[發明專利]信用評分方法、系統、計算機設備及可讀介質

在審

• 申請號: 201810947751.2
• 申請日: 2018-08-20
• 公開（公告）號: CN109087196A
• 公開（公告）日: 2018-12-25
• 發明（設計）人: 肖尊雷;趙鋼;龐閃閃;劉婷婷;康麗娜;李翠靜
• 申請（專利權）人: 北京玖富普惠信息技術有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06N99/00
• 代理公司: 北京正理專利代理有限公司 11257
• 代理人: 付生輝

1.一種信用評分方法，其特征在于，所述方法包括：

對收集的信用卡申請客戶的原始數據進行清洗，刪去不符合預設條件的變量；

對保留的字符型變量進行數據分箱；

構建評分模型，對新申請用戶進行評分，根據評分結果確定是否批準用戶申請。

2.根據權利要求1所述方法，其特征在于，所述構建評分模型，對新申請用戶進行評分，根據評分結果決定是否批準用戶申請包括：

確定并提取評分模型所需的數據類型；

對所提取的數據進行清洗，得到格式整齊的模型候選變量；

對清洗好的候選變量進行選擇，保留解釋能力高于第一預設數值的變量；

計算模型的評估標準，對模型整體預測能力進行評估；

使用合適生產環境的語言，將評分卡模型部署到生產環境。

3.根據權利要求2所述方法，其特征在于，所述對所提取的數據進行清洗，得到格式整齊的模型候選變量包括：

分析變量的含義，刪除貸后變量和無意義變量；

分析變量空值率，刪除缺失率高于第二預設數值的變量；

分析變量分布情況，刪除單一水平變量。

4.根據權利要求2所述方法，其特征在于，所述對清洗好的候選變量進行選擇包括：

計算數值型單變量KS，保留KS較高的變量；

計算單變量IV，保留IV較高的變量；

計算變量間相關系數，去除多重共線性；

使用LASSO機器學習方法選擇變量，保留解釋能力高于預設數值的變量。

5.根據權利要求2所述方法，其特征在于，所述計算模型的評估標準，對模型整體預測能力進行評估包括：

使用模型對測試樣本進行評分，得到好壞客戶的評分分布，根據兩分布的重合度判斷模型預測能力；

使用模型對測試樣本進行預測，得到KS值或AUC值，根據該值判斷模型預測能力。

6.一種信用評分系統，包括：

數據清洗模塊，用于對收集的信用卡申請客戶的原始數據進行清洗，刪去不符合預設條件的變量；

數據分類模塊，用于對保留的字符型變量進行數據分箱；

模型構建模塊，用于構建評分模型，對新申請用戶進行評分，根據評分結果確定是否批準用戶申請。

7.根據權利要求6所述系統，其特征在于，所述模型構建模塊包括：

提取模塊，確定并提取評分模型所需的數據類型；

提取數據清洗模塊，對所提取的數據進行清洗，得到格式整齊的模型候選變量；

數據選擇模塊，對清洗好的候選變量進行選擇，保留解釋能力高于第一預設數值的變量；

評估模塊，計算模型的評估標準，對模型整體預測能力進行評估；

部署模塊，使用合適生產環境的語言，將評分卡模型部署到生產環境。

8.根據權利要求7所述系統，其特征在于，所述提取數據清洗模塊包括：

變量含義分析模塊，分析變量的含義，刪除貸后變量和無意義變量；

變量空值率分析模塊，分析變量空值率，刪除缺失率高于第二預設數值的變量；

變量分布情況分析模塊，分析變量分布情況，刪除單一水平變量。

9.根據權利要求7所述系統，其特征在于，所述數據選擇模塊包括：

KS計算模塊，計算數值型單變量KS，保留KS較高的變量；

IV計算模塊，計算單變量IV，保留IV較高的變量；

相關系數計算模塊，計算變量間相關系數，去除多重共線性；

變量選擇模塊，使用LASSO機器學習方法選擇變量，保留解釋能力高于預設數值的變量。

10.根據權利要求6所述系統，其特征在于，所述部署模塊被配置為

使用模型對測試樣本進行評分，得到好壞客戶的評分分布，根據兩分布的重合度判斷模型預測能力；

使用模型對測試樣本進行預測，得到KS值或AUC值，根據該值判斷模型預測能力。