CN114529397A - 客户贷款风险等级确定方法、装置、电子设备和存储介质 - Google Patents
客户贷款风险等级确定方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114529397A CN114529397A CN202210148610.0A CN202210148610A CN114529397A CN 114529397 A CN114529397 A CN 114529397A CN 202210148610 A CN202210148610 A CN 202210148610A CN 114529397 A CN114529397 A CN 114529397A
- Authority
- CN
- China
- Prior art keywords
- rate value
- curve
- product
- customer
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000014759 maintenance of location Effects 0.000 claims abstract description 86
- 230000001186 cumulative effect Effects 0.000 claims abstract description 24
- 230000015654 memory Effects 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及客户贷款风险等级确定技术领域,具体涉及种客户贷款风险等级确定方法、装置、电子设备和存储介质,其特征在于,方法包括:根据客户的客户类型信息、产品的类型信息、产品的有效时间以及产品的多个期次,确定用于标识客户要求还款的比例率的多个预测率值,其中,每个预测率值与产品的每个期次一一对应;根据预测率值,确定流失率值、累计流失率值以及留存率值;根据预测率值、流失率值、累计流失率值以及留存率值,分别确定客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线;对客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到客户对应的产品的贷款风险等级。
Description
技术领域
本发明涉及客户贷款风险等级分析技术领域,具体涉及一种客户贷款风险等级确定方法、装置、电子设备和存储介质。
背景技术
目前在对预测率的计算中,为了实现对金额的计算,采用单一预测率和佣金率进行计算。在计算过程中容易出现错误,无法高效准确的去确定和计算不同客户所对应的计算结果,不便于后续维护与计算。
这使得在进行后续贷款风险等级的确定等业务场景中,不准确的数据无法提供有效的数据支持。因此,如何得到准确的预测率值、多个流失率值、累计流失率值以及多个留存率值这一问题亟待解决。
发明内容
为了解决现有技术中存在的上述问题,本申请实施方式提供了一种客户贷款风险等级确定方法、装置、电子设备和存储介质,可以得到客户独有的准确的率值,有效的为分析客户贷款风险等级提供数据支持。
第一方面,本申请的实施方式提供了一种客户贷款风险等级确定方法,包括:
根据客户的客户类型信息、产品的类型信息、产品的有效时间以及产品的多个期次,确定用于标识客户要求还款的比例率的多个预测率值,其中,每个预测率值与产品的每个期次一一对应;
根据预测率值,确定流失率值、累计流失率值以及留存率值;
根据预测率值、流失率值、累计流失率值以及留存率值,分别确定客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线;
对客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到客户对应的产品的贷款风险等级。
第二方面,本申请的实施方式提供了一种客户贷款风险等级确定装置,包括:
处理模块,用于根据客户的客户类型信息、产品的类型信息、产品的有效时间以及产品的多个期次,确定用于标识客户要求还款的比例率的多个预测率值,其中,每个预测率值与产品的每个期次一一对应;
根据预测率值,确定流失率值、累计流失率值以及留存率值;
根据预测率值、流失率值、累计流失率值以及留存率值,分别确定客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线;
分析模块,用于对客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到客户对应的产品的贷款风险等级。
第三方面,本申请实施方式提供一种电子设备,包括:处理器,处理器与存储器相连,存储器用于存储计算机程序,处理器用于执行存储器中存储的计算机程序,以使得电子设备执行如第一方面的方法。
第四方面,本申请实施方式提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序使得计算机执行如第一方面的方法。
