[发明专利]还款能力评估方法及装置

权利要求书

1.一种还款能力评估方法，其特征在于，具体步骤包括：

1)以规则模型预测输出的还款能力系数y1作为拟合模型输出的真实值更新训练所述拟合模型；

2)更新训练完成的所述拟合模型以还款能力评估对象的用户基础信息数据、用户金融统计数据和用户贷款金额为模型输入，预测输出各所述评估对象分别对应的还款能力系数y2；

3)分类模型以各所述评估对象的用户金融时序数据为模型输入，预测输出每个所述评估对象分别对应的还款能力折减系数z；

4)以所述还款能力折减系数z校正所述拟合模型预测输出的所述还款能力系数y2，并以校正结果表征所述评估对象的还款能力；

步骤3)中，所述分类模型预测输出每个所述评估对象对应的所述还款能力折减系数z的步骤具体包括：

3.1)计算每个所述评估对象本月还款金额与其近6个月还款金额平均值的比值r1；

3.2)根据所述比值r1预测输出一分类标签，每个所述分类标签对应一比值区间s1；

3.3)根据所述分类标签对应的所述比值区间s1确定每个所述评估对象对应的下月还款金额计算系数；

3.4)计算每个所述评估对象近6个月还款金额平均值与其对应的所述下月还款金额计算系数的乘积，作为所述分类模型预测得到的所述评估对象对应的下月还款金额；

3.5)计算每个所述评估对象对应的所述下月还款金额与所述本月还款金额的比值r2；

3.6)根据所述比值r2对应的比值区间s2，确定每个所述评估对象对应的还款能力折减系数z。

2.根据权利要求1所述的还款能力评估方法，其特征在于，所述用户基础信息包括关联所述评估对象的年龄、性别、婚姻状态、子女个数、房车资产、工作和学历情况中的任意一种或多种；

所述用户金融统计数据包括关联所述评估对象的收支、理财、逾期、还款、贷款和贷款申请情况中的任意一种或多种；

所述用户金融时序数据为所述用户金融统计数据按时间顺序记录的数据列。

3.根据权利要求1所述的还款能力评估方法，其特征在于，步骤1)中，所述规则模型预测各所述评估对象分别对应的所述还款能力系数y1的步骤具体包括：

1.1)根据用户年龄和用户贷款金额，将不同的所述评估对象划分为对应类型的用户群体；

1.2)获取不同用户群体的模型输入特征；

1.3)所述规则模型根据模型输入，预测输出不同群体分类下的每个所述评估对象分别对应的所述还款能力系数y1。

4.根据权利要求3所述的还款能力评估方法，其特征在于，所述规则模型预测输出所述还款能力系数y1过程可通过以下公式(1)表达：

公式(1)中，n表示符合预设评估逻辑的的评估逻辑数；

N表示所述规则模型评估用户还款能力的评估逻辑总数；

p为一常数。

5.根据权利要求4所述的还款能力评估方法，其特征在于，常数p＝0.1。

6.根据权利要求1所述的还款能力评估方法，其特征在于，所述评估对象的本月还款金额通过以下公式(2)计算而得：

公式(2)中，a表示待计算的所述评估对象的本月还款金额；

M表示所述评估对象的所述贷款金额；

y2表示所述拟合模型输出的表征所述评估对象还款能力的所述还款能力系数。

7.根据权利要求1所述的还款能力评估方法，其特征在于，步骤4)中，通过以下公式(3)校正所述拟合模型输出的所述还款能力系数y2：

yy＝y2×z公式(3)

公式(3)中，yy表示所述校正结果；

y2表示所述拟合模型输出的还款能力系数；

z表示所述分类模型预测输出的所述评估对象对应的所述还款能力折减系数。

8.根据权利要求1所述的还款能力评估方法，其特征在于，所述拟合模型为LightGBM回归模型；所述分类模型由LSTM长短期记忆人工神经网络训练而得。

9.一种基于拟合模型的还款能力评估装置，可实现如权利要求1-8任意一项所述的还款能力评估方法，其特征在于，所述还款能力评估装置包括：

规则模型预测模块，用于以还款能力评估对象的用户基础信息数据、用户金融统计数据和贷款金额为规则模型的输入，由所述规则模型预测输出各所述评估对象分别对应的还款能力系数y1；

拟合模型更新训练模块，连接所述规则模型预测模块，用于以所述规则模型输出的所述还款能力系数y1作为拟合模型输出的真实值更新训练所述拟合模型；

拟合模型预测模块，连接所述拟合模型更新训练模块，用于将所述评估对象的所述用户基础信息数据、所述用户金融统计数据和所述贷款金额输入到完成更新训练的所述拟合模型中，由所述拟合模型预测输出各所述评估对象分别对应的还款能力系数y2；

系数校正模块，连接所述拟合模型预测模块，用于以分类模型预测输出的还款能力折减系数z作为校正依据，对所述拟合模型输出的所述还款能力系数y2进行校正，校正结果最终表征所述评估对象的还款能力。