[发明专利]汽车金融贷后风险预警方法

说明书

本申请提供了一种汽车金融贷后风险预警方法，包括如下步骤：构建一个用于预警的机器学习模型；制定一个用于预警的预警策略规则；将汽车金融客户的相关数据输入至机器学习模型；根据机器学习模型输出的数据和预警策略规则输出风险预警等级；根据风险预警等级匹配对应的预警措施。本申请的有益之处在于提供了一种融合了车辆消费分期场景以便于及时发现贷后风险的汽车金融贷后风险预警方法。

技术领域

本申请涉及一种汽车金融贷后风险预警方法。

背景技术

随着金融业市场化水平和对外开放程度的提高，金融机构间竞争加剧，银行的特许权价值正在不断降低。同时伴随着国内的经济形势波动和企业的经营状况的恶化，商业银行的不良贷款余额逐渐增加，不良率也逐渐逼近监管要求。而传统银行由于贷后由总行统一管理，分行无法对贷后风险进行一定控制，很多情况下都只控制了贷前风险，而对于贷款后经济中途产生恶化的客户无法判别，到了真正发生逾期进入催收阶段才会知晓。而到了催收末期往往为时已晚，很大部分结果都只能形成呆账和坏账。而在这种情况下，如何做好贷后风险防范，提早识别出即将产生风险的在途贷款，是商业银行提高核心竞争力，降低整体不良率的重中之重。

发明内容

为了解决现有技术的不足之处，本申请提供了一种汽车金融贷后风险预警方法，包括如下步骤：构建一个用于预警的机器学习模型；制定一个用于预警的预警策略规则；将汽车金融客户的相关数据输入至所述机器学习模型；根据所述机器学习模型输出的数据和所述预警策略规则输出风险预警等级；根据所述风险预警等级匹配对应的预警措施。

进一步地，所述构建一个用于预警的机器学习模型包括如下步骤：为所述机器学习模型选取模型模板。

进一步地，所述构建一个用于预警的机器学习模型包括如下步骤：为所述机器学习模型准备样本数据。

进一步地，为所述机器学习模型准备训练数据包括如下步骤：根据汽车金融客户还款情况将样本数据分为好样本和坏样本。

进一步地，为所述机器学习模型准备训练数据还包括如下步骤：对所述样本数据进行准备、指标加工和数据清洗。

进一步地，在对所述样本数据进行准备时，所述样本数据的数据维度包括：申请数据、贷后逾期数据、车贷相关数据、客户基本数据、收入负债数据、客户历史扣款数据。

进一步地，在对所述样本数据进行准备时，所述样本数据的数据维度还包括：三方外部数据、抵押率数据、贷后催收数据、贷后征信数据。

进一步地，所述样本数据的指标加工包括：统计一年内未扣款成功次数数据和平均预期天数。

进一步地，所述样本数据的数据清洗包括缺失值填充和异常值处理。

进一步地，所述制定一个用于预警的预警策略规则包括策略分析和策略制定。

本申请的有益之处在于：提供了一种融合了车辆消费分期场景以便于及时发现贷后风险的汽车金融贷后风险预警方法。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是根据本申请一种实施例的汽车金融贷后风险预警方法的步骤示意框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。