第五方面,本申请实施方式提供一种计算机程序产品,计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,计算机可操作来使计算机执行如第一方面的方法。
实施本申请实施方式,具有如下有益效果:
可以看出,在本申请实施方式中,首先,根据客户的客户类型信息、产品的类型信息、产品的有效时间以及产品的多个期次,确定用于标识客户要求还款的比例率值的多个预测率值,每个预测率值与所述产品的每个期次一一对应。添加了客户类型维度,对率值进行了字段的约束,使得所得多个预测率值可以与客户相对应。
其次,根据预测率值,确定流失率值、累计流失率值以及留存率值。四种率值的计算相互依赖,具有连贯性,更加准确。同时,后三种率值延续了预测率值带有的客户类型,形成客户独有的四种率值。
再者,根据预测率值、流失率值、累计流失率值以及留存率值,分别确定客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线。将所得预测率值、流失率值、累计流失率值以及留存率值形成预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行保存,以便于后续业务的调用。
最后,用于对客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到客户对应的产品的贷款风险等级。通过分析预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线,得到客户对应的产品的贷款风险等级,对四种预测率值曲线进行了实质性的利用。
因为四种率值曲线带有客户的独特性,在后续的业务开发中,面对同一客户,此前储存的率值曲线可以提供数据参考,使得后续业务更加准确,具有更高的适配性。
附图说明
为了更清楚地说明本申请实施方式中的技术方案,下面将对实施方式描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施方式提供的一种客户贷款风险等级确定方法的场景应用图;
图2为本申请实施方式提供的一种客户贷款风险等级确定方法的流程示意图;
图3为本申请实施方式提供的一种对客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到客户对应的产品的贷款风险等级的方法的流程示意图;
图4为本申请实施方式提供的一种客户的预测率值曲线示意图;
图5为本申请实施方式提供的一种客户贷款风险等级确定装置的硬件结构示意图;
图6为本申请实施方式提供的一种客户贷款风险等级确定装置的功能模块组成框图;
图7为本申请实施方式提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施方式中的附图,对本申请实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式是本申请一部分实施方式,而不是全部的实施方式。基于本申请中的实施方式,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式,都属于本申请保护的范围。
本申请的说明书和权利要求书及附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施方式”意味着,结合实施方式描述的特定特征、结果或特性可以包含在本申请的至少一个实施方式中。在说明书中的各个位置出现该短语并不一定均是指相同的实施方式,也不是与其它实施方式互斥的独立的或备选的实施方式。本领域技术人员显式地和隐式地理解的是,本文所描述的实施方式可以与其它实施方式相结合。
首先,需要说明的是,本申请所提供的一种客户贷款风险等级确定方法可以适用于客户贷款风险等级分析、客户贷款金额确定等场景。在本实施方式中,将以客户贷款风险等级分析场景为例,对本申请所提供的一种客户贷款风险等级确定方法进行说明,其他场景下的一种客户贷款风险等级确定方法与客户贷款风险等级分析场景下的一种客户贷款风险等级确定方法相似,在此不再赘述。
参阅图1,图1为本申请实施方式提供的一种客户贷款风险等级确定方法的场景应用图。客户在客户端100进行客户类型信息、产品的类型信息、产品的有效时间以及产品的多个期次确定,对预测率维护。客户贷款风险等级确定装置101根据客户在客户端100维护所得的预测率值,得到对应的流失率值、累计流失率值以及留存率值。在客户端100进行贷款业务办理时,客户贷款风险等级确定装置101对该客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到四种率值曲线的平均斜率值,再与客户贷款风险等级确定装置101中预设的贷款风险等级表进行比对,确认该客户的贷款风险等级。同时,将该客户对应的四种率值曲线在数据库102中进行落表保存,以便后续客户贷款风险等级确定装置101根据客户端100的业务需求调用数据库103中的客户的四种率值曲线。
参阅图2,图2为本申请实施方式提供的一种客户贷款风险等级确定方法的流程示意图。该客户贷款风险等级确定方法包括以下步骤:
201:根据客户的客户类型信息、产品的类型信息、产品的有效时间以及产品的多个期次,确定用于标识客户要求还款的比例率值的多个预测率值。
其中,每个预测率值与所述产品的每个期次一一对应。示例性的,首先,根据客户的产品的类型信息和预设产品信息表,确定客户所选的产品的类型信息包括的所有客户类型。然后,根据客户维护的客户类型信息、前面维护的产品类型信息包括的所有客户类型、产品有效时间以及多个产品期次,确定多个预测率值。在确定的客户类型之下包含多个产品的有效时间下的产品的多个期次,根据客户确定的产品的有效时间选择预设产品信息表中对应的产品的有效时间。再根据客户确定的产品的多个期次,选择该产品的有效时间下客户维护的产品的多个期次的对应的用于标识客户要求还款的比例率值的多个预测率值。
其中,预设产品类型信息表中,包含多个产品的类型,各个产品的类型下的多个客户类型,在每个客户类型之下包含该产品之下该客户类型中的多个产品的有效时间,并且在多个产品的有效时间下包含产品的多个期次。如表1所示。
表1:
例如,客户为“XXX公司”,确定产品类型为“A”,客户类型为“1”,产品有效时间为b年,期次为12、24期。通过产品类型为“A”和预设产品信息表,确定“A”产品包含客户类型有“1”、“2”。通过客户确定客户类型为“1”。在“1”客户类型下,产品有效时间分为多个时间段,包含a年、b年。客户选择的产品有效时间为b年,再据此确定对应多个产品期次包含12期和24期,确定最终表格中对应多个期次对应的预测率值,产品有效时间为b年,产品期次为12期的预测率值为q,产品期次为24期的预测率值w。
202:根据预测率值,确定流失率值、累计流失率值以及留存率值。
具体而言,在确定客户在多个期次下对应的多个预测率值后,依次计算对应的流失率值、累计流失率值以及留存率值。四种率值之间的计算具有依赖关系,首先对客户的预测率值进行流失率计算,得到客户的流失率值。然后,对客户的流失率值进行累计流失率计算,得到客户的累计流失率值。最后,对客户的累计流失率值进行留存率计算,得到客户的留存率值。
其中,客户的流失率值计算满足公式(1):
其中,,n为产品的多个期次,且n为大于或者等于1的整数,TnMobn为流失率值;
其中,客户的累计流失率值计算满足公式(2):
其中,Ak为累计流失率值,k为大于或者等于1,且小于或者等于n的整数,n为产品的多个期次。
其中,客户的留存率值计算满足公式(3):
其中,Yk为留存率值。
沿用上例,客户确定的产品有效时间为b年,产品期次为12期的预测率值为q,产品期次为24期的预测率值为w。当产品有效时间为b年,产品期次为12期的预测率值为q时,流失率值为R,累计流失率值为KR,留存率值为1-KR。当产品有效时间为b年,产品期次为24期的预测率值为w时,流失率值为T,累计流失率值为KT,留存率值为1-KT。
203:根据预测率值、流失率值、累计流失率值以及留存率值,分别确定客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线。
示例性的,得到该用户四种率值的各个元素之后,将各元素进行绘图,得到四种率值曲线。将四种率值曲线根据客户类型进行储存,用于后续业务场景的开发和后续维护。
204:对客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到客户对应的产品的贷款风险等级。
在得到客户独有的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线之后,对四种率值曲线进行分析、利用,与预设贷款风险等级表进行比对,得到客户的贷款风险等级。其中,预设贷款风险等级表为根据以往客户数据所得,包含贷款风险等级以及每个贷款的风险等级相对应的四种率值曲线的平均斜率所存在的区间。如表2所示。
表2
在本实施方式中,提供了一种对客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到客户对应的产品的贷款风险等级的方法,如图3所示,该方法包括:
301:计算第一曲线的起点至第一曲线的第一个波峰或者波谷间的第一斜率值。
302:针对第一曲线,计算第一曲线的第一个波峰或者波谷至第一曲线的最后一个波谷或者波峰之间相邻两个波峰与波谷之间的多个第二斜率值。
303:针对第一曲线,计算第一曲线的最后一个波峰或者波谷至第一曲线的终点的第三斜率值。
304:计算第一曲线的第一斜率值、多个第二斜率值、第三斜率值的均值,得到第一曲线的平均斜率值。
305:根据第一曲线的平均斜率值,得到预测率值曲线的平均斜率值、流失率值曲线的平均斜率值、累计流失率值曲线的平均斜率值以及留存率值曲线的平均斜率值。
306:根据预测率值曲线的平均斜率值、流失率值曲线的平均斜率值、累计流失率值曲线的平均斜率值以及留存率值曲线的平均斜率值与预设贷款风险等级表进行比对,得到客户对应的产品的贷款风险等级。
具体而言,率值曲线的斜率值代表着该曲线的波动程度。在计算出每种率值曲线的多个斜率值之后,将多个斜率值进行求平均值,则代表着整条曲线的平均波动程度。
