适于信用评分卡系统的自动优化方法和系统技术方案

本发明专利技术公开了一种适于信用评分卡系统的自动优化方法和系统，定期从准确率、变量类型两个方面对信用评分卡系统进行评估，根据评估结果执行不同的优化方法，通过计算机迭代的方式进行最优变量分段，使得变量区分能力最强，适应能力最强，同时确保得到的信用卡评分系统的准确度最佳。本发明专利技术能够自动优化信用评分卡系统，减免人工筛选变量、人工分析变量、合并变量、统计分值及入库的工作量，剔除人工判别的干扰，更加精准公正；优化后的信用卡评分系统能够根据敏感察觉外界变化，动态更新，以适应用户的最新需求在满足信用评分实际需求的前提下，尽可能地减少运算量、提高优化速度。

An Auto-optimization Method and System for Credit Scoring Card System

【技术实现步骤摘要】
适于信用评分卡系统的自动优化方法和系统
本专利技术涉及信用评分
，具体而言涉及一种适于信用评分卡系统的自动优化方法和系统。
技术介绍
在金融信贷的审批环节，需要对客户的信用状况进行评估，信用评分卡技术是目前主流的技术手段。作为受银监会监管的金融机构，其所使用的信用评分模型要有可解释性。在申请号为201810566473.6的专利技术专利“基于最大化IV的数据分组方法、装置、储存介质及设备”中，公开了一种基于最大化IV的数据分组方法，通过对样本按照变量进行对此分组，计算每次分组对应的IV值，选择最大的IV值对应的分组方式用于信用评分卡建模，提高了信用评分卡模型的预测准确度。但其只针对固有变量进行分组，继而创建信用评分卡模型，其分组方式也较为固定，没有考虑到因为变量的动态变化导致的分组模式的更新、甚至信用评分卡模型的优化更新。随着信息化时代的快速发展和大数据技术的广泛应用，在金融信贷服务方面，涉及的变量类型、每个变量对信用评分的影响权重、变量的区间划分方式均在不断地发生变化。在实际应用中，随着外部环境的变化，例如，出现了新的对信用评分影响较大的变量，或者原有评分参量逐渐舍弃不用或者本文档来自技高网...

【技术保护点】
1.一种适于信用评分卡系统的自动优化方法，其特征在于，所述自动优化方法包括：S1：按照设定周期对信用评分卡系统进行评估，评估项目包括实际评分准确率、变量类型，如果评估合格，进入步骤S10，否则，进入步骤S2；S2：判断评估不合格原因，不合格原因包括任意一个评分参量被舍弃、变量数据库中出现了新的变量、实际评分准确率不满足设定要求；如果不合格原因为任意一个评分参量被舍弃，进入步骤S9，否则，进入步骤S3；S3：创建和/或更新变量数据库，所述变量数据库中存储有若干个数值型变量、以及每个数值型变量对应的样本信息；S4：从所述变量数据库中任意选择其中一个数值型变量，将该数值型变量对应的数值按照设定排序规...

【技术特征摘要】
1.一种适于信用评分卡系统的自动优化方法，其特征在于，所述自动优化方法包括：S1：按照设定周期对信用评分卡系统进行评估，评估项目包括实际评分准确率、变量类型，如果评估合格，进入步骤S10，否则，进入步骤S2；S2：判断评估不合格原因，不合格原因包括任意一个评分参量被舍弃、变量数据库中出现了新的变量、实际评分准确率不满足设定要求；如果不合格原因为任意一个评分参量被舍弃，进入步骤S9，否则，进入步骤S3；S3：创建和/或更新变量数据库，所述变量数据库中存储有若干个数值型变量、以及每个数值型变量对应的样本信息；S4：从所述变量数据库中任意选择其中一个数值型变量，将该数值型变量对应的数值按照设定排序规则排序后，根据预设的分段规则将数值分段成N个最小区域段，统计每个区域段对应的样本信息；S5：针对每个所述区域段计算所述数值型变量的WOE值，计算该分段模式下所述数值型变量的IV值；S6：按照预设的合并规则以合并部分相邻最小区域段，迭代计算所述数值型变量的IV值以判断最优分段模式，其中，最优分段模式下所述数值型变量的IV值最大，设最优分段模式被划分成P个最优区域段；S7：重复步骤S3-步骤S5，直至计算得到所述变量数据库中所有数值型变量的最优分段模式以及对应的IV值，根据IV值的取值筛选出M个数值型变量作为新的评分参量；S8：采用新的评分参量及对应的最优分段模式对信用评分卡系统进行优化，计算得到每个新的评分参量在最优分段模式下的每个最优区域段对应的分值，进入步骤S10；S9：剔除所述被舍弃的评分参量，采用新的评分参量及对应的最优分段模式对信用评分卡系统进行优化，对信用评分卡系统进行评估，评估合格，进入步骤S10，否则，返回步骤S3；S10：结束本次优化流程。2.根据权利要求1所述的适于信用评分卡系统的自动优化方法，其特征在于，步骤S2中，所述实际评分准确率不满足设定要求是指：S21：按照设定周期计算信用评分卡系统的实际评分准确率；S22：将计算得到的实际评分准确率和当前信用评分卡系统优化版本所对应的评估准确率、以及设定准确率阈值作比较；其中，如果以下条件中任意一个成立：1)实际检测准确率小于评估准确率，且两者之间的差值大于设定差值阈值，2)实际检测准确率小于设定准确率阈值，判定实际评分准确率不满足设定要求。3.根据权利要求2所述的适于信用评分卡系统的自动优化方法，其特征在于，步骤S21中，所述按照设定周期计算信用评分卡系统的实际检测准确率包括以下步骤：创建评估样本数据库，实时或周期性更新评估样本数据库；按照设定周期调用信用评分卡系统对评估样本数据库中的样本进行信用评分，统计得到当前信用评分卡系统对应的实际评分准确率。4.根据权利要求1或者2所述的适于信用评分卡系统的自动优化方法，其特征在于，所述方法还包括：对优化后的信用评分卡系统进行评估，获取其所对应的评估准确率。5.根据权利要求1-3任意一项中所述的适于信用评分卡系统的自动优化方法，其特征在于，步骤S7中，所述根据IV值的取值筛选出M个数值型变量作为评分参量是指，将IV值按照由大到小的顺序排序，选择取值最大的前M个数值型变量作为评分...

【专利技术属性】
技术研发人员：姜海波，张忠明，辛辰，周思佳，
申请(专利权)人：苏宁消费金融有限公司，
类型：发明
国别省市：江苏,32