[发明专利]用户贷后风险评估方法、装置及电子设备

权利要求书

1.一种用户贷后风险评估方法，其特征在于，包括：

将处于预定状态的用户的金融数据输入所述用户贷后风险模型；

所述用户贷后风险模型对预定状态的所述多个用户的金融数据进行计算生成用户还款意愿值和用户还款能力值；以及

根据所述用户还款意愿值和用户还款能力值生成用户贷后风险评估值；

其中，所述用户还款意愿值用于表征用户在特定时间内还款的意愿强度；所述用户还款能力值用于表征用户在特定时间内还款的能力强度。

2.如权利要求1所述的方法，其特征在于，还包括：

基于所述用户贷后风险评估值为所述用户确定贷后管理策略。

3.如权利要求1-2所述的方法，其特征在于，基于所述用户贷后风险评估值为所述用户确定贷后管理策略，包括：

将多个用户贷后风险评估值中的还款意愿值、用户还款能力值分别与意愿阈值和能力阈值进行比较，以将多个用户进行分组；以及

基于分组结果为所述用户确定贷后管理策略。

4.如权利要求1-3所述的方法，其特征在于，将多个用户贷后风险评估值中的还款意愿值、用户还款能力值分别与意愿阈值和能力阈值进行比较，以将多个用户进行分组，包括：

将所述多个用户贷后风险评估值中的还款意愿值、用户还款能力值分别与意愿阈值和能力阈值进行比较，以将所述多个用户进行分组；或

将多个用户按照所述意愿阈值和所述能力阈值进行排序，基于排序将所述多个用户进行分组。

5.如权利要求1-4所述的方法，其特征在于，还包括：

基于多个历史用户的金融数据与多个机器学习算法生成所述用户贷后风险模型。

6.如权利要求1-5所述的方法，其特征在于，基于多个历史用户的金融数据与多个机器学习算法生成所述用户贷后风险模型，包括：

对多个用户数据进行预处理生成多个金融数据，所述金融数据包括基础信息、借款信息、还款信息；

根据所述借款信息和所述还款信息为所述多个用户中的每一个用户的金融数据分别确定标签；

根据所述金融数据生成多维度风险特征基础变量和多维度风险特性衍生变量；

通过所述多维度风险特征基础变量和所述多维度风险特性衍生变量及其对应的标签对多个机器学习模型进行训练，生成多个用户特征风险模型；以及

根据所述多个用户特征风险模型生成用户贷后风险模型。

7.如权利要求1-6所述的方法，其特征在于，根据所述借款信息和还款信息为所述多个用户中的每一个用户的金融数据分别确定标签，包括：

由所述借款信息中提取借款时间、借款金额；

由所述还款信息中提取还款时间、还款金额；

根据所述借款时间、所述还款时间、借款金额、和还款金额确定欠款情况；以及

将所述欠款情况和预设策略进行比较以为所述多个用户中的每一个用户的金融数据分别确定标签；

其中，所述标签包括：正向标签和负向标签。

8.一种用户贷后风险评估装置，其特征在于，包括：

数据输入模块，用于将处于预定状态的用户的金融数据输入所述用户贷后风险模型；

模型计算模块，用于所述用户贷后风险模型对预定状态的所述多个用户的金融数据进行计算生成用户还款意愿值和用户还款能力值；以及

能力评估模块，用于根据所述用户还款意愿值和用户还款能力值生成用户贷后风险评估值；

其中，所述用户还款意愿值用于表征用户在特定时间内还款的意愿强度；

其中，所述用户还款能力值用于表征用户在特定时间内还款的能力强度。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。