[发明专利]信用风险预测方法、系统、终端及存储介质

权利要求书

1.一种信用风险预测方法，其特征在于，所述方法包括步骤：

采集已发生还款行为的用户的信息作为第一样本，并根据用户的还款行为和信用风险等级间的预设映射关系，标注第一样本的实际信用风险等级；

采集贷款审核未通过的用户信息作为第二样本；

根据多个第一样本和对应的实际信用风险等级对待训练的信用风险预测模型进行训练，获得初步训练的信用风险预测模型；

采用初步训练的信用风险预测模型对第二样本的信用风险等级进行预测，获得第二样本的信用风险预测等级；

将多个第一样本和对应的实际信用风险等级以及多个第二样本和对应的信用风险预测等级，对初步训练的信用风险预测模型进行训练，获得最终的信用分析预测模型。

2.根据权利要求1所述的信用风险预测方法，其特征在于，所述采集已发生还款行为的用户的信息作为第一样本的步骤包括：

采集已发生还款行为的用户的信息；

对已发生还款行为的用户信息进行中进行敏感信息过滤和/或预处理；

将过滤后和/或预处理后的已发生还款行为的用户信息作为第一样本。

3.根据权利要求1所述的信用风险预测方法，其特征在于，所述采集贷款审核未通过的用户信息作为第二样本的步骤包括：

采集贷款审核未通过的用户信息；

对贷款审核未通过的用户信息进行中进行敏感信息过滤和/或预处理；

将过滤后和/或预处理后的贷款审核未通过的用户信息作为第二样本。

4.根据权利要求1-3任一项所述的信用风险预测方法，其特征在于，若待训练的信用风险预测模型包括至少一个预设的不同分类算法、至少一个预设的不同聚类算法以及待训练的融合算法，所述根据多个第一样本和对应的实际信用风险等级对待训练的信用风险预测模型进行训练，获得初步训练的信用风险预测模型的步骤包括：

将多个第一样本同时分别输入至各预设的分类算法和各预设的聚类算法中，获得各预设分类算法输出的第一分类结果以及各预设聚类算法输出的第一聚类结果，其中各预设分类算法输出的第一分类结果包括各第一样本属于各信用风险等级对应的概率以及各第一样本的信用风险预测等级，各预设聚类算法输出的第一聚类结果包括与预设信用风险等级数量相同数量的簇类、各簇类属于各信用风险等级对应的概率以及各第一样本所属簇类；

根据预设的簇类实际概率矩阵、各第一样本的实际信用风险等级、各预设分类算法输出的第一分类结果以及各预设聚类算法输出的第一聚类结果对待训练的融合算法进行训练，获得初步训练的融合算法。

5.根据权利要求4所述的信用风险预测方法，其特征在于，所述根据预设的簇类实际概率矩阵、各第一样本的实际信用风险等级、各预设分类算法输出的第一分类结果以及各预设聚类算法输出的第一聚类结果对待训练的融合算法进行训练，获得初步训练的融合算法的步骤包括：

根据各第一样本的实际信用风险等级，构建样本实际概率矩阵；

根据各预设分类算法输出的第一分类结果以及各预设聚类算法输出的第一聚类结果，构建样本预测平均概率矩阵、簇类预测平均概率矩阵、分布矩阵和同属度矩阵；

将预设的簇类实际概率矩阵、样本实际概率矩阵、样本预测平均概率矩阵、簇类预测平均概率矩阵、分布矩阵和同属度矩阵输入至待训练的融合算法中，采用块坐标下降算法获取待训练的融合算法中的初步参数。

6.根据权利要求5所述的信用风险预测方法，其特征在于，所述根据多个第一样本和对应的实际信用风险等级对待训练的信用风险预测模型进行训练，获得初步训练的信用风险预测模型的步骤还包括：

根据K-十折交叉验证方法以及多个第一样本和对应的实际信用风险等级对待训练的信用风险预测模型进行训练，获得初步训练的信用风险预测模型。