【技術實現步驟摘要】
本專利技術涉及風控決策預測分析，尤其涉及一種信貸風險預測方法及系統。
技術介紹
1、在金融領域，風險預測與管理是至關重要的環節。信貸風險不僅關乎金融機構的資產安全，也直接影響其盈利能力和市場競爭力。在消費信貸業務中，準確預估貸款的年化損失率(年損)對于金融機構的風險管理、定價策略以及利潤預測至關重要。年損預估通常涉及對貸款客戶群體在歷史數據上的表現進行分析，進而預測未來可能的損失情況。
2、目前，現有的信貸風險預測方法主要依賴資深信貸風險專家的經驗和判斷，結合市場環境和歷史數據，對貸款損失進行預估。這種方法雖然能夠考慮多種因素，但受個人經驗和主觀判斷影響較大，缺乏客觀性和一致性。這不僅影響了預測的準確性，也降低了風險管理的效率。
技術實現思路
1、有鑒于此，有必要提供一種信貸風險預測方法及系統，用以解決現有技術的上述缺陷。
2、為了解決上述問題，第一方面，本專利技術實施例提供一種信貸風險預測方法，包括：
3、獲取客戶的身份信息以及借據信息；其中，借據信息包括借據的期數、定價以及逾期信息；
4、根據客戶的基本信息和借據的逾期信息，將客戶分為多個客群；
5、針對每個客群，根據三期內的借據信息，通過預先訓練的機器學習模型預測客群的mob12?60+的逾期金額占比；
6、其中，mob表示賬齡；mob12?60+的逾期金額占比表示借據的第12期結束后，逾期天數超過60天的逾期金額占總借款金額的比例。
7、優選
8、將各個客群的mob12?60+的逾期金額占比預測結果進行加權求和，得到全量客戶的mob12?60+逾期金額占比預測值。
9、優選的，所述機器學習模型為多元線性回歸模型。
10、優選的，在根據三期內的借據信息，通過預先訓練的機器學習模型預測客群的mob12?60+的逾期金額占比之前，所述方法還包括：
11、基于客戶的身份信息以及借據信息，構建多元線性回歸模型的數據集，將數據集按照預設比例劃分為訓練集和測試集；
12、使用訓練集數據，通過多元線性回歸算法擬合模型參數；
13、在測試集上評估模型的預測性能，計算預測值和實際值之間的誤差；
14、根據誤差結果調整模型參數，最終得到訓練好的多元線性回歸模型。
15、優選的，在根據客戶的基本信息和借據的逾期信息，將客戶分為多個客群后，所述方法還包括：
16、針對每個客群，根據三期內的借據信息預估客群的vintage曲線；
17、將各個客群的vintage曲線進行匯總整合，計算年化損失率的預估值。
18、第二方面，本專利技術實施例提供一種信貸風險預測系統，包括：
19、數據獲取模塊，用于獲取客戶的身份信息以及借據信息；其中，借據信息包括借據的期數、定價以及逾期信息；
20、客群劃分模塊，用于根據客戶的基本信息和借據的逾期信息，將客戶分為多個客群；
21、風險預測模塊，用于針對每個客群，根據三期內的借據信息，通過預先訓練的機器學習模型預測客群的mob12?60+的逾期金額占比；
22、其中，mob表示賬齡；mob12?60+的逾期金額占比表示借據的第12期結束后，逾期天數超過60天的逾期金額占總借款金額的比例。
23、優選的，該系統還包括：
24、年損預估模塊，用于針對每個客群，根據三期內的借據信息預估客群的vintage曲線；將各個客群的vintage曲線進行匯總整合，計算年化損失率的預估值。
25、第三方面，本專利技術還提供了一種電子設備，包括存儲器和處理器，其中，
26、所述存儲器，用于存儲程序；
27、所述處理器，與所述存儲器耦合，用于執行所述存儲器中存儲的所述程序，以實現如本專利技術第一方面實施例所述的信貸風險預測方法中的步驟。
28、第四方面，本專利技術還提供了一種計算機可讀存儲介質，用于存儲計算機可讀取的程序或指令，所述程序或指令被處理器執行時能夠實現如本專利技術第一方面實施例所述的信貸風險預測方法中的步驟。
29、本專利技術提供的信貸風險預測方法及系統，與現有技術相比，具有以下有益效果：
30、1)本專利技術通過機器學習模型預測客戶的mob12?60+的逾期金額占比，能夠更客觀、準確地預測信貸風險，顯著提高了預測的準確性，同時降低了個人經驗和主觀判斷對預測結果的影響。
31、2)本專利技術通過細分客群并針對每個客群進行預測，實現了更精細化的風險管理，有助于信貸機構更好地理解和控制不同客戶群體的風險。此外，本專利技術還結合了vintage曲線預估和年化損失率預測，提供了更全面的風險評估視角，進一步提升了風險管理的效率和效果。
本文檔來自技高網...【技術保護點】
1.一種信貸風險預測方法，其特征在于，包括：
2.根據權利要求1所述的信貸風險預測方法，其特征在于，在針對每個客群，根據三期內的借據信息，通過預先訓練的機器學習模型預測客群的mob12?60+的逾期金額占比之后，所述方法還包括：
3.根據權利要求1所述的信貸風險預測方法，其特征在于，所述機器學習模型為多元線性回歸模型。
4.根據權利要求3所述的信貸風險預測方法，其特征在于，在根據三期內的借據信息，通過預先訓練的機器學習模型預測客群的mob12?60+的逾期金額占比之前，所述方法還包括：
5.根據權利要求1所述的信貸風險預測方法，其特征在于，在根據客戶的基本信息和借據的逾期信息，將客戶分為多個客群后，所述方法還包括：
6.一種應用于權利要求1-5任一項所述信貸風險預測方法的信貸風險預測系統，其特征在于，包括：
7.根據權利要求6所述的信貸風險預測系統，其特征在于，還包括：
8.一種電子設備，
9.一種計算機可讀存儲介質，其特征在于，用于存儲計算機可讀取的程序或指令，所述程序或指令被處理器
...【技術特征摘要】
1.一種信貸風險預測方法，其特征在于，包括：
2.根據權利要求1所述的信貸風險預測方法，其特征在于，在針對每個客群，根據三期內的借據信息，通過預先訓練的機器學習模型預測客群的mob12?60+的逾期金額占比之后，所述方法還包括：
3.根據權利要求1所述的信貸風險預測方法，其特征在于，所述機器學習模型為多元線性回歸模型。
4.根據權利要求3所述的信貸風險預測方法，其特征在于，在根據三期內的借據信息，通過預先訓練的機器學習模型預測客群的mob12?60+的逾期金額占比之前，所述方法還包括：
...【專利技術屬性】
技術研發人員：袁慧，高丹，夏昊，劉亦欣，
申請(專利權)人：蘇銀凱基消費金融有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。