不良贷款回收预测方法、装置、设备、介质和程序产品制造方法及图纸

本公开提供了一种不良贷款回收预测方法，可以应用于人工智能技术领域。该方法包括：获取不良贷款回收因子数据，包含对应于m个不良贷款回收项的m组不良贷款回收因子，其中，对应于第i个不良贷款回收项的第i组不良贷款回收因子包含k个不良贷款回收因子；将第i组不良贷款回收因子数据输入不良贷款回收项预测模型，获取第i个不良贷款回收项预测结果；获取m个不良贷款回收项预测结果，并基于m个不良贷款回收项预测结果获取不良贷款回收预测结果，其中，不良贷款回收预测结果为m个不良贷款回收项预测结果的聚合，不良贷款回收项预测模型基于因子

【技术实现步骤摘要】
不良贷款回收预测方法、装置、设备、介质和程序产品


[0001]本公开涉及人工智能
，具体地涉及一种不良贷款回收预测方法、装置、设备、介质和程序产品。

技术介绍

[0002]在现有的不良贷款估值场景中，获取贷款预计可回收金额的过程中主要依赖人工调研的方式，如相关部门依据不良贷款认定结果，以一定时点的不良贷款为基数，采取调阅信贷档案、查询信贷管理台账、走访客户和有关部门、现场勘查、核实资产负债、了解市场行情、委托中介机构等方式，并通过人工估算的方式进行可回收金额预测，由于人工估算主要依赖大量的人工调阅材料、走访、核查，并依赖业务人员的不良贷款处置经验完成，对于一些工作经验不是非常丰富信贷人员来说具有比较大的难度，同时工作效率相对比较低下。

