[发明专利]资产预测方法、系统、终端设备及存储介质

说明书

本发明公开了一种资产预测方法、系统、终端设备及存储介质。该方法包括：获取待预测样本；将所述待预测样本输入预先创建的资产预测模型中进行预测，得到预测概率；根据所述预测概率对所述待预测样本进行选择，得到潜在客户，并将所述潜在客户纳入白名单，以根据所述白名单的潜在客户进行营销推广。本发明旨在对客户的资产进行预测，并将预测结果用于白名单准入环节，提高了白名单预筛的精度。

技术领域

本发明涉及金融科技(Finteh)技术领域，尤其涉及一种资产预测方法、系统、终端设备及存储介质。

背景技术

随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步走向金融科技(Finteh)转变，白名单预筛技术也不例外，但由于金融行业的安全性、实时性要求，也对技术提出更高的要求。目前，一般通过查询客户的房产数据、车险数据、中国人民银行征信报告中的房贷车贷情况，对客户的资产进行判断。但是，房产数据、车险数据的查询成本较高，且无法将查询结果用于白名单准入环节；中国人民银行征信报告中的房贷车贷情况只能分析出当前或过往有贷款的有资产客户，无法将查询结果用于白名单准入环节。

发明内容

本发明实施例的主要目的在于提供一种资产预测方法、系统、终端设备及存储介质，旨在对客户的资产进行预测，并将预测结果用于白名单准入环节，提高了白名单预筛的精度。

为实现上述目的，本发明实施例提供一种资产预测方法，所述资产预测方法包括：

获取待预测样本；

将所述待预测样本输入预先创建的资产预测模型中进行预测，得到预测概率；

根据所述预测概率对所述待预测样本进行选择，得到潜在客户，并将所述潜在客户纳入白名单，以根据所述白名单的潜在客户进行营销推广。

可选地，所述将所述待预测样本输入预先创建的资产预测模型中进行预测，得到预测概率的步骤之前包括：

训练所述资产预测模型；

其中，所述训练所述资产预测模型的步骤包括：

获取正样本、负样本；

对所述正样本、负样本进行训练，得到所述资产预测模型；

通过所述资产预测模型对所述正样本、负样本进行打分，得到评分分数；

基于所述评分分数，对所述正样本、负样本进行筛选，得到种子样本；

将所述种子样本回传到所述资产预测模型，对所述负样本进行更新；并返回执行步骤：对所述正样本、负样本进行训练，得到所述资产预测模型；

以此循环，进行参数迭代，直到所述资产预测模型收敛，终止训练，得到训练后的资产预测模型。

可选地，所述基于所述评分分数，对所述正样本、负样本进行筛选，得到种子样本的步骤之后包括：

对所述种子样本赋予标签，得到标签样本；

将所述标签样本回传到所述资产预测模型，对所述负样本进行更新；并返回执行步骤：对所述正样本、负样本进行训练，得到所述资产预测模型；

以此循环，进行参数迭代，当预设比例的所述负样本为所述标签样本时，终止训练，得到训练后的资产预测模型；或

以此循环，进行参数迭代，当所述负样本的容量饱和时，终止训练，得到训练后的资产预测模型。

可选地，所述对所述正样本、负样本进行训练，得到所述资产预测模型的步骤之前包括：

获取所述待预测样本的应用程序使用数据；

所述对所述正样本、负样本进行训练，得到所述资产预测模型的步骤包括：