CN115330514A - 贷款行为的风险管理方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请实施例公开了一种贷款行为的风险管理方法、装置、计算机设备及存储介质，本方案获取样本集，通过样本集构建还款风险预测模型，通过样本集中的样本对还款风险预测模型进行训练，直至还款风险预测模型满足预设的收敛条件；获取待预测的贷款客户的经济状况数据和关联经济状况数据；通过还款风险预测模型对经济状况数据和关联经济状况数据进行还款风险预测，得到贷款客户偿还贷款的风险预测结果；当风险预测结果为存在还款违约风险时，将风险预测结果发送给风险管理端，触发风险管理端对贷款客户进行贷款风险管理，从而提高了贷款机构应对贷款人的违约未还款情况的实时性。

Description

贷款行为的风险管理方法、装置、计算机设备及存储介质

技术领域

本申请涉及风险管理技术领域，具体涉及一种贷款行为的风险管理方法、装置、计算机设备及存储介质。

背景技术

随着社会的发展，金融产业在人们的生活中越来越重要，由此，越来越多的人通过贷款机构来进行信贷，以满足其需求。而随着进行信贷的客户越来越多，也随之导致信贷违约的客户越来越多。

目前，大多数贷款机构对应的贷款平台一般只有在检测到贷款人在该贷款平台出现违约未还款的情况时，才会发出相关预警，而导致贷款机构应对贷款人的违约未还款情况的实时性较低。

发明内容

本申请实施例提供一种贷款行为的风险管理方法、装置、计算机设备及存储介质，可以提高贷款机构应对贷款人的违约未还款情况的实时性。

本申请实施例提供了一种贷款行为的风险管理方法，包括：

获取样本集，上述样本集中一样本包括一历史贷款客户的历史经济状况数据和关联历史经济状况数据，且上述样本的标签为客户违约标识，用于指示历史贷款客户是否出现还款违约，其中，上述关联历史经济状况数据为历史贷款客户的关联客户的历史经济状况数据；

通过上述样本集构建还款风险预测模型，通过上述样本集中的样本对上述还款风险预测模型进行训练，直至上述还款风险预测模型满足预设的收敛条件；

获取待预测的贷款客户的经济状况数据和关联经济状况数据；

通过上述还款风险预测模型对上述经济状况数据和上述关联经济状况数据进行还款风险预测，得到上述贷款客户偿还贷款的风险预测结果；

当上述风险预测结果为存在还款违约风险时，将上述风险预测结果发送给风险管理端，触发上述风险管理端对上述贷款客户进行贷款风险管理。

相应的，本申请实施例还提供了一种贷款行为的风险管理装置，包括：

样本获取模块，用于获取样本集，上述样本集中一样本包括一历史贷款客户的历史经济状况数据和关联历史经济状况数据，且上述样本的标签为客户违约标识，用于指示历史贷款客户是否出现还款违约，其中，上述关联历史经济状况数据为历史贷款客户的关联客户的历史经济状况数据；

