一种基于多模型的个体客户贷款逾期等级的评级方法与流程

本发明涉及一种基于多模型的个体客户贷款逾期等级的评级方法。

背景技术：

近几年融资租赁业务蓬勃发展，金融服务受众体量激增，但在当前金融监管持续收紧、资金杠杆不断上升的大环境下，贷后风险预警及催收存在着诸多棘手问题：征信数据整合度低、信息化技术程度不足、人力成本较高、风险识别程度低、催收效率低、逾期损失严重、贷后资产处理成本高等。

技术实现要素：

鉴于现有技术中存在的上述问题，本发明的主要目的在于提供一种基于多模型的个体客户贷款逾期等级的评级方法，针对逾期客户差异化处理，优先对评级风险较高的客户进行处理，节省人力、提升催收效率及客户体验，加强风险防范能力。

本发明的技术方案是这样的：

一种基于多模型的个体客户贷款逾期等级的评级方法，包括以下步骤：

在客户逾期7天、14天、21天以及30天的时间段，获取客户在各个逾期阶段的逾期特征，分别构建与各逾期阶段相对应的违约预测模型，且分别为m7违约预测模型、m14违约预测模型、m21违约预测模型以及m30违约预测模型；

基于上述构建的m7违约预测模型、m14违约预测模型、m21违约预测模型以及m30违约预测模型，建立划分各逾期阶段的违约风险等级，且所述违约风险等级分别为a1级、a2级、a3级、a4级以及a5级；

获取当前逾期客户的逾期特征，并根据不同逾期阶段的客户，调用相应的违约预测模型；

构建当前逾期客户的风险损失等级，且所述风险损失等级分别为b1级、b2级、b3级、b4级以及b5级；

基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级。

所述逾期特征包括基本属性特征、第三方征信数据、车辆定位信息或客户还款数据中的一种或多种。

所述a1级、a2级、a3级、a4级以及a5级所对应的违约风险等级分别为低级违约风险、中级违约风险、较高级违约风险、高级违约风险以及极高级违约风险。

获取当前逾期客户的逾期特征，并根据不同逾期阶段的客户，调用相应的违约预测模型，具体为：逾期7天内的逾期客户不进行评级；逾期8～14天的逾期客户，调用m7违约预测模型；逾期15～21天的逾期客户，调用m14违约预测模型；逾期22～30天的逾期客户，调用m21违约预测模型；逾期31～60天的逾期客户，调用m30违约预测模型；逾期60天以上的逾期客户评级均为极高风险等级。

所述b1级、b2级、b3级、b4级以及b5级所对应的风险损失等级分别为低级风险损失、中级风险损失、较高级风险损失、高级风险损失以及极高级风险损失。

基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级，对于逾期8～14天和15～21天的逾期客户，按照以下评级方法进行，其中：违约风险等级为a5或风险损失等级为b5的逾期客户，其综合评级为x5级；违约风险等级为a4或风险损失评级为b4的逾期客户，其综合评级为x3级；违约风险等级为a1或a2且风险损失评级为b3或b2的逾期客户，其综合评级为x2级；违约风险等级为a1或a2且风险损失评级为b1的逾期客户，其综合评级为x1级。

基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级，对于逾期22～30天的逾期客户，按照以下评级方法进行，其中：违约风险等级为a5或风险损失评级为b5的逾期客户，其综合评级为x5级；违约风险等级为a4或风险损失评级为b5或b3或b2的逾期客户，其综合评级为x5级；违约风险等级为a3或a4或风险损失评级为b4的逾期客户，其综合评级为x4级；违约风险等级为a2且风险损失评级为a3或a2的逾期客户，其综合评级为x3级；违约风险等级为a2且风险损失评级为b1的逾期客户，其综合评级为x2级。

基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级，对于逾期31～60天的逾期客户，按照以下评级方法进行，其中：违约风险等级为a5或风险损失评级为b5的逾期客户，其综合评级为x5级；违约风险等级为a4或风险损失评级为b3或b2的逾期客户，其综合评级为x4级；违约风险等级为a3或风险损失评级为b2或b1的逾期客户，其综合评级为x3级。

所述x1级、x2级、x3级、x4级以及x5级所对应的综合评级为低等级、中等级、较高等级、高等级以及极高等级。

本发明具有以下优点和有益效果：本发明提供一种基于多模型的个体客户贷款逾期等级的评级方法，其针对逾期客户在不同逾期阶段，基于模型计算得到的风险评分等级和风险损失等级两个维度交叉排序，获取客户综合等级，风险客户催收差异化处理；本发明能捕捉逾期客户不同逾期时点的风险信息，提升预测准确度，覆盖更多高风险客户；同时针对逾期客户差异化处理，优先对评级风险较高的客户进行处理，节省人力、提升催收效率及客户体验，加强风险防范能力；结合风险损失金额评级，提升风险损失金额较大的客户的关注度，有利于减少资金损失程度。

