本發(fā)明涉及貸款風險評估，具體為一種逾期貸款風險智能評估方法。

背景技術：

1、在現(xiàn)代金融領域，貸款逾期風險評估一直是一個備受關注的問題。傳統(tǒng)的逾期貸款風險評估方法往往依賴于個人信用報告和財務數(shù)據(jù)，存在以下幾個主要缺點：

2、首先，傳統(tǒng)方法往往只關注個人的信用狀況和財務情況，而忽視了其他關鍵因素的影響，如就業(yè)企業(yè)的穩(wěn)定性和家庭的整體健康狀況。這種單一維度的評估容易造成評估結(jié)果的不準確性和局限性。

3、其次，傳統(tǒng)方法無法有效地捕捉個人與家庭、就業(yè)企業(yè)之間的關聯(lián)關系。事實上，個人的貸款逾期風險往往受到家庭狀況和就業(yè)企業(yè)穩(wěn)定性的影響，但傳統(tǒng)方法往往忽視了這種關聯(lián)性，導致風險評估結(jié)果不夠全面。

4、另外，傳統(tǒng)方法在數(shù)據(jù)處理和分析方面存在局限性。由于數(shù)據(jù)來源有限，往往只能提供有限的信息，難以進行深度分析和綜合評估。此外，傳統(tǒng)方法往往缺乏有效的預警機制，無法及時發(fā)現(xiàn)和應對潛在的逾期風險。

技術實現(xiàn)思路

1、針對現(xiàn)有技術的不足，本發(fā)明提供了一種逾期貸款風險智能評估方法，以解決背景集中提到的單一維度的評估容易造成評估結(jié)果的不準確性和局限性的問題。

2、為實現(xiàn)以上目的，本發(fā)明通過以下技術方案予以實現(xiàn)：一種逾期貸款風險智能評估方法，包括，

3、采集若干個目標用戶的貸款、健康和歷史貸款還款數(shù)據(jù)，確定為第一目標集合；所述第一目標集合包括用戶特征、用戶分群特征變量和還款變量；

4、采集若干個目標用戶相對應的就業(yè)企業(yè)數(shù)據(jù)，確定為第二目標集合；

5、采集若干個目標用戶相對應的家庭數(shù)據(jù)，確定為第三目標集合；

6、建立社會關系網(wǎng)模型，建立目標用戶h與就業(yè)企業(yè)、家庭的關系網(wǎng)，并對第一目標集合、第二目標集合和第三目標集合進行清洗、去重和無量綱處理后，進行分析和計算，獲得：個人風險系數(shù)gr、家庭風險系數(shù)jt、企業(yè)風險系數(shù)qy和共債風險系數(shù)gf；

7、所述個人風險系數(shù)gr獲取的方式如下：通過大數(shù)據(jù)，獲得第一評估結(jié)果；通過大數(shù)據(jù)，提取獲得目標用戶h的以及家庭成員的貸款數(shù)據(jù)，包括個人貸款額度ged、貸款余額dye、個人年收入nsr和個人信用分數(shù)c，確定是否存在家庭成員之間的共同債務，提取共同貸款合同數(shù)據(jù)以及每位家庭成員的信用分數(shù)和信用歷史，獲取得到個人風險系數(shù)gr和共債風險系數(shù)gf；并將個人風險系數(shù)gr和共債風險系數(shù)gf相關聯(lián)，構(gòu)建第一風險指數(shù)dr1；

8、將第一風險指數(shù)dr1與第一風險閾值進行對比評估，獲取第一評估結(jié)果；

9、當?shù)谝辉u估結(jié)果為不合格時，向外部發(fā)送第一預警指令；

10、并將家庭風險系數(shù)jt和企業(yè)風險系數(shù)qy相關聯(lián)，構(gòu)建第二風險指數(shù)dr2，并將第二風險指數(shù)dr2與第二風險閾值進行對比，獲取第二評估結(jié)果。

11、優(yōu)選的，確定目標用戶h為中心節(jié)點，建立社會關系網(wǎng)模型以中心節(jié)點為核心對象，建立節(jié)點之間的關系，h與相對應就業(yè)的企業(yè)之間，標記為雇傭關系；h與相對應家庭，標記為家庭關系；

12、每個節(jié)點之間的關系用權(quán)重表示，反映關系的強度；繪制關系網(wǎng)絡圖，在圖中，h表示中心節(jié)點，其他節(jié)點表示就業(yè)企業(yè)和家庭城邊，邊表示不同節(jié)點之間的關系，邊的粗細反映關系的權(quán)重。

