一种授信方法、系统、计算机设备及介质技术方案

本发明专利技术提供一种授信方法、系统、计算机设备及介质，其方法包括：S1:基于预设的数据库中的用户数据，建立预授信模型；S2:根据所述预授信模型，筛选出符合要求的用户；S3:获取符合要求的用户的信用数据，并根据所述信用数据和所述预授信模型建立授信模型。通过首先建立预授信模型，再通过预授信模型和新增的用户信用数据建立授信模型，一方面不需要合作方提供明细数据，保护了用户隐私，另一方面增加了用户信用数据，提高了数据的覆盖度，降低了模型的风险，提高了模型的精度以及稳定性，并且由于对用户进行了筛选，简化了授信操作，降低了模型计算的时间成本和计算设备的负担。

A Credit Granting Method, System, Computer Equipment and Media

The invention provides a credit granting method, system, computer equipment and media. The methods include: S1: establishing a pre-credit model based on user data in a preset database; S2: screening qualified users according to the pre-credit model; S3: obtaining the credit data of qualified users, and establishing a credit granting model according to the credit data and the pre-credit model. By first establishing the pre-credit model, and then establishing the credit model through the pre-credit model and the new user credit data, on the one hand, it does not need the detailed data provided by the cooperator to protect the user's privacy, on the other hand, it increases the user credit data, improves the coverage of the data, reduces the risk of the model, improves the accuracy and stability of the model, and because of the advancement of users. The selection simplifies the credit operation and reduces the time cost of model calculation and the burden of computing equipment.

【技术实现步骤摘要】
一种授信方法、系统、计算机设备及介质
本专利技术涉及信用管理
更具体地，涉及一种授信方法、系统、计算机设备及介质。
技术介绍
目前授信模型的建立需要从合作方获得用户信用卡账单的明细数据，利用此数据和我方的用户表现数据建立预授信模型，将明细数据转化为一个表示风险排序的分数。但是出于对用户隐私数据的保护，合作方的数据一般不能以明细数据的模式提供，并且合作方提供的数据覆盖广度不足，影响授信模型的精度。因此，亟需提供一种新的授信模型的建立方式。
技术实现思路
为了解决上述技术问题中的至少一个，本专利技术提供一种授信方法、系统、计算机设备及介质，该授信方法及系统首先建立预授信模型，再通过预授信模型和新增的用户信用数据建立授信模型，提高了模型的精度以及稳定性。在某些实施例中，一种授信模型的建立方法，包括：基于预设的数据库中的用户数据，建立预授信模型；根据所述预授信模型，筛选出符合要求的用户；获取符合要求的用户的信用数据，并根据所述信用数据和所述预授信模型建立授信模型。在某些实施例中，所述基于预设的数据库中的用户数据，建立预授信模型，包括：获取预设的数据库中每个用户的用户数据；将每个用户的用户数据按照预设的用户数据与用户风险程度的对应关系转化为分值数据；对每个用户的分值数据按照数值大小进行排序，获得所述预授信模型；其中，所述根据所述预授信模型，筛选出符合要求的用户，包括：根据每个用户分值数据的排序，筛选出排序名次处于预设范围的用户。在某些实施例中，将每个用户的用户数据按照预设的用户数据与用户风险程度的对应关系转化为分值数据，包括：根据建立的评分卡模型，确定每个用户的分值数据，其中，所述预设的评分卡模型根据预设的用户数据与用户风险程度的对应关系建立。在某些实施例中，所述获取符合要求的用户的信用数据，并根据所述信用数据和所述预授信模型建立授信模型，包括：获取符合要求的用户的信用数据，利用所述预授信模型输出的每个用户分值数据，通过嵌套的方式建立所述授信模型。在某些实施例中，所述获取符合要求的用户的信用数据，利用所述预授信模型输出的每个用户分值数据，通过嵌套的方式建立所述授信模型，包括：对预授信模型输出的每个用户分值数据和用户的信用数据进行分箱处理；对分箱数据进行逻辑回归，将分箱数据转换为标准评分卡格式的授信模型。在某些实施例中，所述对预授信模型输出的每个用户分值数据和用户的信用数据进行分箱处理，包括：对预授信模型输出的每个用户分值数据和用户的信用数据的信息增益率进行分箱处理，获得增益率分箱数据；选取样本比例过大的分箱进行等距或等分位数分箱，获得分位数分箱数据，并将选取的分箱的增益率分箱数据替换为分位数分箱数据。在某些实施例中，所述对分箱数据进行逻辑回归，将分箱数据转换为标准评分卡格式的授信模型，包括：对分箱数据进行LASSO回归；对经过LASSO回归后的分箱数据进行Stepwise逐步回归，获得标准评分卡格式的授信模型。在某些实施例中，一种授信模型的建立系统，包括：预授信模型模块，基于预设的数据库中的用户数据，建立预授信模型；筛选模块，根据所述预授信模型，筛选出符合要求的用户；授信模型模块，获取符合要求的用户的信用数据，并根据所述信用数据和所述预授信模型建立授信模型。在某些实施例中，所述预授信模型模块包括：用户数据获取单元，获取预设的数据库中每个用户的用户数据；分值数据转化单元，将每个用户的用户数据按照预设的用户数据与用户风险程度的对应关系转化为分值数据；排序单元，对每个用户的分值数据按照数值大小进行排序，获得所述预授信模型；其中，所述筛选模块包根据每个用户分值数据的排序，筛选出排序名次处于预设范围的用户。在某些实施例中，所述分值数据转化单元根据建立的评分卡模型，确定每个用户的分值数据，其中，所述预设的评分卡模型根据预设的用户数据与用户风险程度的对应关系建立。在某些实施例中，所述授信模型模块包括：授信模型建立单元，获取符合要求的用户的信用数据，利用所述预授信模型输出的每个用户分值数据，通过嵌套的方式建立所述授信模型。在某些实施例中，所述授信模型建立单元包括：分箱单元，对预授信模型输出的每个用户分值数据和用户的信用数据进行分箱处理；逻辑回归单元，对分箱数据进行逻辑回归，将分箱数据转换为标准评分卡格式的授信模型。在某些实施例中，所述分箱单元包括：第一分箱单元，对预授信模型输出的每个用户分值数据和用户的信用数据的信息增益率进行分箱处理，获得增益率分箱数据；第二分箱单元，选取样本比例过大的分箱进行等距或等分位数分箱，获得分位数分箱数据，并将选取的分箱的增益率分箱数据替换为分位数分箱数据。在某些实施例中，所述逻辑回归单元包括：第一回归单元，对分箱数据进行LASSO回归；第二回归单元，对经过LASSO回归后的分箱数据进行Stepwise逐步回归，获得标准评分卡格式的授信模型。本专利技术第三方面提供一种计算机设备，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的方法。本专利技术第四方面提供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的方法。本专利技术的有益效果如下：本专利技术提供一种授信方法、系统、计算机设备及介质，通过首先建立预授信模型，再通过预授信模型和新增的用户信用数据建立授信模型，一方面不需要合作方提供明细数据，保护了用户隐私，另一方面增加了用户信用数据，提高了数据的覆盖度，降低了模型的风险，提高了模型的精度以及稳定性，并且由于对用户进行了筛选，简化了授信操作，降低了模型计算的时间成本和计算设备的负担。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示出本专利技术实施例中授信模型的建立方法流程示意图。图2示出图1中步骤S1的具体流程示意图。图3示出图1中步骤S3的具体流程示意图。图4示出图3中步骤S31的具体流程示意图。图5示出图3中步骤S32的具体流程示意图。图6示出本专利技术实施例中的授信模型的建立系统的结构示意图。图7示出图6中预授信模块的具体结构示意图。图8示出图6中授信模块的具体结构示意图。图9示出适用于用来实现本专利技术实施例的终端设备或服务器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。在附图中示出了根据本专利技术公开实施例的各种截面图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状以及他们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。目前授信模型的建立依赖性严重，需要合作方提供明细数据，但是出于对用户隐私数据的保护，合作方的数据一般不能以明细数据的模式提供，并且合作方提供的数据覆盖广度不足，影响授信模型的精度。有鉴于此，本专利技术第一方面提供一种授信方法，请结合图1所示，该方法包括：S1:基于预设的数据库中的用户数据，建立预授信模型；S2:根据所述本文档来自技高网...

