CN113822751A - 一种线上贷款的风险预测方法 - Google Patents

Abstract

本发明公开了一种线上贷款的风险预测方法，方法包括以下步骤：样本数据准备；特征设计；数据预处理；数据分组；模型训练与评估；模型分析。本发明通过模型计算出最有可能逾期的线上贷款客户清单，结合贷款相关管理系统以及黑白名单管理，为客户经理提供更准确的数据，使客户经理能更加关注重点客户的管理，为银行减少最大可能的损失。

Description

一种线上贷款的风险预测方法

技术领域

本发明涉及风险预测技术领域，尤其涉及一种线上贷款的风险预 测方法。

背景技术

随着个贷业务数字化转型工作的推进，线上贷款业务蓬勃发展， 客户和业务规模不断扩大，线上贷款具有线上化、自助化、便捷、灵 活、高效等特点，线上贷款主要对象为房贷客户、贵宾客户、代发工 资客户、公积金缴存等优质客户群体。

伴随线上跟人贷款规模快速发展的同时，风险也在逐步暴露，例 如贷款逾期的笔数开始大幅攀升，风险管控压力也陡增。线上贷款作 为一种纯信用的自助贷款，其发展模式和规律与以往的个贷主体业务 ——个人住房贷款完全不一样。客户大都在线上自助完成贷款的全流 程，个贷客户经理对客户的真实情况并不掌握，没办法及时掌握贷款 潜在风险，甚至在客户贷款发生实质风险后，怎样去化解风险，个贷 客户经理无从下手。因此亟需针对这种新业务模式，创新风险管控的 方法：一是能提前预知风险，二是风险发生后能快速介入化解风险。

发明内容

基于背景技术存在的技术问题，本发明提出了一种线上贷款的风 险预测方法。

本发明提出的一种线上贷款的风险预测方法，所述方法包括以下 步骤：

S1样本数据准备：选取近两年内的模拟数据作为样本数据，并 将按照观察期和表现期的还款情况将客户进行分类，以前6个月作为 观察期，在该时间区间内对客户的各项特征进行计算与评估，掌握违 约与非违约客户在此区间内的行为特征变化规律，观察期后的3个月 作为表现期，通过模型预测贷款客户在此时间区间是否会逾期；

S2特征设计：采用机器学习的算法，通过大量的历史数据来训 练分类器，最终得到对分类器影响最重要的观测指标；

S3数据预处理：去除唯一属性、处理缺失值、属性编码、数据 标准化正则化、特征选择；

S4数据分组：为了后续建模的需要，将数据分为2组，一组训 练数据集，一组验证数据集；

为了保证训练数据和验证数据的独立性，从总样本中随机抽取 4877个和3057个正、负样本数据中作为验证数据集分剩余的样本数 据作为训练数据集，训练数据集用于对数据挖掘模型的训练，验证数 据集用于对数据挖掘模型的验证，两组数据集相互独立；

S5模型训练与评估：基于客户基本信息、金融交易行为信息、 用信信息进行大数据分析，并通过机器学习算法对线上贷款历史违约 数据进行学习，结合概率统计对各项观测指标进行评分，最后得到一 个贷款逾期测算模型；

S51模型训练：分别采用Lightgbm、支撑向量机、逻辑回归三种 算法进行了模型训练，通过横向比较，最终选择Lightgbm作为线上 贷款风险预测模型的算法；

S52模型评估：选取ROC曲线、KS曲线、精确率、召回率、F1 值指标，根据业务目标进行有侧重的评价；

S6模型分析：选取由算法自动选择的前9个重要特征，通过分 析特征与是否逾期之间的关联关系，解释为什么这些特征比较重要， 以及如何利用机器学习的结果。

优选的，所述步骤S3去除唯一属性：唯一属性通常是一些id属 性，这些属性并不能刻画样本本身的分布规律，所以简单地删除这些 属性即可。

优选的，所述步骤S3处理缺失值：直接使用含有缺失值的特征， 删除含有缺失值的特征。

优选的，所述步骤S3特征编码：特征二元化，将数值型的属性 转换为布尔值的属性，设定一个阈值作为划分属性值为0和1的分隔 点；独热编码，采用N位状态寄存器来对N个可能的取值进行编码， 每个状态都由独立的寄存器来表示，并且在任意时刻只有一位有效。