模型训练模块，用于通过上述样本集构建还款风险预测模型，通过上述样本集中的样本对上述还款风险预测模型进行训练，直至上述还款风险预测模型满足预设的收敛条件；

数据获取模块，用于获取待预测的贷款客户的经济状况数据和关联经济状况数据；

风险预测模块，用于通过上述还款风险预测模型对上述经济状况数据和上述关联经济状况数据进行还款风险预测，得到上述贷款客户偿还贷款的风险预测结果；

风险管理模块，用于当上述风险预测结果为存在还款违约风险时，将上述风险预测结果发送给风险管理端，触发上述风险管理端对上述贷款客户进行贷款风险管理。

在一些实施例中，上述经济状况数据包括至少两个维度的经济数据，上述风险预测模块包括：

第一特征提取子模块，用于通过上述还款风险预测模型分别对至少两个维度的经济数据，进行特征提取，得到至少两个维度的经济特征；

第二特征提取子模块，用于通过上述还款风险预测模型对上述关联经济状况数据，进行特征提取，得到关联经济特征；

风险预测子模块，用于通过上述还款风险预测模型对至少两个上述经济特征和上述关联经济特征，进行还款风险预测。

在一些实施例中，上述贷款行为的风险管理装置还包括：

第一等级确定模块，用于根据上述经济状况数据和上述关联经济状况数据确定上述贷款客户的还款违约风险等级；

第一提示模块，用于通过上述还款违约风险等级对应的提示方式对上述风险管理端进行提示操作。

在一些实施例中，上述经济状况数据包括至少两个维度的经济数据，上述第一等级确定模块包括：

权重确定子模块，用于根据至少两个维度的经济数据和关联经济状况数据确定上述贷款客户对应的当前违约因素，并确定上述当前违约因素对应的权重；

等级确定子模块，用于根据上述当前违约因素对应的权重计算上述贷款客户的风险值，并根据上述风险值所处的风险范围，确定对应上述风险范围的风险等级。

在一些实施例中，上述权重确定子模块包括：

信息获取单元，用于获取上述贷款客户的历史违约信息，上述历史违约信息中包括各个历史违约场景和上述历史违约场景对应的至少一个历史违约因素；

第一权重确定单元，用于根据存在上述历史违约因素的历史违约场景的数量确定上述历史违约因素对应的权重；

类型获取单元，用于获取上述当前违约因素对应的当前违约类型；

因素确定单元，用于从上述历史违约因素中确定与上述当前违约类型一致的相同违约因素；

第二权重确定单元，用于根据上述相同违约因素对应的权重确定上述当前违约因素对应的权重。

在一些实施例中，上述贷款行为的风险管理装置还包括：

信息获取模块，用于获取上述贷款客户的贷款信息，并根据上述贷款信息确定上述贷款客户的还款时刻；

第二等级确定模块，用于获取当前时刻，根据上述当前时刻和上述还款时刻之间的差值，确定上述贷款客户的还款违约风险等级；

第二提示模块，用于通过上述还款违约风险等级对应的提示方式对上述风险管理端进行提示操作。

在一些实施例中，上述贷款行为的风险管理装置还包括：

数据确定模块，用于存在上一次获取的贷款客户的经济状况数据和关联经济状况数据，则确定上一次获取的上一次经济状况数据和上一次关联经济状况数据；

信息比对模块，用于将上述经济状况数据和上述关联经济状况数据，与上述上一次经济状况数据和上述上一次关联经济状况数据进行信息比对，得到比对结果；

维持模块，用于若上述比对结果为信息一致时，则维持上述贷款客户对应的风险预测结果。

相应的，本申请实施例还提供了一种计算机设备，包括存储器，处理器及存储在储存器上并可在处理器上运行的计算机程序，其中，处理器执行本申请实施例任一提供的贷款行为的风险管理方法。

相应的，本申请实施例还提供了一种存储介质，存储介质存储有多条指令，指令适于处理器进行加载，以执行如上的贷款行为的风险管理方法。

本申请实施例获取样本集，上述样本集中一样本包括一历史贷款客户的历史经济状况数据和关联历史经济状况数据，且上述样本的标签为客户违约标识，用于指示历史贷款客户是否出现还款违约，其中，上述关联历史经济状况数据为历史贷款客户的关联客户的历史经济状况数据；通过上述样本集构建还款风险预测模型，通过上述样本集中的样本对上述还款风险预测模型进行训练，直至上述还款风险预测模型满足预设的收敛条件；获取待预测的贷款客户的经济状况数据和关联经济状况数据；通过上述还款风险预测模型对上述经济状况数据和上述关联经济状况数据进行还款风险预测，得到上述贷款客户偿还贷款的风险预测结果；当上述风险预测结果为存在还款违约风险时，将上述风险预测结果发送给风险管理端，触发上述风险管理端对上述贷款客户进行贷款风险管理，从而通过预先根据贷款客户的经济状况数据和关联经济状况数据对贷款客户偿还贷款的风险进行预测，以及时发现贷款客户是否存在还款违约风险，进而提高了贷款机构应对贷款人的违约未还款情况的实时性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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为本申请实施例提供的一种贷款行为的风险管理方法的流程示意图。

图2为本申请实施例提供的一种贷款行为的风险管理装置的结构框图。

图3为本申请实施例提供的计算机设备的结构示意图。

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清楚、完整地描述，显然，所描述的实施例仅仅是本申请的一部分实施例，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例，都属于本申请保护的范围。

本申请实施例提供一种贷款行为的风险管理方法、装置、存储介质及计算机设备。具体地，本申请实施例的贷款行为的风险管理方法可以由计算机设备执行，其中，该计算机设备可以为服务器，也可以为终端等设备。其中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、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、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。终端可以是智能手机、台式计算机、笔记本电脑、平板电脑等，但并不局限于此。终端以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。

例如，该计算机设备可以是终端，该终端可以获取样本集，上述样本集中一样本包括一历史贷款客户的历史经济状况数据和关联历史经济状况数据，且上述样本的标签为客户违约标识，用于指示历史贷款客户是否出现还款违约，其中，上述关联历史经济状况数据为历史贷款客户的关联客户的历史经济状况数据；通过上述样本集构建还款风险预测模型，通过上述样本集中的样本对上述还款风险预测模型进行训练，直至上述还款风险预测模型满足预设的收敛条件；获取待预测的贷款客户的经济状况数据和关联经济状况数据；通过上述还款风险预测模型对上述经济状况数据和上述关联经济状况数据进行还款风险预测，得到上述贷款客户偿还贷款的风险预测结果；当上述风险预测结果为存在还款违约风险时，将上述风险预测结果发送给风险管理端，触发上述风险管理端对上述贷款客户进行贷款风险管理。

基于上述问题，本申请实施例提供第一种贷款行为的风险管理方法、装置、计算机设备及存储介质，可以提高贷款机构应对贷款人的违约未还款情况的实时性。

以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。

本申请实施例提供一种贷款行为的风险管理方法，该方法可以由终端或服务器执行，本申请实施例以贷款行为的风险管理方法由终端执行为例来进行说明。

请参阅图1，图1为本申请实施例提供的一种贷款行为的风险管理方法的流程示意图。该贷款行为的风险管理方法的具体流程可以如下：

101、获取样本集，样本集中一样本包括一历史贷款客户的历史经济状况数据和关联历史经济状况数据，且样本的标签为客户违约标识，用于指示历史贷款客户是否出现还款违约，其中，关联历史经济状况数据为历史贷款客户的关联客户的历史经济状况数据。

其中，样本中所包括的历史贷款客户的经济状况数据是指在历史时期贷款的客户的相关经济数据，该经济状况数据包括各个经济维度分别对应的数据，例如工商数据、税务数据、社保数据等。

其中，历史贷款客户的关联客户可以是与历史贷款客户存在关系的客户，例如亲属关系、朋友关系、同事关系等。相应地，该关联历史经济状况数据即为与历史贷款客户存在关系的客户的经济数据，例如，若历史贷款客户的关联客户是存在亲属关系的客户，则关联历史经济状况数据为亲属客户的流水数据等。

在一个实施例中，在获取样本集时可以包括：预先设定多个预设时刻，确定在预设时刻之前的各个历史贷款客户，并获取各个历史贷款客户的历史经济状况数据和关联历史经济状况数据。再确定在预设时刻之后的各个历史贷款客户的还款违约状况，该还款违约状况包括出现还款违约和未出现还款违约，从而根据各个历史贷款客户的还款违约状况确定各个历史贷款客户的客户违约标识，从而得到各个历史贷款客户分别对应的样本。

在一些实施例中，在获取历史经济状况数据和关联历史经济状况数据之前，需预先得到历史贷款客户和关联客户的授权，待其授权后才可获取相关数据。例如，可以在向历史贷款客户房贷时签署相应的贷款合同时，可以注明放贷方可查看的关于历史贷款客户的各项客户经济数据，其中该客户经济数据包括但不限于是上述工商数据、税务数据、社保数据等。相应地，在历史贷款客户签署合同时，还可进一步填写关联客户数据，在该关联客户数据填写之后，默认可获取该关联客户的历史经济状况数据。

102、通过样本集构建还款风险预测模型，通过样本集中的样本对还款风险预测模型进行训练，直至还款风险预测模型满足预设的收敛条件。

在本实施例中，可通过样本集中的出现还款违约的违约客户对应的包括历史经济状况数据和关联历史经济状况数据的样本，以及未出现还款违约的非违约客户对应的包括历史经济状况数据和关联历史经济状况数据的样本，构建还款风险预测模型，并对该还款风险预测模型进行训练，直至该还款风险预测模型的损失满足预设的收敛条件。其中，上述收敛条件可根据用户需求进行设定。

103、获取待预测的贷款客户的经济状况数据和关联经济状况数据。

其中，上述待预测的贷款客户可以是终端对应的贷款平台中任意一个当前处于贷款状态的贷款客户，该贷款客户的经济状况数据包括但不限于是工商数据、税务数据、社保数据等，该关联经济状况数据为贷款客户的关联客户的经济状况数据。

在本实施例中，为提高监测贷款客户的实时性，可每隔预设时间获取贷款客户的经济状况数据和关联经济状况数据进行监测，以判断该贷款客户的还款违约风险，从而及时应对可能存在的还款违约状况，该还款违约状况可以是到期不还款、还款金额与实际不符、超过最后还款期限仍未还款等。

进一步地，为避免同时获取各个贷款客户的经济状况数据和关联经济状况数据而导致的信息量过大，进而由于信息量过大，而导致的获取速度过慢的问题，在本实施例中，还可将各个贷款客户分配不同的数据获取时刻，以促使终端通过不同的数据获取时刻来分别获取各个贷款客户分别对应的数据，以避免同时获取数据导致的信息量过大。

在一些实施例中，为减少计算次数，提高处理时效，在获取待预测的贷款客户的经济状况数据和关联经济状况数据之后还可以包括：若存在上一次获取的贷款客户的经济状况数据和关联经济状况数据，即在当前时刻之前已经获取过至少一次贷款客户的经济状况数据和关联经济状况数据，则确定上一次获取的上一次经济状况数据和上一次关联经济状况数据；并将经济状况数据和关联经济状况数据，与上一次经济状况数据和上一次关联经济状况数据进行信息比对，以得到比对结果；最后若比对结果为信息一致时，说明连续两次获取的数据均未发生变化，则直接将根据上一次获取的数据得到的计算结果作为当前获取的数据对应的计算结果，即维持贷款客户对应的风险预测结果，从而在数据一致时无需多次进行相同计算。

