[发明专利]一种违约时间的预测方法及相关装置

权利要求书

1.一种违约时间的预测方法，其特征在于，应用于服务器，所述服务器配置有第一模型、第二模型和至少一个第三模型，所述第一模型用于预测客户的违约概率，所述第二模型用于预测客户的违约时间所属的时间区间，所述至少一个第三模型和至少一个时间区间对应，每个第三模型用于预测客户在所对应的时间区间内的违约次数和违约时间，所述方法包括：

获取第一客户的数据，所述第一客户的数据包括用于反映所述第一客户的信用风险的参数；

将所述数据输入至所述第一模型中，得到所述第一客户的违约概率；

在所述第一客户的违约概率大于预设值的情况下，通过所述第二模型预测所述第一客户的违约时间所属的时间区间；

基于所述第二模型预测的所述第一客户的违约时间所属的时间区间，通过对应的第三模型预测所述第一客户的违约时间。

2.如权利要求1所述的方法，其特征在于，所述第一模型为多元逻辑Logistic模型，所述第二模型为高斯混合模型GMM，所述第三模型为自回归移动平均ARIMA模型。

3.如权利要求1所述的方法，其特征在于，所述数据包括如下一项或多项：行业类别、执行利率、放款金额、贷款期数、性别、年龄、学历、家庭年收入、雇佣情况、单位类型、居住情况、职务、社保标志以及客户等级。

4.如权利要求1所述的方法，其特征在于，所述第一模型包括多个第一子模型，所述多个第一子模型对应不同的客户类型，所述客户类型根据客户所属的年龄段或地区确定；

所述将所述数据输入至所述第一模型中，得到所述第一客户的违约概率，包括：

从所述多个第一子模型中确定与所述第一客户的客户类型对应的第一子模型；

将所述第一客户的数据输入至所述第一子模型中，得到所述第一客户的违约概率。

5.如权利要求1所述的方法，其特征在于，所述第二模型包括多个第二子模型，所述多个第二子模型对应不同的客户类型，所述客户类型根据客户所属的年龄段或地区确定；

所述通过所述第二模型预测所述第一客户的违约时间所属的时间区间，包括：

从所述多个第二子模型中确定与所述第一客户的客户类型对应的第二子模型；

通过所述第二子模型预测所述第一客户的违约时间所属的时间区间。

6.如权利要求1所述的方法，其特征在于，每个第三模型包括多个第三子模型，所述多个第三子模型中的任意两个第三子模型对应的客户类型不同，所述客户类型根据客户所属的年龄段或地区确定；

所述基于所述第二模型预测的所述第一客户的违约时间所属的时间区间，通过对应的第三模型预测所述第一客户的违约时间，包括：

在与所述第二模型预测的所述第一客户的违约时间所属的时间区间对应的第三模型中，确定与所述第一客户的客户类型对应的第三子模型；

通过所述第三子模型预测所述第一客户的违约时间。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：

获取训练集，所述训练集包括多个客户的历史数据；

基于所述训练集，分别对所述第一模型、所述第二模型和所述至少一个第三模型进行训练。

8.如权利要求7所述的方法，其特征在于，所述方法还包括：

基于所述多个客户分别对应的客户类型，对所述训练集进行分组，得到多组训练集，所述多组训练集对应的客户类型不同，所述客户类型根据客户所属的年龄段或地区确定；以及，

所述基于所述训练集，分别对所述第一模型、所述第二模型和所述至少一个第三模型进行训练，包括：

基于每一组训练集分别对所述第一模型、所述第二模型和所述至少一个第三模型进行训练，得到训练好的一个第一子模型、第二子模型以及多个训练好的第三子模型。

9.如权利要求7或8所述的方法，其特征在于，所述方法还包括：

按照预设周期，更新所述训练集，得到更新后的训练集；

基于所述更新后的训练集，分别对所述第一模型、所述第二模型和所述至少一个第三模型进行训练。