【技术实现步骤摘要】
本申请涉及人工智能，具体涉及一种放贷额度管理方法及装置。
技术介绍
1、近年来，银行信贷在烟草行业的发展相当迅猛，在极大地促进烟草行业发展的同时，亦拓宽了银行业务范围。“烟草贷”是金融机构面向烟草零售客户定制的专属融资产品，烟草商业企业与银行等金融机构以此为纽带，加强互联互通，合力为卷烟零售客户提供更多增值服务。为提升烟草贷信贷收益，贷款模型提质化升级迫在眉睫，现阶段业界对客户信贷模型的指标选取大多集中在对客户历史行为及其历史销售数据的统计，大部分都选择采用单一的随机森林模型、决策树模型、逻辑回归等简单模型进行建模评估，模型的精准度难以得到保障。
技术实现思路
1、针对现有技术中的问题，本申请实施例提供一种放贷额度管理方法及装置，能够至少部分地解决现有技术中存在的问题。
2、一方面，本申请实施例提供一种放贷额度管理方法，包括：
3、根据目标客户的信息，确定在第一年份针对该目标客户的放贷额度，其中，所述目标客户的信息包括基本信息、历史经营信息和/或历史行为信息；
4、根据所述目标客户所在地区的历史人口信息，预测该目标客户所在地区在第二年份的人口信息，其中，所述第二年份是所述第一年份的后一年；
5、将目标客户的信息、所述放贷额度以及预测的所述人口信息输入预设的双重机器学习模型，得到所述双重机器学习模型输出的在所述第二年份针对该目标客户的放贷额度和无偏因果效应值；
6、根据所述双重机器学习模型输出的在所述第二年份针对该目标客户的
7、在一些实施例中，所述基本信息包括借款人年龄和/或目标客户的评级；
8、所述历史经营信息包括近n年订烟总次数、近n年月均订烟金额、近n年的订烟数据、近n年每年旺季订烟金额和/或近n年每年淡季订烟总次数，其中，n为正整数。
9、在一些实施例中，所述根据目标客户的信息，确定在第一年份针对该目标客户的放贷额度包括：
10、将所述目标客户的信息输入预设的放贷额度计算模型，得到所述放贷额度计算模型输出的在第一年份针对该目标客户的放贷额度，其中，所述放贷额度计算模型是根据第一样本集中客户的信息以及客户的历史放贷额度训练得到的。
11、在一些实施例中，所述目标客户所在地区的历史人口信息包括：近m年的人口增长率、近m年人口的年平均增长率、近m年每年的男性人口占比、近m年每年的女性人口占比和/或近m年每年的吸烟人口比率，其中，m为正整数。
12、在一些实施例中，所述根据所述目标客户所在地区的历史人口信息，预测该目标客户所在地区在第二年份的人口信息包括：
13、将所述目标客户所在地区的历史人口信息输入预设的人口预测模型，得到所述人口预测模型输出的该目标客户所在地区在第二年份的人口数、男性人口占比、女性人口占比和/或吸烟人口比率，其中，所述人口预测模型是根据第二样本集中所述地区的历史人口信息训练得到的。
14、在一些实施例中，所述将目标客户的信息、所述放贷额度以及预测的所述人口信息输入预设的双重机器学习模型，得到所述双重机器学习模型计算出的在所述第二年份针对该目标客户的放贷额度和无偏因果效应值包括：
15、将目标客户的信息以及预测的所述人口信息输入预设的第一机器学习模型，得到所述第一机器学习模型输出的在第二年份针对该目标客户的放贷额度，其中，所述第一机器学习模型是根据第三样本集中客户的信息、所述地区的历史人口信息以及该客户的历史放贷额度训练得到的；
16、根据在第二年份针对该目标客户的放贷额度以及在第一年份针对该目标客户的放贷额度，计算放贷额度的残差值；
17、将目标客户的信息以及预测的人口信息输入预设的第二机器学习模型，得到所述第二机器学习模型输出的该目标客户在第二年份的放贷额度使用率，其中，所述第二机器学习模型是根据第四样本集中客户的信息、所述地区的历史人口信息以及该客户的历史放贷额度使用率训练得到的；
18、根据该目标客户在第二年份的放贷额度使用率以及该目标客户在第一年份的放贷额度使用率，计算放贷额度使用率的残差值；
19、通过线性回归利用放贷额度的残差值拟合放贷额度使用率的残差值，得到无偏因果效应值。
20、在一些实施例中，所述根据所述双重机器学习模型输出的在所述第二年份针对该目标客户的放贷额度和无偏因果效应值，确定在所述第二年份针对该目标客户的最终放贷额度包括：
21、若所述无偏因果效应值在预设的置信区间内，则将所述双重机器学习模型输出的在所述第二年份针对该目标客户的放贷额度确定为在所述第二年份针对该目标客户的最终放贷额度。
22、另一方面，本申请实施例提供一种放贷额度管理装置，包括：
