CN106530078A - 基于跨行业数据的贷款风险预警方法及系统 - Google Patents

Abstract

本发明涉及贷款风险预警领域，公开了一种基于跨行业数据的贷款风险预警方法及系统，利用跨行业数据，从多个角度获取与贷款人相关的用户信息；将所述用户信息与所述贷款人的历史信息进行比对，进行贷款人行为异常识别；再根据异常识别结果中异常信息进行风险事件归类；最后根据预设风险指标对贷款人进行贷款风险评定，确定贷款人的贷款风险等级，输出预警报告。本发明基于跨行业数据对贷款人进行贷款后持续的监控预警，能更为准确且有效地识别出有逾期倾向的贷款，并做出相应预警提醒，提高贷款回收率，减少银行等信贷金融机构的不良资产。

Description

基于跨行业数据的贷款风险预警方法及系统

技术领域

本发明涉及贷款风险预警领域，特别是涉及一种基于跨行业数据的贷款风险预警方法。以及一种基于跨行业数据的贷款风险预警系统，所述跨行业数据相对于贷款行业数据，例如运营商数据、航信数据和银联数据等等。

背景技术

近年来，随着信息产业的高速发展和移动互联网的普及，越来越多的小额贷款机构、消费金融公司、P2P网贷金融机构都在极力的扩张各自的业务，但因前期野蛮扩张，风控体系薄弱，吸引真实需求客户的同时也带来了不少低质量客户和欺诈客户，因此伴随着业务量增长的同时，行业不良率也一直居高不下。

目前大多数市面上提供的贷中/贷后的贷款预警数据均来源于银行或小贷机构等贷款平台的数据库，并且，只有贷款人在一家贷款平台出现逾期数据时，才会发出相关的预警报告。这种预警报告的局限性较强，贷款人必须在多方平台上发生借贷行为，且其相应的贷款机构均在警告数据池里才会有预警报告，而且其预警时间相对滞后，若贷款人在其他非贷款行业中出现不良信息时，该贷款人极有可能存在逾期行为或潜在的逾期风险。

另外，由于我国本身征信体系就不完善，贷款行业内的数据又很少在机构之间共享，因此，众多信贷金融机构很难判断客户的好坏质量，甚至有一大部分的小贷机构完全成为信息孤岛，对客户的贷前审核，贷后管理存在极大盲区，在信贷逾期风险上完全不可控。

因此，仅仅基于贷款行业数据来对贷款人进行风险预警，并不能及时有效地识别出贷款人是否存在逾期行为或潜在的逾期风险。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供基于跨行业数据的贷款风险预警方法及系统，基于跨行业数据，对贷款人在贷中/贷后管理中出现的任何可能逾期的高风险事件进行预警，提前对有逾期倾向的贷款，并在其恶化之前迅速做出相应预警提醒，实现贷款及时回收，提高贷款回收率，减少银行等贷款机构的不良资产。

本发明采用的技术方案如下：

方案一

本发明提出了一种基于跨行业数据的贷款风险预警方法，所述跨行业数据相对于贷款行业数据，所述方法包括以下步骤：

S1，跨行业数据监测：获取包含贷款人信息的跨行业数据；从所述跨行业数据中提取与所述贷款人相关的用户信息；

S2，贷款人行为异常识别：将所述用户信息与所述贷款人的历史信息进行比对，若所述贷款人的用户信息与其历史信息存在不匹配或不满足预设要求的异常变量时，则相应的用户信息为异常信息，确定该贷款人存在异常行为，并输出包含所述异常变量的异常识别结果；

S3，风险事件归类：根据异常识别结果中异常信息对异常识别结果按维度进行归类，输出所属维度的维度分析信息；

S4，风险等级评估：根据预设风险指标对所述维度分析信息进行贷款风险评定，确定贷款人的贷款风险等级。

进一步的，所述跨行业数据至少包括运营商数据、航信数据和银联数据中的一种或多种组合。

基于上述实施例，优选的，所述维度可包括失联风险维度，当所述异常变量为失联风险维度变量时，将所述异常变量归为失联风险维度，并输出失联风险维度信息。

基于上述实施例，优选的，所述维度还可包括交际圈风险维度，当所述异常变量为交际圈风险维度变量时，将所述异常变量归为交际圈风险维度，并输出交际圈风险维度信息。

基于上述实施例，优选的，所述维度也可包括犯罪风险维度，当所述异常变量为犯罪风险维度变量时，将所述异常变量归为犯罪风险维度，并输出犯罪风险维度信息。

基于上述实施例，优选的，所述维度还可包括逾期风险维度，当进行逾期风险维度分类时，基于贷款行业数据，从贷款行业数据获取该贷款人的贷款风险信息，当贷款风险信息中的异常变量为逾期风险维度变量时，将所述异常变量归为逾期风险维度，并输出逾期风险维度信息。