将所求的四种率值曲线的平均斜率值与预设贷款风险等级表进行比对,预设贷款风险等级表中每一个等级对于四种率值曲线都有一个区间。先比对预测率值曲线的平均斜率值,锁定第一区间。因为流失率值、累计流失率值和留存率之间的计算相互依赖。因此,首先锁定预测率值曲线的平均斜率值的第一区间对应的贷款风险等级。再通过将剩余的流失率值曲线的平均斜率值、累计流失率值曲线的平均斜率值、留存率值曲线的平均斜率值与表格中相应的率值曲线的平均斜率值区间进行比对,确保最终贷款风险等级的准确性。
参阅图4,图4为本申请实施方式提供的一种客户的预测率值曲线示意图。图4中为某位客户的预测率值曲线,首先取得该曲线第一段、第二段以及第三段的k1斜率值、多个k2斜率值以及k3斜率值。然后,对曲线第一段的斜率值k1、中间段多个斜率值k2以及第三段的斜率值k3进行求平均值的计算,即可得到平均斜率值ka。剩余三种率值曲线采用同样的方法取得,此处不再赘述。
沿用上例,计算可得预测率值的平均斜率值为b,锁定预测率值的平均斜率值对应的第一区间为[b,c)。再根据计算所得的流失率值曲线的平均斜率值kb、累计流失率值曲线的平均斜率值kgb、留存率值曲线的平均斜率值1-kgb,对照预设贷款风险等级表可得,最终该客户对应的贷款风险等级为B。
可以看出,该客户贷款风险等级确定方法的好处在于:
首先,根据客户的客户类型信息、产品的类型信息、产品的有效时间以及产品的多个期次,确定用于标识客户要求还款的比例率值的多个预测率值,本方法添加了客户类型维度,对率值进行了字段约束,使得所得多个预测率值可以与客户相对应。其次,根据预测率值,确定流失率值、累计流失率值以及留存率值。四种率值的计算相互依赖,具有连贯性,更加准确。同时,后三种率值延续了预测率值带有的客户类型,形成客户独有的四种率值。再者,根据预测率值、流失率值、累计流失率值以及留存率值,分别确定客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线。将所得预测率值、流失率值、累计流失率值以及留存率值形成预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行保存,以便于后续业务的调用。最后,用于对客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到客户对应的产品的贷款风险等级。
对四种预测率值曲线进行了实质性的利用在计算出每种率值曲线的多个斜率值之后,将多个斜率值进行求平均值,则代表着整条曲线的平均波动程度。因为四种率值曲线带有客户的独特性,在后续的业务开发中,面对同一客户,此前储存的率值曲线可以提供数据参考,使得后续业务更加准确,具有更高的适配性。
参阅图5,图5为本申请实施方式提供的一种客户贷款风险等级确定装置的硬件结构示意图。该客户贷款风险等级确定装置500包括至少一个处理器501,通信线路502,存储器503以及至少一个通信接口504。
在本实施方式中,处理器501,可以是一个通用中央处理器(central processingunit,CPU),微处理器,特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制本申请方案程序执行的集成电路。
通信线路502,可以包括一通路,在上述组件之间传送信息。
通信接口504,可以是任何收发器一类的装置(如天线等),用于与其他设备或通信网络通信,例如以太网,RAN,无线局域网(wireless local area networks,WLAN)等。
存储器503,可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
在本实施方式中,存储器503可以独立存在,通过通信线路502与处理器501相连接。存储器503也可以和处理器501集成在一起。本申请实施方式提供的存储器503通常可以具有非易失性。其中,存储器503用于存储执行本申请方案的计算机执行指令,并由处理器501来控制执行。处理器501用于执行存储器503中存储的计算机执行指令,从而实现本申请下述实施方式中提供的方法。
在可选的实施方式中,计算机执行指令也可以称之为应用程序代码,本申请对此不作具体限定。
在可选的实施方式中,处理器501可以包括一个或多个CPU,例如图5中的CPU0和CPU1。
在可选的实施方式中,该客户贷款风险等级确定装置500可以包括多个处理器,例如图5中的处理器501和处理器507。这些处理器中的每一个可以是一个单核(single-CPU)处理器,也可以是一个多核(multi-CPU)处理器。这里的处理器可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
