[发明专利]一种基于深度学习的对公客户收入下降预测方法及装置

说明书

本发明实施例公开了一种基于深度学习的对公客户收入下降的预测方法和装置，包括：获取对公客户的账户的原始数据；依据原始数据，生成对公客户的特征集合；对对公客户的指标变量进行预处理；将对公客户的特征集合中各个特征输入到预设的对公客户收入下降预测模型中，得到对公客户收入下降的概率值；预设的对公客户收入下降预测模型是通过对抽样客户的特征集合和抽样客户收入下降的标识信息进行训练后得到的。这样，实现了对客户未来一段时间的收入水平的下降概率的预测，便于银行作出具有针对性的预警措施以及精准营销策略。

技术领域

本发明涉及机器学习领域，尤其涉及一种基于深度学习的对公客户收入下降预测方法及装置。

背景技术

银行业务中，存款、贷款和中间业务是银行的主要业务，也是银行的主要收入来源。随着外部市场的压力增大，银行面临着诸如：如何提高收入、强化风险管理、优化资源配置等问题。

为了解决以上的这些问题，很多专家都提出了精准营销的概念，精准营销可以实现对客户的精准定位，进而提高了业务成功的几率，从而达到优化资源配置、提高银行收入的目的。

但是，若实现精准营销需要对客户进行预测，其中，针对于对公客户，客户的收入会对银行收入产生一定的影响，若是可以预测客户的收入水平是否具有下降的风险，银行可以提早做出具有针对性的预警措施。

发明内容

有鉴于此，本发明实施例公开了一种基于深度学习的对公客户收入下降的预测方法及装置，实现了对客户的收入水平的下降风险的预测，便于银行作出具有针对性的预警措施。

本发明公开了一种基于深度学习的对公客户收入下降的预测方法，包括：

获取对公客户的账户的原始数据；

依据所述原始数据，生成所述对公客户的特征集合；

对所述对公客户的特征集合进行预处理；

将所述对公客户的特征集合中的各个特征输入到预设的对公客户收入下降预测模型中，得到所述对公客户收入下降的概率值；所述预设的对公客户收入下降预测模型是通过对抽样客户的特征集合和抽样客户收入下降的标识信息进行训练后得到的。

可选的，所述对公客户的账户的原始数据，包括：

客户的基本信息数据、客户交易流水数据、客户持有产品数据、客户资产余额数据和收入数据。

可选的，所述对公客户的特征集合包括：

客户属性类指标、客户关系类指标、持有产品类指标、客户交易类指标、资产余额类指标、客户收入类指标。

可选的，所述资产交易类指标、资产余额类指标和客户收入类指标包括：趋势类指标。

可选的，所述对公客户收入下降预测模型的训练过程包括：

获取抽样客户的原始数据；所述抽样客户为对公客户；

依据所述抽样客户的账户的原始数据，生成所述抽样客户的特征集；

对所述抽样客户的特征集进行预处理；

依据所述抽样客户的收入情况，对抽样客户的收入下降情况进行标识；

依据预处理后的抽样客户的特征集和所述抽样客户的收入下降情况的标识信息，对预设的神经网络模型进行训练。

可选的，所述依据所述抽样客户的收入情况，对抽样客户的收入下降情况进行标识，包括：

获取数据观察期内的所述抽样客户的收入数据以及数据表现期内的抽样客户的收入数据；

计算所述抽样客户在数据观察期内的收入均值以及在表现期内收入均值；