[發明專利]一種基于隨機森林算法的消費信貸場景的風險評估方法

在審

• 申請號: 202010784787.0
• 申請日: 2020-08-06
• 公開（公告）號: CN112037009A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 江遠強;韓璐;李蘭
• 申請（專利權）人: 百維金科（上海）信息科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q30/02;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于隨機森林算法的消費信貸場景的風險評估方法，其特征在于，包括信息采集模塊(1)、數據預處理模塊(2)、特征工程模塊(3)、模型訓練及調參模塊(4)、特征重要性評估模塊(5)、模型評價與選擇模塊(6)和模型部署監控模塊(7)，所述信息采集模塊(1)通過所述數據預處理模塊(2)與所述特征工程模塊(3)連接，所述特征工程模塊(3)通過所述模型訓練及調參模塊(4)與所述特征重要性評估模塊(5)連接，所述特征重要性評估模塊(5)通過所述模型評價與選擇模塊(6)與所述模型部署監控模塊(7)連接。

2.根據權利要求1所述的一種基于隨機森林算法的消費信貸場景的風險評估方法，其特征在于，所述基于隨機森林算法的消費信貸場景的風險評估方法，包括以下步驟：

建模數據獲取：從公司業務系統中按申請月份隨機抽取建模樣本客戶，對于表現不充分(近期申請，壞賬率明顯低于前期客戶)的不平衡樣本通過SMOTE(synthetic minorityoversampling technique：合成少數過采樣技術)獲得建模客戶，用建模客戶的編號作為主鍵去關聯提取建模客戶的申請數據、征信數據、APP操作埋點數據及客戶授權的第三方數據合并成建模數據集；

數據預處理：檢驗用戶編號的唯一性和樣本完整性作為對樣本數據質量檢驗標準，并對建模樣本的變量做統計性分析，可做分布圖直觀描述變量的分布范圍，并統計變量的均值、分位點值、異常值、缺失值，若和業務關聯性比較高的變量缺失率比較高，可使用隨機森林算法構造決策樹對缺失值預測插補缺失率，該方法能夠有效輔助填充缺失變量信息，針對較為稀疏的變量可采用K-Means算法進行聚類，對稀疏變量聚類利于變量特征工程的處理；

特征工程：對原始數據預處理之后進行特征處理和加工，一般通過構建衍生變量來獲取更有預測力和解釋性的變量，常用的特征衍生方法有：計數、求和、比例、時間差和波動率等，深層次挖掘更多更有用的變量，也可以把兩個有關聯業務邏輯的變量通過加減乘除等運算生成衍生變量，最終生成更高維的特征寬表，特征選擇工作可在隨機森林模型訓練優化中進行；

模型訓練及調參：運用python的sklearn模塊中的隨機森林分類器(Random ForestClassifier)進行模型訓練及調參；

特征重要性評估及特征選擇：隨機森林模型不同于其他傳統評分卡模型在于能夠輸出特征的重要性程度，重要性程度是各個特征的重要性值經過歸一化的結果，特征重要性越高代表特征越匹配預測函數，在sklearn中已經實現了用隨機森林評估特征重要性，在訓練好隨機森林模型后，直接調用feature_importances屬性就能得到每個特征的重要性，并按降序排序，根據樣本的總特征數選取重要性的TOP500或T0P100特征得到一個新的特征子集后重新進行訓練調參，最終得到泛化性和穩定性更優的隨機森林模型，并且根據特征重要性可以構建消費信貸行業風險評估方體系及其指標權重，以此評估客戶信用得分及逾期風險等級；

模型評價與選擇：通過KS和AUC來評估隨機森林模型的整體效果，KS值不僅能夠反映模型是否準確，還能夠評估模型對好壞客戶是否有足夠的區分度；AUC值能夠保證在樣本不均勻的情況下，準確評估模型的好壞與否，并結合對比LR、SVM、GBDT、XGBoost等其他傳統評分卡模型，綜合評估比較隨機森林模型準確性和穩定性；

模型部署監控：通過網格化調參及五折交叉驗證方法重復訓練達到最優參數組合的隨機森林模型后，將模型部署至系統平臺，通過監控變量IV及均值、模型分布的PSI(Population Stability Index，人群穩定性指數)、KS、AUC等指標來更新調整優化模型。