在可选的实施方式中,若客户贷款风险等级确定装置500为服务器,例如,可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。则客户贷款风险等级确定装置500还可以包括输出设备505和输入设备506。输出设备505和处理器501通信,可以以多种方式来显示信息。例如,输出设备505可以是液晶显示器(liquid crystal display,LCD),发光二级管(light emitting diode,LED)显示设备,阴极射线管(cathode ray tube,CRT)显示设备,或投影仪(projector)等。输入设备506和处理器501通信,可以以多种方式接收用户的输入。例如,输入设备506可以是鼠标、键盘、触摸屏设备或传感设备等。
上述的一种客户贷款风险等级确定装置500可以是一个通用设备或者是一个专用设备。本申请实施方式不限定一种客户贷款风险等级确定装置500的类型。
参阅图6,图6为本申请实施方式提供的一种客户贷款风险等级确定装置的功能模块组成框图。如图6所示,该客户贷款风险等级确定装置包括:
处理模块601,用于客户的客户类型信息、产品的类型信息、产品的有效时间以及产品的多个期次,确定用于标识客户要求还款的比例率值的多个预测率值,其中,每个预测率值与所述产品的每个期次一一对应;根据预测率值,确定流失率值、累计流失率值以及留存率值;根据预测率值、流失率值、累计流失率值以及留存率值,分别确定客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线;
分析模块602,用于对客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到客户对应的产品的贷款风险等级。
在本发明的实施方式中,在对根据预测率值,确定流失率值、累计流失率值以及留存率值方面,处理模块601,具体用于:
对客户的预测率值进行流失率计算,得到客户的流失率值;
对客户的流失率值进行累计流失率计算,得到客户的累计流失率值;
对客户的累计流失率值进行留存率计算,得到客户的留存率值。
在本发明的实施方式中,在计算客户的流失率值方面,满足以下公式:
其中,,n为产品的多个期次,且n为大于或者等于1的整数,TnMobn为流失率值。
在本发明的实施方式中,在计算客户的累计流失率值方面,满足以下公式:
其中,Ak为累计流失率值,k为大于或者等于1,且小于或者等于n的整数,n为产品的多个期次。
在本发明的实施方式中,在计算客户的留存率值方面,满足以下公式:
其中,Yk为留存率值。
在本发明的实施方式中,在对根据客户的客户类型信息、产品的类型信息、产品的有效时间以及产品的多个期次,确定用于标识客户要求还款的比例率值的多个预测率值方面,处理模块601,具体用于:
根据预设的产品信息表中的客户类型与产品类型之间的对应关系,以及产品类型信息,确定产品类型信息所对应的所有客户类型;
根据预设的产品信息表中的客户类型与产品有效时间之间的对应关系,以及客户类型信息,确定客户类型信息所对应的所有产品有效时间;
根据预设的产品信息表中的产品有效时间与多个产品期次之间的对应关系,以及产品有效时间,确定产品有效时间所对应的产品的多个期次;
根据预设的产品信息表中的产品的多个期次与多个预测率值之间的对应关系,以及产品的多个期次,确定产品的多个期次所对应的用于标识客户要求还款的比例率值的多个预测率值。
在本发明的实施方式中,在对客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到客户对应的产品的贷款风险等级方面,分析模块602,具体用于:
计算第一曲线的起点至第一曲线的第一个波峰或者波谷间的第一斜率值;
针对第一曲线,计算第一曲线的第一个波峰或者波谷至第一曲线的最后一个波谷或者波峰之间相邻两个波峰与波谷之间的多个第二斜率值;
针对第一曲线,计算第一曲线的最后一个波峰或者波谷至第一曲线的终点的第三斜率值;
计算第一曲线的第一斜率值、多个第二斜率值、第三斜率值的均值,得到第一曲线的平均斜率值;
根据第一曲线的平均斜率值,得到预测率值曲线的平均斜率值、流失率值曲线的平均斜率值、累计流失率值曲线的平均斜率值以及留存率值曲线的平均斜率值;
根据预测率值曲线的平均斜率值、流失率值曲线的平均斜率值、累计流失率值曲线的平均斜率值以及留存率值曲线的平均斜率值与预设贷款风险等级表进行比对,得到客户对应的产品的贷款风险等级;
其中,第一曲线为预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线中的任意一个。
参阅图7,图7为本申请实施方式提供的一种电子设备的结构示意图。如图7所示,电子设备700包括收发器701、处理器702和存储器703。它们之间通过总线704连接。存储器703用于存储计算机程序和数据,并可以将存储器703存储的数据传输给处理器702。
处理器702用于读取存储器703中的计算机程序执行以下操作:
根据客户的客户类型信息、产品的类型信息、产品的有效时间以及产品的多个期次,确定用于标识客户要求还款的比例率值的多个预测率值,其中,每个预测率值与所述产品的每个期次一一对应;
根据预测率值,确定流失率值、累计流失率值以及留存率值;
根据预测率值、流失率值、累计流失率值以及留存率值,分别确定客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线.
