本申请公开了一种信贷违约风险预测方法、装置、设备及存储介质，可应用于大数据领域或金融领域。在执行所述方法时，先确定目标对象的身份信息，再根据目标对象的身份信息，获取目标对象的违约风险因素数据，其中违约风险因素数据包括静态因素数据以及动态因素数据，静态因素数据包括个人基本信息数据、资产情况数据以及信息不对称情况数据，动态因素包括投资行为数据和交易行为数据，最后根据目标对象的违约风险因素数据，对目标对象的信贷违约风险进行预测，得到目标对象的信贷违约风险预测结果。这样，违约风险因素数据包括静态风险和动态风险，根据静态风险和动态风险来对目标对象的信贷违约风险进行预测，可以提高信贷违约风险预测的准确性。
【技术实现步骤摘要】
本申请涉及大数据领域，尤其涉及一种信贷违约风险预测方法、装置、设备及存储介质。
技术介绍
1、个人贷款具有客户规模群体大，但是单笔贷款的规模较小的特点。从风险角度来看，虽然个人贷款单笔违约造成的影响较小，但是由于客户规模庞大，违约风险分散，潜在的风险值得金融机构重视。传统商业银行主要采用基于规则的评分方式，通过对个人客户的年龄、收入等静态因素进行评分，来判断其违约的风险。但是这种方式较为主观，对于信贷违约风险的预测准确性较低。
2、综上所述，如何提高信贷违约风险的预测准确性是本领域技术人员亟需解决的技术问题。
技术实现思路
1、有鉴于此，本申请提供了一种信贷违约风险预测方法、装置、设备及存储介质，旨在提高信贷违约风险的预测准确性。
2、第一方面，本申请提供了一种信贷违约风险预测方法，包括：
3、确定目标对象的身份信息；
4、根据所述目标对象的身份信息，获取所述目标对象的违约风险因素数据；所述违约风险因素数据包括静态因素数据以及动态因素数据；所述静态因素数据包括个人基本信息数据、资产情况数据以及信息不对称情况数据；所述动态因素包括投资行为数据和交易行为数据；
5、根据所述目标对象的违约风险因素数据，对所述目标对象的信贷违约风险进行预测，得到所述目标对象的信贷违约风险预测结果。
6、可选的，所述根据所述目标对象的违约风险因素数据，对所述目标对象的信贷违约风险进行预测，得到所述目标对象的信贷违约风险预测结果，包括：</p>7、将所述目标对象的违约风险因素数据输入训练好的违约风险预测模型中，得到所述目标对象的信贷违约风险预测结果；所述违约风险预测模型是根据多个用户的违约风险因素数据以及实际违约情况训练得到的。
8、可选的，所述违约风险预测模型的训练过程，包括：
9、获取多个用户的违约风险因素数据以及实际违约情况；所述实际违约情况包括发生违约或未发生违约；
10、将所述多个用户的违约风险因素数据以及实际违约情况，分别确定为训练样本，得到多个训练样本；
11、根据所述多个训练样本对所述违约风险预测模型进行训练。
12、可选的，所述确定目标对象的身份信息，包括：
13、响应于所述目标对象的信贷请求，确定所述目标对象的身份信息。
14、可选的，所述根据所述目标对象的违约风险因素数据，对所述目标对象的信贷违约风险进行预测，得到所述目标对象的信贷违约风险预测结果之后，还包括：
15、根据所述目标对象的信贷违约风险预测结果，对所述目标对象的信贷请求进行处理。
16、第二方面，本申请提供了一种信贷违约风险预测装置，包括：
17、确定模块，用于确定目标对象的身份信息；
18、获取模块，根据所述目标对象的身份信息，获取所述目标对象的违约风险因素数据；所述违约风险因素数据包括静态因素数据以及动态因素数据；所述静态因素数据包括个人基本信息数据、资产情况数据以及信息不对称情况数据；所述动态因素包括投资行为数据和交易行为数据；
19、预测模块，用于根据所述目标对象的违约风险因素数据，对所述目标对象的信贷违约风险进行预测，得到所述目标对象的信贷违约风险预测结果。
20、可选的，所述预测模块，包括：
21、预测单元，用于将所述目标对象的违约风险因素数据输入训练好的违约风险预测模型中，得到所述目标对象的信贷违约风险预测结果；所述违约风险预测模型是根据多个用户的违约风险因素数据以及实际违约情况训练得到的。
22、可选的，所述装置还包括：
23、训练单元，所述训练单元，包括：
24、获取子单元，用于获取多个用户的违约风险因素数据以及实际违约情况；所述实际违约情况包括发生违约或未发生违约；
25、确定子单元，用于将所述多个用户的违约风险因素数据以及实际违约情况，分别确定为训练样本，得到多个训练样本；
26、训练子单元，用于根据所述多个训练样本对所述违约风险预测模型进行训练。
27、可选的，所述确定模块，包括：
28、确定单元，用于响应于所述目标对象的信贷请求，确定所述目标对象的身份信息。
29、可选的，所述装置还包括：
30、处理模块，用于根据所述目标对象的信贷违约风险预测结果，对所述目标对象的信贷请求进行处理。
31、第三方面，本申请提供了一种信贷违约风险预测设备，所述设备包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序时实现上述第一方面所述的信贷违约风险预测方法。
32、第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面所述的信贷违约风险预测方法。
33、本申请提供了一种信贷违约风险预测方法。在执行所述方法时，先确定目标对象的身份信息，再根据目标对象的身份信息，获取目标对象的违约风险因素数据，其中，违约风险因素数据包括静态因素数据以及动态因素数据，静态因素数据包括个人基本信息数据、资产情况数据以及信息不对称情况数据，动态因素包括投资行为数据和交易行为数据，最后根据目标对象的违约风险因素数据，对目标对象的信贷违约风险进行预测，得到目标对象的信贷违约风险预测结果。这样，违约风险因素数据包括静态风险和动态风险，根据静态风险和动态风险来对目标对象的信贷违约风险进行预测，可以提高信贷违约风险预测的准确性。
本文档来自技高网...
【技术保护点】
1.一种信贷违约风险预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标对象的违约风险因素数据，对所述目标对象的信贷违约风险进行预测，得到所述目标对象的信贷违约风险预测结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述违约风险预测模型的训练过程，包括：
4.根据权利要求1所述方法，其特征在于，所述确定目标对象的身份信息，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标对象的违约风险因素数据，对所述目标对象的信贷违约风险进行预测，得到所述目标对象的信贷违约风险预测结果之后，还包括：
6.一种信贷违约风险预测装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，所述预测模块，包括：
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
9.一种信贷违约风险预测设备，其特征在于，所述设备包括：存储器、处理器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的信贷违约风险预测方法。
...
【技术特征摘要】
1.一种信贷违约风险预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述目标对象的违约风险因素数据，对所述目标对象的信贷违约风险进行预测，得到所述目标对象的信贷违约风险预测结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述违约风险预测模型的训练过程，包括：
4.根据权利要求1所述方法，其特征在于，所述确定目标对象的身份信息，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标对象的违约风险因素数据，对所述目标对象的信贷违约风险进...
【专利技术属性】
技术研发人员：王明蕾，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。