[發明專利]一種無額度客戶的授信處理方法及系統

在審

• 申請號: 202011520720.2
• 申請日: 2020-12-21
• 公開（公告）號: CN112598500A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 雷文燁;張越;史博慧;張瑤;李騰
• 申請（專利權）人: 中國建設銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q40/08;G06Q10/06;G06N20/00
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 賈磊;李輝

1.一種無額度客戶的授信處理方法，其特征在于，該方法包括：

獲取無額度客戶的客戶數據；

根據所述客戶數據，在無額度客戶中篩選出達到預設要求的第一客戶群；

以歷史放款且到期后未逾期或逾期在預設范圍內的客戶數據作為建模樣本，將放款額作為目標變量，利用機器學習算法進行擬合訓練，建立授信額度測算模型；

根據所述第一客戶群的客戶數據，利用所述授信額度測算模型預測客戶的授信額度；

設置額度調節系數；

利用所述額度調節系數對授信額度進行調整，輸出無額度客戶的最終授信額度。

2.根據權利要求1所述的無額度客戶的授信處理方法，其特征在于，根據所述客戶數據，在無額度客戶中篩選出達到預設要求的第一客戶群，包括：

根據無額度客戶的客戶資質和數據覆蓋度，篩選出客戶資質及數據覆蓋度達到預設要求的客戶。

3.根據權利要求2所述的無額度客戶的授信處理方法，其特征在于，根據無額度客戶的客戶資質和數據覆蓋度，篩選出客戶資質及數據覆蓋度達到預設要求的客戶，包括：

根據無額度客戶的客戶數據，利用數據輸入評分卡模型進行風險評分；

根據所述風險評分對無額度客戶進行分檔排序，并計算每一檔的平均逾期率；

根據所述平均逾期率設置分數線，將所述分數線作為按照客戶資質篩選時的分數指標；

設置按照數據覆蓋度篩選時的覆蓋度指標；

根據所述覆蓋度指標，在無額度客戶的客戶數據選取對應的數據；

根據無額度客戶的風險評分及選取的數據，篩選出達到分數指標及覆蓋度指標的客戶。

4.根據權利要求3所述的無額度客戶的授信處理方法，其特征在于，設置的覆蓋度指標至少包括：近一定時間內的客戶數據中存在外部稅務數據、對公流水或客戶貢獻度數據。

5.根據權利要求1所述的無額度客戶的授信處理方法，其特征在于，以歷史放款且到期后未逾期或逾期在預設范圍內的客戶數據作為建模樣本，將放款額作為目標變量，利用機器學習算法進行擬合訓練，建立授信額度測算模型，包括：

對客戶數據進行關聯、整合及清洗處理，得到有效數據集；

根據所述有效數據集，通過特征衍生形成授信額度模型所需的特征；

對衍生的特征進行多類型篩選；

對篩選后的特征進行預處理，將預處理后的特征作為建模樣本。

6.根據權利要求5所述的無額度客戶的授信處理方法，其特征在于，所述有效數據集至少包括：企業主的基礎信息、行為信息、信用卡信息、貸款信息及資產信息，企業的基礎信息、交易信息、負債信息，及場景相關數據。

7.根據權利要求5所述的無額度客戶的授信處理方法，其特征在于，根據所述有效數據集，通過特征衍生形成授信額度模型所需的特征，包括：

根據所述有效數據集，采用透傳、統計聚合及特征交叉進行特征衍生，形成授信額度模型所需的特征。

8.根據權利要求7所述的無額度客戶的授信處理方法，其特征在于，根據所述有效數據集，采用透傳、統計聚合及特征交叉進行特征衍生，形成授信額度模型所需的特征，包括：

在采用透傳進行特征衍生時，對于數值類型的字段且一個樣本只有單一條記錄的數據，直接透傳為入模特征；若為分類型變量，進行類型合并后透傳為入模特征；

在采用統計聚合進行特征衍生時，對于流水數據或明細類型的數據，劃分不同的時間窗口并計算每個窗口內的統計變量，衍生出新的特征；對于分類型變量的數據，計算類型的出現次數及出現類型的種類，衍生出新的特征；

在采用特征交叉進行特征衍生時，通過特征之間的多維交叉，通過分類型變量和數值變量的數據進行組合，分不同類別的數值變量進行統計聚合，衍生出新的特征。

9.根據權利要求5所述的無額度客戶的授信處理方法，其特征在于，對衍生的特征進行多類型篩選，包括：

對衍生的特征進行相關性篩選、缺失值篩選、單值率篩選及取值過多情況篩選，得到篩選后的特征。