一种用户信用评级方法、计算机设备及可读介质技术

本发明专利技术公开一种用户信用评级方法，包括获取无需用户授权的建模数据和用户逾期情况；对所述建模数据进行预处理，选出所述建模数据中的优化数据；根据所述优化数据进行建模得到测试模型；根据用户数据通过所述测试模型对用户信用评级，丰富用于形成测试模型的建模数据来源和相关性，提高预测准确度，降低成本，本发明专利技术还公开了一种计算机设备和可读介质，丰富用于形成测试模型的建模数据来源和相关性，提高预测准确度，降低成本。

【技术实现步骤摘要】
一种用户信用评级方法、计算机设备及可读介质
本专利技术涉及计算机应用领域。更具体地，涉及一种用户信用评级方法、计算机设备及可读介质。
技术介绍
信用评级又称"资信评级"或"信誉评估"，是建立社会信用体系的重要内容和基础。按照通常的定义，信用评级是信用评级服务机构以第三方的客现、公正立场，根据规范的评估指标体系，运用科学的评估方法，履行严格的评估程序，对企业、金融机构、债券发行者和社会组织等市场参与主体的信用记录、企业素质、管理能力、经营水平、外部环境、财务状况、发展前景等进行全面了解、考察调研、分析研究后，就其在未来一段时间履行承诺的能力、可能出现的各种风险所做的综合评价，并以一定的符号表示其优劣并公布于社会公众的一种经济活动。信用评级通过对贷款申请人的债务偿还风险进行评价，以便于银行等金融机构对贷款申请人进行审批授信。现有技术中，申请号201710197889.0的专利技术专利申请公开了一种基于机器学习的贷款用户信用评级方法及系统。具体公开了：获取建模的原始数据，建模的原始数据包括征信报告和逾期商户名单；对征信报告进行提取和指标细分，得到信用额度、近期行为、信用时长、账户数量和还款历史这五个维度的预测变量及其权重；根据逾期商户名单、得到的预测变量及权重采用机器学习的方法进行建模，得到响应变量与预测变量的测试模型；根据得到的测试模型对新贷款用户进行预测，得到新贷款用户的违约概率；根据新贷款用户的违约概率计算信贷用户的信用评分。该专利公开文件的信用评级方法采用机器学习的方法进行建模，较传统的专家卡更加能适应用户数据的快速变更需求，增设了对征信报告进行提取和指标细分的步骤，使得用户信息更加全面，模型效果更加精确和有效。但是，该信用评级方法还存在一定的问题：第一，企业对征信报告的提取并不是一件容易的事情，其带来的人力、物力和财力成本可能不是大部分公司可以负担的起；第二，该技术将预测变量主要划分为信用额度、近期行为、信用时长、账户数量和还款历史这5个维度、143个预测变量，但最终只筛选出正在使用贷记卡评价授信额度、最近一次还款的贷记卡距今的时间、最近24个月查询次数、最近一次贷记卡距现在的时间、最早贷记卡距现在的时间、最近3个月查询次数和最近6个月查询次数这7个预测变量，这7个变量并没有很好的覆盖之前所述的5个维度，而且变量之间的相关性较强，对模型预测效果可能会产生不好的影响。
技术实现思路
本专利技术的一个目的在于提供一种用户信用评级方法，丰富用于形成测试模型的建模数据来源和相关性，提高预测准确度，降低成本。本专利技术的另一个目的在于提供一种计算机设备。本专利技术还有一个目的在于提供一种可读介质。为达到上述目的，本专利技术采用下述技术方案：本专利技术一方面公开了一种用户信用评级方法，包括获取无需用户授权的建模数据和用户逾期情况；对所述建模数据进行预处理，选出所述建模数据中的优化数据；根据所述优化数据进行建模得到测试模型；根据用户数据通过所述测试模型对用户信用评级。优选地，所述无需用户授权的建模数据包括腾讯分、新颜申请分和相关字段以及聚信立灰度分。优选地，所述新颜申请分和相关字段包括申请准入分、申请准入置信度、查询机构数、查询消费金融类机构数、查询网络贷款类机构数、总查询次数、近1个月总查询次数、近3个月总查询次数、近6个月总查询次数和最近查询距申请时间的天数。优选地，所述用户逾期情况包括首次逾期天数是否大于30天、当前最大逾期天数是否大于30天、历史最大逾期天数是否大于30天和放款后的前4个月内是否存在逾期大于30天。优选地，所述对所述建模数据进行预处理，选出所述建模数据中的优化数据具体包括：对所述建模数据的异常值和缺失值进行检测和处理得到第一预测数据；计算所述第一预测数据的权重指标值；根据预设权重指标值筛选所述第一预测数据得到第二预测数据；对所述第二预测数据进行变量分箱得到最优分箱数据；对所述最优分箱数据进行证据权重转换得到第三预测数据；对所述第三预测数据进行相关性分析并处理得到所述优化数据。优选地，所述方法进一步包括在对所述建模数据的异常值和缺失值进行检测和处理得到第一预测数据之前对所述建模数据进行统计指标分析。优选地，对所述测试模型进行评估的指标为测试模型的KS、AUC、混淆矩阵和/或提升图。优选地，得到所述测试模型的方法为机器学习或逻辑回归方法。本专利技术还公开了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法。本专利技术还公开了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。本专利技术的有益效果如下：本专利技术的用户信用评级方法获取的建模数据无需用户授权，避免用户由于申请过程复杂或因授权太多信息而放弃申请，增加了申请用户数。同时，通过对接外部数据，更加丰富了数据来源和信用评分方法，可以更充分的了解用户。同时，对建模数据进行预处理，在建模之前就剔除一些无关变量，可以避免由于无效变量或者变量之间的相关性减弱模型效果，从而提高信用评级预测的准确度。本专利技术的信用评级方法中获取无需用户授权的建模数据并进行处理和筛选得到测试模型，可降低人工成本，提高效率和效益，降低测试模型的复杂度。附图说明下面结合附图对本专利技术的具体实施方式作进一步详细的说明。图1示出本专利技术一种用户信用评级方法一个具体实施例的流程图。图2示出本专利技术一种用户信用评级方法一个具体实施例对所述建模数据进行预处理的流程图。图3示出本专利技术一种用户信用评级方法一个具体实施例对所述测试模型进行评估的流程图。图4示出了适用于用来实现本专利技术实施例的计算机设备的结构示意图。具体实施方式为了更清楚地说明本专利技术，下面结合优选实施例和附图对本专利技术做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本专利技术的保护范围。如图1所示，根据本专利技术的一个方面，本实施例公开了一种用户信用评级方法，该方法包括：S1：获取无需用户授权的建模数据和用户逾期情况。其中，所述无需用户授权的建模数据只需用户的个人三要素即可获取，个人三要素包括用户的姓名、身份证号和手机号，无需用户进行更多授权操作，避免用户由于申请过程复杂而放弃申请。在其他实施方式中，建模数据也可以为用户授权数据，如借记卡数据、信用卡数据和运营商数据等，这些数据与无需用户授权的外部数据相比，准确性更好。选择的预测变量无需用户授权，避免用户由于申请过程复杂或因授权太多信息而放弃申请，增加了申请用户数。同时，通过对接外部数据，更加丰富了数据来源和信用评分方法，可以更充分的了解用户。可包括腾讯分、新颜申请分和相关字段以及聚信立灰度分三个维度。其中，所述新颜申请分和相关字段维度可包括申请准入分、申请准入置信度、查询机构数、查询消费金融类机构数、查询网络贷款类机构数、总查询次数、近1个月总查询次数、近3个月总查询次数、近6个月总查询次数和最近查询距申请时间的天数等字段。本实施例中，优选地，无需用户授权的建模数据的维度、各个维度的字段名以及每个字段的编号的对应关系如表1：表1建模数据所述用户逾期情况可通过对应用的金融产品中的用户逾期数据进行采集得到，所述用户逾期情况可包括用户首次逾期本文档来自技高网...

