[发明专利]业务数据处理模型训练方法、业务数据处理方法及装置

说明书

本发明公开一种业务数据处理模型训练方法、业务数据处理方法及装置，涉及计算机数据处理领域，其中模型训练方法至少包括：获取若干逾期还款样本在第一时间段内的用户信息样本及第二时间段内的逾期催回天数，并基于用户信息样本提取目标输入变量；根据逾期催回天数对用户进行分类，获得用户分类结果；以目标输入变量为输入、用户分类结果为输出训练获得业务数据处理模型。该业务数据处理模型训练方法获取的样本数据较全面，训练获得的模型准确性高；其将复杂多样化的问题转化为有监督学习中的二分类问题，简化问题、降低模型训练难度；基于该模型的业务数据处理方法能针对不同情况的逾期客户进行用户风险等级分类以为决策者提供数据支撑。

技术领域

本发明涉及计算机数据处理领域，特别涉及一种业务数据处理模型训练方法、业务数据处理方法及装置。

背景技术

随着我国消费信贷产业的蓬勃发展，信用卡、住房贷款、汽车贷款、消费品贷款等各类贷款产品层出不穷，越来越多的贷款机构加入这一行业，包括银行、小贷公司、互联网金融机构等等。在消费信贷行业不断发展的背后，也存在着一定的风险因素，其中一个不容忽视的风险即信用风险。

信用风险的控制决定着信贷产业能否继续繁荣，决定着贷款业务能否继续开展，决定着贷款机构的存续。风控能力是一家贷款机构的核心竞争力，如何在风险发生后，更好地管控风险并降低损失是每一家贷款机构需要具备的能力。

贷款申请人获得每一笔贷款后，需在指定时间点按时还款。但在实际业务开展中，往往存在一部分逾期未还的用户。发生逾期的原因层出不穷：用户单纯由于忘记而造成逾期，又或者由于一时的资金短缺无法偿还但却有良好的偿还意愿，也存在一部分用户存在恶意骗贷行为，诸此等等。

随着用户提交的信息越来越多，如何能够准确可靠地对用户的逾期情况进行评估，以便为决策者提供数据支撑，是目前亟需解决的问题。

发明内容

为解决上述技术问题，本发明提供了一种业务数据处理模型训练方法、业务数据处理方法及装置，其能准确可靠地对用户的逾期情况进行评估。

本发明实施例提供的技术方案如下：

第一方面，提供一种业务数据处理模型训练方法，其至少包括如下步骤：

获取若干逾期还款样本在第一时间段内的用户信息样本及第二时间段内的逾期催回天数，并基于所述用户信息样本提取目标输入变量；

根据所述逾期催回天数及预设的样本分类标准对所述用户进行分类，获得用户分类结果；

以所述目标输入变量作为输入、所述用户分类结果为输出，基于第一基础模型，训练获得所述业务数据处理模型；

在一些较佳的实施方式中，所述训练业务数据处理模型还包括如下步骤：

以所述用户信息样本为输入、所述用户分类结果为输出，基于所述第一基础模型外的其他基础模型，训练获得若干其余业务数据处理模型；

采集若干样本外数据作为输入，以检验每一业务数据处理模型的效果，并将效果最优的模型作为最终的业务数据处理模型。

在一些较佳的实施方式中，所述基于所述用户信息样本提取目标输入变量，至少包括如下子步骤：

基于所述用户信息样本，提取输入变量，所述提取输入变量至少包括：

提取用户基本属性类输入变量；和/或；

提取用户行为信息类输入变量；和/或；

提取用户用信信息类输入变量；和/或

提取用户征信类输入变量；

其中：

所述用户基本属性类输入变量至少包括用户认证类型、用户资料完整度状态；