贷后风险预警方法、装置、电子设备和计算机可读介质制造方法及图纸

本发明专利技术公开了贷后风险预警方法、装置、电子设备和计算机可读介质，涉及大数据智能分析技术领域。该方法的一具体实施方式包括：基于预警时点对各笔样本贷款进行样本衍生，得到衍生样本贷款；标记所述各笔衍生样本贷款的标签；其中，所述标签包括正样本和负样本；根据所述各笔衍生样本贷款及其对应的标签训练模型，从而得到贷后风险预警模型；通过所述贷后风险预警模型计算目标贷款在未来预警时点变为坏账贷款的概率。该实施方式能够解决贷后风险预警结果不准确的技术问题。警结果不准确的技术问题。警结果不准确的技术问题。

【技术实现步骤摘要】
贷后风险预警方法、装置、电子设备和计算机可读介质


[0001]本专利技术涉及大数据智能分析
，尤其涉及一种贷后风险预警方法、装置、电子设备和计算机可读介质。

技术介绍

[0002]贷后风险预警向来是银行贷后监控和管理的重要工具之一，不同于传统上的贷后管理模式，现在各家银行都逐渐加大了大数据分析技术在贷后风险预警方面的应用，通过多个维度分析客户的信用状况、经营情况变化以及行为特征，找到影响客户贷后风险的关键因素，从而建立贷后风险预警规则或者模型。
[0003]样本筛选和标签定义的逻辑性符合业务目标是贷后风险预警模型建模的基础。目前常见的做法一般是参考准入模型的标签定义，完全以客户最终好坏作为分析和建模的标签，这样的做法显然是不符合贷后风险场景需要的。事实上，贷后风险和贷前风险的表现有着较大差异。
[0004]在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：
[0005]目前传统的金融机构在贷后风险预警模型方面主要有两种方式，一种方式是基于专家经验建立贷后风险预警规则或者贷后风险预警模型，该模型的业务解释性较强，但预警的效果难以把握，容易出现预警用户比例占比过高或者预警和非预警用户的好坏比例不明显的问题；另一种方式是利用机器学习算法建立贷后风险预警模型，建模前需定义好用户的正负标签并选好建模样本。
[0006]但是，从目前的贷后风险预警模型看，正负标签定义和样本筛选均存在不合理之处，正负标签定义一般和贷前准入模型的正负标签一致，以用户编号为样本主键，用户在整个还款期内是否出现逾期作为区分样本正负的标志，从而以用户维度筛选样本，这样会导致贷后风险预警结果不准确，进而导致贷后风险预警处理压力较大。

