[发明专利]一种授信额度的确定方法及装置

说明书

本发明公开了一种授信额度的确定方法及装置，该方法包括：在接收到用户的授信请求的情况下，依据目标额度模型确定用户在各个预设授信额度下的累积逾期概率值，目标额度模型基于第一给额人群样本训练得到，第一给额人群样本包括：各个预设授信额度和各个预设授信额度的逾期概率。获取与授信请求对应的定额逻辑；依据定额逻辑、各个预设授信额度和各个预设授信额度下的累积逾期概率确定用户的授信额度。上述的确定方法，依据定额逻辑、各个预设授信额度和各个预设授信额度下的累积逾期概率确定用户的授信额度，在确定授信额度时将授信额度对应的累积逾期概率考虑在内，提高了授信额度确定的准确性。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种授信额度的确定方法及装置。

背景技术

在授信额度的确定过程中，主要通过贷前风险或者意愿确定授信额度，针对贷前风险确定授信额度主要是对贷前风险进行分层，对于不同的贷前风险给予不同的授信额度。针对意愿确定信贷额度主要是对意愿进行分层，依据意愿的高低给予对应的授信额度，授信额度分配的原则以尽可能满足用户需求为目的，例如，用户意愿越高，授信额度越高。

在上述的授信额度确定过程中，只针对用户侧的贷前风险或者意愿对授信额度进行评估，当给定授信额度较高时，会产生超过用户偿还能力问题，或超过具体用户需求造成过大额度敞口，授信额度预测不准确。

发明内容

有鉴于此，本发明提供了一种授信额度的确定方法及装置，用以解决现有授信额度确定过程中，只针对用户侧的贷前风险或者意愿对授信额度进行评估，当给定授信额度较高时，会产生超过用户偿还能力问题，授信额度预测不准确的问题。具体方案如下：

一种授信额度的确定方法，包括：

在接收到用户的授信请求的情况下，依据目标额度模型确定所述用户在各个预设授信额度下的累积逾期概率值，所述目标额度模型包括：逾期概率模型，其中，所述逾期概率模型包括：第一额度特征子模型和第一量化相对关系子模型，所述第一累积逾期概率值是将第一给额人群样本传递给所述第一额度特征子模型得到所述用户在各个预设授信额度的初始逾期概率值，将所述各个预设授信额度和其对应的初始逾期概率传递给所述第一量化相对关系子模型得到的，所述第一给额人群样本包括：所述各个预设授信额度和所述各个预设授信额度的逾期概率；

获取与所述授信请求对应的定额逻辑；

依据所述定额逻辑、所述各个预设授信额度和所述各个预设授信额度下的累积逾期概率确定所述用户的授信额度。

上述的方法，可选的，所述目标额度模型还包括：额度激活模型，在所述目标额度模型为所述逾期概率模型和所述额度激活模型时，还包括:

基于所述额度激活模型确定各个预设授信额度和其对应的累积意愿概率值；

基于所述各个预设授信额度和其对应的累积逾期概率值、所述各个预设授信额度和其对应的累积意愿概率值，确定所述各个预设授信额度的目标累积逾期概率值。

上述的方法，可选的，所述额度激活模型包括：第二额度特征子模型和第二量化相对关系子模型，基于所述额度激活模型确定各个预设授信额度和其对应的累积意愿值，包括：

接收第二给额人群样本，基于所述第二额度特征子模型确定所述用户在所述各个预设授信额度的初始意愿概率值，其中，所述第二给额人群样本包括：所述各个预设授信额度和所述各个预设授信额度的意愿概率值；

将所述各个预设授信额度和其对应的初始意愿概率值传递给所述第二量化相对关系子模型，得到所述各个预设授信额度和其对应的累积意愿概率值。

上述的方法，可选的，所述第一量化相对关系子模型和所述第二量化相对关系子模型为深度神经网络模型或树模型。

上述的方法，可选的，还包括：

获取贷前风险模型；