一种用于智慧贷款的用户风险预测方法、系统和设备与流程

摘要: 本发明涉及数据处理,具体涉及一种用于智慧贷款的用户风险预测方法、系统和设备。背景技术:1、互联网金融的快速发展使互联网贷款业务广泛普及,用户风险评估作为贷款审批...
一种用于智慧贷款的用户风险预测方法、系统和设备与流程

本发明涉及数据处理,具体涉及一种用于智慧贷款的用户风险预测方法、系统和设备。

背景技术:

1、互联网金融的快速发展使互联网贷款业务广泛普及,用户风险评估作为贷款审批的核心环节,直接关系到金融机构的资产安全。目前,互联网贷款风险评估方法主要分为两类:一类是基于传统评分卡的静态评估方法,另一类是基于机器学习模型的评估方法。

2、基于机器学习模型的评估方法虽在一定程度上提升了预测准确率,但存在显著局限:模型训练高度依赖大规模标注数据,对新用户或小样本场景效果不佳,同时模型结构复杂、解释性差,迭代维护需要持续投入大量计算资源,成本高昂。传统评分卡方法虽具备较强的可解释性,但大多采用固定权重与静态阈值的评估规则,导致评分标准与当前风险环境脱节,评估结果的时效性和准确性不足。

3、综上,现有互联网贷款风控评分存在指标单一、更新滞后、可解释性差等缺陷的技术问题。

技术实现思路

1、本申请的目的是提供一种用于智慧贷款的用户风险预测方法、系统和设备,用于解决现有互联网贷款风控评分存在指标单一、更新滞后、可解释性差等缺陷的技术问题。

2、鉴于上述问题,本申请提供了一种用于智慧贷款的用户风险预测方法、系统和设备。

3、本申请的第一个方面,提供了一种用于智慧贷款的用户风险预测方法,所述一种用于智慧贷款的用户风险预测方法包括:通过多个数据源接口采集贷款申请用户的多维度原始数据;对所采集的所述多维度原始数据进行质量清洗、跨源集成和格式转换,生成标准化用户数据档案;建立面向贷款风险评估的多层级指标体系,并基于所述多层级指标体系对所述标准化用户数据档案进行分析,确定所述贷款申请用户的初始风险等级;定期提取预设时间段内已完成评估且贷款已到期的历史样本,并根据所述历史样本分析得到所述初始风险等级的实际违约率;当所述实际违约率达到预定限值时,对所述多层级指标体系进行规则更新,并重新评估得到所述贷款申请用户的目标风险等级。

4、可选地,所述多维度原始数据至少包括用户身份信息、历史信贷记录、互联网行为数据、财务收支数据以及第三方征信数据。

5、可选地,对于数值型数据,当缺失率不超过第一缺失阈值时以同类用户群体的统计特征值进行填充,当缺失率超过第一缺失阈值时将缺失标记为独立特征参与后续评分;对于分类数据,当缺失率不超过第二缺失阈值时以众数进行填充,当缺失率超过第二缺失阈值时标记为未知类别;根据数据缺失填充结果生成所述标准化用户数据档案。

6、可选地,对于异常数据,采用统计分布与四分位距相结合的双重检测方式识别异常值,对确认为采集错误的异常值通过数据源重新获取进行修正,对确认为真实异常的数值予以保留并标注异常标记。

7、可选地,以多个连续时间窗口分别计算用户行为特征的变化率,识别异常波动模式,对超出正常波动范围的时段进行标记并生成趋势特征向量;将所述趋势特征向量与当期行为数据一并纳入所述标准化用户数据档案。

8、可选地,所述多层级指标体系包含一级指标、二级指标和三级指标,每个所述三级指标预设了评分区间及对应得分;根据所述标准化用户数据档案中各指标数值落入的评分区间,确定所述三级指标的三级得分;对所述三级得分进行加权求和得到所述二级指标的二级得分;对所述二级得分进行加权求和得到所述一级指标的一级得分;基于所述一级得分及其预设权重加权汇总得到用户风险总分,并将所述用户风险总分与预设风险等级阈值进行比较,确定所述初始风险等级。

9、可选地,当任意一级指标的区分度低于第一区分度阈值时,重新调整所述一级指标之间的权重分配,降低所述任意一级指标的权重并相应提高区分度高于第一区分度阈值的指标权重;当任意三级指标的区分度低于第二区分度阈值时,合并所述任意三级指标中实际违约率无显著差异的相邻评分区间;将更新规则覆盖至所述多层级指标体系的评估系统。

