[發明專利]一種信用卡發卡模型及其運用方法

有效

• 申請號: 202010811052.2
• 申請日: 2020-08-13
• 公開（公告）號: CN111951099B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 楊曉彥;朱偉輝;陳玉;賈弘茹
• 申請（專利權）人: 上海銀行股份有限公司
• 主分類號: G06Q40/03
• 分類號: G06Q40/03;G06F18/2431
• 代理公司: 上海翰信知識產權代理事務所(普通合伙) 31270
• 代理人: 張維東

1.一種信用卡發卡模型，其特征在于，包括：

數據準備模塊，配置為分別獲取訓練客戶和待預測客戶的數據；

數據預處理模塊，配置為將獲取的數據進行預處理；

提取特征工程模塊，配置為從預處理后的數據中提取特征，特征包括基礎屬性特征、欺詐風險特征、信用風險特征以及衍生信息特征；

訓練模塊，配置為采用GBRT模型對提取的特征進行訓練，生成信用卡發卡模型結果，訓練時所采用的特征屬于訓練客戶；

模型預測模塊，配置為利用信用卡發卡模型結果和提取的特征，預測出待預測客戶的發卡風險，并評估發卡后的效益，預測時所采用的特征屬于待預測客戶；

模型結果評估模塊，所述模型結果評估模塊的評估方式為：

設置兩種基線，分別為：使用樣本數據中的眾數作為預測值形成第一基線，使用距離當前時間節點最近的一個表現期的歷史樣本數據均值作為預測值形成第二基線，分別計算得到的第一基線RMSE指標和第二基線RMSE指標；

根據已生成的信用卡發卡模型結果計算模型RMSE指標；

根據模型RMSE指標、第一基線RMSE指標和第二基線RMSE指標比較信用卡發卡模型結果、第一基線以及第二基線預測的準確率；

計算預測準確率提升比例的公式為：(模型RMSE-第一基線RMSE指標或第二基線RMSE指標)/第一基線RMSE指標或第二基線RMSE指標。

2.如權利要求1所述的信用卡發卡模型，其特征在于，獲取的數據為訓練客戶和待預測客戶的數據，包括：

客戶信息表、卡信息表、發卡申請信息、人行征信表以及三方信息表。

3.如權利要求2所述的信用卡發卡模型，其特征在于，訓練客戶的數據為多個已發信用卡客戶表現期內的數據，并將各已發信用卡客戶表現期內的數據作為樣本數據，其中，表現期為6個月、12個月或24個月。

4.如權利要求1所述的信用卡發卡模型，其特征在于，數據預處理模塊包括：拼接處理單元、加和處理單元、差值處理單元、比值處理單元以及清洗處理單元，用于對獲取的數據進行拼接處理、加和處理、差值處理、比值處理以及清洗處理，得到多種組合衍生特征，組合衍生特征包括信貸組合特征和還款比例特征。

5.如權利要求1所述的信用卡發卡模型，其特征在于，

基礎屬性特征包括：客戶的基礎信息；

欺詐風險特征包括：客戶申請信息中的地址、電話、手機、配偶是否與征信或三方信息匹配；

信用風險特征包括：償還歷史，包括房貸總筆數、貸款總筆數、當前逾期貸款、貸記卡賬戶個數、最大及累計逾期期數；還款能力，包括貸款筆數、貸款發放機構數、貸款金額、貸記卡賬戶數、授信總額及發卡機構數；信用歷史，包括查詢機構數、最大貸記卡賬戶賬齡、最小貸記卡賬戶賬齡、平均貸記卡賬戶賬齡及貸款距今時長；

衍生信息特征包括：職業變更頻率、房貸占比及車貸占比。

6.如權利要求1所述的信用卡發卡模型，其特征在于，模型訓練模塊還配置為在訓練時調整模型參數。