客户信用评估方法及装置制造方法及图纸

本发明专利技术提供了一种客户信用评估方法及装置，该方法包括获取客户ID对应的原始数据；处理原始数据获得原始数据对应的特征向量；对特征向量中的各个特征数据进行特征选择获得有效特征数据；应用第一评分卡模型、第二评分卡模型和第三评分卡模型对各个有效特征数据进行评估，获得基础分值、文明分值和资产分值；将各个有效特征数据分别输入第一机器学习模型、第二机器学习模型和第三机器学习模型，获得消费分值、金融分值和风险分值；基于客户的基础分值、文明分值、资产分值、消费分值、金融分值和风险分值计算客户的信用分确定客户的信用等级。应用该方法，可以应用多种数据对客户进行信用评估，银行可以根据客户的信用等级选择合理的贷款方式。合理的贷款方式。合理的贷款方式。

【技术实现步骤摘要】
客户信用评估方法及装置


[0001]本专利技术涉及信用评估
，特别是涉及一种客户信用评估方法及装置。

技术介绍

[0002]当前，许多金融机构对待农户的贷款普遍存在谨慎性放款政策，究其原因主要还是农村客户金融意识薄弱，收入具有不稳定性，信用状况难以评估，所以这就给农村金融机构带来很大的贷款风险进而会导致贷款成本很高。
[0003]现有技术致力于研究信用体系建设对于经济健康发展的重要性，基本都是以改进信贷模式以及提升客户信用质量为出发点，所以在信用评级建设方面并没有形成较为一致的体系。

技术实现思路

[0004]有鉴于此，本专利技术提供一种客户信用评估方法，通过该方法，可以应用多种数据对客户进行信用评估，银行可以根据客户的信用等级选择合理的贷款方式。
[0005]本专利技术还提供了一种客户信用评估装置，用以保证上述方法在实际中的实现及应用。
[0006]一种客户信用评估方法，包括：
[0007]获取客户在银行系统内预先设置的客户ID；
[0008]从预设的数据宽表中获取所述客户ID对应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种客户信用评估方法，其特征在于，包括：获取客户在银行系统内预先设置的客户ID；从预设的数据宽表中获取所述客户ID对应的原始数据集，所述原始数据集包括多个原始数据，各个所述原始数据为所述客户的客户数据、在所述银行系统内的行内数据以及从其他信息源采集的外部数据；对所述原始数据集进行处理，获得每个所述原始数据对应的特征向量，所述特征向量包含其对应的原始数据的多个特征数据；对每个所述特征向量中包含的各个特征数据进行特征选择，获得每个所述特征向量的各个特征数据中的至少一个有效特征数据；应用预先构建的第一评分卡模型、第二评分卡模型和第三评分卡模型对各个所述有效特征数据进行评估，获得所述第一评分卡模型、第二评分卡模型和第三评分卡模型分别输出的所述客户的基础分值、文明分值和资产分值；将各个所述有效特征数据分别输入预先训练完成的第一机器学习模型、第二机器学习模型和第三机器学习模型，获得所述第一机器学习模型、第二机器学习模型和第三机器学习模型分别输出的所述客户的消费分值、金融分值和风险分值；基于所述客户的基础分值、文明分值、资产分值、消费分值、金融分值和风险分值，计算所述客户的信用分，并基于所述信用分确定所述客户的信用等级。2.根据权利要求1所述的方法，其特征在于，所述对所述原始数据集进行处理，获得每个所述原始数据对应的特征向量，包括：对各个所述原始数据进行数据清洗，获得每个所述原始数据对应的已清洗数据；确定每个所述已清洗数据的数据类型和数据格式；基于每个所述已清洗数据的数据类型和数据格式，将各个所述已清洗数据进行数据转换，获得每个所述原始数据对应的特征向量。3.根据权利要求1所述的方法，其特征在于，所述对每个所述特征向量中包含的各个特征数据进行特征选择，获得每个所述特征向量的各个特征数据中的至少一个有效特征数据，包括：确定预先设置的筛选算法；应用所述筛选算法对每个所述特征向量中包含的各个所述特征数据进行计算和分析，获得每个所述特征数据对应的分析结果；从各个所述分析结果中选出满足预设的筛选条件的分析结果，并将已选择的分析结果对应的特征数据确定为有效特征数据。4.根据权利要求1所述的方法，其特征在于，构建评分卡模型的过程，包括：获取预先设置的第一训练数据，并确定所述第一训练数据所属的数据维度，所述第一训练数据为基础维度的数据，或文明维度的数据，或资产维度的数据；对所述第一训练数据进行数据处理，获得所述训练数据对应的有效训练数据；提取所述有效训练数据中包含的多个数据字段；基于所述有效训练数据所属的数据维度，设置所述有效训练数据中每个数据字段对应的评分规则，并基于每个所述数据字段对应的评分规则，构建所述数据维度对应的评分表；基于所述评分表构建所述数据维度对应的评分卡模型；
其中，当所述第一训练数据为基础维度的数据时，所述评分卡模型为第一评分卡模型；当所述第一训练数据为客户文明维度的数据时，所述评分卡模型为第二评分卡模型；当所述第一训练数据为资产维度的数据时，所述评分卡模型为第三评分卡模型。5.根据权利要求1所述方法，其特征在于，训练机器学习模型的过程，包括：获取预设的第二训练数据集及初始的机器学习模型，所述第二训练数据集包含多个第二训练数据及每个所述第二训练数据对应的实际分值，所述初始的机器学习模型为初始的第一机器学习模型，或初始的第二机器学习模型，或初始的第三机器学习模型；将各个所述第二训练数据输入所述机器学习模型，触发所述机器学习模型基于所述机器学习模型对应的分析算法对各个所述第二训练数据进行分析，获得每个所述第二训练数据对应的分析结果；判断每个所述第二训练数据对应的分析结果与实际分值之间的误差率在预设范围内；若否，则调整所述机器学习模型的模型参数，并重新将各个所述第二训练数据输入所述机器学习模型，直至所述机器学习模型当前输出的每个第二训练数据对应的分析结果与实际分值之间的误差率在预设范围内时，完成所述机器学习模型的训练。6.一种客户信用评估装置，其特征在于，包括：第一获取单元，用于获取客户在银行系统内预先设置的...

【专利技术属性】
技术研发人员：徐臻，
申请(专利权)人：中国建设银行股份有限公司苏州分行，
类型：发明
国别省市：