方案二

本发明还提出了一种基于跨行业数据的贷款风险预警系统，至少包括：

跨行业数据监测模块，用于获取包含贷款人信息的跨行业数据；从所述跨行业数据中提取与所述贷款人相关的用户信息；

贷款人行为异常识别模块，用于将所述用户信息与该贷款人的参考信息进行比对，若所述贷款人的用户信息与其历史信息中存在不匹配或不满足预设要求的异常变量时，则相应的用户信息为异常信息，确定该贷款人存在异常行为，并输出包含所述异常变量的异常识别结果；

风险事件归类模块，用于根据异常识别结果中所述异常变量的类型，对所述异常变量按维度进行归类，输出所属维度的维度分类信息维度分类信息；

风险等级评估模块，用于根据预设风险指标对所述维度分类信息进行贷款风险评定，确定贷款人的贷款风险等级。

进一步的，所述跨行业数据至少包括运营商数据、航信数据和银联数据中的一种或多种组合。

基于上述系统的实施例，所述风险事件归类模块至少包括风险维度分类子模块、交际圈风险维度分类子模块、犯罪风险维度分类子模块和逾期风险维度分类子模块中的一种或多种组合；相应的，所述维度分类信息至少包括风险维度分类信息、交际圈风险维度分类信息、犯罪风险维度分类信息和逾期风险维度分类信息中的一种或多种组合。

进一步的，所述系统还可包括数据查询模块，用于接收用户或上位机的贷款风险查询请求，并将贷款风险查询请求发给跨行业数据监测模块。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1）本发明基于跨行业数据，利用大数据征信、云评分方式运用于贷后风险管理，对贷款人在贷中/贷后管理中出现的任何可能逾期的高风险事件进行预警，提前对有逾期倾向的贷款，并在其恶化之前迅速做出相应预警提醒，实现贷款后持续的监控预警，对风险进行提前预警，贷款机构可提早进行催收，提高贷款回收率，减少银行等贷款机构的不良资产。

2）本发明采用多维度分析方式，如风险维度分析、交际圈风险维度分析、犯罪风险维度分析和逾期风险维度分析等等，从多个角度对贷款人的高风险事件进行贷款风险预警分析，保证贷款风险预警报告的准确性、可靠性和有效性。

3）本发明既可单独作为贷款预警使用，对贷款人的贷款风险进行评估，也可以作为信贷金融机构的现有风险管理体系作补充预警分析，与信贷金融机构的现有风险管理体系配合使用，提升其贷后风险管理效率和准确率，帮助机构实现贷后风险管理自动化。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1为本发明中贷款风险预警方法的流程示意图。

图2为本发明中贷款风险预警系统独立使用的示意图。

图3为本发明中贷款风险预警系统配合使用的示意图。

图4为本发明中贷款风险预警系统的结构示意图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书（包括任何附加权利要求、摘要）中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

（一）基于跨行业数据的贷款风险预警方法

本发明所提出的一种基于跨行业数据的贷款风险预警方法，根据跨行业数据，从风险维度、交际圈风险维度、犯罪风险维度和逾期风险维度等多种维度，对贷款人进行贷款风险预警。

本发明方法既可单独作为贷款预警使用，对贷款人的贷款风险进行评估，当用户需要对贷款人进行贷款风险预警分析时，可直接输入贷款风险查询请求。

本发明也可以作为信贷金融机构的现有风险管理体系作补充预警分析，与信贷金融机构的现有风险管理体系配合使用，当信贷金融机构在需要补充分析贷款人的贷款风险时，向本发明发起贷款风险查询请求。

