[发明专利]信贷管理方法及装置、电子设备、存储介质

说明书

本申请揭示了一种信贷管理方法及装置，涉及人工智能技术领域。所述方法包括：预测资产包内各信贷用户的违约率；根据所获得的违约率，进行所述资产包内各信贷用户的信用排序；按照所述资产包内各信贷用户的信用排序，对各信贷用户进行资金的动态分配。在本申请中，基于对资产包内各信贷用户违约率的准确预测，并通过所得违约率来为各信贷用户进行信贷资金的动态分配，能够很大程度上减小信贷风险。

技术领域

本申请涉及人工智能技术领域，特别涉及一种信贷管理方法及装置、电子设备、计算机可读存储介质。

背景技术

随着互联网金融的迅速发展，个人信贷平台在互联网金融领域逐渐成为一种主流产品，网络借贷导致的问题也逐渐显现。由于不同信贷用户之间的信用信息差别迥异，信贷平台对用户个人信贷风险的评估能力不足，导致许多网络贷款无法及时偿还，而放贷机构的资金无法得到有效周转的问题时有发生，不利于信贷平台的稳定发展。

因此，亟待解决现有的信贷平台对用户信贷风险的把控准确度不高的问题。

发明内容

基于上述技术问题，本申请提供了一种信贷管理方法及装置、电子设备、计算机可读存储介质。

本申请所揭示的技术方案包括：

一种信贷管理方法，所述方法包括：预测资产包内各信贷用户的违约率；根据所获得的违约率，进行所述资产包内各信贷用户的信用排序；按照所述资产包内各信贷用户的信用排序，对各信贷用户进行资金的动态分配。

进一步地，在所述按照所述资产包内各信贷用户的信用排序，对各信贷用户进行资金的动态分配之后，所述方法还包括：监测资产包集合中各资产包的收益情况；根据所监测各资产包的收益情况，进行各资产包所对应资金的动态配置。

进一步地，在所述预测资产包内各信贷用户的违约率之前，所述方法还包括：基于所提供的训练集，生成若干基学习器，所述基学习器用于混合形成违约率预测模型；通过所述违约率预测模型进行所述训练集中各训练样本违约率的预测，获得与所述违约率预测模型相关联的元特征矩阵；根据所获得的元特征矩阵，计算所述违约率预测模型相对所述训练集的元特征学习权重，以及获取所述违约率预测模型相对所述训练集的元特征学习参数。

进一步地，所述预测资产包内各信贷用户的违约率，包括：根据所述资产包内各信贷用户的原始特征数据和所述元特征学习参数，获得各信贷用户相对所述违约率预测模型的元特征；通过各信贷用户的元特征和所述元特征学习权重，计算所述违约预测模型相对所述资产包的元特征权重；按照所获得的元特征权重，使用所述违约率预测模型进行所述资产包内各信贷用户违约率的预测。

进一步地，所述通过所述违约率预测模型进行所述训练集中各训练样本违约率的预测，获得与所述违约率预测模型相关联的元特征矩阵，包括：根据所述违约率预测模型对各训练样本违约率的预测偏差，构建所述训练集的残差空间；按照各训练样本违约率的预测效果，对所构建的残差空间进行软聚类处理，获得与所述违约率预测模型相关联的元特征矩阵。

进一步地，所述根据所获得的元特征矩阵，计算所述违约率预测模型相对所述训练集的元特征学习权重，包括：获取所述违约率预测模型的预测函数；通过将所述预测函数和各训练样本的目标函数最小二乘，获得所述违约率预测模型相对所述训练集的元特征学习权重。

进一步地，所述按照所述资产包内各信贷用户的信用排序，对各信贷用户进行资金的动态分配，包括：按照所述资产包内各信贷用户的信用等级，对各信贷用户进行用户群划分，获得若干用户群；为各用户群打分，根据各用户群的分数与所述资产包的总分数之间的比例，进行所述资产包所对应资金对各信贷用户的分配。

一种信贷管理装置，所述装置包括：违约率预测模块，用于预测资产包内各信贷用户的违约率；信用排序模块，用于根据所获得的违约率，进行所述资产包内各信贷用户的信用排序；资金分配模块，用于按照所述资产包内各信贷用户的信用排序，对各信贷用户进行资金的动态分配。