[发明专利]一种基于图注意力网络贷款违约风险预测方法

说明书

本发明涉及一种基于图注意力网络贷款违约风险预测方法，包括：采集贷款人数据并对贷款人数据进行预处理；将每个贷款人视为一个节点，计算节点相似度，并定义阈值δ确定节点所连接的边，再构建图结构；根据图结构，构建GAT模型，并根据GAT模型获取节点的特征，再使用全连接层获取网络贷款违约风险预测结果。本发明的有益效果是：本发明利用贷款人数据来构建贷款人之间的图注意网络，并通过图注意网络对应的GAT模型和全连接层获取网络贷款违约风险预测结果，充分考虑了贷款人之间的关系，并能够处理贷款人数据中的非线性结构，该预测结果具有较高的预测精度。

技术领域

本发明涉及网络贷款违约风险预测技术领域，更确切地说，它涉及一种基于图注意力网络贷款违约风险预测方法。

背景技术

信用违约风险管理的重要性越来越大，一些公司利用它来识别和预测不同级别的潜在信用违约风险。

现有技术中，可以根据用户数据，建立违约概率预测模型以进行贷款违约风险预测。在中国专利申请文献CN109255506B中，公开了一种基于大数据的互联网金融用户贷款逾期预测方法，并具体公开了根据用户行为、用户基本信息、信用评分数据进行预处理操作；根据7：3随机将数据划分操作为训练集和测试集；根据用户行为、用户基本信息、信用评分数据进行特征工程构建操作；建立4个机器学习模型，并进行线性回归模型融合操作；通过已建立模型基础，根据用户基本信息设置人工阈值规则预测用户是否违约。

但是，现有技术中建立的违约概率预测模型的数据来源单一，没有考虑用户之间的关系，并且，无法处理用户数据中的非线性结构，因此，预测精度较低。

发明内容

本发明的目的是克服现有技术中的不足，提供了一种基于图注意力网络贷款违约风险预测方法。

第一方面，提供了一种基于图注意力网络贷款违约风险预测方法，包括以下步骤：

步骤1、采集贷款人数据并对所述贷款人数据进行预处理，所述贷款人数据包括个人信息、历史贷款及违约情况信息和最近贷款信息；

步骤2、将每个贷款人视为一个节点，根据所述个人信息、历史贷款及违约情况信息和最近贷款信息，分别计算节点相似度，并根据节点相似度的计算结果，定义阈值δ确定节点所连接的边，并分别构建三个图结构；

步骤3、根据所述三个图结构，分别构建三个GAT模型，并根据所述GAT模型获取每个节点的特征，再使用全连接层获取每个贷款人的网络贷款违约风险预测结果。

作为优选，步骤1中，所述历史贷款及违约情况信息包括信用活跃状态、信用评级、信用金额、信用卡的数量与类型和信用年金；所述信用活跃状态包括活跃状态和完成状态；所述最近贷款信息包括贷款记录和合同状态，所述合同状态包括活跃状态和完成状态。

作为优选，步骤1中，对所述贷款人数据进行预处理，包括：

每个贷款人有多条历史贷款及违约情况信息时，获取所有历史贷款及违约情况信息的信用活跃状态中活跃状态和完成状态的数量、信用评级的平均值、信用金额的平均值、数量最多的信用卡类型和平均信用年金；

每个贷款人有多条最近贷款信息时，获取所有最近贷款信息的贷款记录平均值、合同状态中活跃状态和完成状态的数量。

作为优选，步骤2中，所述个人信息、历史贷款及违约情况信息和最近贷款信息为纯数值数据信息或混合型数据信息，所述混合型数据信息包括数值数据信息和分类数据信息；对于纯数值数据信息，计算节点之间的相似度使用余弦距离进行计算，计算公式如下：

其中，n表示数据信息共有n个属性，a_i表示贷款人a的第i个属性值，b_i表示贷款人b的第i个属性值；