(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210460740.8 (22)申请日 2022.04.28 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 谢伟　王磊　吴冕冠　程鹏　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 边丹丹　黄健 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 40/02(2012.01) G06N 20/00(2019.01) (54)发明名称 一种违约时间的预测方法及相关装置 (57)摘要 本申请提供了一种违约时间的预测方法及 相关装置， 涉及人工智能领域。 该方法包括： 获取 第一客户的数据， 第一客户的数据包括用于反映 第一客户的信用风险的参数； 将上述数据输入至 第一模型中， 得到第一客户的违约概率； 在第一 客户的违约概率大于预设值的情况下， 通过第二 模型预测第一客户的违约时间所属的时间区间； 基于第二模型预测的第一客户的违约时间所属 的时间区间， 通过对应的第三模 型预测第一客户 的违约时间。 通过预测出第一客户的违约时间， 金融机构可以针对违约时间制定更合理的风险 控制措施， 有利于提高金融机构的信用风险控制 的效率。 权利要求书2页 说明书16页 附图3页 CN 114676936 A 2022.06.28 CN 114676936 A 1.一种违约时间的预测方法， 其特征在于， 应用于服务器， 所述服务器配置有第一模 型、 第二模型和至少一个第三模型， 所述第一模型用于预测客户的违约概率， 所述第二模型 用于预测客户的违约时间所属的时间区间， 所述至少一个第三模型和至少一个时间区间对 应， 每个第三模型用于预测 客户在所对应的时间区间内的违约次数和违约时间， 所述方法 包括： 获取第一客户的数据， 所述第 一客户的数据包括用于反映所述第 一客户的信用风险的 参数； 将所述数据输入至所述第一模型中， 得到所述第一 客户的违约概 率； 在所述第一客户的违约 概率大于预设值的情况下， 通过所述第 二模型预测所述第 一客 户的违约时间所属的时间区间； 基于所述第 二模型预测的所述第 一客户的违约时间所属的时间区间， 通过对应的第 三 模型预测所述第一 客户的违约时间。 2.如权利要求1所述的方法， 其特征在于， 所述第一模型为多元逻辑Logistic模型， 所 述第二模型为高斯混合模型GM M， 所述第三模型为自回归移动平均ARIMA模型。 3.如权利要求1所述的方法， 其特征在于， 所述数据包括如下一项或多项： 行业类别、 执 行利率、 放款金额、 贷款期数、 性别、 年龄、 学历、 家庭年收入、 雇佣情况、 单位类型、 居住情 况、 职务、 社保标志以及客户等级。 4.如权利要求1所述的方法， 其特征在于， 所述第一模型包括多个第一子模型， 所述多 个第一子模型对应不同的客户类型， 所述 客户类型根据客户所属的年龄段或地区确定； 所述将所述数据输入至所述第一模型中， 得到所述第一 客户的违约概 率， 包括： 从所述多个第一子模型中确定与所述第一 客户的客户类型对应的第一子模型； 将所述第一 客户的数据输入至所述第一子模型中， 得到所述第一 客户的违约概 率。 5.如权利要求1所述的方法， 其特征在于， 所述第二模型包括多个第二子模型， 所述多 个第二子模型对应不同的客户类型， 所述 客户类型根据客户所属的年龄段或地区确定； 所述通过所述第二模型 预测所述第一 客户的违约时间所属的时间区间， 包括： 从所述多个第二子模型中确定与所述第一 客户的客户类型对应的第二子模型； 通过所述第二子模型 预测所述第一 客户的违约时间所属的时间区间。 6.如权利要求1所述的方法， 其特征在于， 每个第三模型包括多个第三子模型， 所述多 个第三子模型中的任意两个第三子模型对应的客户类型不同， 所述客户类型根据客户所属 的年龄段或地区确定； 所述基于所述第二模型预测的所述第 一客户的违约时间所属的时间区间， 通过对应的 第三模型 预测所述第一 客户的违约时间， 包括： 在与所述第二模型预测的所述第一客户的违约时间所属的时间区间对应的第三模型 中， 确定与所述第一 客户的客户类型对应的第三子模型； 通过所述第三子模型 预测所述第一 客户的违约时间。 7.如权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获取训练集， 所述训练集包括多个客户的历史数据； 基于所述训练集， 分别对所述第一模型、 所述第二模型和所述至少一个第三模型进行 训练。权　利　要　求　书 1/2 页 2 CN 114676936 A 28.如权利要求7 所述的方法， 其特 征在于， 所述方法还 包括： 基于所述多个客户分别 对应的客户类型， 对所述训练集进行分组， 得到多组训练集， 所 述多组训练集对应的客户类型不同， 所述客户类型根据客户所属的年龄段或地区确定； 以 及， 所述基于所述训练集， 分别对所述第一模型、 所述第二模型和所述至少一个第三模型 进行训练， 包括： 基于每一组训练集分别对所述第 一模型、 所述第 二模型和所述至少一个第 三模型进行 训练， 得到训练好的一个第一子模型、 第二子模型以及多个训练好的第三子模型。 9.如权利要求7或8所述的方法， 其特 征在于， 所述方法还 包括： 按照预设周期， 更新所述训练集， 得到更新后的训练集； 基于所述更新后的训练集， 分别对所述第一模型、 所述第二模型和所述至少一个第三 模型进行训练。 10.一种服务器， 其特征在于， 所述服务器配置有第一模型、 第二模型和至少一个第三 模型， 所述第一模型用于预测客户的违约概率， 所述第二模型用于预测 客户的违约时间所 属的时间区间， 所述至少一个第三模型和至少一个时间区间对应， 每个第三模型用于预测 客户在所对应的时间区间内的违约次数和违约时间， 所述 服务器包括： 获取单元， 用于获取第一客户的数据， 所述第一客户的数据包括用于反映所述第一客 户的信用风险的参数； 输入单元， 用于将所述数据输入至所述第一模型中， 得到所述第一 客户的违约概 率； 处理单元， 用于在所述第一客户的违约概率大于预设值的情况下， 通过所述第二模型 预测所述第一 客户的违约时间所属的时间区间； 所述处理单元还用于基于所述第二模型预测的所述第一客户的违约时间所属的时间 区间， 通过对应的第三模型 预测所述第一 客户的违约时间。 11.一种服 务器， 其特 征在于， 包括处 理器和与所述处 理器通信连接的存 储器； 所述存储器存储计算机执 行指令； 所述处理器执行所述存储器存储的计算机执行指令， 以实现如权利要求1至9中任一项 所述的方法。 12.一种计算机可读存储介质， 其特征在于， 包括计算机程序， 当所述计算机程序在计 算机上运行时， 使得 所述计算机执 行如权利要求1至9中任一项所述的方法。 13.一种计算机程序产品， 其特征在于， 包括计算机程序， 当所述计算机程序被运行时， 使得计算机执 行如权利要求1至9中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114676936 A 3