技术实现思路

[0007]有鉴于此，本专利技术实施例提供一种贷后风险预警方法、装置、电子设备和计算机可读介质，以解决贷后风险预警结果不准确的技术问题。
[0008]为实现上述目的，根据本专利技术实施例的一个方面，提供了一种贷后风险预警方法，包括：
[0009]基于预警时点对各笔样本贷款进行样本衍生，得到衍生样本贷款；
[0010]标记所述各笔衍生样本贷款的标签；其中，所述标签包括正样本和负样本；
[0011]根据所述各笔衍生样本贷款及其对应的标签训练模型，从而得到贷后风险预警模型；
[0012]通过所述贷后风险预警模型计算目标贷款在未来预警时点变为坏账贷款的概率。
[0013]可选地，基于预警时点对各笔样本贷款进行样本衍生，得到衍生样本贷款，包括：
[0014]筛选出还款期数达到表现期的贷款；
[0015]计算各笔贷款的坏账日期，根据所述各笔贷款的坏账日期筛选出样本贷款；
[0016]对于每笔样本贷款，根据所述样本贷款的预警时点生成衍生样本贷款。
[0017]可选地，计算各笔贷款的坏账日期，根据所述各笔贷款的坏账日期筛选出样本贷款，包括：
[0018]对于每笔贷款，将逾期N天后的开始日期作为所述贷款的坏账日期；
[0019]筛除坏账日期在放款后M个月内的贷款，从而筛选出样本贷款；
[0020]其中，N大于等于25且小于等于45，M大于等于2且小于等于6。
[0021]可选地，根据所述样本贷款的预警时点生成衍生样本贷款，包括：
[0022]随机抽取所述样本贷款在放款后S个月末时点作为预警时点；其中，S大于等于2；
[0023]根据所述样本贷款的各个预警时点生成衍生样本贷款。
[0024]可选地，根据所述样本贷款的各个预警时点生成衍生样本贷款，包括：
[0025]对于每个预警时点，生成所述预警时点对应的衍生样本贷款；
[0026]对于坏账的样本贷款，若所述样本贷款的预警时点在所述样本贷款的坏账日期之后，则筛除所述预警时点对应的衍生样本贷款。
[0027]可选地，标记所述各笔衍生样本贷款的标签，包括：
[0028]对于坏账的样本贷款，判断所述样本贷款的预警时点与所述样本贷款的坏账日期的时间间隔是否大于T个月；其中，T大于等于2且小于等于6；
[0029]若是，则将所述预警时点对应的衍生样本贷款标记为正样本；
[0030]若否，则将所述预警时点对应的衍生样本贷款标记为负样本。
[0031]可选地，根据所述各笔衍生样本贷款及其对应的标签训练模型，从而得到贷后风险预警模型，包括：
[0032]随机抽取标签为正样本的衍生样本贷款和标签为负样本的衍生样本贷款，以使所述标签为正样本的衍生样本贷款与所述标签为负样本的衍生样本贷款的数量比为预设比例；
[0033]采用抽取出的衍生样本贷款及其对应的标签训练模型，从而得到贷后风险预警模型。
[0034]可选地，通过所述贷后风险预警模型计算目标贷款在未来预警时点变为坏账贷款的概率，包括：
[0035]通过所述贷后风险预警模型计算目标贷款在未来每个月的月末变为坏账贷款的概率。
[0036]另外，根据本专利技术实施例的另一个方面，提供了一种贷后风险预警装置，包括：
[0037]衍生模块，用于基于预警时点对各笔样本贷款进行样本衍生，得到衍生样本贷款；
[0038]标记模块，用于标记所述各笔衍生样本贷款的标签；其中，所述标签包括正样本和负样本；
[0039]训练模块，用于根据所述各笔衍生样本贷款及其对应的标签训练模型，从而得到贷后风险预警模型；
[0040]预警模块，用于通过所述贷后风险预警模型计算目标贷款在未来预警时点变为坏账贷款的概率。
[0041]可选地，所述衍生模块还用于：
[0042]筛选出还款期数达到表现期的贷款；
[0043]计算各笔贷款的坏账日期，根据所述各笔贷款的坏账日期筛选出样本贷款；
[0044]对于每笔样本贷款，根据所述样本贷款的预警时点生成衍生样本贷款。
[0045]可选地，所述衍生模块还用于：
[0046]对于每笔贷款，将逾期N天后的开始日期作为所述贷款的坏账日期；
[0047]筛除坏账日期在放款后M个月内的贷款，从而筛选出样本贷款；
[0048]其中，N大于等于25且小于等于45，M大于等于2且小于等于6。
[0049]可选地，所述衍生模块还用于：
[0050]随机抽取所述样本贷款在放款后S个月末时点作为预警时点；其中，S大于等于2；
[0051]根据所述样本贷款的各个预警时点生成衍生样本贷款。
[0052]可选地，所述衍生模块还用于：
[0053]对于每个预警时点，生成所述预警时点对应的衍生样本贷款；
[0054]对于坏账的样本贷款，若所述样本贷款的预警时点在所述样本贷款的坏账日期之后，则筛除所述预警时点对应的衍生样本贷款。
[0055]可选地，所述标记模块还用于：
[0056]对于坏账的样本贷款，判断所述样本贷款的预警时点与所述样本贷款的坏账日期的时间间隔是否大于T个月；其中，T大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种贷后风险预警方法，其特征在于，包括：基于预警时点对各笔样本贷款进行样本衍生，得到衍生样本贷款；标记所述各笔衍生样本贷款的标签；其中，所述标签包括正样本和负样本；根据所述各笔衍生样本贷款及其对应的标签训练模型，从而得到贷后风险预警模型；通过所述贷后风险预警模型计算目标贷款在未来预警时点变为坏账贷款的概率。2.根据权利要求1所述的方法，其特征在于，基于预警时点对各笔样本贷款进行样本衍生，得到衍生样本贷款，包括：筛选出还款期数达到表现期的贷款；计算各笔贷款的坏账日期，根据所述各笔贷款的坏账日期筛选出样本贷款；对于每笔样本贷款，根据所述样本贷款的预警时点生成衍生样本贷款。3.根据权利要求2所述的方法，其特征在于，计算各笔贷款的坏账日期，根据所述各笔贷款的坏账日期筛选出样本贷款，包括：对于每笔贷款，将逾期N天后的开始日期作为所述贷款的坏账日期；筛除坏账日期在放款后M个月内的贷款，从而筛选出样本贷款；其中，N大于等于25且小于等于45，M大于等于2且小于等于6。4.根据权利要求2所述的方法，其特征在于，根据所述样本贷款的预警时点生成衍生样本贷款，包括：随机抽取所述样本贷款在放款后S个月末时点作为预警时点；其中，S大于等于2；根据所述样本贷款的各个预警时点生成衍生样本贷款。5.根据权利要求4所述的方法，其特征在于，根据所述样本贷款的各个预警时点生成衍生样本贷款，包括：对于每个预警时点，生成所述预警时点对应的衍生样本贷款；对于坏账的样本贷款，若所述样本贷款的预警时点在所述样本贷款的坏账日期之后，则筛除所述预警时点对应的衍生样本贷款。6.根据权利要求5所述的方法，其特征在于，标记所述各笔衍生样本贷款的标签，包括：对于坏账的样本贷款，判断所述样本贷款的预警时点与所述样本贷款的坏账日期的时间间隔是否大于T个月；其中，T大于等于2且小于等于6；若是，则将所述预警时点对应的衍生样本贷款标记为正样本；若否，则将所述预警时点对应的衍生样本贷款标记为负样本。7.根据权利要求1所述的方法，其特征在于，根据所述各笔衍生样本贷款及其对应的标签训练模型，从而得到贷后风险预警模型，包括：随机抽取标签为正样本的衍生样本贷款和标签为负样本的衍生样本贷款，以使所述标签为正样本的衍生样本贷款与所述标签为负样本的衍生样本贷款的数量比为预设比例；采用抽取出的衍生样本贷款及其对应的标签训练模型，从而得到贷后风险预警模型。8.根据权利要求1所述的方法，其特征在于，通过所述贷后风险预警模型计算目标贷款在未来预警时点变为坏账贷款的概率，包括：通过所述贷后风险预警模型计算目标贷款在未来每个月的月末变为坏账贷款的概率。9.一种贷后风险预警装置，其特征在于，包括：衍生模块，用于基于预警时点对各笔样本贷款进行样本...

【专利技术属性】
技术研发人员：邓强，雷文烨，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：