信用卡用户违约概率的预测方法、装置、设备及存储介质与流程

本发明实施例涉及金融数据处理，尤其涉及一种信用卡用户违约概率的预测方法、装置、设备及存储介质。

背景技术：

1、信用卡是金融业现代化的象征，具备灵活性、创新性、前景广阔等特征，成为银行业业务创新与技术创新的重要领域，也成为互联网金融应用最为广泛的业务领域之一。在商业银行零售业务板块中信用卡业务占据了重要位置，具有扩展客户、创造中间业务、稳定存款、增加银行收益等多重作用，是银行零售业务中的重要组成部分。近年来，随着经济的快速发展，信用卡人均持有量和交易额持续上升，使得信用卡业务成为各大银行的重要项目，但信用卡违约风险也随着信用卡市场的扩大而快速上升，违约坏账逐渐成为各大商业银行和金融机构巨大的风险隐患，加强信用卡业务风险管理则显得尤为重要，这也促使银行和各种借贷机构投入大量资源不断研究和优化违约概率预测算法。通常情况下，信用卡账户信息数据集中变量较多且各类别的分布是极度不平衡的，传统的人工信用风险评估模型依赖于专家法则，其预测结果具有一定的滞后性，不能反应新形势下的新用户情况。

技术实现思路

1、本发明实施例提供一种信用卡用户违约概率的预测方法、装置、设备及存储介质，可以提高预测信用卡用户违约概率的准确性。

2、第一方面，本发明实施例提供了一种信用卡用户违约概率的预测方法，包括：

3、采集设定历史时段内的信用卡账户信息集，并将所述信用卡账户信息集划分为正样本集及负样本集；其中，所述用户卡账户信息包括多个特征信息；

4、对所述多个特征信息进行筛选，获得目标特征信息；

5、基于所述目标特征信息对逻辑回归模型进行训练，获得目标违约概率预测模型；

6、基于所述目标违约概率预测模型预测目标信用卡用户的违约概率。

7、第二方面，本发明实施例还提供了一种信用卡用户违约概率的预测装置，包括：

8、信用卡账户信息集划分模块，用于采集设定历史时段内的信用卡账户信息集，并将所述信用卡账户信息集划分为正样本集及负样本集；其中，所述用户卡账户信息包括多个特征信息；

9、特征信息筛选模块，用于对所述多个特征信息进行筛选，获得目标特征信息；

10、逻辑回归模块训练模块，用于基于所述目标特征信息对逻辑回归模型进行训练，获得目标违约概率预测模型；

11、违约概率预测模块，用于基于所述目标违约概率预测模型预测目标信用卡用户的违约概率。

12、第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

13、至少一个处理器；以及

14、与所述至少一个处理器通信连接的存储器；其中，

15、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明实施例所述的信用卡用户违约概率的预测方法。

16、第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明实施例所述的信用卡用户违约概率的预测方法。

17、本发明实施例公开了一种信用卡用户违约概率的预测方法、装置、设备及存储介质。采集设定历史时段内的信用卡账户信息集，并将信用卡账户信息集划分为正样本集及负样本集；其中，用户卡账户信息包括多个特征信息；对多个特征信息进行筛选，获得目标特征信息；基于目标特征信息对逻辑回归模型进行训练，获得目标违约概率预测模型；基于目标违约概率预测模型预测目标信用卡用户的违约概率。本发明实施例提供的用卡用户违约概率的预测方法，基于筛选后的特征信息对逻辑回归模型进行训练，获得目标违约概率预测模型，最后基于目标违约概率预测模型预测目标信用卡用户的违约概率，可以提高预测信用卡用户违约概率的准确性。

技术特征：

1.一种信用卡用户违约概率的预测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述信用卡账户信息为信用卡月度信息；将所述信用卡账户信息集划分为正样本集及负样本集，包括：

3.根据权利要求1所述的方法，其特征在于，对所述多个特征信息进行筛选，获得目标特征信息，包括：

4.根据权利要求3所述的方法，其特征在于，根据所述重复性指标对所述特征信息进行筛选，包括：

5.根据权利要求3所述的方法，其特征在于，根据所述相关性指标对所述特征信息进行筛选，包括：

6.根据权利要求3所述的方法，其特征在于，根据所述显著指标对所述特征信息进行筛选，包括：

7.根据权利要求3所述的方法，其特征在于，根据所述重要性指标对所述特征信息进行筛选，包括：

8.一种信用卡用户违约概率的预测装置，其特征在于，包括：

9.一种电子设备，其特征在于，所述电子设备包括：

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指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的信用卡用户违约概率的预测方法。

技术总结
本发明实施例公开了一种信用卡用户违约概率的预测方法、装置、设备及存储介质。包括：采集设定历史时段内的信用卡账户信息集，并将所述信用卡账户信息集划分为正样本集及负样本集；其中，所述用户卡账户信息包括多个特征信息；对所述多个特征信息进行筛选，获得目标特征信息；基于所述目标特征信息对逻辑回归模型进行训练，获得目标违约概率预测模型；基于所述目标违约概率预测模型预测目标信用卡用户的违约概率。本发明实施例提供的用卡用户违约概率的预测方法，基于筛选后的特征信息对逻辑回归模型进行训练，获得目标违约概率预测模型，最后基于目标违约概率预测模型预测目标信用卡用户的违约概率，可以提高预测信用卡用户违约概率的准确性。

技术研发人员：刘腾腾,高翀,白伟仝
受保护的技术使用者：中国农业银行股份有限公司
技术研发日：
技术公布日：2024/1/25