CN112991051A - 贷款信息的处理方法以及电子设备 - Google Patents

Abstract

本申请实施例提供了一种贷款信息的处理方法以及电子设备。该方法包括：获取至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率，并根据该至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率，确定校准值，再根据该校准值对第二预测回款率进行校准，得到目标预测回款率，该第二预测回款率用于表征该至少一个入催日的入催资源在目标催收阶段的回款率的预测值，提高了预测的准确性。

Description

贷款信息的处理方法以及电子设备

技术领域

本申请实施例涉及计算机技术领域，并且更具体地，涉及贷款信息的处理方法以及电子设备。

背景技术

随着电子化技术的不断发展，为了对在贷款逾期后对贷款进行有效的催收，常需要对回款情况进行预测，并依据预测的回款情况进行催收，以提高催收效果。

目前，通常根据历史时间段的回款情况对当前时间段已发生逾期的贷款的回款情况进行预测。然而，现有方案受到历史时间段不稳定因素的影响，无法得到准确的预测结果。

发明内容

本申请实施例提供了一种贷款信息的处理方法以及电子设备，能够对逾期贷款的回款进行准确的预测。

第一方面，提供了一种贷款信息的处理方法，包括：

获取至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率；根据该至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率，确定校准值；根据该校准值对第二预测回款率进行校准，得到目标预测回款率，该第二预测回款率用于表征该至少一个入催日的入催资源在目标催收阶段的回款率的预测值。

第二方面，提供了一种电子设备，包括：

获取单元，用于获取至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率；处理单元，用于根据该至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率，确定校准值；该处理单元还用于根据该校准值对第二预测回款率进行校准，得到目标预测回款率，该第二预测回款率用于表征该至少一个入催日的入催资源在目标催收阶段的回款率的预测值。

第三方面，提供一种电子设备，包括：处理器和存储器，该存储器用于存储计算机程序，处理器用于调用并运行存储器中存储的计算机程序，执行如第一方面或其各实现方式中的方法。

第四方面，提供一种计算机可读存储介质，用于存储计算机程序，计算机程序使得计算机执行如第一方面或其各实现方式中的方法。

第五方面，提供一种计算机程序产品，包括计算机程序指令，该计算机程序指令使得计算机执行如第一方面或其各实现方式中的方法。

第六方面，提供一种计算机程序，计算机程序使得计算机执行如第一方面或其各实现方式中的方法。

本申请实施例，能够根据每个入催日的实际回款率和第一预测回款率确定校准值，以对预先确定的目标催收阶段的第二预测回款率进行校准，得到目标预测回款率，提高了预测的准确性。

附图说明

图1为本申请实施例提供的一种贷款信息处理的应用场景示意图；

图2为本申请实施例提供的一种贷款信息的处理方法的流程示意图；

图3为本申请实施例提供的另一种贷款信息的处理方法的流程示意图；

图4为本申请实施例提供的另一种贷款信息的处理方法的流程示意图；

图5为本申请实施例提供的一种电子设备的示意性框图；

图6为本申请实施例提供的一种电子设备的示意性结构图。

具体实施方式

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描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。针对本申请中的实施例，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，都属于本申请保护的范围。

为了便于理解，首先对本申请实施例提到的技术术语进行说明：

逾期M1阶段：是指用户在应还款日未还款，逾期天数1-31天，即逾期一个月内的阶段。

入催用户：是指因存在逾期行为而需要被催收的用户。

入催资源：因逾期行为而需要被催收的资源。

入催日：逾期行为的起始时间，例如2月1日零点。

现阶段，当需要对当前某一时间段进入催收阶段的逾期资源在该催收阶段的回款进行预测时，常依据某一历史月份进入催收阶段的逾期资源的回款情况，来判断当前时间段内进入催收阶段的逾期资源的回款情况。由于现有技术的方案并未考虑市场环境的变化对当前时间段的回款的影响，导致预测结果不准确。