10、可选地,在对所述一级指标的权重进行重新调整的同时,基于预定周期获取宏观经济景气指数和行业平均违约率数据;其中,根据所述宏观经济景气指数的变化方向与幅度,动态调整所述预设风险等级阈值所对应的总分临界值;其中,当宏观经济景气指数下行时,相应提高风险等级对应的总分临界值,反之则降低。

11、本申请的第二个方面,提供了一种用于智慧贷款的用户风险预测系统,所述一种用于智慧贷款的用户风险预测系统包括:数据获取模块,用于通过多个数据源接口采集贷款申请用户的多维度原始数据;数据处理模块,用于对所采集的所述多维度原始数据进行质量清洗、跨源集成和格式转换,生成标准化用户数据档案;数据分析模块,用于建立面向贷款风险评估的多层级指标体系,并基于所述多层级指标体系对所述标准化用户数据档案进行分析,确定所述贷款申请用户的初始风险等级;历史样本提取模块,用于定期提取预设时间段内已完成评估且贷款已到期的历史样本,并根据所述历史样本分析得到所述初始风险等级的实际违约率;规则更新模块,用于当所述实际违约率达到预定限值时,对所述多层级指标体系进行规则更新,并重新评估得到所述贷款申请用户的目标风险等级。

12、本申请的第三个方面,提供了一种电子设备,包括:至少一个处理器;与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述一种用于智慧贷款的用户风险预测方法的步骤。

13、本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:

14、本申请实施例提供的方法通过多个数据源接口采集贷款申请用户的多维度原始数据;对所采集的所述多维度原始数据进行质量清洗、跨源集成和格式转换,生成标准化用户数据档案;建立面向贷款风险评估的多层级指标体系,并基于所述多层级指标体系对所述标准化用户数据档案进行分析,确定所述贷款申请用户的初始风险等级;定期提取预设时间段内已完成评估且贷款已到期的历史样本,并根据所述历史样本分析得到所述初始风险等级的实际违约率;当所述实际违约率达到预定限值时,对所述多层级指标体系进行规则更新,并重新评估得到所述贷款申请用户的目标风险等级。达到了通过多源数据融合、分层清洗与动态校准的评估架构,实现对借款用户信用风险的全面、精准、动态评估,同时提升评分结果的可解释性与风控适配性的技术效果。

15、上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其他特征将通过以下的说明书而变得容易理解。

1.一种用于智慧贷款的用户风险预测方法,其特征在于,包括:

2.根据权利要求1所述一种用于智慧贷款的用户风险预测方法,其特征在于,所述多维度原始数据至少包括用户身份信息、历史信贷记录、互联网行为数据、财务收支数据以及第三方征信数据。

3.根据权利要求1所述一种用于智慧贷款的用户风险预测方法,其特征在于,对所采集的所述多维度原始数据进行质量清洗、跨源集成和格式转换,生成标准化用户数据档案,包括:

4.根据权利要求3所述一种用于智慧贷款的用户风险预测方法,其特征在于,根据数据缺失填充结果生成所述标准化用户数据档案,还包括:

5.根据权利要求2所述一种用于智慧贷款的用户风险预测方法,其特征在于,对所述多维度原始数据中的所述互联网行为数据进行质量清洗、跨源集成和格式转换时,还包括:

6.根据权利要求1所述一种用于智慧贷款的用户风险预测方法,其特征在于,所述多层级指标体系包含一级指标、二级指标和三级指标,每个所述三级指标预设了评分区间及对应得分;

7.根据权利要求6所述一种用于智慧贷款的用户风险预测方法,其特征在于,当所述实际违约率达到预定限值时,对所述多层级指标体系进行规则更新,包括:

8.根据权利要求7所述一种用于智慧贷款的用户风险预测方法,其特征在于,在对所述一级指标的权重进行重新调整的同时,基于预定周期获取宏观经济景气指数和行业平均违约率数据;

9.一种用于智慧贷款的用户风险预测系统,其特征在于,用于实施权利要求1至8中任意一项所述一种用于智慧贷款的用户风险预测方法的步骤,包括:

10.一种电子设备,其特征在于,包括: