申请/专利权人：中国工商银行股份有限公司

申请日：2020-10-23

公开（公告）日：2024-06-04

公开（公告）号：CN112232947B

主分类号：G06Q40/03

分类号：G06Q40/03;G06N20/20

优先权：

专利状态码：有效-授权

法律状态：2024.06.04#授权;2021.02.02#实质审查的生效;2021.01.15#公开

摘要：本申请实施例提供一种贷中风险预测方法及装置，可用于人工智能技术领域，方法包括：将目标用户的预测用数据输入预设的贷中风险预测模型，并根据该贷中风险预测模型的输出确定所述目标用户的贷中风险预测结果，其中，所述预测用数据包括：行为特征数据以及应用贷中行为评分卡模型获取的贷中风险评分数据；输出所述目标用户的贷中风险预测结果。本申请能够在保证贷中风险预测的准确性的基础上，有效提高用于贷中风险预测模型的输入数据的获取效率及可靠性，并能够有效降低贷中风险预测过程中的数据处理难度及数据计算量，进而能够有效缩短贷中风险预测周期并提高贷中风险预测结果的获取效率。

主权项：1.一种贷中风险预测方法，其特征在于，包括：将目标用户的预测用数据输入预设的贷中风险预测模型，并根据该贷中风险预测模型的输出确定所述目标用户的贷中风险预测结果，其中，所述预测用数据包括：行为特征数据以及应用贷中行为评分卡模型获取的贷中风险评分数据；输出所述目标用户的贷中风险预测结果；其中，所述贷中风险预测模型为预先根据多个用户的训练用数据，基于XGBoost算法训练得到的；其中，所述训练用数据和所述预测用数据均包括：用户数据、观察期数据和表现期预测数据，其中，通过用户数据、观察期数据和表现期预测数据获知目标用户的收入能力和履约历史，收入能力表示是否有其他收入；履约历史表示用户之前是否就有欠钱不还的黑历史，还是能按时履约；所述用户数据承载的信息包括：个人信息、资产信息和账户信息中的至少一项；所述观察期数据承载的信息包括：账户交易信息和或历史风险信息；所述表现期预测数据包括：所述行为特征数据和对应的贷中风险评分数据；所述方法还包括：设置用于训练贷中风险预测模型的消费行为数据、负债压力数据和活跃行为数据，所述消费行为数据用于表示资金用途；所述负债压力数据用于表示用户除了在应用所述风险预测模型的金融机构存在欠款之外，其他地方是否还有负债；所述活跃行为数据用于表示用户借钱之后是否还能联系到；在所述将目标用户的预测用数据输入预设的贷中风险预测模型之前，还包括：获取用户信息对照表，其中，该用户信息对照表中存储有所述用户数据和行为数据组之间的一对多的对应关系；每个所述行为数据组中均包含有所述观察期数据和表现期预测数据，各个所述行为数据组之间根据预设的观察期时长和或表现期时长进行划分；选取所述用户信息对照表中表现期时长最长的行为数据组和对应的所述用户数据作为当前的训练用数据；基于XGBoost算法应用当前的训练用数据训练得到用于进行贷中风险预测的初始模型；将所述初始模型设置为当前的贷中风险预测模型进行应用；相对应的，所述预测用数据中的表现期预测数据对应的表现期时长与用于训练所述贷中风险预测模型的训练用数据的表现期时长相同；在所述将所述初始模型设置为当前的贷中风险预测模型进行应用之后，还包括：自所述用户信息对照表中选取表现期时长小于用于训练所述初始模型的训练用数据的表现期时长的行为数据组和对应的所述用户数据作为当前的训练用数据；基于XGBoost算法应用当前的训练用数据对所述初始模型进行模型训练，得到当前的更新用模型；应用当前的更新用模型自动替换当前的贷中风险预测模型；在所述基于XGBoost算法应用当前的训练用数据对所述初始模型进行模型训练，得到当前的更新用模型之后，还包括：验证步骤：对当前的更新用模型进行预测效果验证，并在确认验证通过后判断所述用户信息对照表中是否包含有表现期时长小于用于训练更新后的训练模型的训练用数据的表现期时长的行为数据组，若是，则将当前的更新用模型确认为历史模型，基于该行为数据组和对应的所述用户数据作为当前的训练用数据，并执行更新训练步骤；所述更新训练步骤包括：基于XGBoost算法应用当前的训练用数据对当所述历史模型进行模型训练，得到当前的更新用模型，并返回执行所述验证步骤。

全文数据：

权利要求：

百度查询： 中国工商银行股份有限公司 贷中风险预测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD