[发明专利]一种预测还款概率的方法、装置、电子设备和存储介质

说明书

本发明提供了一种预测还款概率的方法、装置、电子设备和存储介质，所述方法包括：获取每一设备的历史还款状态信息，其中所述历史还款状态信息包括过去n期的还款状态信息和本期还款状态信息，所述还款状态包括正常还款和逾期还款，所述逾期还款包括逾期1期、逾期2期和逾期多期；以及根据所述设备的历史还款状态信息，采用马尔科夫状态转移矩阵计算每一所述设备在下一期的还款概率。本发明可以简化每一设备在下一期的还款概率的计算过程，并可以有效提高还款概率的预测准确率，进而可以帮助租赁商、经销商和主机厂有效预测下一期的回款总金额，以提升对债权风险的控制能力。

技术领域

本发明涉及计算机技术领域，特别涉及一种预测还款概率的方法、装置、电子设备和存储介质。

背景技术

在工程机械领域，客户购买设备大多以融资租赁或者分期的方式边使用设备工作边还款，设备的工作情况将直接影响到客户的收入，进而影响还款行为，对于主机厂、经销商和租赁商来说，债权风险控制是重中之重。然而目前还没有有效的方法来预测设备的分期还款概率。

发明内容

本发明的目的在于提供一种预测还款概率的方法、装置、电子设备和存储介质，可以计算出每一设备在下一期的还款概率。

为达到上述目的，本发明提供一种预测还款概率的方法，包括：

获取每一设备的历史还款状态信息，其中所述历史还款状态信息包括过去n期的还款状态信息和本期还款状态信息，所述还款状态包括正常还款和逾期还款，所述逾期还款包括逾期1期、逾期2期和逾期多期；以及

根据所述设备的历史还款状态信息，采用马尔科夫状态转移矩阵计算每一所述设备在下一期的还款概率。

可选的，若所述设备的本期还款状态信息为正常还款，则所述设备在下一期的还款概率的计算方法包括：

获取设备的至少一个关键特征，将每一所述关键特征划分为多个特征类别，将所述至少一个关键特征的每个所述特征类别分别进行组合以得到多个特征组合类别，将每一设备映射到对应的特征组合类别中；

计算过去n期内，每一所述特征组合类别在每一还款期的先验概率，根据所述先验概率，分别拟合出每一所述特征组合类别的Beta分布的概率密度函数，并计算得到所述Beta分布的概率密度函数的参数α和β；以及

根据所述设备的历史还款状态信息和所述设备所对应的特征组合类别的Beta分布的概率密度函数的参数α和β，计算所述设备在下一期的还款概率。

可选的，所述先验概率为所述特征组合类别在对应还款期的还款状态为正常还款的设备在下一期向正常还款状态或逾期1期状态转移的概率。

可选的，根据如下公式计算所述特征组合类别在每一还款期的先验概率：

P_abi＝N_bi/N_总i；

其中，P_abi为所述特征组合类别在第i期的先验概率，N_bi为所述特征组合类别在第i期的还款状态为逾期1期的设备数，N_总i为所述特征组合类别在第i期应还款的设备总数。

可选的，所述计算所述设备在下一期的还款概率，具体为，按照如下公式计算所述设备在下一期的还款概率P_还款概率：

P_还款概率＝(α+a)/(α+a+β+b)；

其中，a为所述设备正常还款的次数，b为所述设备逾期1期的次数。

可选的，所述关键特征包括设备的日平均工作时长、购买设备的首付比例、还款的总期数和设备的产品类型。