104、通过还款风险预测模型对经济状况数据和关联经济状况数据进行还款风险预测，得到贷款客户偿还贷款的风险预测结果。

其中，上述风险预测结果可以包括存在还款违约风险和不存在还款违约风险，从而促使终端基于该风险预测结果确定对应的处理方式。

在本实施例中，通过还款风险预测模型对贷款客户的相关数据进行还款风险预测，以准确得到对应的风险预测结果。

在一些实施例中，由于经济状况数据包括至少两个维度的经济数据，例如，工商维度的经济数据，即上述工商数据。通过还款风险预测模型对经济状况数据和关联经济状况数据进行还款风险预测可以包括：终端可以通过还款风险预测模型分别对至少两个维度的经济数据，进行特征提取，以得到至少两个维度的经济特征；再通过还款风险预测模型对关联经济状况数据，进行特征提取，得到关联经济特征；最后通过还款风险预测模型对至少两个经济特征和关联经济特征，进行还款风险预测。其中，通过还款风险预测模型对不同维度的数据分别进行特征提取，以及还款风险预测，可以提高风险预测结果的准确性。

105、当风险预测结果为存在还款违约风险时，将风险预测结果发送给风险管理端，触发风险管理端对贷款客户进行贷款风险管理。

其中，上述风险管理端为基于贷款客户的还款状况来进行风险管理的终端，该风险管理端可以对贷款客户进行贷款风险管理，例如，在必要的情况下，风险管理端可以通过法律程序对贷款客户进行相关管理。

在本实施例中，当风险预测结果为存在还款违约风险时，说明贷款客户极有可能在规定时间内并不会进行还款，从而通过风险管理端，以对贷款客户进行相应贷款风险管理。当风险预测结果为不存在还款违约风险时，说明贷款客户在规定时间内会进行还款，从而不需要向风险管理端传递任何信息。

在一些实施例中，风险管理端在得到某一贷款客户的风险预测结果为存在还款违约风险时，还可对存在还款违约风险的贷款客户进行实地调查，以明确贷款客户的风险预测结果是否为存在还款违约风险。

在一些实施例中，为提高风险管理端的触发速度，在将风险预测结果发送给风险管理端之后可以对风险管理端进行提示，以促使风险管理端能够及时发现风险预测结果，具体可以包括：确定贷款客户的还款违约风险等级，从而通过还款违约风险等级对应的提示方式对风险管理端进行提示操作，以提高风险管理端的触发速度。其中，上述提示方式可以包括在风险管理端的显示屏的对应位置将风险预测结果以预设区别显示的方式进行显示，以实现提示操作，例如标亮显示，该显示方式可以根据还款违约风险等级确定对应的显示方式，通过对应的显示方式进行显示，以实现提示操作；上述提示方式还可以包括通过提示语音的方式进行提示，该提示语音可根据还款违约风险等级确定对应的音量大小，即还款违约风险等级越大，则提示语音越大。

在一个实施例中，终端可以获取贷款客户的贷款信息，该贷款信息为贷款客户向放贷方进行贷款时所涉及的各项信息，该贷款信息包括但不限于是贷款时间、贷款金额、还款时间等，根据贷款信息确定贷款客户的还款时刻，并获取当前时刻，以计算当前时刻和还款时刻之间的差值，从而根据当前时刻和还款时刻之间的差值，确定贷款客户的还款违约风险等级。

在一个实施例中，终端还可以根据经济状况数据和关联经济状况数据确定贷款客户的还款违约风险等级。

具体地，上述经济状况数据包括至少两个维度的经济数据，上述根据经济状况数据和关联经济状况数据确定贷款客户的还款违约风险等级，可以包括：根据至少两个维度的经济数据和关联经济状况数据确定贷款客户对应的当前违约因素，并确定当前违约因素对应的权重；根据当前违约因素对应的权重计算贷款客户的风险值，并根据风险值所处的风险范围，确定对应风险范围的风险等级。其中，上述当前违约因素为导致贷款客户出现还款违约行为的因素，存在至少一个。其中，上述风险值为至少一个当前违约因素对应的权重的总和。

在本实施例中，可预先设置至少一个风险范围，且每个风险范围对应一个风险等级，从而在确定出风险值处于哪一风险范围后，即可根据所确定的风险范围来确定该风险范围对应的风险等级。

在一些实施例中，上述确定当前违约因素对应的权重可以包括：获取贷款客户的历史违约信息，该历史违约信息中包括各个历史违约场景和历史违约场景对应的至少一个历史违约因素，该历史违约场景为贷款客户在历史时期发生还款违约时对应的场景，即发生还款违约时的各项经济数据构建的场景，从而根据该场景可以确定出导致该贷款客户发生还款违约的历史违约因素。