优选的，所述步骤S3特征选择：从给定的特征集合中选出相关 特征子集的过程，常见的特征选择类型分为：过滤式、包裹式、嵌入 式。

优选的，所述步骤S2的特征包括客户静态资产特征和动态行为 特征，特征概览如下：客户基本面貌，包括客户ID、性别、年龄； 金融资产，包括总资产情况FA/AUM及其变动情况；产品构成，包括 活期存款指标、定期存款指标、投资理财情况指标、贷款情况指标、 卡业务办理情况指标以及产品综合指标；资金往来，包括流入、流出 情况、大小额转账、第三方及同名账户转账情况指标、借记卡消费场 所情况指标；服务渠道，包括渠道产品签约情况指标；信用卡，包括 信用卡开卡数指标、还款签约情况指标、大额消费情况指标、消费场所情况指标。

优选的，所述步骤S52的ROC曲线显示了给定模型的真正率TPR 与假正率FPR之间的平衡。ROC曲线下方的面积越大说明模型准确率 越高。

优选的，所述步骤S52的KS评价指标，是通过衡量好坏样本累 计分布之间的差值，来评估模型的风险区分能力，KS和ROC一样， 都是利用真正率TPR、假正率FPR两个指标来评价模型的整体训练效 果，不同之处在于，KS取的是TPR和FPR差值的最大值，能够找到 一个最优的阈值。

优选的，所述步骤S52的精确率是指在预测出逾约的客户中，最 终真正违约的客户所占百分比。召回率是指在未来线上贷款借款违约 客户中，最后能够被成功提前预测的百分比。召回率和精确率通常是 负相关的，为兼顾两者，定义指标F1为召回率和精确率的调和平均。

本发明中，所述一种线上贷款的风险预测方法，线上贷款逾期预 警模型采用数据挖掘技术对历史贷款客户逾期情况进行拟合，从而对 潜在的上线贷款逾期风险客户进行预测，进而根据逾期客户的行为模 型，跟踪和发现线上贷款客户逾期的一些行为，及早采取预防措施， 最大限度的降低风险；

通过对数据建模和数据预测分析，构建了基于lightGBM的线上 贷款逾期预测模型以及相关模型建立的完整的流程；

本发明通过模型计算出最有可能逾期的线上贷款客户清单，结合 银行内的贷款相关管理系统黑白名单管理，为客户经理提供更准确的 数据，使客户经理能更加关注重点客户的管理，为银行减少最大可能 的损失。

附图说明

图1为本发明提出的一种线上贷款的风险预测方法的流程图；

图2为本发明提出的一种线上贷款的风险预测方法的时间标记 图；

图3为本发明提出的一种线上贷款的风险预测方法的模型ROC曲 线和KS曲线图；

图4为本发明提出的一种线上贷款的风险预测方法的模型特征 重要性图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方 案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部 分实施例，而不是全部的实施例。

参照图1-4，一种线上贷款的风险预测方法，方法包括以下步骤：

S1样本数据准备：选取近两年内的模拟数据作为样本数据，并 将按照观察期和表现期的还款情况将客户进行分类，以前6个月作为 观察期，在该时间区间内对客户的各项特征进行计算与评估，掌握违 约与非违约客户在此区间内的行为特征变化规律，观察期后的3个月 作为表现期，通过模型预测线上贷款客户在此时间区间是否会逾期；

S2特征设计：采用机器学习的算法，通过大量的历史数据来训 练分类器，最终得到对分类器影响最重要的观测指标；

S3数据预处理：去除唯一属性、处理缺失值、属性编码、数据 标准化正则化、特征选择；

S4数据分组：为了后续建模的需要，将数据分为2组，一组训 练数据集，一组验证数据集；

为了保证训练数据和验证数据的独立性，从总样本中随机抽取4 正、负样本数据中作为验证数据集分剩余的样本数据作为训练数据 集，训练数据集用于对数据挖掘模型的训练，验证数据集用于对数据 挖掘模型的验证，两组数据集相互独立；

S5模型训练与评估：基于客户基本信息、金融交易行为信息、 用信信息进行大数据分析，并通过机器学习算法对线上贷款历史违约 数据进行学习，结合概率统计对各项观测指标进行评分，最后得到一 个贷款逾期测算模型；

S51模型训练：分别采用Lightgbm、支撑向量机、逻辑回归三种 算法进行了模型训练，通过横向比较，最终选择Lightgbm作为线上 贷款风险预测模型的算法；

S52模型评估：选取ROC曲线、KS曲线、精确率、召回率、F1 值指标，根据业务目标进行有侧重的评价；

S6模型分析：选取由算法自动选择的前9个重要特征，通过分 析特征与是否逾期之间的关联关系，解释为什么这些特征比较重要， 以及如何利用机器学习的结果，算法选出的最重要的前10个特征： 分别是贷记卡分期余额、住房贷款余额、贷记卡借方余额、授信额度、 年龄、贷记卡分期剩余期数、活期余额、近三个月信用卡累计交易金 额、近三个月信用卡累计交易笔数等。

