[发明专利]一种融合机器学习的信贷预测逾期方法及系统

说明书

本发明提供融合机器学习的信贷逾期预测方法及系统，收集若干信贷因素数据并进行预处理，对预处理结果中信贷因素数据的重要度进行计算排序并删除冗余，得到选择后信贷因素数据。基于信贷因素数据构建训练样本，基于训练样本利用LSTM建立并训练信贷逾期预测模型，确定最优参数，得到最佳模型后进行信贷逾期预测。本发明广泛收集信贷因素数据提升信贷逾期预测的全面性；对训练数据的缺失采用分类处理提升数据质量；针对用户的类不平衡情况用过采样方法进行处理，平衡数据分布；对影响信贷逾期的全部因素进行排序并剔除冗余，提高因素选择的合理性；基于双向LSTM结合时序因素综合建立信贷逾期预测模型，通过S折交叉确定最优模型参数，提高最佳模型质量。

技术领域

本发明涉及一种融合机器学习的信贷逾期预测方法及系统。

背景技术

近年来随着信贷申请的便捷快速、用户消费习惯的日渐改变，信贷量 不断增长，信贷的业务风险也在不断增加。截至2018年一季度末，信用 卡授信总额为13.14万亿元，保持着快速增长的态势；信用卡逾期半年 未偿信贷总额占期末应偿信贷总额的1.21％，坏账率相对较高。信贷是商 业银行利润的重要组成部分，但目前面临较高风险，因此商业银行需在风 险防控领域重视此问题。

当用户提出信贷申请时，对用户进行信贷逾期预测可有效降低借贷后 发生逾期甚至形成坏账的风险。但是信贷业务涉及申贷人、放贷机构、特 约商户甚至政府宏观金融政策，任何主体变动皆会对信贷风险产生影响， 其跨行业、跨市场的特点使预测的复杂性大大增加。用户信贷逾期预测具 有复杂的时空变异性，受多尺度、随机性等因素影响。传统上，相关机构 根据以往用户信用状况统计分析用户信用评估准则，基于评估准则进行信贷逾期风险预测如5C分析法，从品格、资本、偿付能力、抵押品和经济 周期五个因素对借款人进行判断和权衡。此方法不仅对分析者要求和依赖 性高，还需要培训后备专家，成本较高，而且此多依赖于申贷人的历史表 现和专家主观判断，缺乏客观评价分析，准确性较差。

近期研究者将机器学习应用于信贷逾期预测领域，基于历史消费数据、 人口统计数据、消费数据，采用逻辑回归方法(LR)预测申贷人信用状况； 在信用评分问题中，对传统的统计和现代数据挖掘、机器学习工具进行评 估，结果表明现代机器学习方法优势明显；有研究者提出了一个总体框架， 通过使用机器学习方法评估个人消费信贷风险，其证明回归优化射频性能 在短期分期付款的测试数据上优于逻辑回归模型、近邻算法；但上述方法获得的数据存在局限性，忽略了用户财务信息、其他金融机构信用记录等 数据。另一方面，原始数据一般存在较严重缺失、重复、不规范状况，直 接建模会对预测精度产生较大影响，已有研究没进行充分的数据清洗与特 征选择。此外，不同因素对信贷逾期影响差异较大，当因素较多时，仅依 靠经验、已有研究对因素进行选择，不但效率低而且合理性差。综上所述， 如何能够提供一种能够综合考虑影响信贷逾期的各种因素，并有效的进行 数据预处理及因素选择，从而提供信贷逾期预测准确率成为亟待解决的问 题。

发明内容

本发明提供一种融合机器学习的信贷逾期预测方法及系统，用以解决现 有技术中由于原始数据缺失、数据分布不均衡、多依赖人工经验等，导致信 贷逾期预测效率低而且预测结果不准确的问题。

为了实现上述目的，本发明技术方案提供了一种融合机器学习的信贷逾期 预测方法，所述方法包括：判断信贷因素数据的数据状态并进行数据处理， 得到预处理结果。采用梯度提升树方法计算所述预处理结果中的各信贷因素 数据的重要度并排序，基于排序结果删除冗余因素，得到选择后信贷因素数 据。基于时间序列构建训练样本后，利用LSTM建立并训练信贷逾期预测模型， 并通过S折交叉验证确定所述信贷逾期预测模型的最优参数，得到最佳模型。 通过所述最佳模型对申贷用户进行信贷逾期预测。