[发明专利]一种用于预测逾期风险排序的方法和装置

说明书

本发明的目的是提供一种用于预测逾期风险排序的方法和装置。所述方法包括以下步骤：获取待评估用户的逾期特征信息；将该待评估用户的逾期特征信息输入至预设的风险排序模型；基于风险排序模型的输出来预测该待评估用户的逾期风险的排序，其中，所述风险排序模型的输出用于指示待评估用户的逾期风险的排序。本申请实施例具有以下优点：基于训练样本的两两风险排序关系建立和训练风险排序模型，从而通过该风险排序模型对用户的逾期风险排序进行预测，使得该模型能够基于诸如逾期时间长短等逾期行为的差异来判断不同用户的逾期风险排序，相比较传统的风险控制模型，提升了预测的准确性。

技术领域

本发明涉及计算机技术领域，尤其涉及用于预测逾期风险排序的方法和装置。

背景技术

基于现有技术的方案中，贷前或贷中风险控制模型一般采用以下两种方式：1)评分卡方式；2)其他机器模型，如决策树、gbdt，深度学习等。以上两种方式均将风险判断问题作为分类问题进行拟合，基于输入x得到x下逾期概率的一个最优化的估计，从而最终得到一个模型，并在该模型中输入x，输出逾期概率。

然而，如上两种方式的基于现有技术的方案存在一些缺点：由于需要固定的观察期，例如12个月，模型的训练和验证仅判断观察期内是否逾期，即作为分类任务的0、1标签，而未对逾期的时间长短等因素进行进一步区分。例如，同样是逾期，但是逾期的时间有先有后，贷款后第1个月还款即逾期的一般为恶劣的欺诈类客户。并且，该方式训练和测试模型均需要留足够长的观察期，会使得训练数据的时间往前推移较多，从而影响建模效果。

发明内容

本发明的目的是提供一种用于预测逾期风险排序的方法和装置。

根据本申请的实施例，提供了一种用于预测逾期风险排序的方法，其中，所述方法包括以下步骤：

获取待评估用户的逾期特征信息；

将该待评估用户的逾期特征信息输入至预设的风险排序模型；

基于风险排序模型的输出来预测该待评估用户的逾期风险的排序，其中，所述风险排序模型的输出用于指示待评估用户的逾期风险的排序。

根据本申请的实施例，提供了一种用于预测逾期风险排序的装置，其中，所述装置包括：

用于获取待评估用户的逾期特征信息的装置；

用于将该待评估用户的逾期特征信息输入至预设的风险排序模型的装置；

用于基于风险排序模型的输出来预测该待评估用户的逾期风险的排序的装置，其中，所述风险排序模型的输出用于指示待评估用户的逾期风险的排序。

根据本申请的实施例，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现本申请实施例的方法。

根据本申请的实施例，提供了一种计算机可读的存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本申请实施例的方法。

与现有技术相比，本申请实施例具有以下优点：基于训练样本的两两风险排序关系建立和训练风险排序模型，从而通过该风险排序模型对用户的逾期风险排序进行预测，使得该模型能够基于诸如逾期时间长短等逾期行为的差异来判断不同用户的逾期风险排序，相比较传统的风险控制模型，提升了预测的准确性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1示出了根据本申请实施例的用于预测逾期风险排序的方法流程图；

图2示出了根据本申请实施例的用于预测逾期风险排序的装置的结构示意图。

附图中相同或相似的附图标记代表相同或相似的部件。