【技术实现步骤摘要】
本专利技术涉及风控决策预测分析，尤其涉及一种信贷风险预测方法及系统。
技术介绍
1、在金融领域，风险预测与管理是至关重要的环节。信贷风险不仅关乎金融机构的资产安全，也直接影响其盈利能力和市场竞争力。在消费信贷业务中，准确预估贷款的年化损失率(年损)对于金融机构的风险管理、定价策略以及利润预测至关重要。年损预估通常涉及对贷款客户群体在历史数据上的表现进行分析，进而预测未来可能的损失情况。
2、目前，现有的信贷风险预测方法主要依赖资深信贷风险专家的经验和判断，结合市场环境和历史数据，对贷款损失进行预估。这种方法虽然能够考虑多种因素，但受个人经验和主观判断影响较大，缺乏客观性和一致性。这不仅影响了预测的准确性，也降低了风险管理的效率。
技术实现思路
1、有鉴于此，有必要提供一种信贷风险预测方法及系统，用以解决现有技术的上述缺陷。
2、为了解决上述问题，第一方面，本专利技术实施例提供一种信贷风险预测方法，包括：
3、获取客户的身份信息以及借据信息；其中，借据信息包括借据的期数、定价以及逾期信息；
4、根据客户的基本信息和借据的逾期信息，将客户分为多个客群；
5、针对每个客群，根据三期内的借据信息，通过预先训练的机器学习模型预测客群的mob12 60+的逾期金额占比；
6、其中，mob表示账龄；mob12 60+的逾期金额占比表示借据的第12期结束后，逾期天数超过60天的逾期金额占总借款金额的比例。
7、优选
8、将各个客群的mob12 60+的逾期金额占比预测结果进行加权求和，得到全量客户的mob12 60+逾期金额占比预测值。
9、优选的，所述机器学习模型为多元线性回归模型。
10、优选的，在根据三期内的借据信息，通过预先训练的机器学习模型预测客群的mob12 60+的逾期金额占比之前，所述方法还包括：
11、基于客户的身份信息以及借据信息，构建多元线性回归模型的数据集，将数据集按照预设比例划分为训练集和测试集；
12、使用训练集数据，通过多元线性回归算法拟合模型参数；
13、在测试集上评估模型的预测性能，计算预测值和实际值之间的误差；
14、根据误差结果调整模型参数，最终得到训练好的多元线性回归模型。
15、优选的，在根据客户的基本信息和借据的逾期信息，将客户分为多个客群后，所述方法还包括：
16、针对每个客群，根据三期内的借据信息预估客群的vintage曲线；
17、将各个客群的vintage曲线进行汇总整合，计算年化损失率的预估值。
18、第二方面，本专利技术实施例提供一种信贷风险预测系统，包括：
19、数据获取模块，用于获取客户的身份信息以及借据信息；其中，借据信息包括借据的期数、定价以及逾期信息；
20、客群划分模块，用于根据客户的基本信息和借据的逾期信息，将客户分为多个客群；
21、风险预测模块，用于针对每个客群，根据三期内的借据信息，通过预先训练的机器学习模型预测客群的mob12 60+的逾期金额占比；
22、其中，mob表示账龄；mob12 60+的逾期金额占比表示借据的第12期结束后，逾期天数超过60天的逾期金额占总借款金额的比例。
23、优选的，该系统还包括：
24、年损预估模块，用于针对每个客群，根据三期内的借据信息预估客群的vintage曲线；将各个客群的vintage曲线进行汇总整合，计算年化损失率的预估值。
25、第三方面，本专利技术还提供了一种电子设备，包括存储器和处理器，其中，
26、所述存储器，用于存储程序；
27、所述处理器，与所述存储器耦合，用于执行所述存储器中存储的所述程序，以实现如本专利技术第一方面实施例所述的信贷风险预测方法中的步骤。
28、第四方面，本专利技术还提供了一种计算机可读存储介质，用于存储计算机可读取的程序或指令，所述程序或指令被处理器执行时能够实现如本专利技术第一方面实施例所述的信贷风险预测方法中的步骤。
29、本专利技术提供的信贷风险预测方法及系统，与现有技术相比，具有以下有益效果：
30、1)本专利技术通过机器学习模型预测客户的mob12 60+的逾期金额占比，能够更客观、准确地预测信贷风险，显著提高了预测的准确性，同时降低了个人经验和主观判断对预测结果的影响。
31、2)本专利技术通过细分客群并针对每个客群进行预测，实现了更精细化的风险管理，有助于信贷机构更好地理解和控制不同客户群体的风险。此外，本专利技术还结合了vintage曲线预估和年化损失率预测，提供了更全面的风险评估视角，进一步提升了风险管理的效率和效果。
本文档来自技高网...【技术保护点】
1.一种信贷风险预测方法，其特征在于，包括：
2.根据权利要求1所述的信贷风险预测方法，其特征在于，在针对每个客群，根据三期内的借据信息，通过预先训练的机器学习模型预测客群的mob12 60+的逾期金额占比之后，所述方法还包括：
3.根据权利要求1所述的信贷风险预测方法，其特征在于，所述机器学习模型为多元线性回归模型。
4.根据权利要求3所述的信贷风险预测方法，其特征在于，在根据三期内的借据信息，通过预先训练的机器学习模型预测客群的mob12 60+的逾期金额占比之前，所述方法还包括：
5.根据权利要求1所述的信贷风险预测方法，其特征在于，在根据客户的基本信息和借据的逾期信息，将客户分为多个客群后，所述方法还包括：
6.一种应用于权利要求1-5任一项所述信贷风险预测方法的信贷风险预测系统，其特征在于，包括：
7.根据权利要求6所述的信贷风险预测系统，其特征在于，还包括：
8.一种电子设备，
9.一种计算机可读存储介质，其特征在于，用于存储计算机可读取的程序或指令，所述程序或指令被处理器
...【技术特征摘要】
1.一种信贷风险预测方法，其特征在于，包括：
2.根据权利要求1所述的信贷风险预测方法，其特征在于，在针对每个客群，根据三期内的借据信息，通过预先训练的机器学习模型预测客群的mob12 60+的逾期金额占比之后，所述方法还包括：
3.根据权利要求1所述的信贷风险预测方法，其特征在于，所述机器学习模型为多元线性回归模型。
4.根据权利要求3所述的信贷风险预测方法，其特征在于，在根据三期内的借据信息，通过预先训练的机器学习模型预测客群的mob12 60+的逾期金额占比之前，所述方法还包括：
...【专利技术属性】
技术研发人员：袁慧，高丹，夏昊，刘亦欣，
申请(专利权)人：苏银凯基消费金融有限公司，
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。