本发明专利技术的实施例提供了一种银行客户违约概率预测方法、装置、电子设备及介质，涉及金融风险分析技术领域，该方法包括：获取客户的多维度指标数据，将客户的多维度指标数据分别输入多个预设违约计算模型，输出各预设违约计算模型的初始违约率及入模指标数；根据各预设违约计算模型的初始违约率及入模指标数，从多个预设违约计算模型确定最优违约计算模型；对最优违约计算模型输出的初始违约率进行排序，得到违约率排序结果；根据违约率排序结果确定目标客户；根据切等法及各目标客户的历史违约概率对各个违约率排序子段进行校准，得到各目标客户的校准违约率，提高银行的客户违约概率的预测准确度，降低人工成本。降低人工成本。降低人工成本。
【技术实现步骤摘要】
银行客户违约概率预测方法、装置、电子设备及介质
[0001]本专利技术涉及金融风险分析
，具体而言，涉及一种银行客户违约概率预测方法、装置、电子设备及介质。
技术介绍
[0002]在金融风险分析
，银行对于客户预警的现有技术方案是，对客户的基础数据设定指标，比如财务偿债能力等，当客户指标不符合阈值时即触发预警，继而由工作人员进行核实、处理。现有的预警方案精确度不高，浪费了银行大量的人工成本。
技术实现思路
[0003]为了解决上述技术问题，本申请实施例提供了一种银行客户违约概率预测方法、装置、电子设备及介质。
[0004]第一方面，本申请实施例提供了一种银行客户违约概率预测方法，所述方法包括：
[0005]从观察时段中选择多个观察时点，确定各所述观察时点的多个违约客户及多个有效客户；
[0006]获取客户的多维度指标数据，将所述客户的多维度指标数据分别输入多个预设违约计算模型，各所述预设违约计算模型对所述客户的多维度指标数据进行计算，输出各所述预设违约计算模型的初始违约率及入模指标数；
[0007]根据各所述预设违约计算模型的初始违约率及入模指标数，从多个所述预设违约计算模型确定最优违约计算模型；
[0008]对所述最优违约计算模型输出的初始违约率进行排序，得到违约率排序结果；
[0009]对所述违约率排序结果进行分段，得到多个违约率排序子段，确定各个违约率排序子段对应的目标客户；
[0010]根据各所述观察时点的多个违约客户及多个有效客户计算各目标客户的历史违约概率；
[0011]根据切等法及各目标客户的历史违约概率对各个违约率排序子段进行校准，得到各目标客户的校准违约率。
[0012]在一实施方式中，所述方法还包括：
[0013]采用逻辑回归算法计算各维度指标数据在所述初始违约率中所占的权重；
[0014]从多个维度指标数据中确定权重排序前N的目标维度指标数据；
[0015]根据所述目标维度指标数据确定客户风险点。
[0016]在一实施方式中，所述客户的多维度指标数据包括：银行整体客户的多维度指标数据，或者，多个敞口分类客户的多维度指标数据，所述将所述客户的多维度指标数据分别输入多个预设违约计算模型，包括：
[0017]将所述银行整体客户的多维度指标数据分别输入多个预设违约计算模型；或者，
[0018]将各敞口分类客户的多维度指标数据分别输入多个预设违约计算模型。
[0019]在一实施方式中，所述客户的多维度指标数据包括多个敞口分类客户的多维度指标数据；
[0020]各所述预设违约计算模型对所述客户的多维度指标数据进行计算，输出各所述预设违约计算模型的初始违约率及入模指标数，包括：
[0021]各所述预设违约计算模型分别对各个敞口分类客户的多维度指标数据进行计算，通过各所述预设违约计算模型输出各个敞口分类客户的初始违约率及入模指标数。
[0022]在一实施方式中，所述根据各所述预设违约计算模型的初始违约率及入模指标数从多个所述预设违约计算模型确定最优违约计算模型，包括：
[0023]根据各个敞口分类客户的初始违约率及入模指标数，从多个所述预设违约计算模型确定各个敞口分类客户的最优违约计算模型。
[0024]在一实施方式中，所述对所述最优违约计算模型输出的初始违约率进行排序，得到违约率排序结果，包括：
[0025]对各个敞口分类客户的最优违约计算模型输出的初始违约率进行排序，得到各个敞口分类客户的违约率排序结果；
[0026]所述对所述违约率排序结果进行分段，得到多个违约率排序子段，包括：
[0027]对各个敞口分类客户的违约率排序结果进行分段，得到各个敞口分类客户的多个违约率排序子段。
[0028]在一实施方式中，所述根据切等法及各目标客户的历史违约概率对各个违约率排序子段进行校准，包括：
[0029]采用对数等距法确定各目标客户的违约概率上下限；
[0030]采用对数等距插值法及所述违约概率上下限对各目标客户的违约概率进行校准。
[0031]第二方面，本申请实施例提供了一种银行客户违约概率预测装置，所述银行客户违约概率预测装置包括：
[0032]第一确定模块，用于从观察时段中选择多个观察时点，确定各所述观察时点的多个违约客户及多个有效客户；