再根据存在历史违约因素的历史违约场景的数量确定历史违约因素对应的权重，即越多的历史违约场景中均存在同一历史违约因素，那么该历史违约因素的权重就会越高，具体可根据需求进行设定，即设定每一预设权重对应的违约场景的数量，从而根据历史违约场景的数量确定出历史违约因素对应的权重。

最后获取当前违约因素对应的当前违约类型，从历史违约因素中确定与当前违约类型一致的相同违约因素，以根据相同违约因素对应的权重确定当前违约因素对应的权重。

具体地，若仅存在一个相同违约因素，则该相同违约因素对应的权重即为当前违约因素对应的权重；若存在至少两个相同违约印度，则可计算该至少两个相同违约因素之间的权重均值，将该权重均值设定为当前违约因素对应的权重。

在一个实施例中，若根据贷款客户的经济状况数据和关联经济状况数据得到的风险预测结果为存在还款违约风险的次数为预设次数，则将该贷款客户确定为高风险客户，进而将该贷款客户的风险等级设定为最高等级。

本申请实施例公开了一种贷款行为的风险管理方法，该方法包括：获取样本集，上述样本集中一样本包括一历史贷款客户的历史经济状况数据和关联历史经济状况数据，且上述样本的标签为客户违约标识，用于指示历史贷款客户是否出现还款违约，其中，上述关联历史经济状况数据为历史贷款客户的关联客户的历史经济状况数据；通过上述样本集构建还款风险预测模型，通过上述样本集中的样本对上述还款风险预测模型进行训练，直至上述还款风险预测模型满足预设的收敛条件；获取待预测的贷款客户的经济状况数据和关联经济状况数据；通过上述还款风险预测模型对上述经济状况数据和上述关联经济状况数据进行还款风险预测，得到上述贷款客户偿还贷款的风险预测结果；当上述风险预测结果为存在还款违约风险时，将上述风险预测结果发送给风险管理端，触发上述风险管理端对上述贷款客户进行贷款风险管理，以此，可以提高贷款机构应对贷款人的违约未还款情况的实时性。

为便于更好的实施本申请实施例提供的贷款行为的风险管理方法，本申请实施例还提供一种基于上述贷款行为的风险管理方法的贷款行为的风险管理装置。其中名词的含义与上述贷款行为的风险管理方法中相同，具体实现细节可以参考方法实施例中的说明。

请参阅图2，图2为本申请实施例提供的一种贷款行为的风险管理装置的结构框图，该装置包括：

样本获取模块201，用于获取样本集，样本集中一样本包括一历史贷款客户的历史经济状况数据和关联历史经济状况数据，且样本的标签为客户违约标识，用于指示历史贷款客户是否出现还款违约，其中，关联历史经济状况数据为历史贷款客户的关联客户的历史经济状况数据。