23、第一确定模块，用于根据目标客户的信息，确定在第一年份针对该目标客户的放贷额度，其中，所述目标客户的信息包括基本信息、历史经营信息和/或历史行为信息；
24、预测模块，用于根据所述目标客户所在地区的历史人口信息，预测该目标客户所在地区在第二年份的人口信息，其中，所述第二年份是所述第一年份的后一年；
25、输入模块，用于将目标客户的信息、所述放贷额度以及预测的所述人口信息输入预设的双重机器学习模型，得到所述双重机器学习模型输出的在所述第二年份针对该目标客户的放贷额度和无偏因果效应值；
26、第二确定模块，用于根据所述双重机器学习模型输出的在所述第二年份针对该目标客户的放贷额度和无偏因果效应值，确定在所述第二年份针对该目标客户的最终放贷额度。
27、在一些实施例中，所述基本信息包括借款人年龄和/或目标客户的评级；
28、所述历史经营信息包括近n年订烟总次数、近n年月均订烟金额、近n年的订烟数据、近n年每年旺季订烟金额和/或近n年每年淡季订烟总次数，其中，n为正整数。
29、在一些实施例中，所述第一确定模块具体用于：
30、将所述目标客户的信息输入预设的放贷额度计算模型，得到所述放贷额度计算模型输出的在第一年份针对该目标客户的放贷额度，其中，所述放贷额度计算模型是根据第一样本集中客户的信息以及客户的历史放贷额度训练得到的。
31、在一些实施例中，所述目标客户所在地区的历史人口信息包括：近m年的人口增长率、近m年人口的年平均增长率、近m年每年的男性人口占比、近m年每年的女性人口占比和/或近m年每年的吸烟人口比率，其中，m为正整数。
32、在一些实施例中，所述预测模块具体用于：
33、将所述目标客户所在地区的历史人口信息输入预设的人口预测模型，得到所述人口预测模型输出的该目标客户所在地区在第二年份的人口数、男性人口占比、女性人口占比和/或吸烟人口比率，其中，所述人口预测模型是根据第二样本集中所述地区的历史人口信息训练得到的。
34、在一些实施例中，所述输入模块具本文档来自技高网...
【技术保护点】
1.一种放贷额度管理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基本信息包括借款人年龄和/或目标客户的评级；
3.根据权利要求1或2所述的方法，其特征在于，所述根据目标客户的信息，确定在第一年份针对该目标客户的放贷额度包括：
4.根据权利要求1所述的方法，其特征在于，所述目标客户所在地区的历史人口信息包括：近M年的人口增长率、近M年人口的年平均增长率、近M年每年的男性人口占比、近M年每年的女性人口占比和/或近M年每年的吸烟人口比率，其中，M为正整数。
5.根据权利要求1或4所述的方法，其特征在于，所述根据所述目标客户所在地区的历史人口信息，预测该目标客户所在地区在第二年份的人口信息包括：
6.根据权利要求1所述的方法，其特征在于，所述将目标客户的信息、所述放贷额度以及预测的所述人口信息输入预设的双重机器学习模型，得到所述双重机器学习模型计算出的在所述第二年份针对该目标客户的放贷额度和无偏因果效应值包括：
7.根据权利要求1或6所述的方法，其特征在于，所述根据所述双重机器学习模型输出
8.一种放贷额度管理装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种放贷额度管理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基本信息包括借款人年龄和/或目标客户的评级；
3.根据权利要求1或2所述的方法，其特征在于，所述根据目标客户的信息，确定在第一年份针对该目标客户的放贷额度包括：
4.根据权利要求1所述的方法，其特征在于，所述目标客户所在地区的历史人口信息包括：近m年的人口增长率、近m年人口的年平均增长率、近m年每年的男性人口占比、近m年每年的女性人口占比和/或近m年每年的吸烟人口比率，其中，m为正整数。
5.根据权利要求1或4所述的方法，其特征在于，所述根据所述目标客户所在地区的历史人口信息，预测该目标客户所在地区在第二年份的人口信息包括：
6.根据权利要求1所述的方法，其特征在于，所述将目标客户的信...
【专利技术属性】
技术研发人员：赵曼，
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：
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。