[發(fā)明專利]一種基于用戶行為特征的信用卡還款概率預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202011294383.X
• 申請日: 2020-11-18
• 公開（公告）號: CN112330047A
• 公開（公告）日: 2021-02-05
• 發(fā)明（設(shè)計(jì)）人: 張鎮(zhèn)洋;黃小明
• 申請（專利權(quán)）人: 交通銀行股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/02
• 代理公司: 上海科盛知識產(chǎn)權(quán)代理有限公司 31225
• 代理人: 葉敏華

1.一種基于用戶行為特征的信用卡還款概率預(yù)測方法，其特征在于，包括：

獲取用戶相關(guān)數(shù)據(jù)，包括用戶交易信息、社交信息、征信信息、APP瀏覽和網(wǎng)頁瀏覽信息以及催收信息，并對獲取的每一個(gè)用戶包含的各類信息作為一個(gè)樣本；

對獲取的用戶相關(guān)數(shù)據(jù)進(jìn)行清洗；

對清洗后的數(shù)據(jù)構(gòu)建統(tǒng)計(jì)特征、業(yè)務(wù)特征和編碼特征；

對構(gòu)建的特征進(jìn)行篩選，獲取用以訓(xùn)練模型的特征；

以篩選出的特征作為單模型的輸入，以超過設(shè)定的閾值天數(shù)是否還款作為單模型的輸出，采用分類算法進(jìn)行多種類單模型訓(xùn)練，并對各模型進(jìn)行參數(shù)調(diào)整，選取出用以融合的最優(yōu)單模型；

將選取的最優(yōu)單模型進(jìn)行融合，獲取融合模型；

將實(shí)際待預(yù)測的樣本用戶特征輸入融合模型，獲取還款概率。

2.根據(jù)權(quán)利要求1所述的基于用戶行為特征的信用卡還款概率預(yù)測方法，其特征在于，所述用戶相關(guān)數(shù)據(jù)通過銀行自有系統(tǒng)、社交網(wǎng)絡(luò)、銀行合作方系統(tǒng)和第三方系統(tǒng)進(jìn)行獲取。

3.根據(jù)權(quán)利要求1所述的基于用戶行為特征的信用卡還款概率預(yù)測方法，其特征在于，對獲取的用戶相關(guān)數(shù)據(jù)進(jìn)行清洗的具體內(nèi)容包括：

a)對用戶交易信息、社交信息、征信信息、APP瀏覽和網(wǎng)頁瀏覽信息以及催收信息中存在唯一值或單一值數(shù)量超過95％的值進(jìn)行刪除；

b)對用戶交易信息、社交信息、征信信息、APP瀏覽和網(wǎng)頁瀏覽信息以及催收信息中全空或缺失值占比超過95％的值進(jìn)行刪除；

c)對用戶交易信息、社交信息、征信信息、APP瀏覽和網(wǎng)頁瀏覽信息以及催收信息中重復(fù)的數(shù)據(jù)值進(jìn)行刪除；

d)對全空值、特征95％以上缺失的樣本進(jìn)行刪除；

e)對缺失值和異常值進(jìn)行填充和替換。

4.根據(jù)權(quán)利要求1所述的基于用戶行為特征的信用卡還款概率預(yù)測方法，其特征在于，所述統(tǒng)計(jì)特征包括用戶交易數(shù)據(jù)、信用卡數(shù)據(jù)、瀏覽網(wǎng)頁數(shù)據(jù)、APP瀏覽數(shù)據(jù)、征信數(shù)據(jù)的總和、均值、中位數(shù)、眾數(shù)、標(biāo)準(zhǔn)差和頻數(shù)。

5.根據(jù)權(quán)利要求1所述的基于用戶行為特征的信用卡還款概率預(yù)測方法，其特征在于，所述業(yè)務(wù)特征包括根據(jù)業(yè)務(wù)含義構(gòu)建的特征。

6.根據(jù)權(quán)利要求1所述的基于用戶行為特征的信用卡還款概率預(yù)測方法，其特征在于，所述編碼特征包括用戶網(wǎng)頁瀏覽記錄和APP瀏覽記錄，所述用戶網(wǎng)頁瀏覽記錄和所述APP瀏覽記錄采用編碼方式實(shí)現(xiàn)統(tǒng)一長度編碼。

7.根據(jù)權(quán)利要求1所述的基于用戶行為特征的信用卡還款概率預(yù)測方法，其特征在于，對構(gòu)建的特征進(jìn)行篩選的具體內(nèi)容包括：

1)刪除低重要性特征：計(jì)算各特征的IV值，將IV值小于0.02的特征進(jìn)行刪除；

2)計(jì)算特征兩兩之間的相關(guān)系數(shù)，若兩個(gè)特征之間的相關(guān)系數(shù)大于0.8，則刪除二者中IV值小的特征；

3)計(jì)算各特征的VIF值，將VIF值大于10的特征進(jìn)行剔除；

4)對各特征中缺失值占比超過95％以上的特征進(jìn)行刪除；

5)將任意特征之間兩兩相乘，同時(shí)對各特征取平方，生成新的特征。

8.根據(jù)權(quán)利要求1所述的基于用戶行為特征的信用卡還款概率預(yù)測方法，其特征在于，在采用分類算法進(jìn)行模型訓(xùn)練中，若未超過設(shè)定的閾值天數(shù)，則將模型輸出賦值為0，若超過設(shè)定的閾值天數(shù)，則將模型輸出賦值為1。

9.根據(jù)權(quán)利要求8所述的基于用戶行為特征的信用卡還款概率預(yù)測方法，其特征在于，通過ROC、F1、KS指標(biāo)評價(jià)分類算法中的各個(gè)單模型的訓(xùn)練結(jié)果，選取最優(yōu)單模型進(jìn)行模型融合。

10.根據(jù)權(quán)利要求9所述的基于用戶行為特征的信用卡還款概率預(yù)測方法，其特征在于，獲取還款概率后，根據(jù)還款概率進(jìn)行分類，若還款概率大于0.8，則判定其對應(yīng)的用戶為高還款概率用戶，若還款概率的值在[0.3，0.8]之間，則判定其對應(yīng)的用戶為中還款概率用戶，若還款概率的值在0.3以下，則判定其對應(yīng)的用戶為低還款概率用戶。