[发明专利]贷款逾期预测方法、装置、电子设备及计算机可读介质

说明书

本发明公开了贷款逾期预测方法、装置、电子设备及计算机可读介质，涉及人工智能识别分类技术领域。该方法的一具体实施方式包括：根据设定的分类策略，对历史贷款客户的贷款数据进行分类，得到分类结果，之后对分类结果中至少一个类别的分类数据进行特征衍生，得到相应的衍生特征数据；根据设定的数据筛选规则和预定义的好坏标签，对衍生特征数据进行筛选和打标，得到样本数据，对样本数据进行划分，得到训练集；构建贷款逾期预测模型，基于训练集对贷款逾期预测模型进行训练，以使用训练好的贷款逾期预测模型对目标贷款客户进行贷款逾期预测。该实施方式能够充分挖掘贷款数据的价值，实现对贷中逾期风险的全面预测。

技术领域

本发明涉及人工智能识别分类技术领域，尤其涉及一种贷款逾期预测方法、装置、电子设备及计算机可读介质。

背景技术

目前，大多数人会通过向金融机构申请住房贷款来满足自身购房需求。为了为贷款业务提供更好的风控服务，降低客户的违约风险，现有技术中会利用房贷数据对客户的贷款逾期风险进行预测。但是由于房贷数据的特殊性，导致难以从房贷数据中抽取出有用信息，无法对客户的贷款逾期风险进行全面评估。

特别是针对使用公积金贷款的客户，由于这部分客户的客户质量较好，逾期水平较低，使用现有方式进行贷款逾期预测的准确率低，无法涵盖贷中风险；同时现有的贷款逾期预测方式无法全面挖掘公积金贷款数据中的有用信息，无法全面评估客户的贷款逾期风险。

发明内容

有鉴于此，本发明实施例提供贷款逾期预测方法、装置、电子设备及计算机可读介质，该方法在贷款数据的基础上衍生出具有业务含义的新特征，进而对包括新特征的衍生特征数据进行筛选、打标，生成训练集并训练贷款逾期预测模型，以使用该模型对目标贷款客户的贷款逾期预测，能够充分挖掘贷款数据的价值，实现对贷中逾期风险的全面预测。

为实现上述目的，根据本发明实施例的一个方面，提供了一种贷款逾期预测方法。

本发明实施例的一种贷款逾期预测方法，包括：根据设定的分类策略，对历史贷款客户的贷款数据进行分类，得到分类结果，之后对所述分类结果中至少一个类别的分类数据进行特征衍生，得到相应的衍生特征数据；其中，所述贷款数据包括所述历史贷款客户在贷中阶段所产生的行为数据；根据设定的数据筛选规则和预定义的好坏标签，对所述衍生特征数据进行筛选和打标，得到样本数据，对所述样本数据进行划分，得到训练集；其中，所述好坏标签根据所述行为数据定义；构建贷款逾期预测模型，基于所述训练集对所述贷款逾期预测模型进行训练，以使用训练好的贷款逾期预测模型对目标贷款客户进行贷款逾期预测。

可选地，所述对所述分类结果中至少一个类别的分类数据进行特征衍生，得到相应的衍生特征数据，包括：根据客户行为、行为原因、贷款变量中的任意一个或者多个维度，从所述分类结果中至少一个类别的分类数据中提取基础特征；根据所述基础特征，构造归属于设定时间窗的中间特征，以通过聚合函数，把所述中间特征聚合到所述历史贷款客户上，得到相应的衍生特征数据。

可选地，所述方法还包括：对所述贷款数据进行vintage分析，得到分析结果，根据所述分析结果确定观察期和表现期；根据所述历史贷款客户在所述表现期的逾期情况，定义所述好坏标签；其中，所述好坏标签包括好客户和坏客户。

可选地，所述数据筛选规则用于从所述衍生特征数据中删除满足以下任意一项或者多项的历史贷款客户：证件类型或者证件号码异常，贷款账龄小于设定账龄阈值或者贷款账龄异常，贷款状态为结清或者核销，在所述观察期的观察点已逾期，不存在所述表现期，在所述表现期内贷款状态为结清或者核销。

可选地，所述坏客户定义为所述表现期内存在至少一笔贷款的逾期天数大于等于设定逾期天数阈值，或者连续逾期期数大于等于设定逾期期数阈值；所述好客户定义为所述表现期内全部贷款未逾期，或者逾期天数小于所述逾期天数阈值，且连续逾期期数小于所述逾期期数阈值。