基于上述问题，本申请提出了一种回款率的预测方案，能够根据每个入催日的实际回款率和预测回款率(同下文中的第一预测回款率)确定校准值，以对预先确定的目标催收阶段的预测回款率(同下文中的第二预测回款率)进行校准，得到目标预测回款率，提高了预测的准确性。

需要说明的是，本申请中贷款信息可以包括任一与贷款业务相关的信息，例如可以包括以下至少一种：用户的历史贷款记录、历史还款记录、历史行为记录等。

本申请的执行主体为一种电子设备，应理解，该电子设备可以为一种终端设备中，例如手机(Mobile Phone)、平板电脑(Pad)、电脑等。在一些实施例中，该电子设备还可以是服务器。

图1为本申请实施例提供的一种贷款信息处理的应用场景100示意图。如图1所示，用于对贷款信息进行处理的电子设备110与多个用户终端120通过有线或者无线的方式连接，电子设备110与服务终端130通过有线或者无线的方式连接，且服务终端130与多个用户终端120通过有线或者无线的方式连接。

其中，每个用户终端120登录有入催用户的账号；服务终端130登录有贷款催收的需求方的账号。可选的，服务终端130的数量为一至多个。

可选的，服务终端130可以集成于电子设备110。

基于上述应用场景，本申请实施例中的电子设备110可以在按照催收策略，对至少一个用户终端120进行催收操作，在一些实施例中电子设备110可以通知服务终端130，使服务终端130以确定好的催收策略对至少一个用户终端120进行催收操作。

以下通过具体实施例详述本申请的技术方案。

图2为本申请实施例提供的一种贷款信息的处理方法的流程示意图。如图2所示，本申请实施例的执行主体可以是上述电子设备110，该方法具体包括：

S21：获取至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率；

S22：根据该至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率，确定校准值；

S23：根据该校准值对第二预测回款率进行校准，得到目标预测回款率，该第二预测回款率用于表征该至少一个入催日的入催资源在目标催收阶段的回款率的预测值。

本申请实施例可以对目标催收时间段的入催用户在目标催收阶段的回款率进行预测。应理解，目标催收时间段可以为包括当前预测时间的某一时间段，例如当前月、当前星期等。

示例性的，本实施例中至少一个入催日为目标催收时间段中当前预测日之前的入催日，例如目标催收时间为当前月，也即目标催收时间段由5月1日开始到5月31日结束，预测日为5月14日，则至少一个入催日包括5月1日至5月13日供13个入催日。

示例性的，目标催收阶段可以是由入催日开始的一段时间，例如可以是由入催日开始的上述逾期M1阶段。

示例性的，至少一个入催日中的每个入催日因相对于预测日的间隔时间不同，在每个入催日中入催的入催资源经过的催收时间也不相同，例如5月1日的入催资源截止预测日5月14日，经过的催收时间为13天，再例如，5月12日的入催资源截止预测日5月14日，经过的催收时间为2天。因此，每个入催日对应的第一预测回款率与该入催日的催收时间相关。例如表1所示：

表1

示例性的，每个入催日对应的实际回款率可根据实际的回款信息计算得到。

在一些实施例中，S21可以包括以下至少两种实现方式：

下面结合图3所示，对方式1进行说明：

S2110：根据基准时间段的回款信息，通过趋势预测算法，得到趋势预测曲线；

S2111：针对至少一个入催日中的每个入催日，根据趋势预测曲线、该入催日对应的首日回款率和该入催日对应的第三预测回款率，通过预测校准算法，得到该入催日对应的预测结果；

S2112：从该至少一个预测结果中读取该至少一个入催日分别对应的至少一个第一预测回款率。

需要说明的是，入催日对应的首日回款率可以是入催日入催的入催资源在入催日当天的回款资源与该入催日的全部入催资源的比值，该首日回款率是基于入催日当天发生的真实回款信息计算得到的，第三预测回款率为对应的入催日的入催资源在目标催收阶段的回款率的预测值，例如目标催收阶段为34天时，第三预测回款率为对应的入催日的入催资源催满34天的回款率的预测值；预测结果用于指示入催日对应的催满1天至催满n天的预测回款率，n为目标催收阶段的总天数，例如目标催收阶段可以为34天，或者目标催收阶段可以为30天等。

示例性的，基准时间段的回款信息包括基准时间段的入催资源在第1天至第n天分别对应的回款率，n为目标催收阶段的总天数。

示例性的，基准时间段可以是预先确定的基准月，例如可以是第一入催日前具有目标催收阶段历史表现的月份，假设目标催收阶段的时长为1个月，且预测日是5月14日，则基准月可以是早于5月两个月的3月。应理解，基准月为历史表现较为稳定的月份，例如不包含较多的节假日或者不处于金融政策调整的月份。

以n为34为例，基准时间段的回款信息可以包括基准时间段内入催的入催资源在第1天至第34天分别对应的回款率，例如：[0.3317 0.4282 0.4840 0.5143 0.5331 0.54870.5611 0.5722 0.5796 0.5876 0.5935 0.5997 0.6046 0.6098 0.6145 0.6189 0.62230.6259 0.6287 0.6325 0.6354 0.6378 0.6403 0.6427 0.6453 0.6481 0.6505 0.65340.6556 0.6587 0.6602 0.6610 0.6618 0.6625]。

在一些实施例中，S2110可以包括以下实现方式：

电子设备根据基准时间段的回款信息，计算回款率增长差值，例如在电子设备上述第1天至第34天分别对应的回款率的基础上，计算得到第2天至第34天的回款率增长差值为：[0.0965 0.0558 0.0303 0.0188 0.0156 0.0124 0.0111 0.0074 0.008 0.00590.0062 0.0049 0.0052 0.0047 0.0044 0.0034 0.0036 0.0028 0.0038 0.0029 0.00240.0025 0.0024 0.0026 0.0028 0.0024 0.0029 0.0022 0.0031 0.0015 0.0008 0.00080.0007 0]。

进一步地，电子设备将回款率增长差值作为趋势预测算法中的x，输入趋势预测算法，得到趋势预测曲线。

例如，趋势预测算法可表示为inc(x)＝ae^-bx+c+dx³+fx²+gx，其中，a、b、c、d、e、f、g为预设的参数，或者这些参数可以是经过模型训练确定的。

进一步地，电子设备通过差值叠加可以得到每日较第一日的增长结果，例如可以通过公式

在上述回款率增长差值的基础上得到如下示例性的结果[0 0.0971 0.1506 0.1824 0.2033 0.2183 0.2300 0.2396 0.2479 0.2552 0.26170.2676 0.2729 0.2777 0.2822 0.2863 0.2901 0.2937 0.2971 0.3004 0.3035 0.30650.3093 0.3121 0.3147 0.3173 0.3197 0.3220 0.3241 0.3260 0.3276 0.3290 0.33000.3306]。

在一些实施例中，S2111可以包括以下实现方式：

针对至少一个入催日中的每个入催日，电子设备将趋势预测曲线、该入催日对应的首日回款率和入催日对应的第三预测回款率，输入预测校准算法，得到该入催日对应的预测结果。

例如，预测校准算法可以表示为公式：y(x)＝y_t1+inc_new(x)*y_t34/inc_new(34)，其中，y(x)为预测结果，y_t1为入催日对应的首日回款率，y_t34为入催日对应的第三预测回款率。

基于上述预测校准算法得到的预测结果y(x)的一种示例为：[0.3561 0.45740.5132 0.5465 0.5682 0.5839 0.5961 0.6062 0.6148 0.6224 0.6292 0.6353 0.64080.6459 0.6505 0.6548 0.6588 0.6626 0.6662 0.6695 0.6728 0.6759 0.6789 0.68180.6845 0.6872 0.6897 0.6921 0.6943 0.6962 0.6979 0.6994 0.7004 0.7011]。

