[发明专利]利用特征趋势分析预测银行个人贷款逾期的方法及系统

权利要求书

1.一种利用特征趋势分析预测银行个人贷款逾期的方法，其特征在于，该方法包括：

获取待处理的客户数据，根据客户数据中的违约标签标记正样本；

根据所述客户数据的特征进行特征分箱；

计算每个分箱中正样本数量占总样本数量的比例；

根据分箱和正样本比例，建立趋势变化关系，并对所述趋势变化关系进行相似度计算，筛选相似度大于第一阈值的特征；

将筛选出的特征进行特征聚合处理，获得新的特征；

将客户数据按照一定比例分割，进行分箱、正样本比例统计、建立趋势变化关系及特征聚合处理的步骤，比较相同特征在不同数据量下目标值随特征值变化的变化情况，根据所述变化情况得到特征噪声，将特征噪声高于噪声阈值的特征转由人工进行选择，将低于噪声阈值的特征及人工选择的特征作为建模特征；

利用所述建模特征构建银行个人贷款逾期预测模型，根据银行个人贷款逾期预测模型对贷款逾期进行预测，得到预测结果。

2.根据权利要求1所述的利用特征趋势分析预测银行个人贷款逾期的方法，其特征在于，获取待处理的客户数据，根据客户数据中的违约标签标记正样本，包括：

将违约标签为违约的样本标记为正样本，将违约标签为未违约的样本标记为负样本；其中，违约的标签值为1，未违约的标签值为0。

3.根据权利要求1所述的利用特征趋势分析预测银行个人贷款逾期的方法，其特征在于，根据所述客户数据的特征进行特征分箱，包括：

根据所述客户数据，分析连续值特征的统计信息，其中，所述统计信息至少包括连续值特征的平均值、方差、25分位数、50分位数、75分位数、最大值及最小值；

根据所述统计信息，采用等距分箱的方式进行特征分箱。

4.根据权利要求1所述的利用特征趋势分析预测银行个人贷款逾期的方法，其特征在于，计算每个分箱中正样本数量占总样本数量的比例，包括：

正样本比例的计算式为：

D_i＝C_i/A_i；

其中，D_i为第i个分箱的正样本比例；C_i为第i个分箱的正样本数量；A_i为第i个分箱的总样本数。

5.根据权利要求1所述的利用特征趋势分析预测银行个人贷款逾期的方法，其特征在于，根据分箱和正样本比例，建立趋势变化关系，并对所述趋势变化关系进行相似度计算，筛选相似度大于第一阈值的特征，包括：

根据分箱和正样本比例，绘制趋势变化图，并对所述趋势变化图进行相似度计算，筛选相似度大于0.8的特征。

6.一种利用特征趋势分析预测银行个人贷款逾期的系统，其特征在于，该系统包括：

数据获取模块，用于获取待处理的客户数据，根据客户数据中的违约标签标记正样本；

特征分箱模块，用于根据所述客户数据的特征进行特征分箱；

比例计算模块，用于计算每个分箱中正样本数量占总样本数量的比例；

相似度计算模块，用于根据分箱和正样本比例，建立趋势变化关系，并对所述趋势变化关系进行相似度计算，筛选相似度大于第一阈值的特征；

特征聚合模块，用于将筛选出的特征进行特征聚合处理，获得新的特征；

比较模块，用于将客户数据按照一定比例分割，进行分箱、正样本比例统计、建立趋势变化关系及特征聚合处理的步骤，比较相同特征在不同数据量下目标值随特征值变化的变化情况，根据所述变化情况得到特征噪声，将特征噪声高于噪声阈值的特征转由人工进行选择，将低于噪声阈值的特征及人工选择的特征作为建模特征；

预测模块，用于利用所述建模特征构建银行个人贷款逾期预测模型，根据银行个人贷款逾期预测模型对贷款逾期进行预测，得到预测结果。

7.根据权利要求6所述的利用特征趋势分析预测银行个人贷款逾期的系统，其特征在于，所述数据获取模块具体用于：

将违约标签为违约的样本标记为正样本，将违约标签为未违约的样本标记为负样本；其中，违约的标签值为1，未违约的标签值为0。