模型训练模块202，用于通过样本集构建还款风险预测模型，通过样本集中的样本对还款风险预测模型进行训练，直至还款风险预测模型满足预设的收敛条件。

数据获取模块203，用于获取待预测的贷款客户的经济状况数据和关联经济状况数据。

风险预测模块204，用于通过还款风险预测模型对经济状况数据和关联经济状况数据进行还款风险预测，得到贷款客户偿还贷款的风险预测结果。

风险管理模块205，用于当风险预测结果为存在还款违约风险时，将风险预测结果发送给风险管理端，触发风险管理端对贷款客户进行贷款风险管理。

在一些实施例中，经济状况数据包括至少两个维度的经济数据，上述风险预测模块204可以包括：

第一特征提取子模块，用于通过还款风险预测模型分别对至少两个维度的经济数据，进行特征提取，得到至少两个维度的经济特征。

第二特征提取子模块，用于通过还款风险预测模型对关联经济状况数据，进行特征提取，得到关联经济特征。

风险预测子模块，用于通过还款风险预测模型对至少两个经济特征和关联经济特征，进行还款风险预测。

在一些实施例中，上述贷款行为的风险管理装置还可以包括：

第一等级确定模块，用于根据经济状况数据和关联经济状况数据确定贷款客户的还款违约风险等级。

第一提示模块，用于通过还款违约风险等级对应的提示方式对风险管理端进行提示操作。

在一些实施例中，经济状况数据包括至少两个维度的经济数据，上述第一等级确定模块可以包括：

权重确定子模块，用于根据至少两个维度的经济数据和关联经济状况数据确定贷款客户对应的当前违约因素，并确定当前违约因素对应的权重。

等级确定子模块，用于根据当前违约因素对应的权重计算贷款客户的风险值，并根据风险值所处的风险范围，确定对应风险范围的风险等级。

在一些实施例中，上述权重确定子模块可以包括：

信息获取单元，用于获取贷款客户的历史违约信息，历史违约信息中包括各个历史违约场景和历史违约场景对应的至少一个历史违约因素。

第一权重确定单元，用于根据存在历史违约因素的历史违约场景的数量确定历史违约因素对应的权重。

类型获取单元，用于获取当前违约因素对应的当前违约类型。

因素确定单元，用于从历史违约因素中确定与当前违约类型一致的相同违约因素。

第二权重确定单元，用于根据相同违约因素对应的权重确定当前违约因素对应的权重。

在一些实施例中，上述贷款行为的风险管理装置还可以包括：

信息获取模块，用于获取贷款客户的贷款信息，并根据贷款信息确定贷款客户的还款时刻。

第二等级确定模块，用于获取当前时刻，根据当前时刻和还款时刻之间的差值，确定贷款客户的还款违约风险等级。

第二提示模块，用于通过还款违约风险等级对应的提示方式对风险管理端进行提示操作。

在一些实施例中，上述贷款行为的风险管理装置还可以包括：

数据确定模块，用于存在上一次获取的贷款客户的经济状况数据和关联经济状况数据，则确定上一次获取的上一次经济状况数据和上一次关联经济状况数据。

信息比对模块，用于将经济状况数据和关联经济状况数据，与上一次经济状况数据和上一次关联经济状况数据进行信息比对，得到比对结果。

维持模块，用于若比对结果为信息一致时，则维持贷款客户对应的风险预测结果。

本申请实施例公开了一种贷款行为的风险管理装置，通过样本获取模块201，用于获取样本集，样本集中一样本包括一历史贷款客户的历史经济状况数据和关联历史经济状况数据，且样本的标签为客户违约标识，用于指示历史贷款客户是否出现还款违约，其中，关联历史经济状况数据为历史贷款客户的关联客户的历史经济状况数据；模型训练模块202，用于通过样本集构建还款风险预测模型，通过样本集中的样本对还款风险预测模型进行训练，直至还款风险预测模型满足预设的收敛条件；数据获取模块203，用于获取待预测的贷款客户的经济状况数据和关联经济状况数据；风险预测模块204，用于通过还款风险预测模型对经济状况数据和关联经济状况数据进行还款风险预测，得到贷款客户偿还贷款的风险预测结果；风险管理模块205，用于当风险预测结果为存在还款违约风险时，将风险预测结果发送给风险管理端，触发风险管理端对贷款客户进行贷款风险管理。以此，提高贷款机构应对贷款人的违约未还款情况时的实时性。

相应的，本申请实施例还提供一种计算机设备，该计算机设备可以为终端。如图3所示，图3为本申请实施例提供的计算机设备的结构示意图。该计算机设备300包括有一个或者一个以上处理核心的处理器301、有一个或一个以上计算机可读存储介质的存储器302及存储在存储器302上并可在处理器上运行的计算机程序。其中，处理器301与存储器302电性连接。本领域技术人员可以理解，图中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

处理器301是计算机设备300的控制中心，利用各种接口和线路连接整个计算机设备300的各个部分，通过运行或加载存储在存储器302内的软件程序和/或模块，以及调用存储在存储器302内的数据，执行计算机设备300的各种功能和处理数据，从而对计算机设备300进行整体监控。

在本申请实施例中，计算机设备300中的处理器301会按照如下的步骤，将一个或一个以上的应用程序的进程对应的指令加载到存储器302中，并由处理器301来运行存储在存储器302中的应用程序，从而实现各种功能：

获取样本集，上述样本集中一样本包括一历史贷款客户的历史经济状况数据和关联历史经济状况数据，且上述样本的标签为客户违约标识，用于指示历史贷款客户是否出现还款违约，其中，上述关联历史经济状况数据为历史贷款客户的关联客户的历史经济状况数据；

通过上述样本集构建还款风险预测模型，通过上述样本集中的样本对上述还款风险预测模型进行训练，直至上述还款风险预测模型满足预设的收敛条件；

获取待预测的贷款客户的经济状况数据和关联经济状况数据；

通过上述还款风险预测模型对上述经济状况数据和上述关联经济状况数据进行还款风险预测，得到上述贷款客户偿还贷款的风险预测结果；

当上述风险预测结果为存在还款违约风险时，将上述风险预测结果发送给风险管理端，触发上述风险管理端对上述贷款客户进行贷款风险管理。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

可选的，如图3所示，计算机设备300还包括：触控显示屏303、射频电路304、音频电路305、输入单元306以及电源307。其中，处理器301分别与触控显示屏303、射频电路304、音频电路305、输入单元306以及电源307电性连接。本领域技术人员可以理解，图3中示出的计算机设备结构并不构成对计算机设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

