贷后管理策略生成方法、装置及电子设备制造方法及图纸

本公开涉及一种贷后管理策略生成方法、装置、电子设备及计算机可读介质。该方法包括：获取多个用户的金融数据，所述金融数据包括：用户借款数据、用户特征数据、用户基础数据；基于所述用户借款数对多个用户进行筛选提取至少一个目标用户；将所述至少一个目标用户的金融数据输入用户还款模型，生成至少一个用户还款概率，用户还款概率用于表征用户在特定时间还款的概率；以及基于所述至少一个用户还款概率确定所述至少一个目标用户对应的贷后管理策略。本公开涉及的贷后管理策略生成方法、装置、电子设备及计算机可读介质，能够基于当前的用户金融数据对用户的还款行为进行评估，进而确定最优贷后管理策略，减少金融服务企业的人力资源浪费。

Generation method, device and electronic equipment of post loan management strategy

【技术实现步骤摘要】
贷后管理策略生成方法、装置及电子设备
本公开涉及计算机信息处理领域，具体而言，涉及一种贷后管理策略生成方法、装置、电子设备及计算机可读介质。
技术介绍
对于提供金融类服务的公司，其面临的最大的风险为用户因各种原因未能及时、足额偿还债务或银行贷款而违约。在现有技术中，在用户由金融类服务公司进行借款后，金融公司会对用户的还款情况进行跟踪，在用户超期还款第一时间阈值之内(用户处于M2阶段)，通过评估用户的还款情况，启动各种策略，督促用户进行还款。目前欠款的用户在M2期间还款率约为12％-14％，大部分用户会将欠款逾期到更高账龄。目前对于处于M2时间的用户会进行人工贷后管理，比如人工电话的方式对欠款进行催收，贷后管理工作一直会持续至用户欠款时间达到第二时间阈值(用户处于M3阶段)时，如果该用户仍旧没有还款，再将此用户进行委外处理，通过第三方公司进行还款的贷后管理工作。由于用户欠款主要是需要通过人工进行贷后管理，对于管理人员而言，需要花费大量的时间进行沟通协调工作，一旦沟通协调减少就会影响欠款的回收，而进行大量的沟通协调工作的话目前的用户欠款的贷后管理方式就需要占用大量的人力资源进行处理，给金融服务类公司增加了大量的运营成本。如何在不影响欠款回收的前提下，尽量节约人力和其他资源成本是目前亟待解决的问题。在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
有鉴于此，本公开提供一种用户贷后管理策略生成方法、装置、电子设备及计算机可读介质，能够基于当前的用户金融数据对用户的还款行为进行评估，进而确定最优贷后管理策略，减少金融服务企业的人力资源浪费。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的一方面，提出一种贷后管理策略生成方法，该方法包括：获取多个用户的金融数据，所述金融数据包括：用户借款数据、用户特征数据、用户基础数据；基于所述用户借款数对多个用户进行筛选提取至少一个目标用户；将所述至少一个目标用户的金融数据输入用户还款模型，生成至少一个用户还款概率，用户还款概率用于表征用户在特定时间还款的概率；以及基于所述至少一个用户还款概率确定所述至少一个目标用户对应的贷后管理策略。可选地，还包括：基于多个历史用户的金融数据与机器学习算法生成所述用户还款模型。可选地，基于多个历史用户的金融数据与机器学习算法生成所述用户还款模型，包括：对多个历史用户的金融数据进行预处理，生成训练数据集、测试数据集、和验证数据集；通过所述训练数据集对极端梯度提升模型进行训练，生成初始用户还款模型；通过所述测试数据集和所述验证数据集对所述初始用户还款模型进行k折交叉验证，生成验证结果；以及在所述验证结果满足预设策略时，生成所述用户还款模型。可选地，基于所述用户借款数对多个用户进行筛选提取至少一个目标用户，包括：提取所述多个用户的用户欠款时间；以及在所述用户欠款时间大于时间阈值时，将所述用户确定为目标用户。可选地，基于所述至少一个用户还款概率确定所述至少一个目标用户对应的贷后管理策略，包括：基于用户还款概率将所述用户进行分组；以及基于分组结果确定目标用户对应的所述贷后管理策略。可选地，基于用户还款概率将所述用户进行分组，包括：将用户还款概率与阈值范围进行比较，以将所述用户还款概率对应的用户进行分组；或将用户按照用户还款概率进行排序，基于排序将所述用户进行分组。可选地，通过所述训练数据集对极端梯度提升模型进行训练，生成初始用户还款模型，包括：将所述训练数据集输入所述极端梯度提升模型中，生成初始训练参数；基于网络搜索调参方式对所述初始训练参数进行参数调节；以及基于所述参数调节的最优解生成所述训练参数。可选地，基于所述参数调节的最优解生成所述训练参数，包括：基于所述参数调节的最优解重新对所述极端梯度提升模型进行拟合，生成所述训练参数。可选地，通过所述测试数据集和所述验证数据集对所述初始用户还款模型进行k折交叉验证，生成验证结果，包括：通过所述测试数据集和所述验证数据集对所述初始用户还款模型进行多次K折交叉验证，生成接受者操作特性曲线；以及在所述接受者操作特性曲线的参数稳态时，生成所述验证结果。可选地，在所述验证结果满足预设策略时，生成用户还款模型，包括：计算所述验证结果中接受者操作特性曲线与坐标轴围城的面积；以及在所述面积满足阈值时，生成所述用户还款模型。根据本公开的一方面，提出一种贷后管理策略生成装置，该装置包括：数据获取模块，用于获取多个用户的金融数据，所述金融数据包括：用户借款数据、用户特征数据、用户基础数据；用户筛选模块，用于基于所述用户借款数对多个用户进行筛选提取至少一个目标用户；模型计算模块，用于将所述至少一个目标用户的金融数据输入用户还款模型，生成至少一个用户还款概率，用户还款概率用于表征用户在特定时间还款的概率；以及贷后管理策略模块，用于基于所述至少一个用户还款概率确定所述至少一个目标用户对应的贷后管理策略。可选地，还包括：模型生成模块，用于基于多个历史用户的金融数据与机器学习算法生成所述用户还款模型。可选地，所述模型生成模块，包括：数据处理单元，用于对多个历史用户的金融数据进行预处理，生成训练数据集、测试数据集、和验证数据集；数据训练单元，用于通过所述训练数据集对极端梯度提升模型进行训练，生成初始用户还款模型；模型验证单元，用于通过所述测试数据集和所述验证数据集对所述初始用户还款模型进行k折交叉验证，生成验证结果；以及模型建立单元，用于在所述验证结果满足预设策略时，生成所述用户还款模型。可选地，所述用户筛选模块，包括：提取单元，用于提取所述多个用户的用户欠款时间；以及阈值单元，用于在所述用户欠款时间大于时间阈值时，将所述用户确定为目标用户。可选地，所述贷后管理策略模块，包括：分组单元，用于基于用户还款概率将所述用户进行分组；以及策略单元，用于基于分组结果确定目标用户对应的所述贷后管理策略。可选地，所述分组单元，包括：比较子单元，用于将用户还款概率与阈值范围进行比较，以将所述用户还款概率对应的用户进行分组；或排序子单元，用于将用户按照用户还款概率进行排序，基于排序将所述用户进行分组。可选地，所述数据训练单元，包括：输入子单元，用于将所述训练数据集输入所述极端梯度提升模型中，生成初始训练参数；搜索子单元，用于基于网络搜索调参方式对所述初始训练参数进行参数调节；以及调节子单元，用于基于所述参数调节的最优解生成所述训练参数。可选地，所述调节子单元，还用于基于所述参数调节的最优解重新对所述极端梯度提升模型进行拟合，生成所述训练参数。可选地，所述模型验证单元，包括：验证子单元，用于通过所述测试数据集和所述验证数据集对所述初始用户还款模型进行多次K折交叉验证，生成接受者操作特性曲线；以及稳态子单元，用于在所述接受者操作特性曲线的参数稳态时，生成所述验证结果。<本文档来自技高网...

