[發明專利]一種用于信貸反欺詐的攔截策略衍生方法、系統

在審

• 申請號: 202210278143.3
• 申請日: 2022-03-21
• 公開（公告）號: CN114638688A
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 季爽;陳良;顧志文;李劍;許磊磊
• 申請（專利權）人: 江蘇城鄉建設職業學院
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06F21/56;G06K9/62
• 代理公司: 蘇州國誠專利代理有限公司 32293
• 代理人: 陳松

本發明提供了一種用于信貸反欺詐的攔截策略衍生方法、系統，其可以快速從海量的數據中衍生出有效的攔截策略，識別出具有高逾期風險的用戶，包括步驟：獲取樣本數據，在樣本數據中提取用戶相關的特征變量，進行數據預處理，對特征變量進行分箱處理，獲得變量分箱；計算特征變量在每個變量分箱下的WOE值及IV值；進行WOE編碼，用WOE值替換變量分箱對應的特征變量的數值；建立并訓練預測模型，通過評價指標AUC對預測模型進行評估，調整模型參數，獲得最佳預測模型；通過最佳預測模型計算所有變量分箱的評分，將評分不大于設定閾值的變量分箱進行交叉生成攔截策略；驗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。

技術領域

本發明涉及大數據信貸風控技術領域，尤其涉及一種用于信貸反欺詐的攔截策略衍生方法、系統、計算機裝置以及計算機可讀存儲介質。

背景技術

隨著互聯網的迅猛發展，越來越多的行業及公司正在積極融入新世紀互聯網模式。其中，互聯網金融正在慢慢地走進挨家挨戶，基于個人及企業大數據信息的信用借貸正在悄悄改變傳統的銀行借貸。但隨著技術的發展，互聯網借貸方式的簡化，越來越多的新型騙貸欺詐方式出現，給當前互聯網及銀行信貸業務造成不可估量的損失。

大數據的興起讓信息獲取變得越來越容易，給了對抗欺詐騙貸團伙的一個方向。但對海量且日新月異的信息進行分類獲取有用信息，過程中還要滿足業務發展所需要的快速響應，讓傳統反欺詐策略分析的方法變得異常困難。

當前，主要的反欺詐策略衍生，主要是通過策略分析人員對海量變量依據自身經驗進行特征交叉，進行效果驗證，通過不同的特征間互相嘗試，獲取有效的策略進行攔截。然而，面對復雜多變的業務環境及大數據時代TB甚至PB級的數據規模，傳統的反欺詐方法已經無法適應，急需一種快速，解釋性強，適應能力強的攔截策略衍生方法。

發明內容

針對上述問題，本發明提供了一種用于信貸反欺詐的攔截策略衍生方法、系統，其可以快速從海量的數據中衍生出有效的攔截策略，通過攔截策略識別出具有高逾期風險的用戶。

其技術方案是這樣的：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：

獲取樣本數據，在樣本數據中提取用戶相關的特征變量，進行數據預處理，對特征變量進行分箱處理，獲得變量分箱；

計算特征變量在每個變量分箱下的WOE值，根據計算得到WOE值，計算特征變量的IV值，所述WOE值表示變量權重，所述IV值表示變信息價值，剔除IV值小于設定值的特征變量；

對保留的特征變量進行WOE編碼，用計算得到的每個變量分箱的WOE值替換變量分箱對應的特征變量的數值；

依據時間窗口將樣本數據劃分為訓練集和測試集，基于邏輯回歸模型建立預測模型，通過訓練集訓練預測模型，得到訓練好的預測模型；通過測試集對訓練好的預測模型進行測試，通過評價指標AUC對預測模型進行評估，調整模型參數，獲得最佳預測模型；

通過最佳預測模型計算所有變量分箱的評分，將評分不大于設定閾值的變量分箱進行交叉生成攔截策略；驗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別具有高逾期風險的用戶。

進一步的，所述的獲取樣本數據，在樣本數據中提取用戶相關的特征變量，進行數據預處理，對特征變量進行分箱處理，獲得變量分箱，具體包括：

以信貸業務中的正常用戶為白樣本，逾期用戶為黑樣本，進行用戶打標，獲得樣本數據；

在樣本數據中提取用戶相關的特征變量，所述特征變量包括數值型特征變量和類別型特征變量；

對樣本數據中的異常值和缺失值進行處理；

對預處理后的特征變量進行分箱處理，獲得變量分箱。