触控显示屏303可用于显示图形用户界面以及接收用户作用于图形用户界面产生的操作指令。触控显示屏303可以包括显示面板和触控面板。其中，显示面板可用于显示由用户输入的消息或提供给用户的消息以及计算机设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。可选的，可以采用液晶显示器(LCD，Liquid Cryst客户端账户l Displ客户端账户y)、有机发光二极管(OLED，Org客户端账户nic Light-Emitting Diode)等形式来配置显示面板。触控面板可用于收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并生成相应的操作指令，且操作指令执行对应程序。可选的，触控面板可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸消息，并将它转换成触点坐标，再送给处理器301，并能接收处理器301发来的命令并加以执行。触控面板可覆盖显示面板，当触控面板检测到在其上或附近的触摸操作后，传送给处理器301以确定触摸事件的类型，随后处理器301根据触摸事件的类型在显示面板上提供相应的视觉输出。在本申请实施例中，可以将触控面板与显示面板集成到触控显示屏303而实现输入和输出功能。但是在某些实施例中，触控面板与触控面板可以作为两个独立的部件来实现输入和输出功能。即触控显示屏303也可以作为输入单元306的一部分实现输入功能。

射频电路304可用于收发射频信号，以通过无线通信与网络设备或其他计算机设备建立无线通讯，与网络设备或其他计算机设备之间收发信号。

音频电路305可以用于通过扬声器、传声器提供用户与计算机设备之间的音频接口。音频电路305可将接收到的音频数据转换后的电信号，传输到扬声器，由扬声器转换为声音信号输出；另一方面，传声器将收集的声音信号转换为电信号，由音频电路305接收后转换为音频数据，再将音频数据输出处理器301处理后，经射频电路304以发送给比如另一计算机设备，或者将音频数据输出至存储器302以便进一步处理。音频电路305还可能包括耳塞插孔，以提供外设耳机与计算机设备的通信。

输入单元306可用于接收输入的数字、字符消息或用户特征消息(例如指纹、虹膜、面部消息等)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

电源307用于给计算机设备300的各个部件供电。可选的，电源307可以通过电源管理系统与处理器301逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源307还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

尽管图3中未示出，计算机设备300还可以包括摄像头、传感器、无线保真模块、蓝牙模块等，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

由上可知，本实施例提供的计算机设备，通过获取样本集，上述样本集中一样本包括一历史贷款客户的历史经济状况数据和关联历史经济状况数据，且上述样本的标签为客户违约标识，用于指示历史贷款客户是否出现还款违约，其中，上述关联历史经济状况数据为历史贷款客户的关联客户的历史经济状况数据；通过上述样本集构建还款风险预测模型，通过上述样本集中的样本对上述还款风险预测模型进行训练，直至上述还款风险预测模型满足预设的收敛条件；获取待预测的贷款客户的经济状况数据和关联经济状况数据；通过上述还款风险预测模型对上述经济状况数据和上述关联经济状况数据进行还款风险预测，得到上述贷款客户偿还贷款的风险预测结果；当上述风险预测结果为存在还款违约风险时，将上述风险预测结果发送给风险管理端，触发上述风险管理端对上述贷款客户进行贷款风险管理。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本申请实施例提供一种计算机可读存储介质，其中存储有多条计算机程序，该计算机程序能够被处理器进行加载，以执行本申请实施例所提供的任一种贷款行为的风险管理方法中的步骤。例如，该计算机程序可以执行如下步骤：

获取样本集，上述样本集中一样本包括一历史贷款客户的历史经济状况数据和关联历史经济状况数据，且上述样本的标签为客户违约标识，用于指示历史贷款客户是否出现还款违约，其中，上述关联历史经济状况数据为历史贷款客户的关联客户的历史经济状况数据；

通过上述样本集构建还款风险预测模型，通过上述样本集中的样本对上述还款风险预测模型进行训练，直至上述还款风险预测模型满足预设的收敛条件；

获取待预测的贷款客户的经济状况数据和关联经济状况数据；

通过上述还款风险预测模型对上述经济状况数据和上述关联经济状况数据进行还款风险预测，得到上述贷款客户偿还贷款的风险预测结果；

当上述风险预测结果为存在还款违约风险时，将上述风险预测结果发送给风险管理端，触发上述风险管理端对上述贷款客户进行贷款风险管理。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该存储介质可以包括：只读存储器(ROM，Re客户端账户d Only Memory)、随机存取记忆体(R客户端账户M，R客户端账户ndom客户端账户ccess Memory)、磁盘或光盘等。

由于该存储介质中所存储的计算机程序，可以执行本申请实施例所提供的任一种贷款行为的风险管理方法中的步骤，因此，可以实现本申请实施例所提供的任一种贷款行为的风险管理方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本申请实施例所提供的一种贷款行为的风险管理方法、装置、存储介质及计算机设备进行了详细介绍，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，以上实施例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，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种贷款行为的风险管理方法，其特征在于，所述方法包括：

获取样本集，所述样本集中一样本包括一历史贷款客户的历史经济状况数据和关联历史经济状况数据，且所述样本的标签为客户违约标识，用于指示历史贷款客户是否出现还款违约，其中，所述关联历史经济状况数据为历史贷款客户的关联客户的历史经济状况数据；

