一种基于行为模型的贷中监测评分方法以及系统技术方案

本发明专利技术公开一种基于行为模型的贷中监测评分方法以及系统，所述方法包括以下步骤：获取观察期内的账户原始数据；对所述账户原始数据进行特征提取得到预测变量；根据预测变量采用机器学习算法进行建模，得到响应变量与预测变量的预测模型；根据所述预测模型对有还款表现的账户进行预测，得到账户预测期内的违约概率；根据所述账户预测期内的违约概率，计算账户的行为评分。本发明专利技术能够增加数据变更速度、提高适用性以及泛化性、对账户进行精准的行为评分。

A Credit Monitoring Scoring Method and System Based on Behavior Model

The invention discloses a credit monitoring scoring method and system based on behavior model, which includes the following steps: acquiring the original account data during the observation period; extracting the features of the original account data to the predictive variables; modeling according to the predictive variables using machine learning algorithm to obtain the predictive models of response variables and predictive variables; and according to the predictive variables, predictive models of response variables and predictive variables are obtained. The model predicts the accounts with repayment performance and obtains the default probability during the forecast period of the account. According to the default probability during the forecast period of the account, the behavior score of the account is calculated. The invention can increase the speed of data change, improve the applicability and generalization, and accurately evaluate the behavior of an account.

【技术实现步骤摘要】
一种基于行为模型的贷中监测评分方法以及系统
本专利技术涉及金融信贷领域，特别是涉及一种基于行为模型的贷中监测评分方法以及系统。
技术介绍
信用评级又称“贷信评级”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观、公正立场，根据规范的评估指标体系，运用科学的评估方法啊，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、财务情况、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，并以一定的符合标识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。传统的信用评级方法大多基于专家法则或评分卡模型，即预先根据专家经验制定一套评分规则，再根据用户的实际数据，套用此套规则进行信用评分，然而，这种信用评级方式是基于历史已有经验进行的评分，其评分具有一定的滞后性，不能反应新形势下的新用户情况，且其评分规则的指定和修改都需要经过严格的专家论证，制定和修改的周期一般比较长，数据变更速度慢。
技术实现思路
本专利技术的目的在于提供一种能够增加数据变更速度、提高适用性以及泛化性、对账户进行精准的行为评分的基于行为模型的贷中监测评分方法以及系统。为达到上述目的，本专利技术第一方面提出一种基于行为模型的贷中监测评分方法，，包括以下步骤：获取观察期内的账户原始数据；对所述账户原始数据进行特征提取得到预测变量；根据所述预测变量采用机器学习算法进行建模，得到响应变量与预测变量的预测模型；根据所述预测模型对有还款表现的账户进行预测，得到账户预测期内的违约概率；根据所述账户预测期内的违约概率，计算账户的行为评分。优选地，所述账户原始数据包括账户信用评级数据以及账户实际还款情况数据。优选地，所述对所述账户原始数据进行特征提取得到预测变量的步骤包括：根据所述账户原始数据得到账户初始信用评级数据、信用额度使用状况数据、近期还款行为数据以及近期逾期行为数据这四个维度数据的变量数据；对所述变量数据进行数据预处理得到所述预测变量。优选地，所述对所述变量数据进行数据预处理得到所述预测变量的步骤包括：对所述变量数据进行缺失值处理以及异常值处理；计算经过缺失值处理以及异常值处理的变量数据的重点指标值；将所述变量数据的重点指标值与预设阈值进行比较，根据比较结果对所述变量数据进行初步筛选；将经过初步筛选后的变量数据进行分组处理；将经过分组处理后的变量数据进行WOE证据权重转化；将经过WOE证据权重转化的变量数据进行相关性分析，根据分析结果对经过WOE证据权重转化的变量数据进行二次筛选，得到预测变量。优选地，所述变量数据的名称如下表所示：优选地，所述根据所述预测模型对有还款表现的账户进行实时预测，得到账户预测期内的违约概率的步骤包括：从所述预测变量中筛选出预测指标；将所述预测指标带入所述预测模型中得到账户预测期内的违约概率；其中，所述预测指标包括：总的逾期期数、历史最大逾期天数、最近一次还款距今时长可用额度历史最近一次逾期至观察日时长_最大、总的借款本金占授信额度比率、火眼分1.1、剩余应还本金/总的借款本金、以及当前彩虹评级。优选地，还包括有通过评估方法对预测模型进行评估的步骤，其中，所述评估方法包括：洛伦兹曲线、ROC曲线、以及KS曲线中的一种或多种。优选地，所述机器学习算法包括逻辑回归算法、随机森林算法或梯度提升决策树算法中的一种或多种。本专利技术第二方面提出一种基于行为模型的贷中监测评分系统，包括：获取模块，用于获取观察期内的账户原始数据；特征提取模块，对所述账户原始数据进行特征提取得到预测变量；建模模块，根据所述预测变量进行建模，得到响应变量与预测变量的预测模型；预测模块，根据所述预测模型对有还款表现的账户进行预测，得到账户预测期内的违约概率；评分模块，根据所述账户未来时间段内的违约概率，计算账户的行为评分。优选地，还包括：评估模块，用于对所述预测模块进行评估。本专利技术第三方面提出一种计算机设备，包括存储器、处理器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所述的方法。本专利技术第四方面提出一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述计算机可读存储介质在计算机上运行时，使得所述计算机执行所述的方法。本专利技术的有益效果如下：本专利技术针对目前现有信用评级方式的滞后性、不能反应新形势下的新用户情况，且其评分规则的指定和修改都需要经过严格的专家论证，制定和修改的周期一般比较长，数据变更速度慢的问题，制定了一种基于行为模型的贷中监测评分方法，通过机器学习算法进行建模，能够根据数据的迭代更新进行重新建模。增加了数据变更速度，提高了适用性以及泛化性，在另一方面，本专利技术将账户信用评级数据以及账户实际还款情况数据来作为账户原始数据，能够提高数据的获取速度，提高了工作效率，能够对账户进行精准的行为评分，有利于公司做贷中政策管理工作，有效降低了金融机构的信贷风险。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示出本专利技术的一个实施例所述的一种基于行为模型的贷中监测评分方法的流程示意图；图2示出本专利技术的一个实施例所述的对所述账户原始数据进行特征提取得到预测变量的流程示意图；图3示出本专利技术的一个实施例所述的对变量数据进行数据预处理得到所述预测变量的流程示意图；图4示出本专利技术的一个实施例所述的根据预测模型对有还款表现的账户进行预测，得到账户预测期内的违约概率的流程示意图；图5示出本专利技术的一个实施例所述的一种基于行为模型的贷中监测评分系统的流程示意图；图6示出本专利技术的一个实施例所述的一种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。信用评级又称“贷信评级”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观、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、财务情况、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，并以一定的符合标识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。图1为本专利技术的一个实施例提出的一种基于行为模型的贷中监测评分方法，如图1所示，所述方法包括以下步骤：S100、获取观察期内的账户原始数据。在这里观察期应当被理解为获取账户原始数据的时间范围，例如我们将观察期选择为过去两个月，也就是选取用户过去两个月内的账户原始数据作为样本。在本实施例的具体实施中，账户原始数据主要包括用户的账户信用评级数据以及账户实际还款情况数据本文档来自技高网...

