[发明专利]一种基于状态机的不良资产催收的方法，装置和设备

说明书

本发明公开了一种基于状态机的不良资产催收的方法，包括：资产催收模型包括有限状态机和多个状态网络；将案件信息输入资产催收模型中，利用信息采集修复网络进行催收概率预测，输出初始催收结果，然后利用有限状态机监测操作信息是否发生变动，判断操作信息是否触发资产催收作业网络的状态变更条件，若触发资产催收作业网络，则将信息采集修复网络切换到资产催收作业网络，输出重新催收概率预测结果，若操作信息触发催收结果跟踪网络的状态变更条件，则将资产催收作业网络切换到催收结果跟踪网络，进行催收概率预测输出预测结果。本发明可以根据操作信息的变动，自动进行网络的变更和催收概率的预测，实现了动态的运行，及时更新催收概率的预测。

技术领域

本发明涉及资产管理技术领域，特别是涉及一种基于状态机的不良资产催收的方法，装置，设备以及计算机可读储存介质。

背景技术

随着金融不良资产广义上指商业银行等持牌金融机构持有的不能为其带来正常经济利益流入的各类股权、债权、实物类资产。为了评估每笔不良资产的质地和催回概率，通常可以通过构建一个催收预测模型，寻求通过评估每种类型客户的还款状况，定义最佳收集策略。

客户以及不良资产案件本身是动态的和不断发展变化的，例如客户本身的状况会随着时间发生很多改变，例如工作状况、收入状况等等，另外在催收过程和与客户的沟通协调的过程中，案件以及客户本身很多属性也会发生变化，例如客户的可联性（是否电话可以联系）、客户是否接听电话、客户针对欠款的态度以及还款意愿等。

在这样一个动态的环境下，使用一个单一的静态模型对案件的催回概率进行预测是远远不能满足案件发展过程中对案件情况进行实时状态跟踪的需要，也无法通过技术手段将案件新的变化因素传达给催收人员。

综上所述可以看出，在应对出现新变量时模型难以动态的反应变化情况是目前有待解决的问题。

发明内容

本发明的目的是提供一种基于状态机不良资产催收的方法、装置、设备以及计算机可读存储介质，已解决现有技术中出现新变量时模型难以动态的反应变化情况的问题。

为解决上述技术问题，本发明提供一种基于状态机不良资产催收的方法，包括：将待催收案件信息输入完成训练的资产催收模型中，进入催收队列，其中，所述资产催收模型包括有限状态机，多个状态网络，所述多个状态网络包括信息采集修复网络，资产催收作业网络，催收结果跟踪网络；

当所述待催收案件进入催收队列，触发所述有限状态机切换到所述信息采集修复网络中，利用所述信息采集修复网络进行催收概率预测，并输出初始预测结果；

利用所述有限状态机实时监测操作信息是否发生变动，若所述操作信息发生变动，则判断所述操作信息是否触发所述资产催收作业网络的状态变更条件；

若所述操作信息触发所述资产催收作业网络的状态变更条件，则利用所述有限状态机将所述信息采集修复网络切换为所述资产催收作业网络，以便利用所述资产催收作业网络进行催收概率预测，并输出重新预测的结果；

当所述有限状态机实时监测到所述操作信息发生变动，则判断所述操作信息是否触发所述催收结果跟踪网络的状态变更条件；

若所述操作信息触发所述催收结果跟踪网络的状态变更条件，则利用所述有限状态机将所述资产催收作业网络切换为所述催收结果跟踪网络，以便利用所述催收结果跟踪网络进行催收概率预测，输出跟踪预测结果。

优选地，所述将待测试案件信息输入完成训练的资产催收模型前包括：

利用快照方式在训练案件数据中采集不同网络状态下的数据，并进行特征提取，得到每个网络的训练集；

利用Kolmogorov-Smirnov方法对所述每个网络的训练集进行特征过滤处理；得到每个网络的目标训练集；

将所述每个网络的目标训练集输入到对应的网络中进行训练，将每个网络完成训练，得到所述完成训练的资产催收模型。

优选地，所述信息采集修复网络包括：案件信息采集修复网络和案件信息修复网络。