[發明專利]一種基于第三方數據的消費金融信用評分卡開發方法

在審

• 申請號: 202010236413.5
• 申請日: 2020-03-30
• 公開（公告）號: CN111311128A
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 江遠強
• 申請（專利權）人: 百維金科（上海）信息科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q40/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供了一種基于第三方數據的消費金融信用評分卡開發方法，包括目標變量定義、數據獲取、探索性數據分析、數據預處理、特征工程、模型開發、模型開發和信用評分；所述特征工程包括變量分箱、WOE轉換、信息值IV和變量相關系數計算、根據信息值IV和變量相關系數進行特征篩選，所述變量分箱包括：通過卡方分箱選出對逾期狀態影響最顯著的字段、針對特征變量進性自動化分箱；所述模型評估，包括根據模型評估指標評估模型的擬合能力，并利用邏輯回歸的參數調參訓練。實施本發明技術方案，首先，增加了第三方數據，從而增加了風險識別的維度；再次，增加了變量之間的相關性檢驗，一方面能夠防止進入模型的變量過多，增加計算成本，另一方面能夠防止模型過擬合，為模型構建增加穩定性；最后，通過模型評估和調參，增強了模型的準確性。

技術領域

本發明涉及消費金融行業評分卡模型開發構建技術，特別涉及一種基于第三方數據的消費金融信用評分卡開發方法。

背景技術

據有關數據顯示：2018年我國消費金融市場（不含房貸）規模為8.45萬億元，市場滲透率為22.36%，預計到2020年我國消費金融市場規模將達到12萬億元，屆時滲透率將達25.05%。由此可以判斷，我國消費金融行業處于發展初期，仍有較大增長空間。傳統金融風控進行風險控制所使用的數據維度主要為：人行征信、銀行流水、平臺申請的個人基本屬性數據，對于大數據風控要求，數據維度及風險把握不足。

目前，金融大數據使用了更多的第三方數據，主要包括多頭借貸行為、互聯網、網上購物、第三方支付、反欺詐等數據，極大豐富了信用評估的可用數據維度，這使得全方位有效的進行信用評估成為可能，但同時也對評分卡模型的特征處理性能提出了更高的要求。金融信貸機構特征集合普遍具有數量多、緯度高的特點，但評分卡應關注的并不是數據規模本身，而是這些海量數據中有價值的特征，按照傳統的方式人工進行特征篩選已不能很好的適用當前的信貸場景。

另外，傳統的數據處理當中的分箱方法主要利用操作較為簡單的等頻分箱和等距分箱，而這兩種無監督的分箱方法不足之處在于：忽略了實例所屬的類型，落在正確區間里的偶然性很大。分箱數量主要靠主觀經驗，未必是合適的數量。分箱后，每個區間的合理性，缺乏科學的評估和調整。

發明內容

為了解決上述技術問題，本發明中披露了一種基于第三方數據的消費金融信用評分卡開發方法，本發明的技術方案是這樣實施的：

一種基于第三方數據的消費金融信用評分卡開發方法，包括以下步驟：

步驟一：目標變量定義，根據vintage分析，觀察各月份平均逾期的走勢，確定表現窗口的時間跨度，將表現期內逾期天數超過90天的用戶定義為“壞用戶”，將表現期內逾期天數未超過90天的用戶定義為“好用戶”；

步驟二：數據獲取，選取建模的客戶，獲取金融機構自身的字段和客戶授權獲取的第三方數據字段；

步驟三：探索性數據分析，對所述金融機構自身的字段和所述第三方數據字段進行分類，了解數據的大體情況，包括每個字段的缺失值情況、異常值情況、平均值、中位數、最大值、最小值以及分布情況；

步驟四：數據預處理，包括臟數據清洗、缺失值處理和異常值處理；

步驟五：特征工程，包括變量分箱、WOE轉換、信息值IV和變量相關系數計算、根據信息值IV和變量相關系數進行特征篩選；

步驟六、數據集劃分，隨機或跨時間劃分訓練集、驗證集；

步驟七：模型開發，以特征篩選后獲得的特征變量為基礎，構建模型，運用邏輯回歸算法，進行模型擬合；對擬合后的變量系數進行檢查，刪掉符號相反的變量，后再次進行模型擬合；循環以上步驟，直到變量系數全部正確；最后刪除相關系數矩陣較高的特征變量或者VIF較高的特征變量，排除變量之間的多重共線性；