一种基于大数据的互联网金融用户贷款逾期预测方法   0    0

本发明请求保护一种基于大数据的互联网金融用户贷款逾期预测方法，包括：101数据预处理操作：根据用户行为、用户基本信息、信用评分数据预处理操作；102根据七折交叉验证法对数据进行划分操作；103根据对抗网络生成模型扩展训练集；104根据用户行为、用户基本信息、信用评分数据进行特征工程构建操作；105建立4个机器学习模型，并进行线性回归模型融合操作；106通过已建立模型基础，根据用户基本信息设置人工阈值规则预测用户是否违约。本发明运用大数据实现互联网金融风险机构由传统“事后堵截”的手段转变为“预先识别”，识别高违约用户。

1.一种基于大数据的互联网金融用户贷款逾期预测方法，其特征在于，包括以下步骤：
101、数据预处理操作，根据用户行为、用户基本信息、信用评分数据进行包括近似空缺填充、按照时间去重在内的数据预处理操作；
102、根据七折交叉验证法对数据进行划分操作，将数据分为训练集和测试集；
103、根据对抗网络生成模型扩展训练集，学习到原始数据的分布；
104、根据用户行为、用户基本信息、信用评分数据进行特征工程构建操作，通过卷积神经网络获取用户基本信息局部特征、时序特征及用户行为特征；
105、建立4个机器学习模型，并进行线性回归模型融合操作；
106、通过步骤105已建立的机器学习模型，根据用户基本信息设置人工阈值规则预测用户是否违约，识别高违约用户；
所述步骤103根据对抗网络生成模型扩展训练集，具体包括：随机生成与真实数据同规模数据传入生成网络G，真实数据和生成网络G输出结果采样后输入判别网络D计算损失，反向更新优化模型，使G学习到原始数据的分布，从而达到扩展训练集的目的；
所述步骤104通过卷积神经网络获取用户基本信息局部特征具体包括：
卷积神经网络获取用户基本信息局部特征：用户基本信息非连续性属性和连续性属性构造为矩阵matrix作为输入层，用户基本信息通过矩阵matrix传入卷积神经网络中卷积层，卷积核在输入层上通过逐一滑动窗口局部感知，权值W共享降低了参数数量，也提供了对用户隐藏信息拟合能力，然后更高层次对局部进行综合操作，从用户信息数据得到全局信息特征；将卷积层结果feature map矩阵展开为一维向量，对应连接相应的用户id,作为机器学习特征，卷积神经网络获取用户基本信息局部特征；
所述步骤104通过卷积神经网络获取用户基本信息时序特征具体包括：按照不同时间粒度提取用户特征，划分不同时间窗口大小，统计一个时间窗口用户申请贷款总次数、贷款金额、支付方式，每天申请贷款金额；
同一时间窗口的每天权值不一样，按照距离预测目标越近，其权重越大，其中，X为时间粒度为t天用户贷款总次数，w1、w2、w
3......wt为时间粒度为t天每天权值，x1、x2、x
3......xt为时间粒度为t天用户每天贷款次数； wi权重和用户在时间粒度为t天贷款总次数按公式表述如下：
X＝x1*w1+x2*w2+…+xt*wt   公式(5)；
所述步骤104通过卷积神经网络获取用户行为特征，具体包括：从业务层面分析用户行为，分析用户是否违约与历史行为关系，其用户行为特征有申请贷款金额、支付方式、借贷前/后购买次数、借贷前购买最大值、借贷前购买最小值；
所述步骤101数据预处理操作包括：对基础字段下用户行为、用户基本信息、信用评分数据，具体处理包括：
(1)近似空缺填充：在完整数据集中找到相似用户属性值进行填充，用户相似通过皮尔逊相关系数得到，其中，E为数学期望，D为方差，X、Y分别代表两个样本，两个用户之间的皮尔逊相关性为ρXY，皮尔逊相关性计算如下：
(2)原始用户行为表用户id含有重复的样本，按照时间去重，保留用户距离预测日期最近行为发生样本，减少信息冗余；
所述步骤105建立4个机器学习模型，并进行线性回归融合操作，具体包括：
使用Factorization Machines因子分解机FM、CatBoost、LightGBM、Adaboost算法对训练集七折交叉验证，得到不同的机器学习模型，Y为验证集真实标签，x1、x2、x3、x4为Factorization Machines(FM)、CatBoost、LightGBM、Adaboost对模型进行训练集七折交叉验证预测结果，线性回归拟合验证集真实标签，求得各个模型的参数w；
Y＝x1*w1+x2*w2+x3*w3+x4*w4   公式(6)
对于测试集使用Factorization Machines(FM)、CatBoost、LightGBM、Adaboost预测结果为X1、X2、X3、X4，将其预测结果分别乘以各个模型权重u，得到最终的预测结果；
P＝X1*u1+X2*u2+X3*u3+X4*u4   公式(7)。

2.根据权利要求1所述的一种基于大数据的互联网金融用户贷款逾期预测方法，其特征在于，所述步骤102根据七折交叉验证法对数据进行划分操作，具体包括：
为了在构建模型过程中对模型进行评估，使用七折交叉验证，其中1份作为验证集，剩下6份作为训练集，将七折交叉AUC的均值作为验证集结果，其中，k为交叉验证折数，k＝7，AUCi为每一折交叉验证结果，AUCave为七交叉验证均值。

3.根据权利要求1所述的一种基于大数据的互联网金融用户贷款逾期预测方法，其特征在于，所述步骤106的人工阈值R为用户基本信息完善率，其中，ftotal为用户信息表全部字段数，fmiss为某用户缺失字段数，R为用户信息完善率，公式如下
用户信息完善程度反映一个用户可靠性，设置人工规则阈值R＞＝0.68，R＜0.68对应用户仍为违约用户。