(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 202210964737.X (22)申请日 2022.08.11 (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 蒋超　李建宇　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 张琛 (51)Int.Cl. G06Q 40/02(2012.01) G06Q 10/04(2012.01) (54)发明名称 不良贷款回收预测方法、 装置、 设备、 介质和 程序产品 (57)摘要 本公开提供了一种不良贷款回收预测方法， 可以应用于人工智 能技术领域。 该方法包括： 获 取不良贷款回收因子数据， 包含对应于m个不良 贷款回收项的m组不良贷款回收因子， 其中， 对应 于第i个不良贷款回收项的第i组不良贷款回收 因子包含k个不良贷款回 收因子； 将第i组不良贷 款回收因子数据输入不良贷款回收项预测模型， 获取第i个不良贷款回 收项预测结果； 获取m个不 良贷款回收项预测结果， 并基于m个不良贷款回 收项预测结果获取不良贷款回收预测结果， 其 中， 不良贷款回收预测结果为m个不良贷款回收 项预测结果的聚合， 不良贷款回收项预测模型基 于因子‑回归分析方法构建。 本公开还提供了一 种不良贷款回收预测装置、 设备、 存储介质和程 序产品。 权利要求书2页 说明书12页 附图5页 CN 115271927 A 2022.11.01 CN 115271927 A 1.一种不良贷款回收预测方法， 其特 征在于， 包括： 获取不良贷款回收因子数据， 其中， 所述不良贷款 回收因子数据包含对应于m个不良贷 款回收项的m组不良贷款回收因子， 其中， 对应于第i个不良贷款回收项的第i组不良贷款回 收因子包含k个不良贷款回收因子， 且满足1≤i≤m且i和m均为整数； k为大于或等于1的整 数； 将所述第i组不良贷款回收因子数据输入预训练得到的不良贷款回收项预测模型， 获 取第i个不良贷款回收项预测结果； 获取m个不良贷款回收项预测结果， 并基于所述m个不良贷款回收项预测结果获取不良 贷款回收预测结果， 其中， 所述不良贷款回收预测结果为m个不良贷款回收项 预测结果的聚 合， 其中， 所述预训练得到的不良贷款回收项预测模型基于因子 ‑回归分析 方法构建。 2.一种根据权利要求1所述的方法， 其中， 预训练得到不良贷款回收项预测模型包括： 获取样本数据， 所述样本数据包含m个不良贷款 回收项的样本数据以及与 所述m个不良 贷款回收项的样本数据对应的m组不良贷款回收因子样本数据， 其中， 对应于第i个不良贷 款回收项的第i组不良贷款回收因子样 本数据包含j 个初始因子的样本数据， 且满足j≥k且 j为整数； 基于因子分析方法从所述j个初始因子 中筛选出所述k个不良贷款 回收因子作为第i组 不良贷款回收因子； 以及 基于回归分析方法建立第i个不良贷款回收项与所述k个不良贷款回收因子的关联关 系。 3.根据权利要求2所述的方法， 其中， 所述基于因子分析方法从所述j个初始因子中筛 选出所述k个不良贷款回收因子作为第i组不良贷款回收因子包括： 基于第i个不良贷款 回收项的样本数据和第q个初始因子的样本数据建立相关性模型， 所述相关性模型用于计算所述第q个初始因子与所述第i个不良贷款回收项的关联度， 其 中， q满足 1≤q≤j； 以及 当所述第q个初始因子与所述第 i个不良贷款 回收项的关联度达到预设的阈值时， 确定 所述第q个初始因子为 不良贷款回收因子 。 4.根据权利要求2所述的方法， 其中， 所述因子分析方法包括皮尔逊相关系数及显著性 检验法。 5.根据权利要求1所述的方法， 其中， 所述不良贷款回收项包含借款人受偿金额， 抵质 押物受偿金额， 保证人受偿金额， 多 渠道受偿金额中的至少一种， 以及处置费用。 6.根据权利要求5所述的方法， 其中， 与 所述借款人受偿金额对应的不良贷款 回收因子 包括年销售收入， 利润总额， 历史累计亏损， 上年现金流入， 贷款本金， 表内利息以及表外利 息中的至少三种。 7.根据权利要求5所述的方法， 其中， 与 所述抵质押物 受偿金额对应的不良贷款回收因 子包括贷款余额， 表内欠息， 表外欠息， 抵质押担保合同金额以及押品变现价值中的至少两 种。 8.根据权利要求5所述的方法， 其中， 与 所述保证人受偿金额对应的不良贷款 回收因子 包括贷款余额， 表内欠息， 表外欠息， 保证担保合同金额， 保证人利润金额以及保证人资产权　利　要　求　书 1/2 页 2 CN 115271927 A 2总额中的至少两种。 9.根据权利要求5所述的方法， 其中， 与 所述多渠道 受偿金额对应的不良贷款 回收因子 包括异常债务行为 矫正受偿额， 政策支持受偿额， 机构或有收益受偿额中的至少一种。 10.根据权利要求5所述的方法， 其中， 与所述处置费用对应的不良贷款回收因子包括 法律费用， 税费， 中介费用以及管理费用中的至少一种。 11.一种不良贷款回收预测装置， 其特 征在于， 包括： 获取模块， 用于获取不良贷款 回收因子数据， 其中， 所述不良贷款 回收因子数据包含对 应于m个不良贷款回收项的m组不良贷款回收因子， 其中， 对应于第i个不良贷款回收项的第 i组不良贷款回收因子包含k个不良贷款回收因子， 且满足1≤i≤m且i和m均为整数； k为大 于或等于1的整数； 预测模块， 用于将所述第i组不良贷款回收因子数据输入预训练得到的不良贷款回收 项预测模型， 获取第i个不良贷款回收项预测结果， 其中， 所述预训练得到的不良贷款回收 项预测模型基于因子 ‑回归分析 方法构建； 以及 聚合模块， 用于获取m个不良贷款回收项预测结果， 并基于所述m个不良贷款回收项预 测结果获取不良贷款回收预测结果， 其中， 所述不良贷款回收预测结果为m个不良贷款回收 项预测结果的聚合。 12.一种电子设备， 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， 其中， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所述一个或多个 处理器执行根据权利要求1～10中任一项所述的方法。 13.一种计算机可读存储介质， 其上存储有可执行指令， 该指令被处理器执行时使处理 器执行根据权利要求1～10中任一项所述的方法。 14.一种计算机程序产品， 包括计算机程序， 所述计算机程序被处理器执行时实现根据 权利要求1～10中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115271927 A 3