附图说明

图1为本发明实施例提供的一种基于多模型的个体客户贷款逾期等级的评级方法中逾期8-14天以及逾期15-21天的逾期客户的综合评级示意图。

图2为本发明实施例提供的一种基于多模型的个体客户贷款逾期等级的评级方法中逾期22-30天的逾期客户的综合评级示意图。

图3为本发明实施例提供的一种基于多模型的个体客户贷款逾期等级的评级方法中逾期31-60天的逾期客户的综合评级示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，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例，都属于本发明保护的范围。

下面将参照附图和具体实施例对本发明作进一步的说明。

如图1至图3所示：本发明实施例的基于多模型的个体客户贷款逾期等级的评级方法，包括以下步骤：在客户逾期7天、14天、21天以及30天的时间段，获取客户在各个逾期阶段的逾期特征，分别构建与各逾期阶段相对应的违约预测模型，且分别为m7违约预测模型、m14违约预测模型、m21违约预测模型以及m30违约预测模型；基于上述构建的m7违约预测模型、m14违约预测模型、m21违约预测模型以及m30违约预测模型，建立划分各逾期阶段的违约风险等级，且所述违约风险等级分别为a1级、a2级、a3级、a4级以及a5级；获取当前逾期客户的逾期特征，并根据不同逾期阶段的客户，调用相应的违约预测模型；构建当前逾期客户的风险损失等级，且所述风险损失等级分别为b1级、b2级、b3级、b4级以及b5级；基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级。

所述逾期特征包括基本属性特征、第三方征信数据、车辆定位信息或客户还款数据中的一种或多种。

所述a1级、a2级、a3级、a4级以及a5级所对应的违约风险等级分别为低级违约风险、中级违约风险、较高级违约风险、高级违约风险以及极高级违约风险。

获取当前逾期客户的逾期特征，并根据不同逾期阶段的客户，调用相应的违约预测模型，具体为：逾期7天内的逾期客户不进行评级；逾期8～14天的逾期客户，调用m7违约预测模型；逾期15～21天的逾期客户，调用m14违约预测模型；逾期22～30天的逾期客户，调用m21违约预测模型；逾期31～60天的逾期客户，调用m30违约预测模型；逾期60天以上的逾期客户评级均为极高风险等级。

所述b1级、b2级、b3级、b4级以及b5级所对应的风险损失等级分别为低级风险损失、中级风险损失、较高级风险损失、高级风险损失以及极高级风险损失。

基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级，对于逾期8～14天和15～21天的逾期客户，按照以下评级方法进行，其中：违约风险等级为a5或风险损失等级为b5的逾期客户，其综合评级为x5级；违约风险等级为a4或风险损失评级为b4的逾期客户，其综合评级为x3级；违约风险等级为a1或a2且风险损失评级为b3或b2的逾期客户，其综合评级为x2级；违约风险等级为a1或a2且风险损失评级为b1的逾期客户，其综合评级为x1级。

基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级，对于逾期22～30天的逾期客户，按照以下评级方法进行，其中：违约风险等级为a5或风险损失评级为b5的逾期客户，其综合评级为x5级；违约风险等级为a4或风险损失评级为b5或b3或b2的逾期客户，其综合评级为x5级；违约风险等级为a3或a4或风险损失评级为b4的逾期客户，其综合评级为x4级；违约风险等级为a2且风险损失评级为a3或a2的逾期客户，其综合评级为x3级；违约风险等级为a2且风险损失评级为b1的逾期客户，其综合评级为x2级。

基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级，对于逾期31～60天的逾期客户，按照以下评级方法进行，其中：违约风险等级为a5或风险损失评级为b5的逾期客户，其综合评级为x5级；违约风险等级为a4或风险损失评级为b3或b2的逾期客户，其综合评级为x4级；违约风险等级为a3或风险损失评级为b2或b1的逾期客户，其综合评级为x3级。

上述x1级、x2级、x3级、x4级以及x5级所对应的综合评级为低等级、中等级、较高等级、高等级以及极高等级。

本发明实施例的基于多模型的个体客户贷款逾期等级的评级方法，可应用于个体车贷贷后的评级，具体包括以下步骤：

(1)分析客户逾期关键时点的客户违约数据，绝大部分客户在逾期7天以内自动还款，逾期14天、21天、30天时逾期率各增加10％的幅度，因此获取客户在逾期7天、14天、21天、30天时，客户的基本属性特征、第三方征信数据、车辆定位信息、客户还款数据，进行数据异常值、缺失值的处理，筛选有效、合理的变量，采用机器学习模型进行训练，将训练好的四个违约预测模型m7、m14、m21、m30部署在贷后系统，其中m7、m14、m21采用gbm集成模型，输出结果为客户在未来6个月内逾期m3+的违约概率，m30基于决策树生成若干高风险规则；

