[发明专利]一种信贷风险预测方法、装置、设备及存储介质

权利要求书

1.一种信贷风险预测方法，其特征在于，包括：

获取历史上多个用户的操作行为数据，所述操作行为数据为用户及为用户提供信贷服务的应用程序之间的交互信息；

按照预设处理逻辑对获取的所述操作行为数据进行处理，以使得所述操作行为数据成为可用于模型训练的数据；

将处理后的所述操作行为数据加入至样本集中，并利用所述样本集训练预设的机器学习算法，得到风险预测模型，以使用所述风险预测模型基于任意用户的操作行为数据进行相应的风险预测。

2.根据权利要求1所述的方法，其特征在于，按照预设处理逻辑对获取的所述操作行为数据进行处理之前，还包括：

基于获取的所述操作行为数据衍生获得多维度的衍生特征数据；

将所述衍生特征数据及所述操作行为数据进行合并，并将所述操作行为数据更新为合并所得的数据。

3.根据权利要求2所述的方法，其特征在于，按照预设处理逻辑对获取的所述操作行为数据进行处理，包括：

针对所述操作行为数据包含的每项特征，获取每项所述特征对应特征值的分布情况及每项所述特征对应特征值的缺失率；

如果任意特征对应特征值的分布情况异常和/或缺失率达到缺失率阈值，则剔除该任意特征。

4.根据权利要求3所述的方法，其特征在于，按照预设处理逻辑对获取的所述操作行为数据进行处理，包括：

分析所述操作行为数据包含的不同特征之间是否存在多重共线性；

如果基于分析的结果确定任意多个特征之间的多重共线性对应共线性值达到共线性阈值，则剔除该任意多个特征中信息价值非最高的特征。

5.根据权利要求4所述的方法，其特征在于，按照预设处理逻辑对获取的所述操作行为数据进行处理，包括：

在完成所述操作行为数据中相应特征的剔除后，针对缺失率未达到所述缺失率阈值的每项特征，分析特征对应特征值缺失的原因；

采用与特征值缺失的原因对应的特殊值填充缺失的特征值。

6.根据权利要求5所述的方法，其特征在于，按照预设处理逻辑对获取的所述操作行为数据进行处理，包括：

在完成所述操作行为数据中相应特征值的填充后，对所述操作行为数据中包含的每项特征进行分箱操作；

对分箱操作所得的每个区间分别进行WOE转换，得到相应的WOE值。

7.根据权利要求6所述的方法，其特征在于，利用所述样本集训练预设的机器学习算法之前，还包括：

获取历史上多个用户的操作行为数据的同时，获取该多个用户的个人基本数据及征信数据；

按照所述预设处理逻辑对获取的所述个人基本数据及所述征数据进行处理，以使得所述个人基本数据及所述征信数据成为可用于模型训练的数据；

将处理后的所述个人基本数据及所述征信数据加入至所述样本集中。

8.一种信贷风险预测装置，其特征在于，包括：

获取模块，用于：获取历史上多个用户的操作行为数据，所述操作行为数据为用户及为用户提供信贷服务的应用程序之间的交互信息；

处理模块，用于：按照预设处理逻辑对获取的所述操作行为数据进行处理，以使得所述操作行为数据成为可用于模型训练的数据；

训练模块，用于：将处理后的所述操作行为数据加入至样本集中，并利用所述样本集训练预设的机器学习算法，得到风险预测模型，以使用所述风险预测模型基于任意用户的操作行为数据进行相应的风险预测。

9.一种信贷风险预测设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述信贷风险预测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述信贷风险预测方法的步骤。