13、優(yōu)選的，所述第一目標集合包括用戶特征、用戶分群特征變量和還款變量；

14、用戶特征包括年齡、性別、家庭地址、聯(lián)系信息、婚姻狀況和教育水平；

15、用戶分群特征變量包括用戶的年收入范圍、職業(yè)、家庭規(guī)模、地區(qū)特征和資產(chǎn)狀況；

16、還款變量包括目標用戶h貸款金額、貸款類型、貸款利率、貸款期限、還款計劃、逾期情況、還款歷史、還款方式和還款頻率。

17、優(yōu)選的，所述個人風險系數(shù)gr和共債風險系數(shù)gf通過以下公式計算獲得：

18、gr＝c+[(ged-dye)/nsr]

19、

20、式中，ct表示共同貸款金額，tt表示為所有成員的債務總額，wt代表信用權(quán)重，表示其他家庭成員的信用分數(shù)和信用歷史對共同債務風險的權(quán)重影響值；從大數(shù)據(jù)中提取目標用戶h和家庭成員的債務數(shù)據(jù)，包括貸款金額、貸款余額和共同貸款合同數(shù)據(jù)；識別家庭成員之間的共同債務，計算獲得共同債務的總金額，獲得共同貸款金額ct；并計算所有家庭成員的債務總額，包括獨立債務和共同債務，獲得所有成員債務總額tt；通過將共同債務金額ct除以總債務金額tt，得出一個比率，表示家庭成員之間共同債務的比例；這個比例越高，說明共同債務占整體債務的比例越大，因此家庭成員共同面臨更大的債務風險；

21、并將個人風險系數(shù)gr和共債風險系數(shù)gf通過以下相關聯(lián)公式生成第一風險指數(shù)dr1：

22、

23、式中，w1和w2分別表示個人風險系數(shù)gr和共債風險系數(shù)gf的權(quán)重值，其中w1＝0.6；w2＝0.4，a表示第一修正常數(shù)。

24、優(yōu)選的，信用權(quán)重wt的獲取方式如下：

25、獲取目標用戶h以及相對應目標用戶h的每位家庭成員的信用報告，信用報告包括個人信用分數(shù)、信用歷史、債務信息和信用查詢記錄；

26、對于每位家庭成員，將其信用分數(shù)標準化同意的范圍，包括0-1之間，通過標準化方法使用以下公式實現(xiàn)：

27、standardized_score＝credit_score-min_score/max_score-min_score

28、其中，credit_score是原始信用分數(shù)，min_score是最低信用分數(shù)，max_score是最高信用分數(shù)，并根據(jù)標準化后的信用分數(shù)，并由以下公式計算獲取信用權(quán)重wt：

29、wt＝1-standardized_score

30、公式的含義為，這個公式假定standardized_score信用分值越高，信用權(quán)重wt越低，反之亦然。

31、優(yōu)選的，將第一風險指數(shù)dr1與第一風險閾值進行對比評估，所述第一風險閾值包括第一評分值x1和第二評分值x2，第一評分值x1＞第二評分值x2，對第一風險指數(shù)dr1進行判斷獲取第一評估結(jié)果，包括：

32、第一風險指數(shù)dr1＜第二評分值x2，表示個人風險低于第二評分值x2，表示個人風險和共債無風險，生成第一合格標志；

33、當?shù)诙u分值x2≤第一風險指數(shù)dr1≤第一評分值x1，表示存在共債風險，但個人信用合格，生成第一異常標志；

34、當?shù)谝伙L險指數(shù)dr1＞第一評分值x1，表示個人信用不合格，且存在共債風險，生成第二異常標志。

35、優(yōu)選的，所述第二目標集合包括目標用戶h就業(yè)企業(yè)的數(shù)據(jù)，包括企業(yè)員工數(shù)量ygsl、年營收增長率zzl、員工流動率ygldl和社保繳納人數(shù)srs，無量綱處理后，通過以下公式生成企業(yè)風險系數(shù)qy：

36、

37、式中，a1、a2、b1和b2分別表示為企業(yè)員工數(shù)量ygsl、社保繳納人數(shù)srs、年營收增長率zzl和員工流動率ygldl的預設比例系數(shù)，b1≤0.30，0.18≤a2≤0.20，0.15≤b1≤0.17，0.25≤b2≤0.33，且0.80≤a1+a2+b1+b2≤1.0，b表示為第二修正常數(shù)。