【技术保护点】
1.一种用户信用评级方法，其特征在于，包括获取无需用户授权的建模数据和用户逾期情况；对所述建模数据进行预处理，选出所述建模数据中的优化数据；根据所述优化数据进行建模得到测试模型；根据用户数据通过所述测试模型对用户信用评级。

【技术特征摘要】
1.一种用户信用评级方法，其特征在于，包括获取无需用户授权的建模数据和用户逾期情况；对所述建模数据进行预处理，选出所述建模数据中的优化数据；根据所述优化数据进行建模得到测试模型；根据用户数据通过所述测试模型对用户信用评级。2.根据权利要求1所述的用户信用评级方法，其特征在于，所述无需用户授权的建模数据包括腾讯分、新颜申请分和相关字段以及聚信立灰度分。3.根据权利要求2所述的用户信用评级方法，其特征在于，所述新颜申请分和相关字段包括申请准入分、申请准入置信度、查询机构数、查询消费金融类机构数、查询网络贷款类机构数、总查询次数、近1个月总查询次数、近3个月总查询次数、近6个月总查询次数和最近查询距申请时间的天数。4.根据权利要求1所述的用户信用评级方法，其特征在于，所述用户逾期情况包括首次逾期天数是否大于30天、当前最大逾期天数是否大于30天、历史最大逾期天数是否大于30天和放款后的前4个月内是否存在逾期大于30天。5.根据权利要求1所述的用户信用评级方法，其特征在于，所述对所述建模数据进行预处理，选出所述建模数据中的优化数据具体包括：对所述建模数据的异常...

【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