[发明专利]贷中行为监控的方法及系统

权利要求书

1.一种贷中行为监控的方法，其特征在于，包括：

获取业务类型和客户的历史行为特征数据构成的数据集；

利用预先训练好的所述业务类型对应的逻辑回归预测模型根据所述数据集计算得到客户的违约概率；

根据所述违约概率进行贷中行为监控。

2.根据权利要求1所述的一种贷中行为监控的方法，其特征在于，训练所述业务类型对应的逻辑回归预测模型具体包括：

根据不同业务类型选取对应的历史行为特征数据构成训练数据集；

利用训练数据集训练所述逻辑回归预测模型得到历史行为特征对应的预测概率；

将所述预测概率与真实值进行比较得到损失值，根据所述损失值调整所述逻辑回归预测模型参数。

3.根据权利要求1所述的一种贷中行为监控的方法，其特征在于，所述根据所述违约概率进行贷中行为监控包括：

根据所述违约概率计算得到整体风险分值；

将所述整体风险分值映射到评分区间计算客户的信用评分，根据所述信用评分进行贷中行为监控。

4.根据权利要求3所述的一种贷中行为监控的方法，其特征在于，所述根据所述违约概率计算得到整体风险分值包括：

计算每一类历史行为特征数据的违约概率；

并根据所述违约概率与所述历史行为特征数据对应的变量权重计算得到单变量风险分值；

根据所述单变量风险分值得到所述历史行为特征数据的整体风险分值。

5.根据权利要求4所述的一种贷中行为监控的方法，其特征在于，计算所述变量权重的过程包括：

获取多个用户的每一类历史行为特征数据组成多个单一变量训练数据集，将每一个单一变量训练数据集输入到所述逻辑回归预测模型中得到当前类别历史行为特征数据的预测概率，根据所述预测概率调整所述逻辑回归预测模型得到当前类别历史行为特征数据的变量权重。

6.根据权利要求4所述的一种贷中行为监控的方法，其特征在于，计算所述变量权重的过程还包括：

获取多个用户的每一类历史行为特征数据组成多个单一变量训练数据集，选取其中一种单一变量训练数据集联合其他一个或一个以上的单一变量训练数据集输入到所述逻辑回归预测模型中得到当前类别历史行为特征数据的预测概率，根据所述预测概率调整所述逻辑回归预测模型得到当前类别历史行为特征数据的变量权重。

7.根据权利要求1至6任一项所述的一种贷中行为监控的方法，其特征在于，所述历史行为特征数据至少包括以下一种或多种：历史违约次数、历史违约金额、违约时间间隔、历史申请次数、申请金额、被拒次数、近期是否申请、申请材料是否一致、是否故意拒绝银行联络、近期信用卡透支额度、是否违约、违约经过时间；所述业务类型至少包括：现金贷业务、线上现金分期业务、线上消费分期业务、二次营销业务。

8.一种贷中行为监控的系统，其特征在于，包括：

获取模块：用于获取业务类型和客户的历史行为特征数据构成的数据集；

预测模块：用于利用预先训练好的所述业务类型对应的逻辑回归预测模型根据所述数据集计算得到客户的违约概率；

行为监控模块：用于根据所述违约概率进行贷中行为监控。

9.一种贷中行为监控的设备，其特征在于，包括：

至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；

其中，所述处理器通过调用所述存储器中存储的计算机程序，用于执行如权利要求1至7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至7任一项所述的方法。