1、信貸業(yè)務是商業(yè)銀行的主要利潤來源，貸后風險管理主要由省級和各地市級分行承擔，現有貸后風險檢測主要依據總行下發(fā)的風險指數、信貸客戶的財務信息、客戶交易等信息，缺少分析信貸客戶所在的行業(yè)信息等外部數據對風險的影響，而這些因素會影響用戶的資金償還能力。其次，貸后風險指標和評估具有一定滯后性?，F有風險指標數據多是選擇同比波動檢測，指標出現異常時，風險已經發(fā)生，帶來的損失往往很難挽回，同時對于貸后管理周期的不同階段處理方式單一，沒有體現不同階段的

2、貸后風險差異。因此，融合更多貸后風險關聯數據，對風險指標進行過程化更新和實時學習、優(yōu)化貸后風險管理流程具有重要意義。
　　針對貸后風險現行指標不能反映信貸客戶的行業(yè)風險問題，提出了融合多源數據的貸后風險評估框架。結合銀行現有指標數據，信貸客戶原始數據，以及外部的行業(yè)和地區(qū)數據，利用多源數據對風險指標進行學習;提出了概率包裹式特征選擇方法，對多源數據進行集成特征分析。通過計算外部行業(yè)和地區(qū)數據的相似度，劃分相似行業(yè)和地區(qū)。選用兩個信

3、貸數據集分析驗證特征提取的有效性，增加外部數據和補充內部數據，并根據外部行業(yè)和地區(qū)數據的相似度篩選可疑數據，提高了預測準確率。
　　針對貸后風險預測的滯后性，使用基于時間窗口的動態(tài)模型，對貸款的生命周期進行建模，動態(tài)選取處于不同信貸階段的相關數據，依據分類誤差學習不同時間窗口在信貸風險分析過程中的權重。針對實際數據集，通過與其他風險預測方法對比，驗證時間窗口動態(tài)模型的有效性。
　　針對信貸數據樣本的不平衡性問題，即不良貸款的