在本发明的实施方式中,在对根据预测率值,确定流失率值、累计流失率值以及留存率值方面,处理器702,具体用于执行以下操作:
对客户的预测率值进行流失率计算,得到客户的流失率值;
对客户的流失率值进行累计流失率计算,得到客户的累计流失率值;
对客户的累计流失率值进行留存率计算,得到客户的留存率值;
对客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到客户对应的产品的贷款风险等级。
在本发明的实施方式中,在计算客户的流失率值方面,满足以下公式:
其中,,n为产品的多个期次,且n为大于或者等于1的整数,TnMobn为流失率值;
在本发明的实施方式中,在计算客户的累计流失率值方面,满足以下公式:
其中,Ak为累计流失率值,k为大于或者等于1,且小于或者等于n的整数,n为产品的多个期次。
在本发明的实施方式中,在计算客户的留存率值方面,满足以下公式:
其中,Yk为留存率值。
在本发明的实施方式中,在对客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到客户对应的产品的贷款风险等级方面,处理器502,具体用于执行以下操作:
计算第一曲线的起点至第一曲线的第一个波峰或者波谷间的第一斜率值;
针对第一曲线,计算第一曲线的第一个波峰或者波谷至第一曲线的最后一个波谷或者波峰之间相邻两个波峰与波谷之间的多个第二斜率值;
针对第一曲线,计算第一曲线的最后一个波峰或者波谷至第一曲线的终点的第三斜率值;
计算第一曲线的第一斜率值、多个第二斜率值、第三斜率值的均值,得到第一曲线的平均斜率值;
根据第一曲线的平均斜率值,得到预测率值曲线的平均斜率值、流失率值曲线的平均斜率值、累计流失率值曲线的平均斜率值以及留存率值曲线的平均斜率值;
根据预测率值曲线的平均斜率值、流失率值曲线的平均斜率值、累计流失率值曲线的平均斜率值以及留存率值曲线的平均斜率值与预设贷款风险等级表进行比对,得到客户对应的产品的贷款风险等级;
其中,第一曲线为预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线中的任意一个。
在本发明的实施方式中,在根据客户的客户类型信息、产品的类型信息、产品的有效时间以及产品的多个期次,确定多个用于标识客户要求还款的比例率值的预测率值方面,处理器702,具体用于执行以下操作:
根据预设的产品信息表中的客户类型与产品类型之间的对应关系,以及产品类型信息,确定产品类型信息所对应的所有客户类型;
根据预设的产品信息表中的客户类型与产品有效时间之间的对应关系,以及客户类型信息,确定客户类型信息所对应的所有产品有效时间;
根据预设的产品信息表中的产品有效时间与产品的多个期次之间的对应关系,以及产品有效时间,确定产品有效时间所对应的产品的多个期次;
根据预设的产品信息表中的产品的多个期次与多个预测率值之间的对应关系,以及产品的多个期次,确定产品的多个期次所对应的用于标识客户要求还款的比例率值的多个预测率值。
应理解,本申请中的客户贷款风险等级确定装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(Mobile Internet Devices,简称:MID)、机器人或穿戴式设备等。上述客户贷款风险等级确定装置仅是举例,而非穷举,包含但不限于上述客户贷款风险等级确定装置。在实际应用中,上述客户贷款风险等级确定装置还可以包括:智能车载终端、计算机设备等等。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件结合硬件平台的方式来实现。基于这样的理解,本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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)执行本发明各个实施方式或者实施方式的某些部分的方法。
因此,本申请实施方式还提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行以实现如上述方法实施方式中记载的任何一种客户贷款风险等级确定方法的部分或全部步骤。例如,存储介质可以包括硬盘、软盘、光盘、磁带、磁盘、优盘、闪存等。
本申请实施方式还提供一种计算机程序产品,计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,计算机程序可操作来使计算机执行如上述方法实施方式中记载的任何一种客户贷款风险等级确定方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施方式,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施方式均属于可选的实施方式,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施方式中,对各个实施方式的描述都各有侧重,某个实施方式中没有详述的部分,可以参见其他实施方式的相关描述。
在本申请所提供的几个实施方式中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如单元的划分,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,可以是电性或其它的形式。
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方式方案的目的。
另外,在本申请各个实施方式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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件程序模块的形式实现。
