信用评分方法、系统、计算机设备及可读介质技术方案

本发明专利技术提供一种信用评分方法、系统、计算机设备及可读介质，在数据获取阶段，选择多渠道信息，例如运营商信息，信用卡信息和借记卡信息等，综合考虑用户各方面的信息，可以增强模型的预测效果和稳定性；基于时间切片的衍生字段，可以提取出真正有预测价值的信息，也可以增加模型的预测效果；在数据准备阶段，删除了缺失率较高的变量和包含难以解释水平的变量，增强了整个模型的稳定性。在模型开发阶段，删除了具有多重共线性的变量，增强了模型的稳定性。使用LASSO等机器学习方法选出真正有预测能力的变量，提高了最终模型的预测能力。

【技术实现步骤摘要】
信用评分方法、系统、计算机设备及可读介质
本专利技术涉及信用评分。更具体地，涉及信用评分方法、系统、计算机设备及可读介质。
技术介绍
信用评级又称为“资信评级”或“信誉评级”，是建立社会信用体系的重要内容和基础。传统信用评级方法大多基于专家法或评分卡模型，即预先根据庄家经验指定一套评分规则，再根据用户的实际数据，套用此规则进行评分。中国专利技术专利，申请号201710197889.0，公开了名称为一种基于机器学习的贷款用户信用评级方法及系统的专利。该专利揭示了一种信用评级方法，主要包括：对建模样本数据进行采集，得到商户的征信报告和是否逾期数据；对征信报告数据进行预处理，包括数据提取和指标细分，得到预测变量及其权重；采用一种机器学习方法对样本数据进行建模，得到预测模型；使用预测模型对新贷款用户进行预测，得到新用户的违约概率；使用新用户违约概率对其进行评分，得到新用户的信用评分。本专利技术使用一种机器学习算法建立模型，使得模型可以根据全新用户数据进行快速迭代，可广泛应用于计算机领域。但是，该专利还存在一些不足，主要是最终预测变量的选择。该专利分析了从征信报告中提取的信用额度、近期行为、信本文档来自技高网...

【技术保护点】
1.一种信用评分方法，其特征在于，所述方法包括：对收集的信用卡申请客户的原始数据进行清洗，删去不符合预设条件的变量；对保留的字符型变量进行数据分箱；构建评分模型，对新申请用户进行评分，根据评分结果确定是否批准用户申请。

【技术特征摘要】
1.一种信用评分方法，其特征在于，所述方法包括：对收集的信用卡申请客户的原始数据进行清洗，删去不符合预设条件的变量；对保留的字符型变量进行数据分箱；构建评分模型，对新申请用户进行评分，根据评分结果确定是否批准用户申请。2.根据权利要求1所述方法，其特征在于，所述构建评分模型，对新申请用户进行评分，根据评分结果决定是否批准用户申请包括：确定并提取评分模型所需的数据类型；对所提取的数据进行清洗，得到格式整齐的模型候选变量；对清洗好的候选变量进行选择，保留解释能力高于第一预设数值的变量；计算模型的评估标准，对模型整体预测能力进行评估；使用合适生产环境的语言，将评分卡模型部署到生产环境。3.根据权利要求2所述方法，其特征在于，所述对所提取的数据进行清洗，得到格式整齐的模型候选变量包括：分析变量的含义，删除贷后变量和无意义变量；分析变量空值率，删除缺失率高于第二预设数值的变量；分析变量分布情况，删除单一水平变量。4.根据权利要求2所述方法，其特征在于，所述对清洗好的候选变量进行选择包括：计算数值型单变量KS，保留KS较高的变量；计算单变量IV，保留IV较高的变量；计算变量间相关系数，去除多重共线性；使用LASSO机器学习方法选择变量，保留解释能力高于预设数值的变量。5.根据权利要求2所述方法，其特征在于，所述计算模型的评估标准，对模型整体预测能力进行评估包括：使用模型对测试样本进行评分，得到好坏客户的评分分布，根据两分布的重合度判断模型预测能力；使用模型对测试样本进行预测，得到KS值或AUC值，根据该值判断模型预测能力。6.一种信用评分系统，包括：数据清洗模块，用于对收集的信用卡申请客户的原始数据进行清洗，删去不符合预设条件的变量；数据分类模块，用于对保留的字符型变量进行数据分箱；模型构建模块，...

【专利技术属性】
技术研发人员：肖尊雷，赵钢，庞闪闪，刘婷婷，康丽娜，李翠静，
申请(专利权)人：北京玖富普惠信息技术有限公司，
类型：发明
国别省市：北京,11