[发明专利]一种贷款用户违约实时监控系统

权利要求书

1.一种客户违约实时监控系统，其特征在于，包括贷款用户端、服务端和出借用户端，所述贷款用户端和出借用户端均和服务端通信；

所述贷款用户端，用于发起贷款申请请求向服务端；

所述服务端，用于在接收到贷款申请请求后，根据贷款申请请求拟定智能合约发向贷款用户端；

所述贷款用户端，还用于在接收到智能合约后，进行签署或退回；

所述服务端，在收到所述贷款用户端签署的智能合约后，将智能合约发送至出借用户端；

所述出借用户端，还用于在接收到智能合约后，进行签署或退回；

所述服务端，在收到所述出借用户端签署的智能合约后，执行贷款操作；

在所述服务端将智能合约发送至出借用户端时，对所述贷款用户端的贷款用户执行违约概率预测，并将预测结果同步发送至出借用户端；

所述服务端，还用于在所述贷款用户出现违约情况时，根据智能合约中的条款进行执行违约惩罚操作。

2.按照权利要求1所述的一种贷款用户违约实时监控系统，其特征在于，所述服务端执行违约概率预测，包括以下步骤：

步骤1、调取贷款用户在贷款用户端注册时的个人基本信息和在贷款用户端操作时的行为数据；

步骤2、基于个人基本信息查询并抽取个人征信数据；

步骤3、对个人征信数据和行为数据预处理，生成用户特征数据；

步骤4、将用户特征数据输入预设的违约概率预测模型中，输出预测的用户违约概率。

3.按照权利要求2所述的一种贷款用户违约实时监控系统，其特征在于，所述服务端，用于周期性的重新生成违约概率预测模型。

4.按照权利要求3所述的一种贷款用户违约实时监控系统，其特征在于，所述服务端重新生成违约概率预测模型，包括以下步骤：

Step1、从数据库中抽取若干用户的样本数据，所述样本数据包括基于用户的个人征信数据和行为数据预处理生成的用户特征数据和用户实际违约数据；

Step2、将若干样本数据随机分配，生成训练数据集和测试数据集；

Step3、采用训练数据集对SVR模型进行训练；

Step4、采用测试数据集，对训练完成的SVR模型进行测试，若测试通过，则进入下一步，若测试未通过，则进入Step2；

Step5、将测试通过后的SVR模型作为违约概率预测模型。

5.按照权利要求4所述的一种贷款用户违约实时监控系统，其特征在于，对SVR模型进行训练时，输入为用户特征数据，输出为基于用户实际违约数据得到的违约概率数据，所述用户实际违约数据为实际违约天数a，违约概率数据为a％。

6.按照权利要求5所述的一种贷款用户违约实时监控系统，其特征在于，对SVR模型进行训练时，采用五折交叉验证法进行参数寻优。

7.按照权利要求6所述的一种贷款用户违约实时监控系统，其特征在于，对SVR模型进行训练时，利用杂草优化算法对SVR模型中的模型参数进行优化，所述模型参数包括：误差敏感系数ε、惩罚函数C和核函数的宽度参数σ。

8.按照权利要求7所述的一种贷款用户违约实时监控系统，其特征在于，利用杂草优化算法对SVR模型中的模型参数进行优化时，随机产生若干杂草个体，每个杂草个体对应一组模型参数；对SVR模型中的模型参数进行优化的过程，是寻找最优杂草个体的过程；随机产生若干杂草个体时，包括以下步骤：

在d维空间中随机产生一个d维向量Y₁＝(y₁，y₂，…，y_d)作为第一个杂草个体，其中y_i∈[-1，1]，1≤i≤d；

根据y_i＝r-2y_i-y_i³对所述d维向量Y逐维进行M-1次迭代，产生其余M-1个杂草个体；其中，y_i∈[-1，1]，i＝(0，1，…，M)为杂草个体序列，M≤d；r为随机数。