本实施例中，通过S2111可以以串行或者并行的方式确定至少一个入催日中的每个入催日对应的预测结果。

例如，可以得到如下表2所示的预测结果：

表2

基于上述过程，对S2112进行示例性的说明：

假设目标催收时间段由5月1日开始到5月31日结束，预测日为5月14日，则至少一个入催日包括5月1日至5月13日供13个入催日。参见表1，入催日5月1日的催收时间为14天，则在表2中查询“5.1”行和“催满14天的预测回款率”列对应的回款率，作为5月1日入催日对应的第一预测回款率；入催日5月2日的催收时间为13天，则在表2中查询“5.2”行和“催满13天的预测回款率”列对应的回款率，作为5月2日入催日对应的第一预测回款率，以此类推，得到与至少一个入催日分别对应的至少一个第一预测回款率。

下面结合图4所示，对方式2进行说明：

S2120：针对至少一个入催日中的每个入催日，将该基准时间段的回款信息、该入催日对应的首日回款率和该入催日对应的第三预测回款率输入目标预测模型，得到该入催日对应的预测结果。

S2121：从该至少一个预测结果中读取该至少一个入催日分别对应的至少一个第一预测回款率。

图4所示的实施例中，目标预测模型为基于任一神经网络模型预先训练得到的。可选的，目标预测模型可以实现与图3所示实施例中类似的算法，例如，在训练得到目标预测模型的过程中，可以确定图3所示实施例中趋势预测算法的参数值。

在一些实施例中，图2中的S22可以包括以下实现方式：

将至少一个入催日中的每个入催日对应的实际回款率乘以该入催日的入催资源，得到该入催日对应的第一乘积，再对该至少一个入催日分别对应的第一乘积进行求和，得到第一累加值；并将至少一个入催日中的每个入催日对应的第一预测回款率乘以该入催日的入催资源，得到该入催日对应的第二乘积，再对该至少一个入催日分别对应的第二乘积进行求和得到第二累加值；进一步地，将第一累加值减第二累加值后，除以第三累加值，得到该校准值，该第三累加值为对至少一个入催日分别对应的入催资源进行求和得到的。

上述确定校准值的过程可以表示为公式：

示例性的，每个入催日对应的实际回款率可以如表1所示的与每个入催日对应的实际回款率，每个入催日对应的第一预测回款率可以如表1所示的与每个入催日对应的第一预测回款率，也即表2所示的与每个入催日对应的催满q天的预测回款率，q为入催日相对于预测日的间隔天数。

在一些实施例中，图2中的S22可以包括以下实现方式：对第二预测回款率和校准值进行求和，得到该目标预测回款率。

需要说明的是，第二预测回款率可以是基于任一预测方案预测得到的，本实施例对此不做限制。

因此，本申请实施例中，能够根据每个入催日的实际回款率和第一预测回款率确定校准值，以对预先确定的目标催收阶段的第二预测回款率进行校准，得到目标预测回款率，提高了预测的准确性。

上文结合图2至图4，详细描述了本申请的方法实施例，下文结合图5和图6，详细描述本申请的装置实施例，应理解，装置实施例与方法实施例相互对应，类似的描述可以参照方法实施例。

图5为本申请实施例提供的一种电子设备500的示意性框图。如图5所示，该电子设备500包括：

获取单元510，用于获取至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率；

处理单元520，用于根据该至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率，确定校准值；

该处理单元520还用于根据该校准值对第二预测回款率进行校准，得到目标预测回款率，该第二预测回款率用于表征该至少一个入催日的入催资源在目标催收阶段的回款率的预测值。

在一些实施例中，该第一预测回款率为对应的入催日的入催资源在q天内的回款率的预测值，q为预测日与该入催日的间隔天数，q≥1。

在一些实施例中，获取单元510具体用于：

根据基准时间段的回款信息、该至少一个入催日分别对应的至少一个首日回款率和该至少一个入催日分别对应的至少一个第三预测回款率，得到该至少一个入催日分别对应的至少一个预测结果，该第三预测回款率为对应的入催日的入催资源在该目标催收阶段的回款率的预测值，该预测结果用于指示该入催日对应的催满1天至催满n天的预测回款率，n为该目标催收阶段的总天数；