【技术保护点】
1.一种授信模型的建立方法，其特征在于，包括：基于预设的数据库中的用户数据，建立预授信模型；根据所述预授信模型，筛选出符合要求的用户；获取符合要求的用户的信用数据，并根据所述信用数据和所述预授信模型建立授信模型。

【技术特征摘要】
1.一种授信模型的建立方法，其特征在于，包括：基于预设的数据库中的用户数据，建立预授信模型；根据所述预授信模型，筛选出符合要求的用户；获取符合要求的用户的信用数据，并根据所述信用数据和所述预授信模型建立授信模型。2.根据权利要求1所述的方法，其特征在于，所述基于预设的数据库中的用户数据，建立预授信模型，包括：获取预设的数据库中每个用户的用户数据；将每个用户的用户数据按照预设的用户数据与用户风险程度的对应关系转化为分值数据；对每个用户的分值数据按照数值大小进行排序，获得所述预授信模型；其中，所述根据所述预授信模型，筛选出符合要求的用户，包括：根据每个用户分值数据的排序，筛选出排序名次处于预设范围的用户。3.根据权利要求2所述的方法，其特征在于，将每个用户的用户数据按照预设的用户数据与用户风险程度的对应关系转化为分值数据，包括：根据预设的评分卡模型，确定每个用户的分值数据，其中，所述预设的评分卡模型根据预设的用户数据与用户风险程度的对应关系建立。4.根据权利要求1所述的方法，其特征在于，所述获取符合要求的用户的信用数据，并根据所述信用数据和所述预授信模型建立授信模型，包括：获取符合要求的用户的信用数据，利用所述预授信模型输出的每个用户分值数据，通过嵌套的方式建立所述授信模型。5.根据权利要求4所述的方法，其特征在于，所述获取符合要求的用户的信用数据，利用所述预授信模型输出的每个用户分值数据，通过嵌套的方式建立所述授信模型，包括：对预授信模型输出的每个用户分值数据和用户的信用数据进行分箱处理；对分箱数据进行逻辑回归，将分箱数据转换为标准评分卡格式的授信模型。6.根据权利要求5所述的方法，其特征在于，所述对预授信模型输出的每个用户分值数据和用户的信用数据进行分箱处理，包括：对预授信模型输出的每个用户分值数据和用户的信用数据的信息增益率进行分箱处理，获得增益率分箱数据；选取样本比例过大的分箱进行等距或等分位数分箱，获得分位数分箱数据，并将选取的分箱的增益率分箱数据替换为分位数分箱数据。7.根据权利要求5所述的方法，其特征在于，所述对分箱数据进行逻辑回归，将分箱数据转换为标准评分卡格式的授信模型，包括：对分箱数据进行LASSO回归；对经过LASSO回归后的分箱数据进行Stepwise逐步回归，获得标准评分卡格式的授信模型。8.一种授信模型的建立系...

【专利技术属性】
技术研发人员：肖尊雷，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