[发明专利]一种基于信用评分的催收方法及装置

权利要求书

1.一种基于信用评分的催收方法，其特征在于，所述催收方法包括以下步骤：

(1)收集催收对象信用信息：收集催收对象信用信息，并建立信用信息库，所述信用信息库中包括多项信用指标；

(2)处理收集到的信用信息：首先对所述信用信息库中的信用信息进行筛选，缺失值以及异常值可剔除或采用平均值代替，确定在建模过程中可作自变量的信用指标；然后对上述可作自变量的信用指标进行相关性分析，剔除具有共线性的信用指标，保留相对独立的信用指标作为特征变量；最后对上述信用信息进行采样和格式化处理；

(3)建立信用风险评分模型：利用机器学习算法建立信用风险评分模型，根据催收对象的历史信用信息来训练所述评分模型；

(4)预测逾期欠款回款概率：将步骤(2)中格式化处理后的特征变量代入所述信用风险评分模型，计算得到催收回款风险概率，并根据该风险概率转化为催收评分，然后根据上述催收评分确定所述催收对象的风险等级；

(5)实施针对性的催款策略：根据步骤(4)中确定的风险等级，实施具有针对性的催款策略。

2.一种根据权利要求1所述的催收方法，其特征在于，将步骤(5)中实施的催款记录反馈到所述信用信息库中，更新或完善所述信用信息。

3.一种根据权利要求1或2所述的催收方法，其特征在于，所述信用信息包括催收对象的还款能力、还款意愿、关键要素和风险释放因素中的一个或多个方面的信用指标；其中，所述还款能力的因素至少包括个人月均收入、家庭月均收入、存款额、学历、从事行业、工作年限、单位类型中的一个或多个指标；所述还款意愿的因素至少包括职业、职称、征信记录、最近一个月的联络记录、最近3个月的联络记录、首次逾期期数中的一个或多个指标；所述关键要素至少包括贷款类型、催收金额、借款额中的一个或多个指标；所述风险释放要素至少包括是否有抵押、抵押物类型、抵押金额、家庭资产、家庭住址、公司地址中的一个或多个指标。

4.一种根据权利要求1或2所述的催收方法，其特征在于，所述机器学习算法至少包括分类器、logistic回归或神经网络中的任一种。

5.一种根据权利要求1或2所述的催收方法，其特征在于，根据评分结果，将所述风险等级划分为高风险、中风险和低风险三个等级；所述针对性的催款策略包括对低风险预期时间短的客户，采用电话催收方式；对中等风险客户，采取警示型的电话催收方式；对高风险客户，在警示型电话催收不生效时，则加大催收力度，采取上门催收的方式。

6.一种根据权利要求5所述的催收方法，其特征在于，针对不同风险等级的客户实行名单管理制度，划分为若干组别，以便于采取针对性的催收措施。

7.一种基于信用评分的催收装置，其特征在于，所述催收装置包括：

(1)催收对象信用信息收集模块：所述收集模块可收集催收对象的信用信息，并建立信用信息库，所述信用信息库中包括多项信用指标；

(2)信用信息处理模块：所述信用信息处理模块可对所述信用信息库中的信用信息进行筛选，缺失值以及异常值可剔除或采用平均值代替，确定在建模过程中可作自变量的信用指标；并对上述可作自变量的信用指标进行相关性分析，剔除具有共线性的信用指标，保留相对独立的信用指标作为特征变量；最后对上述信用信息进行采样和格式化处理；

(3)信用风险评分模块：所述信用风险评分模块可利用机器学习算法建立信用风险评分模型，根据催收对象的历史信用信息来训练所述评分模型；将格式化处理后的特征变量代入所述信用风险评分模型，即可计算得到催收回款风险概率，根据该风险概率转化为催收评分，然后根据上述催收评分可确定所述催收对象的风险等级；根据所述风险等级，即可实施具有针对性的催款策略。

8.一种根据权利要求7所述的催收装置，其特征在于，还包括催收记录更新模块，所述催收记录更新模块可将实施的催款记录反馈到所述信用信息库中，更新或完善所述信用信息。

9.一种根据权利要求7所述的催收装置，其特征在于，所述机器学习算法至少包括分类器、logistic回归或神经网络中的任一种。

10.一种根据权利要求7所述的催收装置，其特征在于，所述信用信息包括催收对象的还款能力、还款意愿、关键要素和风险释放因素中的一个或多个方面的信用指标；其中，所述还款能力的因素至少包括个人月均收入、家庭月均收入、存款额、学历、从事行业、工作年限、单位类型中的一个或多个指标；所述还款意愿的因素至少包括职业、职称、征信记录、最近一个月的联络记录、最近3个月的联络记录、首次逾期期数中的一个或多个指标；所述关键要素至少包括贷款类型、催收金额、借款额中的一个或多个指标；所述风险释放要素至少包括是否有抵押、抵押物类型、抵押金额、家庭资产、家庭住址、公司地址中的一个或多个指标。