(2)基于上述四个违约预测模型模型结果建立划分各逾期阶段的风险等级标准，本发明主要依据各模型评分区间实际违约客户占比及各区间风险提升度划分各风险等级，且各风险等级分别为a1级、a2级、a3级、a4级以及a5级，其中，a1级为低级违约风险(低等级)，a2级为中级违约风险(中等级)，a3级为较高级违约风险(较高等级)，a4级为高级违约风险(高等级)，a5级为极高级违约风险(极高等级)，极高等级违约客户占比均80％以上，高等级违约客户占比在40％～55％左右，较高等级违约客户占比在20％～30％左右，中等级划分的违约客户占比在10％～15％，低评分等级违约客户占比在8％以下左右；同时考虑到逾期天数越长客户风险越高的实际业务形态，采用阶梯式等级划分方式，m7、m14划分五层风险等级，m21模型结果划分为中、较高、高、极高等级，不进行低等级的划分，m30模型仅包含较高、高、极高评级，保证逾期天数较多的客户在评级中得到较高的关注度，提升评级的可解释性，，具体参见下表1。

表1.各逾期阶段的违约风险等级分布

(3)获取当前逾期客户的基本属性特征、第三方征信数据、车辆定位信息、客户还款数据，根据不同逾期时点的客户调用对应的模型，获取模型返回结果；逾期7天内的客户不进行评级，逾期8～14天调用m7违约预测模型，逾期15～21天调用m14违约预测模型，逾期22～30天调用m21违约预测模型，逾期31～60天调用m30违约预测模型，逾期60d+客户评级均为极高风险等级；

(4)计算当前逾期客户的风险损失金额，即如果逾期客户违约，企业预计发生的损失金额，本发明中，风险损失金额由以下公式计算得出：余额-保证金-车辆残值。风险损失金额划分为低、中、较高、高、极高五个等级；

(5)违约风险等级与风险损失等级交叉，获取逾期客户综合评级；低违约风险且低风险损失评级为低风险客户，可暂不关注，绝大多数客户可自愈，即便发生违约，于企业带来的损失较低，高违约风险或高风险损失客户需及时采取催收措施。

基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级，对于逾期8～14天和15～21天的逾期客户，按照以下评级方法进行，其中：

违约风险等级为a5或风险损失等级为b5的逾期客户，其综合评级为极高级(x5级)；

违约风险等级为a4或风险损失评级为b4的逾期客户，其综合评级为较高级(x3级)；

违约风险等级高，综合评级为高级；

违约风险等级为a1或a2且风险损失评级为b3或b2的逾期客户，其综合评级为中等级(x2级)；

违约风险等级为a1或a2且风险损失评级为b1的逾期客户，其综合评级为低等级(x1级)。

基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级，对于逾期22～30天的逾期客户，按照以下评级方法进行，其中：

违约风险等级为a5或风险损失评级为b5的逾期客户，其综合评级为极高级(x5级)；

违约风险等级为a4或风险损失评级为b5或b3或b2的逾期客户，其综合评级为极高级(x5级)；

违约风险等级为a3或a4或风险损失评级为b4的逾期客户，其综合评级为高级(x4级)；

违约风险等级为a2且风险损失评级为a3或a2的逾期客户，其综合评级为较高级(x3级)；

违约风险等级为a2且风险损失评级为b1的逾期客户，其综合评级为中等级(x2级)。

基于所述违约风险等级和风险损失等级，获取逾期客户的综合评级，对于逾期31～60天的逾期客户，按照以下评级方法进行，其中：

违约风险等级为a5或风险损失评级为b5的逾期客户，其综合评级为极高级(x5级)；

违约风险等级为a4或风险损失评级为b3或b2的逾期客户，其综合评级为高级(x4级)；

违约风险等级为a3或风险损失评级为b2或b1的逾期客户，其综合评级为较高级(x3级)。

本发明实施例提供的一种基于多模型的个体客户贷款逾期等级的评级方法，其评价方法的计算逻辑如下：

(1)获取逾期客户的基本属性特征、第三方征信数据、车辆定位信息、客户还款数据等，进行数据预处理操作，构建违约预测模型；

(2)对生产系统逾期客户进行违约评分的计算，采用已训练好的违约预测模型m7、m14、m21、m30计算不同逾期时点逾期客户，在未来6个月内违约(逾期m3+)的风险评分，划分违约风险等级；

(3)计算客户的风险损失金额及风险损失等级，基于各阶段的风险评分等级和风险损失两个维度交叉排序，评定客户综合风险等级，精细化风险控制，识别自愈客户及高违约风险、高损失客户，降低运营成本。

本发明实施例提供的一种基于多模型的个体客户贷款逾期等级的评级方法，其具有以下特点：

1、在逾期7天、14天、21天、30天挖掘各逾期时间的逾期特征，分别开发集成评分模型，当前逾期客户分别调用相应的违约预测模型进行预测，相比传统模式下全量逾期客户单一模型粗略的预测方式，更能捕捉逾期客户不同逾期时点的风险信息，提升预测准确度，覆盖更多高风险客户；

2、逾期客户差异化处理，优先对评级风险较高的客户进行处理，节省人力、提升催收效率及客户体验，加强风险防范能力；

3、结合风险损失金额评级，提升风险损失金额较大的客户的关注度，有利于减少资金损失程度。

最后应说明的是：以上所述的各实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。