[发明专利]预测逃废债区块链系统

说明书

一逃废债预制系统，包括多个区块链系统，区块链系统存储数据用以识别借款人，用以对借款人进行信用评级，也包括借款人信用贷款中的支付记录，以及相关借款人群体的经济社会的大数据。提供的数据覆盖在固定的时间段在固定的地理区域的借款人群体的相关活动。3个数学模型用于预测借款人的逃废债务行为。这些数学模型是动态系统，它们预测借款人的行为，包括一组借款人的行为，以及借款人在未来一段时间内可能的逃避债务行为；该预测可以按时间顺序表达。人工神经网络方法可用于识别3个数学模型的参数。

技术领域

本发明涉及自动预测信用风险高活动的系统和方法，特别是用于自动预测小额贷款逃废债，基于存证区块链的系统和方法。

背景技术

小额贷款已经成为一般民众和小企业取得资金的一种方法。在互联网时代，互 联网贷款公司在中国蓬勃发展。然而，小额信贷也带来了许多问题。首先是借款人 违约不还款，导致网贷公司和这些公司的投资者蒙受损失。最具破坏性的就是逃废债， 即债务人有履行能力而不尽力履行还款的行为。贷款违约的输家还包括电子商务公 司和银行，这些公司也从事小额融资。

在下文中，词语“借款人”表示从互联网贷款公司，银行或电子商务供应商借 入小额贷款的自然人，或商业实体。

各种金融服务实体向消费者和/或企业提供信用账户，例如抵押，汽车贷款， 信用卡账户等。在向申请人提供信用账户之前，或在为这种信用账户提供服务期间， 许多金融服务提供商想要知道申请人或客户是否或可能是个“从不付费”(逃废债) 借款人。逃废债借款人包括，但不限于那些提出信用请求，随后获得信用工具的客户， 并且在账户整个生命周期中，从不支付或基本上不支付。对金融服务提供商而言，逃 废债借款人是个代价高昂的借款人。

传统的评分模型无法提供必要的洞察力来识别从不支付的借款人。在某种程度上，这是由于借款人背后的概况的多样性。此外，由于资源有限以，及分析逃废债借 款人的复杂度，一些金融服务提供商难以识别逃废债的属性和/或原因。因此，这些 逃废债的账户不能在流程的早期被识别出来，造成金融服务提供商的损失。

本发明涉及预测逃废债的过程，方法，和系统。目前有许多方法可以预测逃废 债借款人。其中包括从一组数据集中自动预测出逃废债借款人。直到最近，大多数 预测方法和系统采用保存在线或离线的电子副本文件做为数据集。传统方法的一个问 题是这些数据会受到电子安全漏洞和恶意交替的影响，而数据的实物副本可能会丢失 或被更改。今天，区块链已成为一种创新的证据保存技术，具有许多好处。其中存 储在区块链系统中的证据(或所有数据)是实际上不可变更且无可争议的。

本发明适用于自动预测逃废债借款人，也适用于自动预测信用风险高的相关活动如：雇佣，租赁，市场调查，动产、不动产鉴定等。而征信业可大致分为四大类： 信贷征信、商业征信、雇佣征信以及其他征信。因此，本发明不应视为仅适用于自动 预测逃废债借款，而逃废债借款仅做为描述本发明的实施例的载体。

本发明所解决的问题之一是关于使用宏观经济和/或人口统计背景来预测信用申请人行为。多数信用评级系统使用静态模型来预测信用申请人行为。更好的方式， 是采用动态方模型来测信用申请人行为，这应该大大提高信用申请人支付行为的预测 准确性。本发明的一个方面是采用动态模型来预测信用申请人的支付行为，特别是 预测逃废债行为。

目前对逃废债的预测是静态的：基本上仅预测借款人未来是否会有逃废债行为。这是类似零或一的预测。目前的解决方案并不能预测借款人支付的频率，以及他将在 一段时间内会支付多少钱，和支付的概率。本发明采用动态系统模型(数学模型)来 进行这种预测。例如，目前的预测不能说，虽然借款人不可能在本月支付任何款项， 但在接下来的2-3个月内，他可能会支付部分款项；而且很有可能，他会全额支付所 有欠款，基于他所从事的行业，和他开展业务的城市的经济発展。

发明内容