[发明专利]信用风险的检测方法及装置、存储介质、电子装置

说明书

本发明提供了一种信用风险的检测方法及装置、存储介质、电子装置，该方法包括：将预设时间段内的第一待检测对象的特征信息输入至目标检测模型，得到目标检测模型输出的信用风险概率，其中，目标检测模型是使用第一时间段内的第一训练数据和第二时间段内的第二训练数据对初始检测模型进行训练得到的模型；基于信用风险概率确定出第一待检测对象的信用风险等级。通过本发明，解决了相关技术中对信用风险概率的评估问题，达到准确评估信用风险的效果。

技术领域

本发明涉及通信领域，具体而言，涉及一种信用风险的检测方法及装置、存储介质、电子装置。

背景技术

近年来，随着我国经济发展及居民消费观念的更新，小额贷款机构无论数量上还是规模上都得到了飞速发展，作为一种低门槛、易操作的广受消费者喜爱的借款平台，小额贷款机构近几年的收益也颇为丰厚，但同时也承担着部分贷款不能收回的风险，即贷款方到期不能还本付息。这直接对社会经济等各个方面产生了不良影响，因此急需控制个人信贷风险。由于客户违约，造成小额贷款机构的资产质量下降，最终极有可能造成部分小额贷款机构没有足够的资金来进行日常的运营。

在小额贷款领域目前普遍使用的方法：小额贷款机构相关人员结合自身经验，对贷款客户能力和资本等各个方面进行评估，同时也会通过贷款客户的个人资料进行量化评分，判断贷款者在下一个还款周期是否有能力还本付息。但经验评估有很大的主观随意性，过于依赖评估人员的经验和能力。经验评估所耗费的时间人力成本较高，精确度不够。量化评分有严格的假设条件，要求数据服从正态分布，而且无法处理离散型变量。

针对上述技术问题，相关技术尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种信用风险的检测方法及装置、存储介质、电子装置，以至少解决相关技术中对信用风险进行评估的问题。

根据本发明的一个实施例，提供了一种信用风险的检测方法，包括：将预设时间段内的第一待检测对象的特征信息输入至目标检测模型，得到上述目标检测模型输出的信用风险概率，其中，上述目标检测模型是使用第一时间段内的第一训练数据和第二时间段内的第二训练数据对初始检测模型进行训练得到的模型；基于上述信用风险概率确定出上述第一待检测对象的信用风险等级。

可选地，在将预设时间段内的第一待检测对象的特征信息输入至目标检测模型，得到上述目标检测模型输出的信用风险概率之前，上述方法还包括：获取上述第一时间段内上述第一待检测对象的第一特征信息，得到上述第一训练数据，其中，上述第一特征信息包括上述第一待检测对象的交易信息；获取上述第二时间段内上述第一待检测对象是否发生目标行为的第二特征信息，得到上述第二训练数据，其中，上述目标行为用于表示上述第一待检测对象在上述第二时间段内发生失信行为，上述第二特征信息用于标记上述第一待检测对象是否发生失信行为。

可选地，在将预设时间段内的第一待检测对象的特征信息输入至目标检测模型，得到上述目标检测模型输出的信用风险概率之前，上述方法还包括：将上述第一训练数据输入至上述初始检测模型中，得到上述初始检测模型输出的第一信用风险概率，其中，上述初始检测模型是利用极端梯度提升XGBoost算法和K折交叉算法确定的；将上述第二训练数据输入至上述初始检测模型中，得到上述初始检测模型输出的第二信用风险概率；在上述第一信用风险概率与上述第二信用风险概率之间的比值大于第一预设阈值的情况下，得到上述目标检测模型。

可选地，在将预设时间段内的第一待检测对象的特征信息输入至目标检测模型，得到上述目标检测模型输出的信用风险概率之后，上述方法还包括：确定第三时间段内第二待检测对象；利用上述目标检测模型确定出上述第二待检测对象中信用风险概率大于第一预设阈值的检测对象，得到目标检测对象；将上述第三时间段换分为N段时间段，其中，上述N是大于或等于1的自然数；确定上述N段时间段中每段时间段内目标检测对象所占的比例；利用上述每段时间段内目标检测对象所占的比例检测上述目标检测模型。