[发明专利]一种基于集成算法的公积金个人贷款逾期预测方法

说明书

本发明公开了一种基于集成算法的公积金个人贷款逾期预测方法，构建个人贷款逾期预测模型，所述个人贷款逾期预测模型包括两个组件，其中组件一用于数据处理，组件二根据组件一处理后的数据进行训练得到最优模型，将待预测测公积金借款人数据输入最优模型，输出即为逾期预测分数，当逾期预测分数小于0.5时，归类为0，表示该逾期预测分数对应的待测公积金借款人没有逾期，当逾期预测分数大于或等于0.5时，归类为1，表示该逾期预测分数对应的待测公积金借款人逾期。

技术领域

本发明涉及个人贷款逾期预测方法，尤其涉及一种基于集成算法的公积金个人贷款逾期预测方法。

背景技术

当前，全球科技革命和产业变革进入了数字化发展新阶段。2022年，国务院发布了《国务院关于加强数字政府建设的指导意见》，明确指出要加强数字政府建设，提升政府履职数字化、政府决策科学化、社会治理精准化、公共服务高效化水平。重庆住房公积金中心在新阶段面临着全面数字化转型升级的迫切需求，不断在数字科学决策、贷款政策制定和优化、资金风控等方面全面提升中心数字化能力。

且住房公积金贷款作为政策性住房金融的主体，已成为广大居民个人购房贷款首选的贷款方式。随着住房公积金贷款业务的迅速发展，住房公积金贷款信用规模不断扩大，贷款风险不断增强。住房公积金贷款与商业住房贷款既拥有共性的经济风险和管理风险，同时又有其自身独特的经济风险和管理风险，而管理风险是目前需要注意和重点关注的风险。如运行体制带来的管理风险以及政策取向和金融市场形成的管理风险等。维持和发展信用关系，是保护社会经济秩序的重要前提。因此分析贷款发放逾期的风险成因，减少贷款发放的逾期率，预测个人是否逾期，加强住房公积金个人住房贷款管理，强化风险管控，防范住房公积金资金风险将是贷款管理工作的重中之重。

目前传统的公积金个人贷款逾期预测模型主要侧重于对于借款人自身偿还能力的评估从而进行风险的确定，此类模型基于风险等级(如逾期五级分类)的评价以确定公积金贷款额度、期数等。根据客户群体属性的差异，以及客户多维度的多特征进行综合评价打分，而后转入评价模型进行综合评价，预测未来逾期情况。然而，传统预测模型需要大量专家经验加工处理数据，对原始数据进行加工，导致模型的开发周期和成本相对较高，模型迭代流程较为复杂，模型的预测准确率不高。比如对于特征选择，国内外研究文献中主流的变量选择方法是主成分分析，但这种方法的局限性是主成分的解释较为困难，且对于本发明的分类预测效果不是很好。就模型层面而言，神经网络模型对于个人逾期预测来说它的预测性能可能是最好的，但是神经网络模型具有“黑盒”性质，无法确切了解如何产生一定的输出，例如当将植物的图像放入神经网络中进行预测，当产生的预测结果是动物时，这导致难以理解，而对于公积金个人贷款逾期预测来讲，可解释性具有重要意义，因为公积金业务人员需要向客户说明为什么该客户不具有公积金贷款的资格，神经网络的另一个缺点就是比传统算法的计算代价更高。

发明内容

针对现有技术存在的上述问题，本发明的要解决的技术问题是：如何准确预测个人公积金贷款是否逾期。

为解决上述技术问题，本发明采用如下技术方案：一种基于集成算法的公积金个人贷款逾期预测方法，包括如下步骤：

构建个人贷款逾期预测模型，所述个人贷款逾期预测模型包括两个组件，其中组件一用于数据处理，组件二用于计算逾期预测分数；

所述组件一进行数据处理的步骤如下：

S101：获取公积金借款人特征矩阵W_user、贷款数据L_user和逾期标签O_act。公积金借款人特征矩阵W_user由多个公积金借款人user和与user对应的公积金借款人特征向量V_user构成，贷款数据L_user由与user对应的公积金贷款数据特征L^feature和user对应的实际逾期Overdue^act构成。