从该至少一个预测结果中读取该至少一个入催日分别对应的至少一个第一预测回款率。

在一些实施例中，获取单元510具体用于：

根据该基准时间段的回款信息，通过趋势预测算法，得到趋势预测曲线；

针对该至少一个入催日中的每个入催日，根据该趋势预测曲线、该入催日对应的首日回款率和该入催日对应的第三预测回款率，通过预测校准算法，得到该入催日对应的预测结果。

在一些实施例中，获取单元510具体用于：

针对该至少一个入催日中的每个入催日，将该基准时间段的回款信息、该入催日对应的首日回款率和该入催日对应的第三预测回款率输入目标预测模型，得到该入催日对应的预测结果。

在一些实施例中，该基准时间段的回款信息包括该基准时间段的入催资源在第1天至第n天分别对应的回款率。

在一些实施例中，处理单元520具体用于：

将该至少一个入催日中的每个入催日对应的实际回款率乘以该入催日的入催资源，得到该入催日对应的第一乘积，再对该至少一个入催日分别对应的第一乘积进行求和，得到第一累加值；

将该至少一个入催日中的每个入催日对应的第一预测回款率乘以该入催日的入催资源，得到该入催日对应的第二乘积，再对该至少一个入催日分别对应的第二乘积进行求和得到第二累加值；

将第一累加值减第二累加值后，除以第三累加值，得到该校准值，该第三累加值为对该至少一个入催日分别对应的入催资源进行求和得到的。

在一些实施例中，处理单元520具体用于：

对该第二预测回款率和该校准值进行求和，得到该目标预测回款率。

上述实施例提供的电子设备，可以执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。

图6为本申请实施例提供的一种电子设备600的示意性结构图。如图6所示的电子设备600包括处理器610，处理器610可以从存储器中调用并运行计算机程序，以实现本申请实施例中的方法。

可选地，如图6所示，电子设备600还可以包括存储器620。其中，处理器610可以从存储器620中调用并运行计算机程序，以实现本申请实施例中的方法。

其中，存储器620可以是独立于处理器610的一个单独的器件，也可以集成在处理器610中。

可选地，如图6所示，电子设备600还可以包括收发器630，处理器610可以控制该收发器630与其他设备进行通信，具体地，可以向其他设备发送信息或数据，或接收其他设备发送的信息或数据。

其中，收发器630可以包括发射机和接收机。收发器630还可以进一步包括天线，天线的数量可以为一个或多个。

可选地，该电子设备600可以实现本申请实施例的各个方法中的相应流程，为了简洁，在此不再赘述。

应理解，本申请实施例的处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

可以理解，本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DR RAM)。应注意，本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

应理解，上述存储器为示例性但不是限制性说明，例如，本申请实施例中的存储器还可以是静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synch link DRAM，SLDRAM)以及直接内存总线随机存取存储器(Direct Rambus RAM，DR RAM)等等。也就是说，本申请实施例中的存储器旨在包括但不限于这些和任意其它适合类型的存储器。

本申请实施例还提供了一种计算机可读存储介质，用于存储计算机程序。

可选的，该计算机可读存储介质可应用于本申请实施例中的电子设备，并且该计算机程序使得计算机执行本申请实施例的各个方法中由的相应流程，为了简洁，在此不再赘述。

本申请实施例还提供了一种计算机程序产品，包括计算机程序指令。

可选的，该计算机程序产品可应用于本申请实施例中的电子设备，并且该计算机程序指令使得计算机执行本申请实施例的各个方法中的相应流程，为了简洁，在此不再赘述。

本申请实施例还提供了一种计算机程序。

可选的，该计算机程序可应用于本申请实施例中的电子设备，当该计算机程序在计算机上运行时，使得计算机执行本申请实施例的各个方法中的相应流程，为了简洁，在此不再赘述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。针对这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种贷款信息的处理方法，其特征在于，包括：