通过所述样本集构建还款风险预测模型，通过所述样本集中的样本对所述还款风险预测模型进行训练，直至所述还款风险预测模型满足预设的收敛条件；

获取待预测的贷款客户的经济状况数据和关联经济状况数据；

通过所述还款风险预测模型对所述经济状况数据和所述关联经济状况数据进行还款风险预测，得到所述贷款客户偿还贷款的风险预测结果；

当所述风险预测结果为存在还款违约风险时，将所述风险预测结果发送给风险管理端，触发所述风险管理端对所述贷款客户进行贷款风险管理。

2.根据权利要求1所述的方法，其特征在于，所述经济状况数据包括至少两个维度的经济数据，所述通过所述还款风险预测模型对所述经济状况数据和所述关联经济状况数据进行还款风险预测，包括：

通过所述还款风险预测模型分别对至少两个维度的经济数据，进行特征提取，得到至少两个维度的经济特征；

通过所述还款风险预测模型对所述关联经济状况数据，进行特征提取，得到关联经济特征；

通过所述还款风险预测模型对至少两个所述经济特征和所述关联经济特征，进行还款风险预测。

3.根据权利要求1所述的方法，其特征在于，在将所述风险预测结果发送给风险管理端之后，还包括：

根据所述经济状况数据和所述关联经济状况数据确定所述贷款客户的还款违约风险等级；

通过所述还款违约风险等级对应的提示方式对所述风险管理端进行提示操作。

4.根据权利要求3所述的方法，其特征在于，所述经济状况数据包括至少两个维度的经济数据，所述根据所述经济状况数据和所述关联经济状况数据确定所述贷款客户的还款违约风险等级，包括：

根据至少两个维度的经济数据和关联经济状况数据确定所述贷款客户对应的当前违约因素，并确定所述当前违约因素对应的权重；

根据所述当前违约因素对应的权重计算所述贷款客户的风险值，并根据所述风险值所处的风险范围，确定对应所述风险范围的风险等级。

5.根据权利要求4所述的方法，其特征在于，所述确定所述当前违约因素对应的权重，包括：

获取所述贷款客户的历史违约信息，所述历史违约信息中包括各个历史违约场景和所述历史违约场景对应的至少一个历史违约因素；

根据存在所述历史违约因素的历史违约场景的数量确定所述历史违约因素对应的权重；

获取所述当前违约因素对应的当前违约类型；

从所述历史违约因素中确定与所述当前违约类型一致的相同违约因素；

根据所述相同违约因素对应的权重确定所述当前违约因素对应的权重。

6.根据权利要求1所述的方法，其特征在于，在将所述风险预测结果发送给风险管理端之后，还包括：

获取所述贷款客户的贷款信息，并根据所述贷款信息确定所述贷款客户的还款时刻；

获取当前时刻，根据所述当前时刻和所述还款时刻之间的差值，确定所述贷款客户的还款违约风险等级；

通过所述还款违约风险等级对应的提示方式对所述风险管理端进行提示操作。

7.根据权利要求1所述的方法，其特征在于，在获取待预测的贷款客户的经济状况数据和关联经济状况数据之后，还包括：

若存在上一次获取的贷款客户的经济状况数据和关联经济状况数据，则确定上一次获取的上一次经济状况数据和上一次关联经济状况数据；

将所述经济状况数据和所述关联经济状况数据，与所述上一次经济状况数据和所述上一次关联经济状况数据进行信息比对，得到比对结果；

若所述比对结果为信息一致时，则维持所述贷款客户对应的风险预测结果。

8.一种贷款行为的风险管理装置，其特征在于，所述装置包括：

样本获取模块，用于获取样本集，所述样本集中一样本包括一历史贷款客户的历史经济状况数据和关联历史经济状况数据，且所述样本的标签为客户违约标识，用于指示历史贷款客户是否出现还款违约，其中，所述关联历史经济状况数据为历史贷款客户的关联客户的历史经济状况数据；

模型训练模块，用于通过所述样本集构建还款风险预测模型，通过所述样本集中的样本对所述还款风险预测模型进行训练，直至所述还款风险预测模型满足预设的收敛条件；

数据获取模块，用于获取待预测的贷款客户的经济状况数据和关联经济状况数据；

风险预测模块，用于通过所述还款风险预测模型对所述经济状况数据和所述关联经济状况数据进行还款风险预测，得到所述贷款客户偿还贷款的风险预测结果；

风险管理模块，用于当所述风险预测结果为存在还款违约风险时，将所述风险预测结果发送给风险管理端，触发所述风险管理端对所述贷款客户进行贷款风险管理。

9.一种计算机设备，其特征在于，包括存储器，处理器及存储在存储器上并在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1至7任一项所述的贷款行为的风险管理方法。

10.一种存储介质，其特征在于，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至7任一项所述的贷款行为的风险管理方法。

Images