[發明專利]一種利于信用租賃的個人信用風險評估方法

在審

• 申請號: 202010166078.6
• 申請日: 2020-03-11
• 公開（公告）號: CN111292181A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 雷志;馬小宇;李瑞
• 申請（專利權）人: 杭州首新網絡科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q30/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種利于信用租賃的個人信用風險評估方法，其特征在于：其步驟如下：步驟一：數據收集，本方法收集到的數據為客戶的行為數據為主：包括：申請、放款、還款、黑名單、涉法信息等維度信息；步驟二：數據處理，把客戶的行為數據轉換成可以量化的風險信息；步驟三：不同模塊風險值匯總，取每個模塊最大值為合并后的風險值；步驟四：最后激活函數校驗，最后再經過涉法信息、黑名單，做一個策略上的調整；步驟五：根據最終得分，評定等級，量化客戶風險等級。該利于信用租賃的個人信用風險評估方法，在無標簽的情況下，通過僅有客戶的行為數據，對客戶進行信用風險評估，直接采用最大風險點維度的分值為個人信用評分的方法。

技術領域

本發明涉及風險評估技術領域，具體為一種利于信用租賃的個人信用風險評估方法。

背景技術

隨著信用租賃及個人信貸業務的興起，開展這些業務的平臺、企業對個人信用風險評估的需求也與日俱增，特別是信用無抵押租賃業務模式多樣性的爆發式增長，也對客戶的信用風險評估的要求更高，風險的控制也就成為制約這些新興行業發展的瓶頸，因此個人信用風險評估的研究有利于信用租賃和信貸行業健康穩定持續的發展。

現在人工智能模型對數據質量要求很高，特別是現在流行的建模方法都是有監督學習算法基于有標簽樣本構建出來的模型，對于無標簽樣本來說，這些方法不適用。

個人的征信數據是評估個人信用風險的重要依據，但是對于信用租賃和小額信貸業務來說，讓客戶提供這些數據，會讓整個的服務體驗度很不好，也會涉及到客戶隱私信息的泄露，只能通過第三方機構把客戶分散在社會各個方面的個人信用行為信息通過合法手段進行采集、加工、存儲，形成個人信用風險檔案，并根據租賃、信貸等機構的要求提供個人信用風險評估和查詢。

現階段，對于沒有標簽的客戶群體，一般都是通過畫像或者聚類算法等方式來評估客戶的信用風險。

畫像：基于數據給客戶打上很多標簽，每個標簽有不同的權重，最后匯總得到一個總分。此種方法的缺點是：客戶在某一個標簽的風險點很高，在其他標簽的風險點很低，經過加權運算后會拉低整體的風險，此存在不合理的地方，聚類算法同樣會存在以上不合理的地方。

發明內容

本發明的目的在于提供一種利于信用租賃的個人信用風險評估方法，以解決上述背景技術中客戶在某一個標簽的風險點很高，在其他標簽的風險點很低，經過加權運算后會拉低整體的風險，此存在不合理地方的問題。

為實現上述目的，本發明提供如下技術方案：一種利于信用租賃的個人信用風險評估方法，其步驟如下：

步驟一：數據收集，本方法收集到的數據為客戶的行為數據為主：包括：申請、放款、還款、黑名單、涉法信息等維度信息；

步驟二：數據處理，把客戶的行為數據轉換成可以量化的風險信息；

步驟三：不同模塊風險值匯總，取每個模塊最大值為合并后的風險值；

步驟四：最后激活函數校驗，最后再經過涉法信息、黑名單，做一個策略上的調整；

步驟五：根據最終得分，評定等級，量化客戶風險等級。

進一步的，所述步驟一申請數據主要為金融機構清洗的數據，放款、還款這些數據主要來源于代扣代付平臺清洗的數據，黑名單主要為客戶是否在合作機構有逾期、欺詐等行為，涉法信息主要是涉及客戶在各級地方公示公布的案件信息，合法合規的收集整理用戶的行為數據。。

進一步的，所述步驟二缺失值一律填充為：0；

借貸申請維度：

近一個月申請次數：最大風險點為申請次數最高用戶占比：3％的次數；

近三個月申請次數：最大風險點為申請次數最高用戶占比：4％的次數；