本发明涉及计算机,尤其涉及一种违约预测方法及装置。
背景技术:
1、随着互联网和大数据技术的快速发展,作为银行主要盈利来源之一的贷款业务也发展迅速,但同时也会暴露较高的信用风险。如果贷款违约率过高,就会影响银行的利润水平,甚至可能会导致银行破产。
2、现有的贷款违约预测方法采用的是有监督的机器学习算法。但由于机器学习算法依赖历史数据的标签、需要耗费大量人力进行标注标签或者需要耗费大量时间调参,导致预测效率不够高。
技术实现思路
1、本发明提供一种违约预测方法及装置,用以解决现有技术针对贷款违约预测时,需要大量耗费人力,导致预测效率低的技术问题。
2、本发明提供一种违约预测方法,包括:
3、获取待预测用户的用户信息数据,并对所述用户信息数据进行特征提取,得到所述用户信息数据的多个用户信息特征;
4、对各用户信息特征进行正态分布转换,得到多个正态分布特征;
5、对各正态分布特征进行标准化处理,得到多个标准正态分布特征;
6、基于违约预测模型,分别对各标准正态分布特征进行违约风险预测,确定所述各标准正态分布特征对应的违约概率,并基于多个违约概率,确定所述待预测用户是否存在贷款违约风险,所述违约预测模型是基于正态分布的概率密度函数确定的。
7、根据本发明提供的一种违约预测方法,基于多个违约概率,确定所述待预测用户是否存在贷款违约风险,包括:
8、将各违约概率分别与预设概率阈值进行比对,确定所述各违约概率的比对结果,并基于所述各违约概率的比对结果,确定所述待预测用户是否存在贷款违约风险。
9、根据本发明提供的一种违约预测方法,基于所述各违约概率的比对结果,确定所述待预测用户是否存在贷款违约风险,包括:
10、基于所述各违约概率的比对结果,确定各违约概率中违约概率小于所述预设概率阈值的目标违约概率;
11、确定所述目标违约概率的数量与所述多个违约概率的数量的比值,并基于所述比值,确定所述待预测用户是否存在贷款违约风险。
12、根据本发明提供的一种违约预测方法,预设概率阈值的确定方法,包括:
13、获取金融用户的历史用户信息数据以及所述历史用户信息数据对应的实际预测结果;
14、对所述历史用户信息数据进行特征提取,得到历史用户信息特征;
15、对所述历史用户信息特征进行正态分布转换,得到历史正态分布特征;
16、对所述历史正态分布特征进行标准化处理,得到历史标准正态分布特征;
17、基于所述违约预测模型,对所述历史标准正态分布特征进行违约风险预测,确定所述历史标准正态分布特征的历史违约概率;
18、基于所述历史违约概率以及所述实际预测结果,确定所述预设概率阈值。
19、根据本发明提供的一种违约预测方法,对各用户信息特征进行正态分布转换,得到多个正态分布特征,包括:
20、基于对数转换法,对所述各用户信息特征取对数,以对所述各用户信息特征进行正态分布转换,得到所述多个正态分布特征。
21、根据本发明提供的一种违约预测方法,对各正态分布特征进行标准化处理,得到多个标准正态分布特征,包括:
22、基于标准分数z-score,将各正态分布特征映射到均值为0标准差为1的分布上,得到所述多个正态分布特征。
23、本发明还提供一种违约预测装置,包括:
24、特征提取模块,用于获取待预测用户的用户信息数据,并对所述用户信息数据进行特征提取,得到所述用户信息数据的多个用户信息特征;
25、数据转换模块,用于对各用户信息特征进行正态分布转换,得到多个正态分布特征;
26、标准化处理模块,用于对各正态分布特征进行标准化处理,得到多个标准正态分布特征;
27、风险确定模块,用于基于违约预测模型,分别对各标准正态分布特征进行违约风险预测,确定所述各标准正态分布特征对应的违约概率,并基于多个违约概率,确定所述待预测用户是否存在贷款违约风险,所述违约预测模型是基于正态分布的概率密度函数确定的。
28、本发明还提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述任一种所述违约预测方法。
29、本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述违约预测方法。
30、本发明还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述违约预测方法。
31、本发明提供的违约预测方法及装置,通过基于正态分布的概率密度函数,构建用于预测用户信息特征的违约预测模型。基于违约预测模型,确定待预测用户是否存在贷款违约风险,实现了用户贷款违约预测与正态分布结合。基于正态分布的处理方法,可以使得数据更具可比性和可解释性,提高了贷款违约预测的准确性。与此同时,基于正态分布的处理方法具有良好的已知性质,容易理解和实现,减少了人力成本,提升了预测效率。
1.一种违约预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的违约预测方法,其特征在于,所述基于多个违约概率,确定所述待预测用户是否存在贷款违约风险,包括:
3.根据权利要求2所述的违约预测方法,其特征在于,所述基于所述各违约概率的比对结果,确定所述待预测用户是否存在贷款违约风险,包括:
4.根据权利要求2所述的违约预测方法,其特征在于,所述预设概率阈值的确定方法,包括:
5.根据权利要求1所述的违约预测方法,其特征在于,所述对各用户信息特征进行正态分布转换,得到多个正态分布特征,包括:
6.根据权利要求1所述的违约预测方法,其特征在于,所述对各正态分布特征进行标准化处理,得到多个标准正态分布特征,包括:
7.一种违约预测装置,其特征在于,包括:
8.一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述违约预测方法。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述违约预测方法。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述违约预测方法。