本发明中，步骤S3去除唯一属性：唯一属性通常是一些id属性， 这些属性并不能刻画样本本身的分布规律，所以简单地删除这些属性 即可。

本发明中，步骤S3处理缺失值：直接使用含有缺失值的特征， 删除含有缺失值的特征。

本发明中，步骤S3特征编码：特征二元化，将数值型的属性转 换为布尔值的属性，设定一个阈值作为划分属性值为0和1的分隔点； 独热编码，采用N位状态寄存器来对N个可能的取值进行编码，每个 状态都由独立的寄存器来表示，并且在任意时刻只有一位有效。

本发明中，步骤S3特征选择：从给定的特征集合中选出相关特 征子集的过程，常见的特征选择类型分为：过滤式、包裹式、嵌入式。

本发明中，步骤S2的特征包括客户静态资产特征和动态行为特 征，特征概览如下：客户基本面貌，包括客户ID、性别、年龄；金 融资产，包括总资产情况FA/AUM及其变动情况；产品构成，包括活 期存款指标、定期存款指标、投资理财情况指标、贷款情况指标、卡业务办理情况指标以及产品综合指标；资金往来，包括流入、流出情 况、大小额转账、第三方及同名账户转账情况指标、借记卡消费场所 情况指标；服务渠道，包括渠道产品签约情况指标；信用卡，包括信 用卡开卡数指标、还款签约情况指标、大额消费情况指标、消费场所 情况指标。

本发明中，步骤S52的ROC曲线显示了给定模型的真正率TPR 与假正率FPR之间的平衡。ROC曲线下方的面积越大说明模型准确率 越高。

本发明中，步骤S52的KS评价指标，是通过衡量好坏样本累计 分布之间的差值，来评估模型的风险区分能力，KS和ROC一样，都 是利用真正率TPR、假正率FPR两个指标来评价模型的整体训练效果， 不同之处在于，KS取的是TPR和FPR差值的最大值，能够找到一个 最优的阈值。

本发明中，步骤S52的精确率是指在预测出逾约的客户中，最终 真正违约的客户所占百分比。召回率是指在未来线上贷款违约客户 中，最后能够被成功提前预测的百分比。召回率和精确率通常是负相 关的，为兼顾两者，定义指标F1为召回率和精确率的调和平均。

LightGBM是采用Histogram的算法，其思想是将连续的浮点特 征离散成k个离散值，并构造宽度为k的Histogram，然后遍历训练 数据，统计每个离散值在直方图中的累计统计量，在进行特征选择时， 只需要根据直方图的离散值，遍历寻找最优的分割点。

本发明：样本数据准备：选取近两年内的模拟数据作为样本数据， 并将按照观察期和表现期的还款情况将客户进行分类，以前6个月作 为观察期，在该时间区间内对客户的各项特征进行计算与评估，掌握 违约与非违约客户在此区间内的行为特征变化规律，观察期后的3个 月作为表现期，通过模型预测线上贷款客户在此时间区间是否会逾 期；特征设计：采用机器学习的算法，通过大量的历史数据来训练分 类器，最终得到对分类器影响最重要的观测指标；数据预处理：去除 唯一属性、处理缺失值、属性编码、数据标准化正则化、特征选择； 数据分组：为了后续建模的需要，将数据分为2组，一组训练数据集， 一组验证数据集；为了保证训练数据和验证数据的独立性，从总样本 中随机抽取正、负样本数据中作为验证数据集分剩余的样本数据作为 训练数据集，训练数据集用于对数据挖掘模型的训练，验证数据集用 于对数据挖掘模型的验证，两组数据集相互独立；模型训练与评估：基于客户基本信息、金融交易行为信息、用信信息进行大数据分析， 并通过机器学习算法对线上贷款历史违约数据进行学习，结合概率统 计对各项观测指标进行评分，最后得到一个贷款逾期测算模型；模型 训练：分别采用Lightgbm、支撑向量机、逻辑回归三种算法进行了 模型训练，通过横向比较，最终选择Lightgbm作为线上贷款风险预 测模型的算法；模型评估：选取ROC曲线、KS曲线、精确率、召回 率、F1值指标，根据业务目标进行有侧重的评价；模型分析：选取 由算法自动选择的前9个重要特征，通过分析特征与是否逾期之间的 关联关系，解释为什么这些特征比较重要，以及如何利用机器学习的 结果。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范 围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技 术范围内，根据本发明的技术方案及其发明构思加以等同替换或改 变，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种线上贷款的风险预测方法，其特征在于，所述方法包括以下步骤：