集成的单元如果以软件程序模块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器中。基于这样的理解,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全部或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器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施方式的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施方式进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施方式的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种客户贷款风险等级确定方法,其特征在于,所述方法包括:
根据客户的客户类型信息、产品的类型信息、所述产品的有效时间以及所述产品的多个期次,确定用于标识客户要求还款的比例率的多个预测率值,其中,每个预测率值与所述产品的每个期次一一对应;
根据所述预测率值,确定流失率值、累计流失率值以及留存率值;
根据所述预测率值、流失率值、累计流失率值以及留存率值,分别确定所述客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线;
对所述客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到所述客户对应的产品的贷款风险等级。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个预测率值,分别确定多个流失率值、多个累计流失率值以及多个留存率值,包括:
对所述客户的预测率值进行流失率计算,得到所述客户的流失率值;
对所述客户的流失率值进行累计流失率计算,得到所述客户的累计流失率值;
对所述客户的累计流失率值进行留存率计算,得到所述客户的留存率值。
6.根据权利要求1所述的方法,其特征在于,所述对所述客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到所述客户对应的产品的贷款风险等级,包括:
计算所述第一曲线的起点至所述第一曲线的第一个波峰或者波谷间的第一斜率值;
针对第一曲线,计算所述第一曲线的第一个波峰或者波谷至所述第一曲线的最后一个波谷或者波峰之间相邻两个波峰与波谷之间的多个第二斜率值;
针对第一曲线,计算所述第一曲线的最后一个波峰或者波谷至所述第一曲线的终点的第三斜率值;
计算所述第一曲线的第一斜率值、多个第二斜率值、第三斜率值的均值,得到所述第一曲线的平均斜率值;
根据所述第一曲线的平均斜率值,得到所述预测率值曲线的平均斜率值、所述流失率值曲线的平均斜率值、所述累计流失率值曲线的平均斜率值以及所述留存率值曲线的平均斜率值;
根据所述预测率值曲线的平均斜率值、所述流失率值曲线的平均斜率值、所述累计流失率值曲线的平均斜率值以及所述留存率值曲线的平均斜率值与预设贷款风险等级表进行比对,得到所述客户对应的所述产品的贷款风险等级;
其中,所述第一曲线为所述预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线中的任意一个。
7.根据权利要求1所述的方法,其特征在于,所述根据客户的客户类型信息、产品的类型信息、所述产品的有效时间以及所述产品的多个期次,确定用于标识客户要求还款的比例率的多个预测率值,包括:
根据预设的产品信息表中的客户类型与产品类型之间的对应关系,以及所述产品类型信息,确定所述产品类型信息所对应的所有客户类型;
根据预设的产品信息表中的客户类型与产品有效时间之间的对应关系,以及所述客户类型信息,确定所述客户类型信息所对应的所有产品有效时间;
根据预设的产品信息表中的产品有效时间与多个产品期次之间的对应关系,以及所述产品有效时间,确定所述产品有效时间所对应的产品的多个期次;
根据预设的产品信息表中的产品的多个期次与多个预测率值之间的对应关系,以及所述产品的多个期次,确定所述产品的多个期次所对应的用于标识客户要求还款的比例率的多个预测率值。
8.一种基于预测率值的客户贷款风险等级分析装置,其特征在于,包括:处理单元和分析单元;
所述处理单元,用于根据客户的客户类型信息、产品的类型信息、所述产品的有效时间以及所述产品的多个期次,确定用于标识客户要求还款的比例率的多个预测率值,其中,每个预测率值与所述产品的每个期次一一对应;
根据所述预测率值,确定流失率值、累计流失率值以及留存率值;
根据所述预测率值、流失率值、累计流失率值以及留存率值,分别确定所述客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线;
对所述客户的预测率值曲线、流失率值曲线、累计流失率值曲线以及留存率值曲线进行分析,得到所述客户对应的产品的贷款风险等级。
9.一种电子设备,其特征在于,包括:处理器和存储器,所述处理器与所述存储器相连,所述存储器用于存储计算机程序,所述处理器用于执行所述存储器中存储的计算机程序,以使得所述电子设备执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行以实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210148610.0A CN114529397A (zh) | 2022-02-17 | 2022-02-17 | 客户贷款风险等级确定方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210148610.0A CN114529397A (zh) | 2022-02-17 | 2022-02-17 | 客户贷款风险等级确定方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114529397A true CN114529397A (zh) | 2022-05-24 |
Family
ID=81623093