本发明对贷后风险查询请求进行解析处理，并向跨行业数据库发送数据查询请求，以获取包含贷款人信息的跨行业数据；在接收到跨行业数据库返回的数据查询结果后，本发明对该跨行业数据进行贷款人行为异常识别、风险事件归类和风险等级评估等处理，最终将预警结果反馈给上述用户或信贷金融机构。

如图1所示，所述基于跨行业数据的贷款风险预警方法包括以下步骤：

S1，跨行业数据监测，可由跨行业数据监测模块执行：获取包含贷款人信息的跨行业数据；从所述跨行业数据中提取与所述贷款人相关的用户信息。

进一步的，在获取跨行业数据之前，还包括数据查询步骤，具有独立查询方式和配合查询方式。

其中，独立查询方式，由数据查询模块执行：接收用户输入的贷款人信息，生成贷款风险查询请求，在步骤S1中，解析所述贷款风险查询请求，向跨行业数据库发起数据查询请求，并接收跨行业数据库返回的数据查询结果，从而获取得到包含贷款人信息的跨行业数据。

配合查询方式，由数据查询模块执行：接收信贷金融机构发起的贷款风险查询请求，在步骤S1中，解析所述贷款风险查询请求，向跨行业数据库发起数据查询请求，并接收跨行业数据库返回的数据查询结果，从而获取得到包含贷款人信息的跨行业数据。

S2，贷款人行为异常识别，可由贷款人行为异常识别模块执行：将所述用户信息与所述贷款人的历史信息进行比对，若所述贷款人的用户信息与其历史信息存在不匹配或不满足预设要求的异常变量时，则相应的用户信息为异常信息，确定该贷款人存在异常行为，并输出包含所述异常变量的异常识别结果。

S3，风险事件归类，可由风险事件归类模块执行：根据异常识别结果中异常信息对异常识别结果按维度进行归类，输出所属维度的维度分析信息。

S4，风险等级评估，可由风险等级评估模块执行：根据预设风险指标对所述维度分析信息进行贷款风险评定，确定贷款人的贷款风险等级。

进一步的，所述风险预警包括异常变量风险评定和维度风险评定两种方式。

其中，异常变量风险评定是指，根据预设风险指标对一种维度中的各个异常变量进行风险等级划分，为每个异常变量赋予相应的权值，记为第一权值，还可按高、中、低等多个等级对异常变量进行分级，确定每个异常变量的风险等级，记为第一风险等级。所述预设风险指标是根据贷款机构自身的要求（如贷款机构的承受能力）预先设置的用于为异常变量赋予权值的标准，各个贷款机构在进行贷款风险预警时，可随意设置成符合自身需求的风险指标。

维度风险评定是指，根据一个维度中各个异常变量的第一风险等级和第一权值，对该维度进行单方面的风险评估，如对一个维度中各个异常变量的第一权值作加权平均值，得到该维度赋予相应的权值，记为第二权值，也可按高、中、低等多个等级对异常变量进行分级，确定该维度的风险等级，记为第二风险等级。最后综合每个风险维度的第二风险等级和第二权值，对每个维度的第二权值作加权平均值来计算该贷款人的预警分值，并确定该贷款人的预警等级。

进一步的，所述方法还包括：

S5，输出预警结果，可由预警输出模块执行：在确定贷款人的贷款风险等级后，可根据需求输出预警结果。例如，以报告的形式输出预警结果；根据风险等级评估步骤中确定的贷款风险等级，输出该用户的贷款风险预警报告，所述贷款风险预警报告中至少包括报告编号、预警分值、预警等级、风险评价和风险详单。当然所述贷款风险预警报告的形式可以自由选择，本发明不做限定和要求。

一般的，所述报告编号为贷款人的识别号码，如采用贷款人的身份证号码或联系电话号码，在对贷款人进行预警分析时，可直接从跨行业数据中获取该贷款人的联系号码所对应的数据。所述预警分值可采用每个维度的第二权值作加权平均值。所述预警等级为根据预警分值所划分的风险等级，如风险极高、风险高、风险中、风险低和风险极低等多个等级。所述风险评价为根据预警等级的级别调取的预设评价语，用于指明该贷款人的风险情况，给出相应的建议。所述风险详单包括风险类别即风险所属维度、风险描述即对每种维度中的异常变量描述、各个异常变量的预警分值和各个异常变量的预警等级。

进一步的，为了实时了解贷款人的贷款行为变化，以及判断其还款能力的稳定性问题。所述方法还包括：

S6，数据更新，可由数据更新模块执行：定期实时更新包含贷款人信息的跨行业数据，并对新的跨行业数据重复执行跨行业数据监测步骤，输出新的贷款风险预警结果，输出贷款人在各种平台上的最新状况及风险变化结果，以便于对其进行贷后管理和提前做出有效的风控决策。

本发明中，所述跨行业数据相对于贷款行业数据，优选的，所述跨行业数据至少包括运营商数据、航信数据和银联数据中的一种或多种组合。本发明整合了运营商中客户通信行为数据、航信飞行出行数据及银联消费行为等数据，刻画用户最近的日常行为，根据客户最近一段时间内的行为变化，对高风险事件进行风险预警。

进一步的，所述维度至少包括风险维度、交际圈风险维度、犯罪风险维度和逾期风险维度中的一种或多种组合；相应的，所述维度分类信息至少包括风险维度分类信息、交际圈风险维度分类信息、犯罪风险维度分类信息和逾期风险维度分类信息中的一种或多种组合。

本发明采用多维度分析方式，从多个角度对贷款人的高风险事件进行贷款风险预警分析，保证贷款风险预警报告的准确性、可靠性和有效性。

（1）失联风险维度分析

本发明中，所述维度可包括失联风险维度，可由失联风险维度分类子模块执行，当所述异常变量为失联风险维度变量时，将所述异常变量归为失联风险维度，并输出失联风险维度信息。

所述失联风险维度变量至少包括第一失联变量、第二失联变量、第三失联变量和第四失联变量中的任一种。

所述第一失联变量为用于表示贷款人或者关键联系人的联系号码是否在网的在网识别参数。

所述第二失联变量为用于表示贷款人或者关键联系人的联系号码所注册的身份信息是否与其参考信息匹配的身份识别参数。

所述第三失联变量用于表示贷款人的联系地址是否变更的联系地址识别参数。

所述第四失联变量用于表示贷款人是否异常离境的离境识别参数。

所述失联风险维度分析可分为联系号码失联分析和联系地址失联分析。其分析的流程基本相同，主要区别在于数据获取来源及识别异常变量时所采用的数据模型不同，不同的数据模型用于识别不同的异常变量。

下面以第一失联变量为例，具体说明本发明方法的整个实施过程，其它异常变量的识别方法可同理而论，并且，其它维度中各个变量的检测识别均基于步骤S1至步骤S4的处理流程，其具体过程可同理而得。

首先，从运营商数据中获取目标贷款人和/或其关键联系人的跨行业数据，根据其跨行业数据中的在网参数，判断目标贷款人和/或其关键联系人所预留的联系号码是否在网，若没有在网则确定该贷款人存在异常行为，则确定该在网参数为异常变量，并输出包含该异常变量的异常识别结果。在维度分析步骤中，若检测到异常识别结果中存在第一失联变量，则将第一失联变量对所述异常变量按维度进行归类，输出失联维度分类信息。

（2）交际圈风险维度分析

本发明中，所述维度还可以为交际圈风险维度，可由交际圈风险维度分类子模块执行，当所述异常变量为交际圈风险维度变量时，将所述异常变量归为交际圈风险维度，并输出交际圈风险维度信息。

所述交际圈风险维度变量至少包括第一交际圈变量和第二交际圈变量中的任一种。

所述第一交际圈变量为用于表示基于贷款人的联系号码所反应的夜间活动是否异常增加的夜间活动识别参数。

所述第二交际圈变量为用于表示贷款人的联系号码是否与预设黑名单中的联系号码存在通信的异常通信识别参数。

（3）犯罪风险维度分析

本发明中，所述维度也可是犯罪风险维度，可由犯罪风险维度分类子模块执行，当所述异常变量为犯罪风险维度变量时，将所述异常变量归为犯罪风险维度，并输出犯罪风险维度信息。

所述犯罪风险维度变量至少包括第一犯罪变量和第二犯罪变量中的任一种。

所述第一犯罪变量为用于表示贷款人是否为公安机关通缉对象的犯罪人识别参数。

所述第二犯罪变量为用于表示贷款人被公安机关调查、询问次数是否超过预设次数的嫌疑人识别参数。

（4）逾期风险维度分析

本发明中，所述维度还能采用逾期风险维度，可由逾期风险维度分类子模块执行，所述逾期风险维度分析基于贷款行业数据，从贷款行业数据获取该贷款人的贷款风险信息，当贷款风险信息中的异常变量为逾期风险维度变量时，将所述异常变量归为逾期风险维度，并输出逾期风险维度信息。

所述逾期风险维度变量至少包括第一逾期变量、第二逾期变量、第三逾期变量、第四逾期变量和第五逾期变量中的任一种。

所述第一逾期变量为用于表示贷款人当前在贷款行业数据中是否存在逾期记录的逾期识别参数。

所述第二逾期变量为用于表示贷款人当前在贷款行业数据中是否存在催费记录的催费识别参数。

所述第三逾期变量为用于表示贷款人当前在贷款行业数据中是否存在多平台贷款记录的借款识别参数。

所述第四逾期变量为用于表示贷款人当前是否存在与法务诉讼相关联记录的法务风险识别参数。

所述第五逾期变量为用于表示贷款人当前是否存在与变卖资产相关联记录的资产风险识别参数。

（二）基于跨行业数据的贷款风险预警系统

本发明所提出的基于跨行业数据的贷款风险预警系统可作为独立的风险预警系统来单独使用，对贷款人的贷款风险进行评估，当用户需要对贷款人进行贷款风险预警分析时，可直接输入贷款风险查询请求。

如图2所示，当本发明系统作为独立预警系统时，用户可直接输入的贷款人信息，数据查询模块生成贷款风险查询请求，跨行业数据监测模块对所述贷款风险查询请求进行解析，并向跨行业数据库发起数据查询请求，接收跨行业数据库返回的数据查询结果，从而获取得到包含贷款人信息的跨行业数据。在接收到跨行业数据库返回的数据查询结果后，本发明对该跨行业数据进行贷款人行为异常识别、风险事件归类和风险等级评估等处理，最终将预警结果反馈给上述用户。

本发明也可以作为信贷金融机构的现有风险管理体系作补充预警分析，与信贷金融机构的现有风险管理体系配合使用，当信贷金融机构在需要补充分析贷款人的贷款风险时，向本发明发起贷款风险查询请求。

如图3所示，当本发明系统作为配合预警系统时，本系统通过数据接口与信贷金融机构的风险管理系统连接，信贷金融机构端的操作人员通过风险管理系统发起贷后风险查询请求，数据查询模块将该贷后风险查询请求转发至跨行业数据监测模块，跨行业数据监测模块对贷后风险查询请求进行解析处理后，向跨行业数据库发出数据查询请求，接收跨行业数据库返回的数据查询结果，从而获取得到包含贷款人信息的跨行业数据。在接收到跨行业数据库返回的数据查询结果后，本发明对该跨行业数据进行贷款人行为异常识别、风险事件归类和风险等级评估等处理，最终将预警结果反馈给上述信贷金融机构的风险管理系统。

本发明能够为信贷金融机构提供一个外部数据风险监测平台，给其现有的风险管理体系做补充，主要利用跨行大数据评估客户的信贷风险，各信贷机构可用该系统查询贷款人风险指数，贷款人风险分类，还可结合自有数据多角度交叉判断综合评估客户风险，大幅度的提升信贷金融机构的贷后风险管理效率和准确率，帮助机构实现贷后风险管理自动化。

如图4所示，所述基于跨行业数据的贷款风险预警系统主要包括：跨行业数据监测模块、贷款人行为异常识别模块、贷款人行为异常识别模块、风险事件归类模块和风险等级评估模块。其中，本发明各个模块之间的关系和执行动作，还可参见所述方法的具体实施方式部分。

① 跨行业数据监测模块，用于获取包含贷款人信息的跨行业数据；从所述跨行业数据中提取与所述贷款人相关的用户信息。

② 贷款人行为异常识别模块，用于将所述用户信息与该贷款人的参考信息进行比对，若所述贷款人的用户信息与其历史信息中存在不匹配或不满足预设要求的异常变量时，则相应的用户信息为异常信息，确定该贷款人存在异常行为，并输出包含所述异常变量的异常识别结果。

③ 风险事件归类模块，用于根据异常识别结果中所述异常变量的类型，对所述异常变量按维度进行归类，输出所属维度的维度分类信息维度分类信息。

④ 风险等级评估模块，用于根据预设风险指标对所述维度分类信息进行贷款风险评定，确定贷款人的贷款风险等级。

进一步的，所述系统还可包括：

⑤ 数据查询模块，用于向跨行业数据监测模块输出贷款风险查询请求，所述贷款风险查询请求可通过如键盘、鼠标、触摸屏等信息输入设备录入，也可以通过如信贷金融机构的风险管理系统等上位机转发。

⑥ 预警输出模块，用于根据风险预警步骤中确定的贷款风险等级，输出该用户的贷款风险预警报告。所述贷款风险预警报告中至少包括报告编号、预警分值、预警等级、风险评价和风险详单。

⑦ 数据更新模块，用于定期实时更新包含贷款人信息的跨行业数据。当数据更新后对新的跨行业数据重新进行风险预警分析，输出新的贷款风险预警报告，输出贷款人在各个平台上的最新状况及风险变化结果，以实时了解贷款人的贷款行为变化，判断其还款能力的稳定性问题，便于对其进行贷后管理和提前做出有效的风控决策。

本发明系统还可包括：

⑧ 跨行业数据库，用于存储非贷款行业数据信息，所述跨行业数据监测模块可从该跨行业数据库中获取目标贷款人信息。

⑨ 贷款行业数据库，用于存储贷款行业数据。所述跨行业数据监测模块还可以从贷款行业数据库中获取目标贷款人信息，结合目标贷款人的跨行业数据信息与贷款行业数据信息，对目标贷款人做更为准确的风险预警分析。

当然所述跨行业数据库和贷款行业数据库可以是第三方平台的数据库，例如运营商数据库、航信数据库和银联数据库，也可以是从第三方平台获取数据信息后保存至本地存储服务器的数据库。

本发明中所述跨行业数据至少包括运营商数据、航信数据和银联数据中的一种或多种组合。所述风险事件归类模块至少包括风险维度分类子模块、交际圈风险维度分类子模块、犯罪风险维度分类子模块和逾期风险维度分类子模块中的一种或多种组合；相应的，所述维度分类信息至少包括风险维度分类信息、交际圈风险维度分类信息、犯罪风险维度分类信息和逾期风险维度分类信息中的一种或多种组合。

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。

Claims (10)

1.基于跨行业数据的贷款风险预警方法，其特征在于，所述方法包括以下步骤：

S1，跨行业数据监测：获取包含贷款人信息的跨行业数据；从所述跨行业数据中提取与所述贷款人相关的用户信息；

S2，贷款人行为异常识别：将所述用户信息与所述贷款人的历史信息进行比对，若所述贷款人的用户信息与其历史信息存在不匹配或不满足预设要求的异常变量时，则相应的用户信息为异常信息，确定该贷款人存在异常行为，并输出包含所述异常变量的异常识别结果；

S3，风险事件归类：根据异常识别结果中异常信息对异常识别结果按维度进行归类，输出所属维度的维度分类信息；

S4，风险等级评估：根据预设风险指标对所述维度分类信息进行贷款风险评定，确定贷款人的贷款风险等级。

2.基于权利要求1所述的基于跨行业数据的贷款风险预警方法，其特征在于：所述跨行业数据至少包括运营商数据、航信数据和银联数据中的一种或多种组合。

3.基于权利要求1所述的基于跨行业数据的贷款风险预警方法，其特征在于：所述维度至少包括失联风险维度，当所述异常变量为失联风险维度变量时，将所述异常变量归为失联风险维度，并输出失联风险维度信息；

所述失联风险维度变量至少包括第一失联变量、第二失联变量、第三失联变量和第四失联变量中的任一种；

所述第一失联变量为用于表示贷款人的联系号码是否在网的在网识别参数；

所述第二失联变量为用于表示贷款人的联系号码所注册的身份信息是否与其参考信息匹配的身份识别参数；

所述第三失联变量用于表示贷款人的联系地址是否变更的联系地址识别参数；

所述第四失联变量用于表示贷款人是否异常离境的离境识别参数。

4.基于权利要求1所述的基于跨行业数据的贷款风险预警方法，其特征在于：所述维度至少包括交际圈风险维度，当所述异常变量为交际圈风险维度变量时，将所述异常变量归为交际圈风险维度，并输出交际圈风险维度信息；

