[發明專利]一種基于WOE轉換實現信貸客戶資質分類的方法

在審

• 申請號: 201910298743.4
• 申請日: 2019-04-15
• 公開（公告）號: CN110335134A
• 公開（公告）日: 2019-10-15
• 發明（設計）人: 李鵬慧;侯李偉;赫汗笛;胡書瑞;李江
• 申請（專利權）人: 梵界信息技術（上海）股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于WOE轉換實現信貸客戶資質分類的方法，包括以下步驟，數據的準備與預處理、模型訓練、模型評測、模型部署、進件數據處理和客戶資質劃分模塊，本發明涉及信貸技術領域。該基于WOE轉換實現信貸客戶資質分類的方法，達到了降低了噪聲影響，同時非數值型數據轉換對比ONE_HOT轉換維度更少，實現模型自動學習，客戶數據變化更敏感，預測準確率更高的目的。

技術領域

本發明涉及信貸技術領域，具體為一種基于WOE轉換實現信貸客戶資質分類的方法。

背景技術

隨著信貸行業的發展，對于放貸機構有越來越多的貸款申請。傳統的審核方法為人工審核與評分卡相結合，傳統方法效率低，對于客戶數據變化不夠敏感。因此就需要一種根據客戶變化情況自動學習、輔助人工審核的系統來提高審批效率，優化審批流程。另外可以深度挖掘客戶信息對于擴大客群有一定的幫助。

目前對于客戶數據較多時，數值取值范圍非常大，會產生隨機噪聲，對于不同資質的客戶分類不夠準確，不能夠更大程度上提高人工審核效率，人工成本高。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了一種基于WOE轉換實現信貸客戶資質分類的方法，解決了目前對于客戶數據較多時，數值取值范圍非常大，會產生隨機噪聲，對于不同資質的客戶分類不夠準確，不能夠更大程度上提高人工審核效率，人工成本高的問題。

(二)技術方案

為實現以上目的，本發明通過以下技術方案予以實現：一種基于WOE轉換實現信貸客戶資質分類的方法，包括以下步驟：

步驟一、數據的準備與預處理，將自變量數據和因變量數據分為五個部分，隨機選擇一部分作為測試數據，其余四部分作為訓練數據，對于訓練數據進行WOE轉換與歸一化處理，并根據訓練數據的WOE計算出的WOE轉換規則作用于測試數據，同理將訓練數據的歸一化規則作用于測試數據，相應的共產生五種不同訓練數據與測試數據的組合；

步驟二、模型訓練，將步驟一中產生的數據其中一份輸入該模塊，通過該模塊中的lasso特征選擇功能進行特征選擇，選取出對于客戶資質分類有用的特征進行下一步模型訓練，將步驟一中產生的五份數據分別根據特征選擇結果進行特征選擇后輸入該模塊中的模型參數優化與訓練功能進行模型訓練，其中模型由四種不同的模型構成分別為邏輯回歸、隨機森林、XGBoost及深度學習；

步驟三、模型評測，將模型參數優化與訓練功能得到的四種預測結果相加求平均值，與客戶實際資質進行對比評測，得到聯合模型的ROC、精確率、召回率等指標，并通過這些指標進行模型選擇，找出最優模型；

步驟四、模型部署，將找出的最優模型使用Django框架部署于服務器，客戶進件系統發送進件客戶數據，將進件客戶數據通過進件數據處理模塊得到處理過的客戶數據，將這部分數據輸入模型加載功能的模型中，最終得到客戶資質評分；

步驟五、進件數據處理，新進件客戶數據，首先將數據進行預處理、數據分段、WOE轉換與歸一化處理，具體規則與數據準備與預處理規則一樣；

步驟六、客戶資質劃分模塊，根據步驟三得出的預測結果評分劃分為十段，計算不同分段的好壞資質客戶的占比，參考歷史平均客戶的放貸金額、收益金額與損失金額計算不同分段的投資收益比，根據投資收益比及參考信貸產品政策對于不同的等級的客戶賦予不同等級的信貸標準,對于不同分段的客戶設定不同的放貸金額與人工審核建議，根據步驟四模塊得出的客戶資質評分，通過設定的放貸金額與人工審核建議，得到新進件客戶的應放貸金額與人工審核建議。

優選的，所述步驟一中自變量數據包括客戶申請數據、客戶征信數據、客戶通話記錄及通過這些數據計算出的數據。

優選的，所述步驟一中，因變量為客戶類別，由客戶還款信息計算得出。