[发明专利]银行信贷风险预测方法及装置

说明书

本发明公开了一种银行信贷风险预测方法及装置，该方法包括：对交易流水相关数据进行分词处理，确定不同客户的交易信息；所述交易信息包括交易商户和商户类别码；根据不同客户的交易信息，以每一客户和商户为节点，建立交易的异构图；采用异构图神经网络算法，根据交易的异构图，确定每一客户的信贷风险预测值。本发明通过异构图显示每一客户与不同商户间交易的金额，次数和渠道，与现有技术对比，解决了传统技术下不能整合与客户有关的全部交易信息的问题，实现了对与客户有关的全部交易信息进行综合分析的目的，提高了对客户进行信贷风险预测的准确度。可确定交易流水相关数据中实际的交易商户和商户类别码，提高了银行信贷风险预测的适用性。

技术领域

本发明涉及神经网络技术领域，尤其涉及一种银行信贷风险预测方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

目前客户的信贷风险预测方法，主要是基于深度学习和机器学习等，通过对客户的客户信息、金融属性、征信信息和消费行为数据等进行数据挖掘而得出。现有技术下的信贷风险预测方法只能对交易流水相关数据进行简单的统计，无法考虑交易商户和商户类别。举一例，如两个相同的客户，都是消费了N笔M元，但是A客户购买家电，B客户购买股票，A客户和B客户的信贷风险是不一样的，C客户虽然消费了N-3笔，但交易流水相关数据也是涉及家电，A客户在进行信贷风险预测时则与C客户更为相似，但若采用目前客户的信贷风险预测方法对上述进行分析则只能得出A客户在进行信贷风险预测时则与B客户更为相似。

由上述可知，传统的信贷风险评估方法仅是基于客户不同单次消费的交易数据，如仅能统计客户在不同渠道的交易笔数金额和不同类型的交易笔数金额，而不能整合与客户有关的全部交易信息，不能结合交易流水相关数据对交易商户和商户类别进行综合分析，从而降低了银行信贷风险预测的准确度。

同时，传统的信贷风险预测方法分析的银行交易数据，主要是基于传统的线下交易，线下交易多为基于POS机渠道的交易，具有明确的时间、地点、商户类型等。由于第三方支付平台以及网上电商平台存在，客户不是直接用银行卡与商户交易，导致银行无法辨别出实际的交易商户和商户类别。如现在很多线上支付线下消费，银行的交易流水相关数据中，交易商户对应的是电商平台，如银行卡绑定微信支付的所有交易记录的交易商户都是腾讯支付，而不是具体消费的实际交易商户如沃尔玛等，传统技术并不能区分这一点。因此当交易通过线上渠道支付的时候，银行对接的交易商户则是第三方支付渠道或者电商平台，传统的信贷风险预测方法并不能准确分析客户进行线上交易的交易流水相关数据，不能准确地确定出交易涉及的交易商户和商户类别，因此传统的信贷风险预测方法无法对线上交易进行准确地分析，具有一定的局限性，且降低了银行信贷风险预测的适用性。

发明内容

本发明实施例提供一种银行信贷风险预测方法，用以提高银行信贷风险预测的准确度和适用性，该方法包括：

对交易流水相关数据进行分词处理，确定不同客户的交易信息；所述交易信息包括交易商户和商户类别；

根据不同客户的交易信息，以每一客户和商户为节点，建立交易的异构图；所述异构图用于显示每一客户与不同商户间交易的金额，次数和渠道；

采用异构图神经网络算法，根据交易的异构图，确定每一客户的信贷风险预测值。

本发明实施例还提供一种银行信贷风险预测装置，用以提高银行信贷风险预测的准确度和适用性，该装置包括：

分词模块，用于对交易流水相关数据进行分词处理，确定不同客户的交易信息；所述交易信息包括交易商户和商户类别码；

异构图建立模块，用于根据不同客户的交易信息，以每一客户和商户为节点，建立交易的异构图；所述异构图用于显示每一客户与不同商户间交易的金额，次数和渠道；