[0033]获取模块，用于获取客户的多维度指标数据，将所述客户的多维度指标数据分别输入多个预设违约计算模型，各所述预设违约计算模型对所述客户的多维度指标数据进行计算，输出各所述预设违约计算模型的初始违约率及入模指标数；
[0034]第二确定模块，用于根据各所述预设违约计算模型的初始违约率及入模指标数，从多个所述预设违约计算模型确定最优违约计算模型；
[0035]排序模块，用于对所述最优违约计算模型输出的初始违约率进行排序，得到违约率排序结果；
[0036]分段模块，用于对所述违约率排序结果进行分段，得到多个违约率排序子段，确定各个违约率排序子段对应的目标客户；
[0037]计算模块，用于根据各所述观察时点的多个违约客户及多个有效客户计算各目标客户的历史违约概率；
[0038]校准模块，用于根据切等法及各目标客户的历史违约概率对各个违约率排序子段进行校准，得到各目标客户的校准违约率。
[0039]第三方面，本申请实施例提供了一种电子设备，包括存储器以及处理器，所述存储
器用于存储计算机程序，所述计算机程序在所述处理器运行时执行第一方面提供的银行客户违约概率预测方法。
[0040]第四方面，本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序在处理器上运行时执行第一方面提供的银行客户违约概率预测方法。
[0041]上述本申请提供的银行客户违约概率预测方法、装置、电子设备及介质，从观察时段中选择多个观察时点，确定各所述观察时点的多个违约客户及多个有效客户；获取客户的多维度指标数据，将所述客户的多维度指标数据分别输入多个预设违约计算模型，各所述预设违约计算模型对所述客户的多维度指标数据进行计算，输出各所述预设违约计算模型的初始违约率及入模指标数；根据各所述预设违约计算模型的初始违约率及入模指标数，从多个所述预设违约计算模型确定最优违约计算模型；对所述最优违约计算模型输出的初始违约率进行排序，得到违约率排序结果；对所述违约率排序结果进行分段，得到多个违约率排序子段，确定各个违约率排序子段对应的目标客户；根据各所述观察时点的多个违约客户及多个有效客户计算各目标客户的历史违约概率；根据切等法及各目标客户的历史违约概率对各个违约率排序子段进行校准，得到各目标客户的校准违约率，提高银行的客户违约概率的预测准确度，降低人工成本。
附图说明
[0042]为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种银行客户违约概率预测方法，其特征在于，所述方法包括：从观察时段中选择多个观察时点，确定各所述观察时点的多个违约客户及多个有效客户；获取客户的多维度指标数据，将所述客户的多维度指标数据分别输入多个预设违约计算模型，各所述预设违约计算模型对所述客户的多维度指标数据进行计算，输出各所述预设违约计算模型的初始违约率及入模指标数；根据各所述预设违约计算模型的初始违约率及入模指标数，从多个所述预设违约计算模型确定最优违约计算模型；对所述最优违约计算模型输出的初始违约率进行排序，得到违约率排序结果；对所述违约率排序结果进行分段，得到多个违约率排序子段，确定各个违约率排序子段对应的目标客户；根据各所述观察时点的多个违约客户及多个有效客户计算各目标客户的历史违约概率；根据切等法及各目标客户的历史违约概率对各个违约率排序子段进行校准，得到各目标客户的校准违约率。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：采用逻辑回归算法计算各维度指标数据在所述初始违约率中所占的权重；从多个维度指标数据中确定权重排序前N的目标维度指标数据；根据所述目标维度指标数据确定客户风险点。3.根据权利要求1所述的方法，其特征在于，所述客户的多维度指标数据包括：银行整体客户的多维度指标数据，或者，多个敞口分类客户的多维度指标数据，所述将所述客户的多维度指标数据分别输入多个预设违约计算模型，包括：将所述银行整体客户的多维度指标数据分别输入多个预设违约计算模型；或者，将各敞口分类客户的多维度指标数据分别输入多个预设违约计算模型。4.根据权利要求3所述方法，其特征在于，所述客户的多维度指标数据包括多个敞口分类客户的多维度指标数据；各所述预设违约计算模型对所述客户的多维度指标数据进行计算，输出各所述预设违约计算模型的初始违约率及入模指标数，包括：各所述预设违约计算模型分别对各个敞口分类客户的多维度指标数据进行计算，通过各所述预设违约计算模型输出各个敞口分类客户的初始违约率及入模指标数。5.根据权利要求4所述方法，其特征在于，所述根据各所述预设违约计算模型的初始违约率及入模指标数从多个所述预设违约计算模型确定最优违约计算模型，包括：根据各个敞口分类客户的初始违约率及入模指标数，从多个所述预设违约计算模型确定各...
【专利技术属性】
技术研发人员：陈宏斌，
申请(专利权)人：平安银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。