[发明专利]一种预测货运物流司机违约概率的模型方法

摘要

本发明公开了一种预测货运物流司机违约概率的模型方法。本发明包括如下步骤：步骤1、确认违约因素；步骤2、构建违约模型进行迭代及运算；步骤3.违约模型的评估指标；违约因素包括获取物流平台订单交易信息和第三方数据信息。本发明通过采集司机群体在物流平台的一些交易及活跃度信息，以及第三方数据信息，包括风险评分、多头借贷、终端使用情况等等，对可能影响司机违约的特征进行提取和计算，结合XGBOOST算法，分步骤构建违约模型并进行实例验证。本发明解决了货运司机由于流动性高、信用评估难、传统金融无法覆盖而无法得到金融服务的问题。

主权项

1.一种预测货运物流司机违约概率的模型方法，其特征在于包括如下步骤：步骤1、确认违约因素；步骤2、构建违约模型进行迭代及运算；步骤3.违约模型的评估指标；步骤1、确认违约因素，具体实现如下：1.1获取物流平台订单交易信息物流平台订单交易信息包括司机信息、车辆信息、订单信息；司机信息包括年龄、性别和地区；车辆信息包括车长和车龄；订单信息包括注册天数、日活、好评和订单数；其中地区是身份证户籍地区，根据该地区于2017年的人均GDP进行全国排名，将排名秩作为特征项加入模型中；其具体内容如下表1：表1交易平台信息1.2获取第三方数据信息主要对接三方面的数据：①司机在其他借贷平台的申请借贷信息，包括司机个体在其他多个平台提出的借贷申请或是已借款的相关信息；②司机申请终端信息以及常用APP活跃度信息；③司机的各类信用评分，包括汽车金融、线上线下消费分期、融资租赁信用等；基于第三方数据获取司机群体在其它多个平台的借贷申请或已借款的相关信息,包括个人信息核查、不良信息扫描、多平台借贷申请、信贷逾期信息和司法不良记录，从而有效甄别高风险人群，其具体内容如表2：表2第三方借贷信息基于用户申请时使用的终端，借助第三方平台获取终端设备相关信息，包括设备基础信息、地理信息和活跃度信息，具体内容如表3：表3第三方终端设备活跃度信息基于用户申请注册用的手机号码，借助第三方平台获取的手机号相关信用度数据信息，具体内容如表4：表4第三方信用度数据信息