38、優(yōu)選的，所述第三目標集合包括，目標用戶h的以及家庭成員的健康聯(lián)系數(shù)據(jù)和家庭事件；

39、采集獲取個人歷史疾病得分jbfz、最新檢查結(jié)果得分jcfz和慢性病得分mxfz，由以下公式計算獲得健康風險系數(shù)jk：

40、jk＝jbfz+jcfz+mxfz

41、公式的含義為：結(jié)合家庭成員個人歷史疾病得分jbfz、最新檢查結(jié)果得分jcfz和慢性病得分mxfz的數(shù)據(jù)進行相加獲得；

42、家庭事件包括醫(yī)療事件、離婚事件和意外事件；

43、并對醫(yī)療事件的嚴重程度和持續(xù)事件進行評分，獲得醫(yī)療事件評分值ylfz；

44、對離婚事件的持續(xù)時間進行評分，獲得離婚事件評分值lhfz；

45、對意外事件的持續(xù)時間進行評分，獲得意外事件評分值ywfz；

46、將醫(yī)療事件評分值ylfz、離婚事件評分值lhfz、意外事件評分值ywfz以及健康風險系數(shù)jk，無量綱處理后，通過以下公式生成家庭風險系數(shù)jt：

47、jt＝w3*(ylfz+lhfz+ywfz)+(jk*w4)；

48、式中，0＜w3＜1，0＜w4＜1，且w3+w4＝1，w3和w4為權(quán)重，其具體值由用戶調(diào)整設置；

49、將家庭風險系數(shù)jt和企業(yè)風險系數(shù)qy通過以下相關聯(lián)公式，生成第二風險指數(shù)dr2：

50、

51、式中，w5和w6分別表示家庭風險系數(shù)jt和企業(yè)風險系數(shù)qy的權(quán)重值，其中w5＝0.6；w6＝0.4，d表示第三修正常數(shù)。

52、優(yōu)選的，并將第二風險指數(shù)dr2與第二風險閾值進行對比評估，所述第二風險閾值包括第三評分值x3和第四評分值x4，第三評分值x3＞第四評分值x4，并對第二風險指數(shù)dr2進行判斷獲取第二評估結(jié)果，包括：

53、當?shù)诙L險指數(shù)dr2＜第四評分值x4，表示個人關聯(lián)的家庭企業(yè)低于第四評分值x4，表示無風險，生成第二合格標志；

54、當?shù)谒脑u分值x4≤第二風險指數(shù)dr2≤第三評分值x3，表示存在家庭健康支出風險，但企業(yè)風險合格，生成第三異常標志；

55、當?shù)谒脑u分值x4＞第三評分值x3，表示個人相關聯(lián)的家庭健康支出風險，并存在企業(yè)風險，生成第四異常標志。

56、優(yōu)選的，根據(jù)第一評估結(jié)果和第二評估結(jié)果，生成相對應顏色預警標志，包括：

57、第一合格標志和第二合格標志生成綠色安全分類；

58、第一異常標志生成紅色催款預警信息；

59、第二異常標志生成橙色貸款預警信息；

60、第三異常標志生成黃色借款預警信息；

61、第四異常標志生成藍色還款預警信息；

62、且用戶同時包含第一異常標志、第二異常標志、第三異常標志和第四異常標志中其中2項及以上一并生成紅色催款預警信息。

63、本發(fā)明提供了一種逾期貸款風險智能評估方法。具備以下有益效果：

64、(1)該一種逾期貸款風險智能評估方法，通過整合個人、家庭和企業(yè)多維度數(shù)據(jù)，綜合考慮了個人信用、家庭狀況和就業(yè)企業(yè)穩(wěn)定性因素，計算獲得個人風險系數(shù)gr、家庭風險系數(shù)jt、企業(yè)風險系數(shù)qy和共債風險系數(shù)gf；并將個人風險系數(shù)gr和共債風險系數(shù)gf相關聯(lián)，構(gòu)建第一風險指數(shù)dr1；將第一風險指數(shù)dr1與第一風險閾值進行對比評估，獲取第一評估結(jié)果；并將家庭風險系數(shù)jt和企業(yè)風險系數(shù)qy相關聯(lián)，構(gòu)建第二風險指數(shù)dr2，并將第二風險指數(shù)dr2與第二風險閾值進行對比，獲取第二評估結(jié)果。實現(xiàn)了全面的風險評估。這有助于金融機構(gòu)更準確地了解借款人的整體風險狀況，從而更有效地管理風險，降低貸款逾期和損失的風險。

65、(2)該一種逾期貸款風險智能評估方法，設立了多級預警機制，根據(jù)不同的風險情況生成相應顏色的預警標志，從綠色安全分類到紅色催款預警信息，再到橙色貸款預警信息、黃色借款預警信息和藍色還款預警信息，形成了一套完善的風險預警體系。這有助于金融機構(gòu)及時識別潛在的風險，并采取相應的措施，提高貸款資產(chǎn)的安全性和穩(wěn)健性。

66、(3)該一種逾期貸款風險智能評估方法，通過對個人、家庭和企業(yè)風險的精準評估和管理，使金融機構(gòu)能夠更好地控制風險，減少貸款逾期和損失。同時，借款人也能夠及時了解自身的風險狀況，并采取相應的措施進行風險管理，以保障自身和金融機構(gòu)的利益。