[发明专利]用户逾期还款预测方法、装置及电子设备

权利要求书

1.一种用户逾期还款预测方法，其特征在于，包括：

获取目标用户的用户数据和其对应的欠款金额、欠款时间；

确定调节参数和坏账率；

根据所述用户数据确定其对应的信用评分；以及

基于所述欠款金额、所述调节参数、所述坏账率、所述信用评分确定所述目标用户逾期还款的欠款日期分布和欠款金额分布。

2.如权利要求1所述的方法，其特征在于，还包括：

获取预定日期的所有目标用户的欠款日期分布和欠款金额；以及

基于所述所有目标用户的欠款日期分布和欠款金额对金融资源的流动性进行预测。

3.如权利要求1-2所述的方法，其特征在于，获取目标用户的用户数据和其对应的欠款金额、欠款时间，包括：

在用户的欠款状态为逾期状态，且还款方式为非分期还款时；

将所述用户确定为所述目标用户。

4.如权利要求1-3所述的方法，其特征在于，确定调节参数和坏账率，包括：

通过历史数据和数学拟合计算确定所述调节参数和坏账率。

5.如权利要求1-4所述的方法，其特征在于，根据所述用户数据确定其对应的信用评分，包括：

将所述用户数据输入用户信用评估模型中以生成信用评估参数；

获取所述目标用户的历史欠款数据；

获取所述目标用户的历史还款数据；以及

通过所述信用评估参数、所述历史欠款数据、所述历史还款数据生成所述信用评分；

其中，所述用户信用评估模型是通过机器学习模型生成。

6.如权利要求1-5所述的方法，其特征在于，基于所述欠款金额、所述调节参数、所述坏账率、所述信用评分确定所述目标用户逾期还款的欠款日期分布和欠款金额分布，包括：

基于所述调节参数、所述信用评分、坏账率确定所述目标用户欠款的概率分布，所述概率分布表示了用户在时间序列上的欠款概率分布；以及

基于所述欠款金额、所述信用评分确定所述目标用户的欠款金额分布。

7.如权利要求1-6所述的方法，其特征在于，所述欠款日期分布，包括：

X_i＝{x_i，T，x_i，T+1，x_i，T+2......x_i，T+30，b_i}

X_i为欠款概率分布、x_i，T为i用户在T日欠款的概率，b_i为坏账率。

8.一种用户还款预测装置，其特征在于，包括：

数据模块，用于获取目标用户的用户数据和其对应的欠款金额、欠款时间；

参数模块，用于确定调节参数和坏账率；

评分模块，用于根据所述用户数据确定其对应的信用评分；以及

分布模块，用于基于所述欠款金额、所述调节参数、所述坏账率、所述信用评分确定所述目标用户逾期还款的欠款日期分布和欠款金额分布。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。