[发明专利]基于不同种类风险因子的违约归因方法

说明书

本发明公开了一种基于不同种类风险因子的违约归因方法，包括以下步骤：建立不同种类风险因子的违约归因方法模型；将宏观风险因子和个性风险因子作为特征变量加入到违约归因方法模型中；当前批次用户进入到表现期后，结合用户的违约行为与宏观风险因子及个性风险因子的数据表现，具体分析用户的违约行为是由于内生事件还是外生事件导致，根据不同的违约原因来差异化处理当前批次用户；根据模型结果给用户审批额度和利息定价。本发明通过将宏观风险因子和个性风险因子的变化影响考虑进用户的违约原因中，细化了风险识别能力，同时能提高消费金融平台对风险用户的差异化处理能力。

技术领域

本发明属于风险因子分析技术领域，具体涉及基于不同种类风险因子的违约归因方法。

背景技术

目前消费金融行业在做风险管理时，通常在授信和放款流程只看用户的个人风险情况，而忽略了由宏观情况引起的群体性违约事件，从而导致部分受大环境变动而产生负向影响的用户被一些消费金融平台高估违约风险。

发明内容

本发明的针对现有技术中的不足，提供一种基于不同种类风险因子的违约归因方法。

为实现上述目的，本发明采用以下技术方案：基于不同种类风险因子的违约归因方法，包括以下步骤：

建立不同种类风险因子的违约归因方法模型；

将宏观风险因子和个性风险因子作为特征变量加入到违约归因方法模型中；

当前批次用户进入到表现期后，结合用户的违约行为与宏观风险因子及个性风险因子的数据表现，具体分析用户的违约行为是由于内生事件还是外生事件导致，根据不同的违约原因来差异化处理当前批次用户；

根据模型结果给用户审批额度和利息定价。

为优化上述技术方案，采取的具体措施还包括：

进一步地，不同种类风险因子的违约归因方法还包括步骤：

接入能够实时提供地区GDP、CPI、PPI、失业率数据的外部数据源厂商，接入数据源后验证数据的查得率；查得数据后，针对数据做加工，形成衍生特征：GDP增长率、CPI增长率、PPI增长率、失业率增长率；将所有查得数据及衍生特征全部供数给模型。

进一步地，宏观风险因子包括：GDP、GDP增长率、CPI、CPI增长率、PPI、PPI增长率、失业率、失业率增长率、公共事件影响指数；

个性风险因子包括：房贷待还、车贷剩余待还、多头借贷平台数、学历水平、信用卡额度、信用卡额度使用率。

进一步地，对违约用户进行数据分析，包括以下几种情况：

1)宏观风险因子数据表现较之前较差，个性风险因子数据表现较之前未变或更好；该种情况，判定为用户自身的还款意愿未变，还款能力受大环境因素影响而导致逾期；此类用户群体的信用意识和信用能力仍然很强；

2)宏观风险因子数据表现较之前较差，个性风险因子数据表现较之前较差；该种情况，用户的还款能力受外界影响较大，因为大环境影响而产生连锁反应导致还款能力大幅下降；同时，还款能力的大幅下降导致还款意愿下降；

3)宏观风险因子数据表现较之前前未变或更好，个性风险因子数据表现较之前未变或更好；该种情况判定为用户暂时性经济困难导致还款能力降低，从长期来看此类用户仍有较强的还款能力和意愿；

4)宏观风险因子数据表现较之前未变或更好，个性风险因子数据表现较之前较差；该种情况判定为用户自身因素导致还款能力下降，为用户不恰当使用资金导致。

进一步地，公共事件影响指数其中公共事件包括：公共卫生事件、公共安全事件、自然灾害事件、国家政策事件、公共生产事故事件、国际贸易事件、国际关系事件。