所述交际圈风险维度变量至少包括第一交际圈变量和第二交际圈变量中的任一种；

所述第一交际圈变量为用于表示基于贷款人的联系号码所反应的夜间活动是否异常增加的夜间活动识别参数；

所述第二交际圈变量为用于表示贷款人的联系号码是否与预设黑名单中的联系号码存在通信的异常通信识别参数。

5.基于权利要求1所述的基于跨行业数据的贷款风险预警方法，其特征在于：所述维度至少包括犯罪风险维度，当所述异常变量为犯罪风险维度变量时，将所述异常变量归为犯罪风险维度，并输出犯罪风险维度信息；

所述犯罪风险维度变量至少包括第一犯罪变量和第二犯罪变量中的任一种；

所述第一犯罪变量为用于表示贷款人是否为公安机关通缉对象的犯罪人识别参数；

所述第二犯罪变量为用于表示贷款人被公安机关调查、询问次数是否超过预设次数的嫌疑人识别参数。

6.基于权利要求1所述的基于跨行业数据的贷款风险预警方法，其特征在于：所述维度至少包括逾期风险维度，进行逾期风险维度分类时，基于贷款行业数据，从贷款行业数据获取该贷款人的贷款风险信息，当贷款风险信息中的异常变量为逾期风险维度变量时，将所述异常变量归为逾期风险维度，并输出逾期风险维度信息；

所述逾期风险维度变量至少包括第一逾期变量、第二逾期变量、第三逾期变量、第四逾期变量和第五逾期变量中的任一种；

所述第一逾期变量为用于表示贷款人当前在贷款行业数据中是否存在逾期记录的逾期识别参数；

所述第二逾期变量为用于表示贷款人当前在贷款行业数据中是否存在催缴记录的催费识别参数；

所述第三逾期变量为用于表示贷款人当前在贷款行业数据中是否存在多平台贷款记录的借款识别参数；

所述第四逾期变量为用于表示贷款人当前是否存在与贷款法务诉讼相关联记录的法务风险识别参数；

所述第五逾期变量为用于表示贷款人当前是否存在与变卖资产相关联记录的资产风险识别参数。

7.基于跨行业数据的贷款风险预警系统，其特征在于，所述系统包括：

跨行业数据监测模块，用于获取包含贷款人信息的跨行业数据；从所述跨行业数据中提取与所述贷款人相关的用户信息；

贷款人行为异常识别模块，用于将所述用户信息与该贷款人的参考信息进行比对，若所述贷款人的用户信息与其历史信息中存在不匹配或不满足预设要求的异常变量时，则相应的用户信息为异常信息，确定该贷款人存在异常行为，并输出包含所述异常变量的异常识别结果；

风险事件归类模块，用于根据异常识别结果中所述异常变量的类型，对所述异常变量按维度进行归类，输出所属维度的维度分类信息维度分类信息；

风险等级评估模块，用于根据预设风险指标对所述维度分类信息进行贷款风险评定，确定贷款人的贷款风险等级。

8.基于权利要求7所述的基于跨行业数据的贷款风险预警系统，其特征在于：所述跨行业数据至少包括运营商数据、航信数据和银联数据中的一种或多种组合。

9.基于权利要求7所述的基于跨行业数据的贷款风险预警系统，其特征在于：所述风险事件归类模块至少包括风险维度分类子模块、交际圈风险维度分类子模块、犯罪风险维度分类子模块和逾期风险维度分类子模块中的一种或多种组合；

相应的，所述维度分类信息至少包括风险维度分类信息、交际圈风险维度分类信息、犯罪风险维度分类信息和逾期风险维度分类信息中的一种或多种组合。

10.基于权利要求7所述的基于跨行业数据的贷款风险预警系统，其特征在于：所述系统还包括数据查询模块，用于接收用户或上位机的贷款风险查询请求，并将贷款风险查询请求发给跨行业数据监测模块。