[發明專利]信用評價方法及裝置、存儲介質、計算機設備

有效

• 申請號: 201910156799.6
• 申請日: 2019-03-01
• 公開（公告）號: CN110009479B
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 張韶峰;申宇峰;季元
• 申請（專利權）人: 百融云創科技股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q20/40
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 黃耀威

1.一種信用評價方法，其特征在于，包括：

獲取用戶的信用數據以及用戶的申請業務；

根據所述信用數據以及反欺詐規則，對所述用戶進行反欺詐行為排查；

若所述用戶通過所述欺詐行為排查，則根據所述信用數據以及團伙欺詐模型，對所述用戶進行團伙欺詐行為排查；

若所述用戶通過所述團伙欺詐行為排查，則根據所述信用數據以及貸前信用評分模型，計算所述用戶的貸前信用評分；

若所述用戶的貸前信用評分大于或等于所述申請業務對應的預設放款評分閾值，則根據所述申請業務進行放款；

在還款自愈期內，獲取所述用戶的欠款數據；

根據所述信用數據、行為數據以及自愈評分模型，計算所述用戶的自愈評分；

根據所述用戶的自愈評分以及所述欠款數據，確定所述還款自逾期內對所述用戶的還款提示方式；

在還款催收期內，根據所述信用數據、所述行為數據以及催收評分模型，計算所述用戶的催收評分；

根據所述用戶的催收評分以及所述欠款數據，確定所述還款催收期內對所述用戶的還款提示方式；

所述根據所述信用數據以及反欺詐規則，對所述用戶進行反欺詐行為排查，具體包括：

獲取樣本用戶的信用數據，其中，所述信用數據包括多種；

按照預設最大箱數、預設最小葉節點數以及預設最小葉節點占比，對所述樣本用戶的信息數據進行決策樹分箱處理，得到多個分箱；

計算每個所述分箱的負評率，篩選出所述負評率大于預設負評率的分箱；

根據篩選后的分箱，確定每種所述信用數據對應的反欺詐規則；

分別計算每種所述信用數據對應的反欺詐規則的負評率，并按照所述負評率從大到小的順序對每種所述信用數據對應的反欺詐規則進行排序，其中，所述負評率為按照單變量反欺詐規則判斷樣本中存在欺詐行為的用戶數量占全部樣本用戶的總數量；

依次將排序后的反欺詐規則加入反欺詐規則集中，并計算新放入所述反欺詐規則集中的所述反欺詐規則與所述反欺詐規則集中的其他的反欺詐規則之間的相關系數；

若所述相關系數大于預設相關系數，則將新放入所述反欺詐規則集中的所述反欺詐規則刪除；

將所述反欺詐規則集中包含的所述反欺詐規則進行兩兩交叉，并將交叉后的反欺詐規則放入所述反欺詐規則集中；

分別計算所述反欺詐規則集中的每項所述反欺詐規則的負評率，并按照所述負評率確定最終的所述反欺詐規則；

根據最終的所述反欺詐規則對所述用戶進行反欺詐行為排查；

所述根據所述申請業務進行放款，具體包括：

按照放款額度計算公式，計算對所述用戶的最大放款額度，所述放款額度計算公式為

，

其中，x表示所述用戶的貸前信用評分在樣本用戶的貸前信用評分從低到高排序中對應的分位數，y(x)表示所述用戶對應的放款額度，A_mean表示平均放款額度，[A_min,A_max]為放款額度區間，；

按照利率計算公式，計算所述用戶的收款利率，所述利率計算公式為

，

其中，r表示所述用戶對應的收款利率，p表示所述用戶的貸前信用評分對應的壞賬率，r_o=r_mean(1-p_mean)-p_mean，r_mean表示平均收款利率，p_mean表示平均壞賬率；

根據所述用戶的最大放款額度、收款利率以及申請業務，進行放款。

2.根據權利要求1所述的方法，其特征在于，所述根據所述申請業務進行放款之后，所述方法還包括：

在放款存續期內，獲取所述用戶的行為數據；

根據所述行為數據，評價所述用戶的風險等級；

若所述用戶的風險等級大于或等于二次營銷風險等級，則根據所述信用數據，分析與所述用戶適配的二次營銷業務。