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210148610.0A Pending CN114529397A (zh) | 2022-02-17 | 2022-02-17 | 客户贷款风险等级确定方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114529397A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2015100074A4 (en) * | 2015-01-23 | 2015-02-19 | Hopper, Phil MR | Low risk home loan product. |
CN110070430A (zh) * | 2019-03-12 | 2019-07-30 | 平安科技(深圳)有限公司 | 评估还款风险的方法及装置、存储介质、电子设备 |
CN110782338A (zh) * | 2019-10-15 | 2020-02-11 | 卓尔智联(武汉)研究院有限公司 | 借贷业务风险预测方法、装置、计算机设备和存储介质 |
CN112927064A (zh) * | 2021-02-26 | 2021-06-08 | 平安普惠企业管理有限公司 | 延期还款数据处理方法、装置、电子设备及存储介质 |
CN114003592A (zh) * | 2021-10-29 | 2022-02-01 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的借贷风险评估方法及相关设备 |
-
2022
- 2022-02-17 CN CN202210148610.0A patent/CN114529397A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2015100074A4 (en) * | 2015-01-23 | 2015-02-19 | Hopper, Phil MR | Low risk home loan product. |
CN110070430A (zh) * | 2019-03-12 | 2019-07-30 | 平安科技(深圳)有限公司 | 评估还款风险的方法及装置、存储介质、电子设备 |
CN110782338A (zh) * | 2019-10-15 | 2020-02-11 | 卓尔智联(武汉)研究院有限公司 | 借贷业务风险预测方法、装置、计算机设备和存储介质 |
CN112927064A (zh) * | 2021-02-26 | 2021-06-08 | 平安普惠企业管理有限公司 | 延期还款数据处理方法、装置、电子设备及存储介质 |
CN114003592A (zh) * | 2021-10-29 | 2022-02-01 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的借贷风险评估方法及相关设备 |
Non-Patent Citations (1)
Title |
---|
龙海明;邓太杏;: "基于信用评级的商业银行贷款风险定价模型", 湖南大学学报(自然科学版), no. 02, 30 April 2007 (2007-04-30), pages 93 - 97 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163457A (zh) | 一种业务指标的异常定位方法和装置 | |
US10621641B2 (en) | Method and device for pushing information | |
CN105488163A (zh) | 信息推送方法和装置 | |
CN112446764A (zh) | 游戏商品推荐方法、装置及电子设备 | |
CN115145587A (zh) | 一种产品参数校验方法、装置、电子设备及存储介质 | |
CN111681071A (zh) | 子费用数据生成系统及方法、存储介质和电子设备 | |
CN113780912A (zh) | 一种确定安全库存的方法及装置 | |
CN111415168B (zh) | 一种交易告警的方法和装置 | |
CN114445102A (zh) | 报价数据处理方法及装置 | |
CN113220705A (zh) | 慢查询识别的方法和装置 | |
CN114070847A (zh) | 服务器的限流方法、装置、设备及存储介质 | |
CN114529397A (zh) | 客户贷款风险等级确定方法、装置、电子设备和存储介质 | |
CN111144975A (zh) | 一种订单匹配方法、服务器及计算机可读存储介质 | |
CN115268734A (zh) | 基于报价工具的报价生成方法、装置、设备及存储介质 | |
CN112131257B (zh) | 数据查询方法和装置 | |
CN113537806A (zh) | 异常用户识别方法、装置、电子设备及可读存储介质 | |
CN113129127A (zh) | 预警方法和装置 | |
CN113434754A (zh) | 确定推荐api服务的方法、装置、电子设备和存储介质 | |
EP3273399A1 (en) | Point exchange system and point exchange method | |
CN112784213A (zh) | 一种生成信息的方法和装置 | |
CN110019165A (zh) | 一种清洗异常数据的方法和装置 | |
CN112989276A (zh) | 信息推送系统的评价方法和装置 | |
CN115375407B (zh) | Oms的库存管理方法及系统 | |
CN116629980B (zh) | 软件工程的计价方法、终端设备和存储介质 | |
CN113282624B (zh) | 规则匹配方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |