本发明涉及大数据领域，具体而言，涉及一种基于大数据的信贷风险评估方法及装置、电子设备。
背景技术：
1、金融机构在为客户提供信用贷款业务时，需要对客户进行信贷风险评估，若客户存在断供风险，会带来利润、资产损失，如果能够对断供的情况进行准确分析，则可以帮助金融机构结合相关业务手段，减少断供情况的发生。
2、相关技术中，进行信贷风险评估和断供分析以逾期天数作为参考，通过人工筛查的方法对客户断供风险进行预测，其存在如下问题：第一，金融机构按揭客户人数较多，很难通过人工筛查方法准确评估客户信贷风险；第二，业务人员难以采集到客户完整的数据信息，从而难以掌握客户的完整金融情况；第三，以逾期天数作为参考进行风险评估结果不准确，例如很多客户逾期可能是因为遗忘或资金周转紧张，并非偿债能力不足。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本发明实施例提供了一种基于大数据的信贷风险评估方法及装置、电子设备，以至少解决相关技术中，通过人工筛查的方法难以准确评估客户信贷风险的技术问题。
2、根据本发明实施例的一个方面，提供了一种基于大数据的信贷风险评估方法，包括：采集目标客户的多份历史金融数据，并将所述多份历史金融数据输入至风险筛选模型，输出对所述目标客户的初次分类结果，其中，所述风险筛选模型中预先集成了多个信贷风险筛选特征；采用对抗网络模型对目标客户进行二次分类，得到二次分类结果，其中，所述对抗网络模型中采用了两个不同的对立网络，其中一个网络用于辨别所述目标客户所属的还款类别，另一个网络用于辨别所述目标客户是否存在信贷断供风险；结合所述初次分类结果和所述二次分类结果，评估所述目标客户的信贷风险状态；基于信贷风险策略表，查询与所述信贷风险状态对应的应对策略，并执行所述应对策略。
3、可选地，采集目标客户的多份历史金融数据的步骤，包括：采集所述目标客户在当前金融机构的历史按揭信贷数据和历史信贷还款逾期数据；采集所述目标客户在所述当前金融机构的当前持有金融资产；采集所述目标客户在所述当前金融机构的代发资金业务的业务信息。
4、可选地，所述风险筛选模型中预先集成的多个信贷风险筛选特征包括：是否在重要按揭客户表中、是否在当前金融机构的代发资金客户表中、是否在收入骤降客户表中、当前持有金融资产对应的还款判断结果、历史信贷还款逾期数据对应的逾期特征。
5、可选地，采用所述对抗网络模型中的第一个网络辨别所述目标客户是否属于指定健忘客户类别，确定所述目标客户所属的还款类别，得到第一辨别结果；采用所述对抗网络模型中的第二个网络辨别所述目标客户是否存在信贷断供风险，得到第二辨别结果；将所述第一辨别结果与所述第二辨别结果输入至所述对抗网络模型中的混淆矩阵，输出客户断供概率；基于所述第一辨别结果、所述第二辨别结果和所述客户断供概率，对所述目标客户进行二次分类，得到二次分类结果。
6、可选地，执行所述应对策略的步骤，包括：执行应对策略一：发送逾期提醒信息至所述目标客户；或者，执行应对策略二：在所述目标客户的信贷还款日的前一时刻进行电话提醒；或者，执行应对策略三：发送信贷断供不良结果至所述目标客户。
7、可选地，所述的信贷风险评估方法还包括：采用预设机器学习算法构建信贷断供模型；采集历史时间段中关联多个外部影响因素的数据；将所述历史时间段中关联多个外部影响因素的数据以及所述目标客户所处地区的地区信息输入至所述信贷断供模型，输出所述目标客户的信贷断供评估概率。
8、可选地，所述的信贷风险评估方法还包括：基于联邦学习模型，建立当前金融机构与信用机构、社保机构、病情机构之间的关联关系；获取所述信用机构中存储的所述目标客户的客户信用信息；获取所述社保机构中存储的所述目标客户的客户社保信息；获取所述病情机构中存储的所述目标客户的客户病情信息；基于所述客户信用信息、所述客户社保信息以及所述客户病情信息，评估所述目标客户的信贷断供评估概率。