【技术保护点】
1.一种贷后管理策略生成方法，其特征在于，包括：/n获取多个用户的金融数据，所述金融数据包括：用户借款数据、用户特征数据、用户基础数据；/n基于所述用户借款数对多个用户进行筛选提取至少一个目标用户；/n将所述至少一个目标用户的金融数据输入用户还款模型，生成至少一个用户还款概率，用户还款概率用于表征用户在特定时间还款的概率；以及/n基于所述至少一个用户还款概率确定所述至少一个目标用户对应的贷后管理策略。/n

【技术特征摘要】
1.一种贷后管理策略生成方法，其特征在于，包括：
获取多个用户的金融数据，所述金融数据包括：用户借款数据、用户特征数据、用户基础数据；
基于所述用户借款数对多个用户进行筛选提取至少一个目标用户；
将所述至少一个目标用户的金融数据输入用户还款模型，生成至少一个用户还款概率，用户还款概率用于表征用户在特定时间还款的概率；以及
基于所述至少一个用户还款概率确定所述至少一个目标用户对应的贷后管理策略。


2.如权利要求1所述的方法，其特征在于，还包括：
基于多个历史用户的金融数据与机器学习算法生成所述用户还款模型。


3.如权利要求1-2所述的方法，其特征在于，基于多个历史用户的金融数据与机器学习算法生成所述用户还款模型，包括：
对多个历史用户的金融数据进行预处理，生成训练数据集、测试数据集、和验证数据集；
通过所述训练数据集对极端梯度提升模型进行训练，生成初始用户还款模型；
通过所述测试数据集和所述验证数据集对所述初始用户还款模型进行k折交叉验证，生成验证结果；以及
在所述验证结果满足预设策略时，生成所述用户还款模型。


4.如权利要求1-3所述的方法，其特征在于，基于所述用户借款数对多个用户进行筛选提取至少一个目标用户，包括：
提取所述多个用户的用户欠款时间；以及
在所述用户欠款时间大于时间阈值时，将所述用户确定为目标用户。


5.如权利要求1-4所述的方法，其特征在于，基于所述至少一个用户还款概率确定所述至少一个目标用户对应的贷后管理策略，包括：
基于用户还款概率将所述用户进行分组；以及
基于分组结果确定目标用户对应的所述贷后管...

【专利技术属性】
技术研发人员：郑彦，石婷，唐小云，方炆，
申请(专利权)人：北京淇瑀信息科技有限公司，
类型：发明
国别省市：北京;11