法，其特征在于，所述信贷违约预测方法包括：获取待预测的客户数据；将所述待预测的客户数据输入到预先创建的信贷违约预测模型中进行预测，得到预测结果，其中，所述信贷违约预测模型是通过图神经网络算法进行训练得到；输出所述预测结果。2.根据权利要求1所述的信贷违约的预测方法，其特征在于，所述获取待预测的客户数据的方式包括：获取客户的个人征信信息；获取客户的信贷违约风险信息。3.根据权利要求1所述的信贷违约的预测方法，其特征在于，所述将所述待预测的客户数据输入到预先创建的信贷违约预测模型中进行预测，得到预测结果的步骤之前还包括：创建基于图神经网络的信贷违约预测模型。4.根据权利要求3所述的信贷违约预测的预测方法，其特征在于，所述创建基于图神经网络的信贷违约预测模型的步骤包括：获取客户样本数据；将所述客户样本数据进行处理，得到训练集和验证集；基于所述训练集，通过图神经网络算法对初始模型进行迭代训练；根据所述验证集，对当前模型的效果进行评估，得到判定结果；根据所述判定结果，对当前模型进行如下处理：若所述判定结果不满足预设标准，继续对模型进行迭代训练；若所述判定结果满足预设标准，结束迭代训练，得到信贷违约预测模型。5.根据权利要求4所述的信贷违约预测方法，其特征在于，所述将所述客户样本数据进行处理，得到训练集和验证集的步骤包括：基于所述客户样本数据，提取客户的基础特征和风险标签；基于所述客户的基础特征和风险标签，构建图网络结构；通过预设方法，从所述图网络结构中抽取客户网络节点；按照预设比例将所述客户网络节点划分为训练集和验证集；将所述训练集和验证集作存储至数据存储单元。6.根据权利要求4所述的信贷违约预测方法，其特征在于，所述基于所述训练集，通过图神经网络算法对初始模型进行迭代训练的步骤之前还包括：初始化模型参数，得到初始模型。7.根据权利要求4所述的信贷违约预测方...

【专利技术属性】
技术研发人员：陈庆麟，陈婷，吴三平，庄伟亮，要卓，张鹏，壮青，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：