9、根据本发明实施例的另一方面，还提供了一种基于大数据的信贷风险评估装置，包括：采集单元，用于采集目标客户的多份历史金融数据，并将所述多份历史金融数据输入至风险筛选模型，输出对所述目标客户的初次分类结果，其中，所述风险筛选模型中预先集成了多个信贷风险筛选特征；分类单元，用于采用对抗网络模型对所述目标客户进行二次分类，得到二次分类结果，其中，所述对抗网络模型中采用了两个不同的对立网络，其中一个网络用于辨别所述目标客户所属的还款类别，另一个网络用于辨别所述目标客户是否存在信贷断供风险；评估单元，用于结合所述初次分类结果和所述二次分类结果，评估所述目标客户的信贷风险状态；执行单元，用于基于信贷风险策略表，查询与所述信贷风险状态对应的应对策略，并执行所述应对策略。
10、可选地，采集单元包括：第一采集模块，用于采集所述目标客户在当前金融机构的历史按揭信贷数据和历史信贷还款逾期数据；第二采集模块，用于采集所述目标客户在所述当前金融机构的当前持有金融资产；第三采集模块，用于采集所述目标客户在所述当前金融机构的代发资金业务的业务信息。
11、可选地，所述风险筛选模型中预先集成的多个信贷风险筛选特征包括：是否在重要按揭客户表中、是否在当前金融机构的代发资金客户表中、是否在收入骤降客户表中、当前持有金融资产对应的还款判断结果、历史信贷还款逾期数据对应的逾期特征。
12、可选地，分类单元包括：第一辨别模块，用于采用所述对抗网络模型中的第一个网络辨别所述目标客户是否属于指定健忘客户类别，确定所述目标客户所属的还款类别，得到第一辨别结果；第二辨别模块，用于采用所述对抗网络模型中的第二个网络辨别所述目标客户是否存在信贷断供风险，得到第二辨别结果；第一输入模块，用于将所述第一辨别结果与所述第二辨别结果输入至所述对抗网络模型中的混淆矩阵，输出客户断供概率；第一分类模块，用于基于所述第一辨别结果、所述第二辨别结果和所述客户断供概率，对所述目标客户进行二次分类，得到二次分类结果。
13、可选地，执行单元包括：第一执行模块，用于执行应对策略一：发送逾期提醒信息至所述目标客户；或者，第二执行模块，用于执行应对策略二：在所述目标客户的信贷还款日的前一时刻进行电话提醒；或者，第三执行模块，用于执行应对策略三：发送信贷断供不良结果至所述目标客户。
14、可选地，基于大数据的信贷风险评估装置还包括：第一构建模块，用于采用预设机器学习算法构建信贷断供模型；第四采集模块，用于采集历史时间段中关联多个外部影响因素的数据；第二输入模块，用于将所述历史时间段中关联多个外部影响因素的数据以及所述目标客户所处地区的地区信息输入至所述信贷断供模型，输出所述目标客户的信贷断供评估概率。
15、可选地，基于大数据的信贷风险评估装置还包括：第一建立模块，用于基于联邦学习模型，建立当前金融机构与信用机构、社保机构、病情机构之间的关联关系；第一获取模块，用于获取所述信用机构中存储的所述目标客户的客户信用信息；第二获取模块，用于获取所述社保机构中存储的所述目标客户的客户社保信息；第三获取模块，用于获取所述病情机构中存储的所述目标客户的客户病情信息；第一评估模块，用于基于所述客户信用信息、所述客户社保信息以及所述客户病情信息，评估所述目标客户的信贷断供评估概率。
16、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行上述任意一项基于大数据的信贷风险评估方法。
17、根据本发明实施例的另一方面，还提供了一种电子设备，包括一个或多个处理器和存储器，存储器用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述任意一项基于大数据的信贷风险评估方法。
18、本公开中，通过以下步骤：采集目标客户的多份历史金融数据，并将多份历史金融数据输入至风险筛选模型，输出对目标客户的初次分类结果，其中，风险筛选模型中预先集成了多个信贷风险筛选特征，采用对抗网络模型对目标客户进行二次分类，得到二次分类结果，结合初次分类结果和二次分类结果，评估目标客户的信贷风险状态，基于信贷风险策略表，查询与信贷风险状态对应的应对策略，并执行应对策略，其中，对抗网络模型中采用了两个不同的对立网络，其中一个网络用于辨别目标客户所属的还款类别，另一个网络用于辨别目标客户是否存在信贷断供风险。
19、本公开中，引入客户的金融数据对客户进行初次分类，基于信贷风险筛选特征，综合评估客户资产和收入情况，通过对抗网络对客户进行二次分类，缩小了样本范围，可以对客户进行更准确的信贷风险评估，减少断供情况的发生，进而解决了相关技术中，通过人工筛查的方法难以准确评估客户信贷风险的技术问题。