S1样本数据准备：选取近两年内的模拟数据作为样本数据，并将按照观察期和表现期的还款情况将客户进行分类，以前6个月作为观察期，在该时间区间内对客户的各项特征进行计算与评估，掌握违约与非违约客户在此区间内的行为特征变化规律，观察期后的3个月作为表现期，通过模型预测线上贷款客户在此时间区间是否会逾期；

S2特征设计：采用机器学习的算法，通过大量的历史数据来训练分类器，最终得到对分类器影响最重要的观测指标；

S3数据预处理：去除唯一属性、处理缺失值、属性编码、数据标准化正则化、特征选择；

S4数据分组：为了后续建模的需要，将数据分为2组，一组训练数据集，一组验证数据集；

为了保证训练数据和验证数据的独立性，从总样本中随机抽取正、负样本数据中作为验证数据集分剩余的样本数据作为训练数据集，训练数据集用于对数据挖掘模型的训练，验证数据集用于对数据挖掘模型的验证，两组数据集相互独立；

S5模型训练与评估：基于客户基本信息、金融交易行为信息、用信信息进行大数据分析，并通过机器学习算法对线上贷款历史违约数据进行学习，结合概率统计对各项观测指标进行评分，最后得到一个贷款逾期测算模型；

S51模型训练：分别采用Lightgbm、支撑向量机、逻辑回归三种算法进行了模型训练，通过横向比较，最终选择Lightgbm作为线上贷款风险预测模型的算法；

S52模型评估：选取ROC曲线、KS曲线、精确率、召回率、F1值指标，根据业务目标进行有侧重的评价；

S6模型分析：选取由算法自动选择的前9个重要特征，通过分析特征与是否逾期之间的关联关系，解释为什么这些特征比较重要，以及如何利用机器学习的结果。

2.根据权利要求1所述的一种线上贷款的风险预测方法，其特征在于，所述步骤S3去除唯一属性：唯一属性通常是一些id属性，这些属性并不能刻画样本本身的分布规律，所以简单地删除这些属性即可。

3.根据权利要求1所述的一种线上贷款的风险预测方法，其特征在于，所述步骤S3处理缺失值：直接使用含有缺失值的特征，删除含有缺失值的特征。

4.根据权利要求1所述的一种线上贷款的风险预测方法，其特征在于，所述步骤S3特征编码：特征二元化，将数值型的属性转换为布尔值的属性，设定一个阈值作为划分属性值为0和1的分隔点；独热编码，采用N位状态寄存器来对N个可能的取值进行编码，每个状态都由独立的寄存器来表示，并且在任意时刻只有一位有效。

5.根据权利要求1所述的一种线上贷款的风险预测方法，其特征在于，所述步骤S3特征选择：从给定的特征集合中选出相关特征子集的过程，常见的特征选择类型分为：过滤式、包裹式、嵌入式。

6.根据权利要求1所述的一种线上贷款的风险预测方法，其特征在于，所述步骤S2的特征包括客户静态资产特征和动态行为特征，特征概览如下：客户基本面貌，包括客户ID、性别、年龄；金融资产，包括总资产情况FA/AUM及其变动情况；产品构成，包括活期存款指标、定期存款指标、投资理财情况指标、贷款情况指标、卡业务办理情况指标以及产品综合指标；资金往来，包括流入、流出情况、大小额转账、第三方及同名账户转账情况指标、借记卡消费场所情况指标；服务渠道，包括渠道产品签约情况指标；信用卡，包括信用卡开卡数指标、还款签约情况指标、大额消费情况指标、消费场所情况指标。

7.根据权利要求1所述的一种线上贷款的风险预测方法，其特征在于，所述步骤S52的ROC曲线显示了给定模型的真正率TPR与假正率FPR之间的平衡。ROC曲线下方的面积越大说明模型准确率越高。

8.根据权利要求1所述的一种线上贷款的风险预测方法，其特征在于，所述步骤S52的KS评价指标，是通过衡量好坏样本累计分布之间的差值，来评估模型的风险区分能力，KS和ROC一样，都是利用真正率TPR、假正率FPR两个指标来评价模型的整体训练效果，不同之处在于，KS取的是TPR和FPR差值的最大值，能够找到一个最优的阈值。

9.根据权利要求1所述的一种线上贷款的风险预测方法，其特征在于，所述步骤S52的精确率是指在预测出逾约的客户中，最终真正违约的客户所占百分比。召回率是指在未来线上贷款借款违约客户中，最后能够被成功提前预测的百分比。召回率和精确率通常是负相关的，为兼顾两者，定义指标F1为召回率和精确率的调和平均。

Images