技术实现思路

[0003]鉴于上述问题，本公开的实施例提供了提高不良贷款回收预测科学性和智能性的不良贷款回收预测方法、装置、设备、介质和程序产品。
[0004]根据本公开的第一个方面，提供了一种不良贷款回收预测方法，包括：获取不良贷款回收因子数据，其中，所述不良贷款回收因子数据包含对应于m个不良贷款回收项的m组不良贷款回收因子，其中，对应于第i个不良贷款回收项的第i组不良贷款回收因子包含k个不良贷款回收因子，且满足1≤i≤m且i和m均为整数；k为大于或等于1的整数；将所述第i组不良贷款回收因子数据输入预训练得到的不良贷款回收项预测模型，获取第i个不良贷款回收项预测结果；获取m个不良贷款回收项预测结果，并基于所述m个不良贷款回收项预测结果获取不良贷款回收预测结果，其中，所述不良贷款回收预测结果为m个不良贷款回收项预测结果的聚合，其中，所述预训练得到的不良贷款回收项预测模型基于因子
‑
回归分析方法构建。
[0005]根据本公开的实施例，预训练得到不良贷款回收项预测模型包括：获取样本数据，所述样本数据包含m个不良贷款回收项的样本数据以及与所述m个不良贷款回收项的样本数据对应的m组不良贷款回收因子样本数据，其中，对应于第i个不良贷款回收项的第i组不良贷款回收因子样本数据包含j个初始因子的样本数据，且满足j≥k且j为整数；基于因子分析方法从所述j个初始因子中筛选出所述k个不良贷款回收因子作为第i组不良贷款回收因子；以及基于回归分析方法建立第i个不良贷款回收项与所述k个不良贷款回收因子的关联关系。
[0006]根据本公开的实施例，基于因子分析方法从所述j个初始因子中筛选出所述k个不良贷款回收因子作为第i组不良贷款回收因子包括：基于第i个不良贷款回收项的样本数据和第q个初始因子的样本数据建立相关性模型，所述相关性模型用于计算所述第q个初始因子与所述第i个不良贷款回收项的关联度，其中，q满足1≤q≤j；以及当所述第q个初始因子与所述第i个不良贷款回收项的关联度达到预设的阈值时，确定所述第q个初始因子为不良
贷款回收因子。
[0007]根据本公开的实施例，因子分析方法包括皮尔逊相关系数及显著性检验法。
[0008]根据本公开的实施例，不良贷款回收项包含借款人受偿金额，抵质押物受偿金额，保证人受偿金额，多渠道受偿金额中的至少一种，以及处置费用。
[0009]根据本公开的实施例，借款人受偿金额对应的不良贷款回收因子包括年销售收入，利润总额，历史累计亏损，上年现金流入，贷款本金，表内利息以及表外利息中的至少三种。
[0010]根据本公开的实施例，抵质押物受偿金额对应的不良贷款回收因子包括贷款余额，表内欠息，表外欠息，抵质押担保合同金额以及押品变现价值中的至少两种。
[0011]根据本公开的实施例，与保证人受偿金额对应的不良贷款回收因子包括贷款余额，表内欠息，表外欠息，保证担保合同金额，保证人利润金额以及保证人资产总额中的至少两种。
[0012]根据本公开的实施例，与多渠道受偿金额对应的不良贷款回收因子包括异常债务行为矫正受偿额，政策支持受偿额，机构或有收益受偿额中的至少一种。
[0013]根据本公开的实施例，与处置费用对应的不良贷款回收因子包括法律费用，税费，中介费用以及管理费用中的至少一种。
[0014]本公开的第二方面提供了一种不良贷款回收预测装置，包括：获取模块，用于获取不良贷款回收因子数据，其中，所述不良贷款回收因子数据包含对应于m个不良贷款回收项的m组不良贷款回收因子，其中，对应于第i个不良贷款回收项的第i组不良贷款回收因子包含k个不良贷款回收因子，且满足1≤i≤m且i和m均为整数；k为大于或等于1的整数；预测模块，用于将所述第i组不良贷款回收因子数据输入预训练得到的不良贷款回收项预测模型，获取第i个不良贷款回收项预测结果，其中，所述预训练得到的不良贷款回收项预测模型基于因子
‑
回归分析方法构建；以及聚合模块，用于获取m个不良贷款回收项预测结果，并基于所述m个不良贷款回收项预测结果获取不良贷款回收预测结果，其中，所述不良贷款回收预测结果为m个不良贷款回收项预测结果的聚合。
[0015]本公开的第三方面提供了一种不良贷款回收项预测模型的训练装置，包括：接收模块，配置为获取样本数据，所述样本数据包含m个不良贷款回收项的样本数据以及与所述m个不良贷款回收项的样本数据对应的m组不良贷款回收因子样本数据，其中，对应于第i个不良贷款回收项的第i组不良贷款回收因子样本数据包含j个初始因子的样本数据，且满足j≥k且j为整数。筛选模块，配置为基于因子分析方法从所述j个初始因子中筛选出所述k个不良贷款回收因子作为第i组不良贷款回收因子。回归模块，配置为基于回归分析方法建立第i个不良贷款回收项与所述k个不良贷款回收因子的关联关系。
[0016]根据本公开的实施例，筛选模块还可以进一步包含相关性分析子模块和判断子模块。其中，相关性分析子模块被配置为基于第i个不良贷款回收项的样本数据和第q个初始因子的样本数据建立相关性模型，所述相关性模型用于计算所述第q个初始因子与所述第i个不良贷款回收项的关联度，其中，q满足1≤q≤j。判断子模块被配置为当所述第q个初始因子与所述第i个不良贷款回收项的关联度达到预设的阈值时，确定所述第q个初始因子为不良贷款回收因子。
[0017]本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于
存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述不良贷款回收预测方法。
[0018]本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述不良贷款回收预测方法。
[0019]本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述不良贷款回收预测方法。
[0020]本公开的实施例提供的方法，通过因子
‑
回归分析方法建立不良贷款回收项预测模型，可以在获取不良贷款回收因子数据后，基于模型智能获取不良贷款回收项，并基于预设的聚合规则自动获取不良贷款回收项预测结果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种不良贷款回收预测方法，其特征在于，包括：获取不良贷款回收因子数据，其中，所述不良贷款回收因子数据包含对应于m个不良贷款回收项的m组不良贷款回收因子，其中，对应于第i个不良贷款回收项的第i组不良贷款回收因子包含k个不良贷款回收因子，且满足1≤i≤m且i和m均为整数；k为大于或等于1的整数；将所述第i组不良贷款回收因子数据输入预训练得到的不良贷款回收项预测模型，获取第i个不良贷款回收项预测结果；获取m个不良贷款回收项预测结果，并基于所述m个不良贷款回收项预测结果获取不良贷款回收预测结果，其中，所述不良贷款回收预测结果为m个不良贷款回收项预测结果的聚合，其中，所述预训练得到的不良贷款回收项预测模型基于因子
‑
回归分析方法构建。2.一种根据权利要求1所述的方法，其中，预训练得到不良贷款回收项预测模型包括：获取样本数据，所述样本数据包含m个不良贷款回收项的样本数据以及与所述m个不良贷款回收项的样本数据对应的m组不良贷款回收因子样本数据，其中，对应于第i个不良贷款回收项的第i组不良贷款回收因子样本数据包含j个初始因子的样本数据，且满足j≥k且j为整数；基于因子分析方法从所述j个初始因子中筛选出所述k个不良贷款回收因子作为第i组不良贷款回收因子；以及基于回归分析方法建立第i个不良贷款回收项与所述k个不良贷款回收因子的关联关系。3.根据权利要求2所述的方法，其中，所述基于因子分析方法从所述j个初始因子中筛选出所述k个不良贷款回收因子作为第i组不良贷款回收因子包括：基于第i个不良贷款回收项的样本数据和第q个初始因子的样本数据建立相关性模型，所述相关性模型用于计算所述第q个初始因子与所述第i个不良贷款回收项的关联度，其中，q满足1≤q≤j；以及当所述第q个初始因子与所述第i个不良贷款回收项的关联度达到预设的阈值时，确定所述第q个初始因子为不良贷款回收因子。4.根据权利要求2所述的方法，其中，所述因子分析方法包括皮尔逊相关系数及显著性检验法。5.根据权利要求1所述的方法，其中，所述不良贷款回收项包含借款人受偿金额，抵质押物受偿金额，保证人受偿金额，多渠道受偿金额中的至少一种，以及处置费用。6.根据权利要求5所述的方法，其中，与所述借款人受偿金额对应的不良贷款...

【专利技术属性】
技术研发人员：蒋超，李建宇，
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：