[发明专利]用户贷后风险模型生成方法、装置及电子设备

说明书

本公开涉及一种用户贷后风险模型生成方法、装置、电子设备及计算机可读介质。包括：对多个用户数据进行预处理生成多个金融数据；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。用户贷后风险模型生成方法，能够建立准确高效的用户贷后风险模型模型，从而更加准确的确定用户贷后表现的风险级别，为用户分配更精细和精准的贷后管控策略。

技术领域

本公开涉及计算机信息处理领域，具体而言，涉及一种用户贷后风险模型生成方法、装置、电子设备及计算机可读介质。

背景技术

对于提供金融类服务的公司，其面临的最大的风险为用户因各种原因未能及时、足额偿还债务或银行贷款而违约。目前在用户由金融类服务公司进行借款后，金融公司会对用户的还款情况进行跟踪，在用户超期还款时，即刻启动贷后管理，督促用户进行还款。

由于用户欠款主要是需要通过人工进行贷后管理的，例如，人工给用户去电的方式对欠款进行催收工作，对于贷后管理人员而言，需要花费大量的时间进行沟通协调工作，一旦沟通协调减少就会影响欠款的回收。对于用户而言，有些用户可能只是由于疏忽而欠款，比如有些逾期客户只是忘记当天还钱，以及其他原因引起的未能按时还款，这些客户的风险级别很低，往往只需要短信通知即可还款。而有些用户不管是否进行贷后管理都会将其欠款逾期到更高账龄。而目前对于欠款用户的贷后管理工作一直会持续至用户欠款时间达到更高的时间(比如1个月之和)，如果该用户仍旧没有还款，再将此用户进行委外处理，通过第三方公司进行贷后管理工作。

对于有些恶意欠款的用户，即使浪费大量的人力去进行贷后管理也是收效甚微，而对于有些疏忽的客户，仅仅通过短信方式提醒即可，如何在不影响欠款回收的前提下，尽量节约人力和其他资源成本进行有效的贷后管理工作是目前亟待解决的问题。

因此，需要一种新的用户贷后风险模型生成方法、装置、电子设备及计算机可读介质。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本公开提供一种用户贷后风险模型生成方法、装置、电子设备及计算机可读介质，能够建立准确高效的用户贷后风险模型模型，从而更加准确的确定用户贷后表现的风险级别，为用户分配更精细和精准的贷后管控策略。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提出一种用户贷后风险模型生成方法，该方法包括：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。

可选地，对多个用户数据进行预处理生成多个金融数据，包括：获取多个用户的用户数据；以及将所述用户数据进行筛选处理和特征处理生成所述金融数据。

可选地，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。