【技术保护点】
1.一种基于行为模型的贷中监测评分方法，其特征在于，包括以下步骤：获取观察期内的账户原始数据；对所述账户原始数据进行特征提取得到预测变量；根据所述预测变量采用机器学习算法进行建模，得到响应变量与预测变量的预测模型；根据所述预测模型对有还款表现的账户进行预测，得到账户预测期内的违约概率；根据所述账户预测期内的违约概率，计算账户的行为评分。

【技术特征摘要】
1.一种基于行为模型的贷中监测评分方法，其特征在于，包括以下步骤：获取观察期内的账户原始数据；对所述账户原始数据进行特征提取得到预测变量；根据所述预测变量采用机器学习算法进行建模，得到响应变量与预测变量的预测模型；根据所述预测模型对有还款表现的账户进行预测，得到账户预测期内的违约概率；根据所述账户预测期内的违约概率，计算账户的行为评分。2.根据权利要求1所述的方法，其特征在于，所述账户原始数据包括账户信用评级数据以及账户实际还款情况数据。3.根据权利要求1所述的方法，其特征在于，所述对所述账户原始数据进行特征提取得到预测变量的步骤包括：根据所述账户原始数据得到账户初始信用评级数据、信用额度使用状况数据、近期还款行为数据以及近期逾期行为数据这四个维度数据的变量数据；对所述变量数据进行数据预处理得到所述预测变量。4.根据权利要求3所述的方法，其特征在于，所述对所述变量数据进行数据预处理得到所述预测变量的步骤包括：对所述变量数据进行缺失值处理以及异常值处理；计算经过缺失值处理以及异常值处理的变量数据的重点指标值；将所述变量数据的重点指标值与预设阈值进行比较，根据比较结果对所述变量数据进行初步筛选；将经过初步筛选后的变量数据进行分组处理；将经过分组处理后的变量数据进行WOE证据权重转化；将经过WOE证据权重转化的变量数据进行相关性分析，根据分析结果对经过WOE证据权重转化的变量数据进行二次筛选，得到预测变量。5.根据权利要求1所述的方法，其特征在于，所述变量数据的名称如下表所示：6.根据权利要求5所述的方法，其特征在于，所述根据所述预测模型对有还款表现的账户进行实时预测，得到账户预测期内的违...

【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