获取至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率；

根据所述至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率，确定校准值；

根据所述校准值对第二预测回款率进行校准，得到目标预测回款率，所述第二预测回款率用于表征所述至少一个入催日的入催资源在目标催收阶段的回款率的预测值。

2.根据权利要求1所述的方法，其特征在于，所述第一预测回款率为对应的入催日的入催资源在q天内的回款率的预测值，q为预测日与所述入催日的间隔天数，q≥1。

3.根据权利要求1或2所述的方法，其特征在于，所述获取至少一个入催日分别对应的至少一个第一预测回款率，包括：

根据基准时间段的回款信息、所述至少一个入催日分别对应的至少一个首日回款率和所述至少一个入催日分别对应的至少一个第三预测回款率，得到所述至少一个入催日分别对应的至少一个预测结果，所述第三预测回款率为对应的入催日的入催资源在所述目标催收阶段的回款率的预测值，所述预测结果用于指示所述入催日对应的催满1天至催满n天的预测回款率，n为所述目标催收阶段的总天数；

从所述至少一个预测结果中读取所述至少一个入催日分别对应的至少一个第一预测回款率。

4.根据权利要求3所述的方法，其特征在于，所述根据基准时间段的回款信息、所述至少一个入催日分别对应的至少一个首日回款率和所述至少一个入催日分别对应的至少一个第三预测回款率，得到所述至少一个入催日分别对应的至少一个预测结果，包括：

根据所述基准时间段的回款信息，通过趋势预测算法，得到趋势预测曲线；

针对所述至少一个入催日中的每个入催日，根据所述趋势预测曲线、所述入催日对应的首日回款率和所述入催日对应的第三预测回款率，通过预测校准算法，得到所述入催日对应的预测结果。

5.根据权利要求3所述的方法，其特征在于，所述根据基准时间段的回款信息、所述至少一个入催日分别对应的至少一个首日回款率和所述至少一个入催日分别对应的至少一个第三预测回款率，得到所述至少一个入催日分别对应的至少一个预测结果，包括：

针对所述至少一个入催日中的每个入催日，将所述基准时间段的回款信息、所述入催日对应的首日回款率和所述入催日对应的第三预测回款率输入目标预测模型，得到所述入催日对应的预测结果。

6.根据权利要求3所述的方法，其特征在于，所述基准时间段的回款信息包括所述基准时间段的入催资源在第1天至第n天分别对应的回款率。

7.根据权利要求1或2所述的方法，其特征在于，所述根据所述至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率，确定校准值，包括：

将所述至少一个入催日中的每个入催日对应的实际回款率乘以所述入催日的入催资源，得到所述入催日对应的第一乘积，再对所述至少一个入催日分别对应的第一乘积进行求和，得到第一累加值；

将所述至少一个入催日中的每个入催日对应的第一预测回款率乘以所述入催日的入催资源，得到所述入催日对应的第二乘积，再对所述至少一个入催日分别对应的第二乘积进行求和得到第二累加值；

将第一累加值减第二累加值后，除以第三累加值，得到所述校准值，所述第三累加值为对所述至少一个入催日分别对应的入催资源进行求和得到的。

8.根据权利要求1或2所述的方法，其特征在于，所述根据所述校准值对第二预测回款率进行校准，得到目标预测回款率，包括：

对所述第二预测回款率和所述校准值进行求和，得到所述目标预测回款率。

9.一种电子设备，其特征在于，包括：

获取单元，用于获取至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率；

处理单元，用于根据所述至少一个入催日分别对应的至少一个实际回款率和至少一个第一预测回款率，确定校准值；

所述处理单元还用于根据所述校准值对第二预测回款率进行校准，得到目标预测回款率，所述第二预测回款率用于表征所述至少一个入催日的入催资源在目标催收阶段的回款率的预测值。

10.一种电子设备，其特征在于，包括：处理器和存储器，该存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如权利要求1至8中任一项所述的方法。

Images