[發(fā)明專利]一種用于信貸反欺詐的攔截策略衍生方法、系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210278143.3
• 申請(qǐng)日: 2022-03-21
• 公開(kāi)（公告）號(hào): CN114638688A
• 公開(kāi)（公告）日: 2022-06-17
• 發(fā)明（設(shè)計(jì)）人: 季爽;陳良;顧志文;李劍;許磊磊
• 申請(qǐng)（專利權(quán)）人: 江蘇城鄉(xiāng)建設(shè)職業(yè)學(xué)院
• 主分類號(hào): G06Q40/02
• 分類號(hào): G06Q40/02;G06F21/56;G06K9/62
• 代理公司: 蘇州國(guó)誠(chéng)專利代理有限公司 32293
• 代理人: 陳松

1.一種用于信貸反欺詐的攔截策略衍生方法，其特征在于，包括以下步驟：

獲取樣本數(shù)據(jù)，在樣本數(shù)據(jù)中提取用戶相關(guān)的特征變量，進(jìn)行數(shù)據(jù)預(yù)處理，對(duì)特征變量進(jìn)行分箱處理，獲得變量分箱；

計(jì)算特征變量在每個(gè)變量分箱下的WOE值，根據(jù)計(jì)算得到WOE值，計(jì)算特征變量的IV值，剔除IV值小于設(shè)定值的特征變量；

對(duì)保留的特征變量進(jìn)行WOE編碼，用計(jì)算得到的每個(gè)變量分箱的WOE值替換變量分箱對(duì)應(yīng)的特征變量的數(shù)值；

依據(jù)時(shí)間窗口將樣本數(shù)據(jù)劃分為訓(xùn)練集和測(cè)試集，基于邏輯回歸模型建立預(yù)測(cè)模型，通過(guò)訓(xùn)練集訓(xùn)練預(yù)測(cè)模型，得到訓(xùn)練好的預(yù)測(cè)模型；通過(guò)測(cè)試集對(duì)訓(xùn)練好的預(yù)測(cè)模型進(jìn)行測(cè)試，通過(guò)評(píng)價(jià)指標(biāo)AUC對(duì)預(yù)測(cè)模型進(jìn)行評(píng)估，調(diào)整模型參數(shù)，獲得最佳預(yù)測(cè)模型；

通過(guò)最佳預(yù)測(cè)模型計(jì)算所有變量分箱的評(píng)分，將評(píng)分不大于設(shè)定閾值的變量分箱進(jìn)行交叉生成攔截策略；驗(yàn)證攔截策略是否滿足上線條件，保留所有滿足上線條件的攔截策略，所述攔截策略用于識(shí)別具有高逾期風(fēng)險(xiǎn)的用戶。

2.根據(jù)權(quán)利要求1所述的一種用于信貸反欺詐的攔截策略衍生方法，其特征在于，所述的獲取樣本數(shù)據(jù)，在樣本數(shù)據(jù)中提取用戶相關(guān)的特征變量，進(jìn)行數(shù)據(jù)預(yù)處理，對(duì)特征變量進(jìn)行分箱處理，獲得變量分箱，具體包括：

以信貸業(yè)務(wù)中的正常用戶為白樣本，逾期用戶為黑樣本，進(jìn)行用戶打標(biāo)，獲得樣本數(shù)據(jù)；

在樣本數(shù)據(jù)中提取用戶相關(guān)的特征變量，所述特征變量包括數(shù)值型特征變量和類別型特征變量；

對(duì)樣本數(shù)據(jù)中的異常值和缺失值進(jìn)行處理；

對(duì)預(yù)處理后的特征變量進(jìn)行分箱處理，獲得變量分箱。

3.根據(jù)權(quán)利要求2所述的一種用于信貸反欺詐的攔截策略衍生方法，其特征在于：在進(jìn)行分箱處理時(shí)，對(duì)于數(shù)值型特征變量，按照指定數(shù)量進(jìn)行等頻分箱，對(duì)類別型特征變量，每個(gè)類別各自為一個(gè)分箱，若類別數(shù)大于指定最大分箱數(shù)，合并占比較小的類別至一個(gè)分箱。

4.根據(jù)權(quán)利要求1所述的一種用于信貸反欺詐的攔截策略衍生方法，其特征在于：特征變量在每個(gè)變量分箱下的WOE值，通過(guò)如下公式計(jì)算：

其中，其中WOE_i表示第i組分箱的WOE值，Bad_i表示第i組分箱中逾期用戶數(shù)量，Bad_T是整體逾期用戶數(shù)量，Good_i表示第i組分箱中正常用戶數(shù)量，Good_T是整體正常用戶數(shù)量；

特征變量的IV值通過(guò)如下公式計(jì)算：

其中，IV_i在特征變量在第i組分箱中的IV值，IV表示特征變量的IV值。

5.根據(jù)權(quán)利要求4所述的一種用于信貸反欺詐的攔截策略衍生方法，其特征在于：預(yù)測(cè)模型基于邏輯回歸模型構(gòu)建，通過(guò)如下公式表示：

z＝θ₀+θ₁*x₁+θ₂*x₂+θ₃*x₃...θ_i*x_i

其中,h表示預(yù)測(cè)模型輸出的概率值，表示預(yù)測(cè)為逾期用戶的概率，θ_i表示預(yù)測(cè)模型擬合出的各特征變量的系數(shù)值，θ₀單獨(dú)表示為偏置項(xiàng)，x_i表示各特征變量的具體值；

評(píng)價(jià)指標(biāo)AUC為ROC曲線下與坐標(biāo)軸圍成的面積，ROC曲線的橫坐標(biāo)是偽陽(yáng)率，縱坐標(biāo)是真陽(yáng)率，采用如下公式計(jì)算：

其中TPrate為真陽(yáng)率，表示所有真實(shí)類別為1的樣本中，預(yù)測(cè)類別為1的比例；FPrate為偽陽(yáng)率，表示所有真實(shí)類別為0的樣本中，預(yù)測(cè)類別為1的比例；TP表示預(yù)測(cè)為1，且預(yù)測(cè)正確，實(shí)際為1；P表示預(yù)測(cè)為1，預(yù)測(cè)錯(cuò)誤，實(shí)際為0；FN表示預(yù)測(cè)為0，預(yù)測(cè)錯(cuò)誤，實(shí)際為1；TN表示預(yù)測(cè)為0，預(yù)測(cè)正確，實(shí)際為0；

通過(guò)在測(cè)試集上調(diào)整預(yù)測(cè)模型的特征變量的系數(shù)值，使得模型在測(cè)試集上AUC值最大，獲得最佳預(yù)測(cè)模型。