[發明專利]一種基于空間變量推理的信貸場景風險用戶評估方法

在審

• 申請號: 202011389248.3
• 申請日: 2020-12-01
• 公開（公告）號: CN112381644A
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 徐燁;湯敏偉;李真
• 申請（專利權）人: 天翼電子商務有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q10/06;G06K9/62;G06N5/04;G06N20/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于空間變量推理的信貸場景風險用戶評估方法，其特征在于，包括以下步驟：

S1.數據獲取：獲取待研究區域的形狀拓撲數據、信貸數據，所述的形狀拓撲數據包含待研究區域的形狀邊界信息；所述信貸數據包含用戶唯一標識、用戶好壞標簽以及進行授信、借款等操作的時間信息與經緯度信息；

S2.數據預處理：將步驟S1所獲取的信貸數據，按照比例分離出訓練數據集和評估數據集；同時基于步驟S1所獲取的形狀拓撲數據，生成指定大小的規整格網，按照訓練數據集中的經緯信息與拓撲數據的空間關系，統計格網內的特征指標，生成格網數據；

S3.空間自相關分析，根據步驟S2所處理好的格網數據，分別使用單變量空間自相關方法、雙變量空間自相關方法進行分析，得出相應的空間自相關模型及其自相關指數與聚類結果；

S4.地統計插值分析，根據步驟S2所處理好的格網數據，使用地統計插值法進行分析，得出相應的插值模型以及相應的推斷出的空間插值分布結果；

S5.特征提取，根據步驟S3所處理好的自相關指數與聚類結果，對于步驟S2中的評估數據集進行處理，提取出不同分析對象下各個樣本的自相關指數以及聚類類型，以及根據步驟S4的地統計插值模型，對于步驟S2中的評估數據集進行處理，提取出不同分析對象下各個樣本的插值預測結果，形成特征評估數據集；

S6.模型評分，根據步驟S5所處理的特征評估數據集，基于特定的IV值篩選特征，同時采用評分卡建模方法，生成用戶風險評分，以描述用戶風險程度。

2.根據權利要求1所述的一種基于空間變量推理的信貸場景風險用戶評估方法，其特征在于，所述的步驟S2中，對于信貸數據，按照比例分離出訓練數據集和測試數據集的具體做法是：按照附帶的時間信息，進行排序并按照特定的時間單位進行編號，根據所設置的比例，取；根據研究區的拓撲形狀，生成制定大小的規則格網的具體做法是：根據待研究區的拓撲形狀，根據經度的極大值與極小值，以及緯度的極大值與極小值，兩兩組合成四個點，然后基于這四個的中的某個點開始，按照預設大小規格進行格網劃分，從而得到規整格網數據；按照信貸數據中的經緯信息與拓撲數據的空間關系，統計格網內的特征指標，生成格網數據的具體做法是：對于信貸數據中的經緯度信息，視作為點拓撲，而對于各個格網拓撲，分別統計落入格網內的點個數、用戶標簽為好用戶的點個數以及用戶標簽為壞用戶的點個數，同時計算用戶標簽為好用戶的占比值以及用戶標簽為壞用戶的占比值，此外，還需按照是否超過特定閾值，將占比值處理為0和1。

3.根據權利要求1所述的一種基于空間變量推理的信貸場景風險用戶評估方法，其特征在于，所述的步驟S3中，對于單/雙變量空間自相關的分析方法，具體的做法為：對于處理好的格網數據，分別以點個數、用戶標簽為好用戶的占比、用戶標簽為壞用戶的占比作為分析對象，應用單變量空間自相關分析方法；以用戶標簽為好用戶的個數以及用戶標簽為壞用戶的個數作為分析對象，應用雙變量空間自相關分析方法，關于單/雙變量空間自相關方法的具體的分析公式如下：

公式(1)中，x，y為變量，若是單變量分析，則x與y所指代的變量為同一個變量主體，若是雙變量分析，則x與y所指代的變量分別來自兩個不同的變量主體；與分別表示格網樣本i的x屬性取值與y屬性的空間滯后值，均需要經過z-score標準化處理；w_ij為格網樣本i與格網樣本j之間的空間權重值，需通過特定的空間概念模型進行確定；表示格網樣本i處的自相關指數，若顯著為正，則表明x與y具有正的相關性，反之則為負的相關性；然后綜合與的取值是否大于0，可以得出相應的聚類類型，分別為“高-高”、“高-低”、“低-高”、“低-低”、“不顯著”；在得出各個格網相應的自相關指數以及聚類類型后，將分析結果附加在相應格網拓撲的屬性上。