一种基于信贷用户价值的免息券发放评估方法及系统技术方案

本发明专利技术提出了一种基于信贷用户价值的免息券发放评估方法及系统，涉及信贷风险评估的技术领域。其通过将普通的第一信贷客群和发过免息券的第二信贷客群进行相应的分组，然后在对应分组下进行用户数据信息样本获取并进行计算对应的价值模型评分。其中，第一信贷客群对应的是用户价值模型评分，第二信贷客群对应的是用户优惠度模型评分。接着就可以将价值模型评分进行校准处理，并在校准处理后进行利用逻辑回归算法进融合处理，得到对应分组的融合模型评分。从而后续可以利用融合模型评分进行准确的预测评估用户发券后支用意愿，适用范围广且准确率高，可以有效的提高信贷风险评估的效果。效果。效果。

【技术实现步骤摘要】
一种基于信贷用户价值的免息券发放评估方法及系统


[0001]本专利技术涉及信贷风险评估的
，具体而言，涉及一种基于信贷用户价值的免息券发放评估方法及系统。

技术介绍

[0002]目前，市面上对于借贷行业给用户发免息券，通常都是通过一些简单易得的特征，比如用户的职业、收入、年龄、兴趣爱好等来评估，这类特征与用户发券后支用意愿的相关性不一定很强，市场上涉及到信贷行业免息券发放的专利也比较少，虽然有一些电商行业网购优惠券的发放专利，但场景不一致，故参考性不强。
[0003]比如，有的客户可用借款额度很高，但借款需求不一定很高，可能发了免息券后一直不用，对免息券不敏感；有的客户借款意愿很足，有的发了免息券用了但一定时间后会产生逾期，有的则是发券立马用不久又提前结清，导致放款机构利息收益甚至本金受损，同时也造成免息券不必要的浪费。也即是说，现有技术中的利用的这种预测评估用户发券后支用意愿的方法适用范围较小且准确度较低，导致信贷风险评估的效果较差。

技术实现思路

[0004]本专利技术的目的在于提供一种基于信贷用户价值的免息券发放评估方法及系统，其能够基于用户价值与优惠敏感度的评分获取，用以筛选出用户需求意愿充足且信用质量高的客群，进行精准发券，用以解决避免免息券发放造成的使用效率低下的问题。即，可以有效地提高预测评估用户发券后支用意愿的范围和精准度。
[0005]本专利技术的实施例是这样实现的：
[0006]第一方面，本申请实施例提供一种基于信贷用户价值的免息券发放评估方法，包括以下步骤：
[0007]基于第一信贷客群对应的用户用信借还款信息判断第一信贷客群中用户的用信情况，并基于用信情况进行分组处理得到第一用户用信分组信息；获取第一信贷客群中的所有用户建模数据信息，基于第一用户用信分组信息将建模数据信息进行分组处理，得到对应分组的第一用户数据信息样本；基于LightGBM算法对第一用户数据信息样本进行训练和处理，得到对应分组的第一价值模型评分；基于发过免息券的第二信贷客群的用户用信借还款信息判断第二信贷客群中用户的用信情况，并基于用信情况进行分组处理得到第二用户用信分组信息；获取第二信贷客群中的所有用户建模数据信息，基于第二用户用信分组信息将建模数据信息进行分组处理，得到对应分组的第二用户数据信息样本；基于LightGBM算法对第二用户数据信息样本进行训练和处理，得到对应分组的第二价值模型评分；基于预设校准处理对第一价值模型评分和第二价值模型评分进行校准处理。基于校准后的第一价值模型评分和第二价值模型评分利用逻辑回归算法进融合处理，得到对应分组的融合模型评分。
[0008]在本专利技术的一些实施例中，上述基于LightGBM对第一用户数据信息样本进行训练
和处理，得到对应分组的第一价值模型评分的步骤具体包括：
[0009]基于第一用户数据信息样本进行数据预处理，得到对应分组的预处理数据信息样本；基于LightGBM对预处理数据信息样本进行训练和处理，得到对应分组的第一价值模型评分。
[0010]在本专利技术的一些实施例中，上述基于第一用户数据信息样本进行数据预处理，得到对应分组的预处理数据信息样本具体包括：
[0011]对第一用户数据信息样本进行数据清洗，并利用随机森林方法对数据清洗后的第一用户数据信息样本进行特征筛选，获得特征数据集；利用不平衡数据处理方法对上述特征数据集进行类别平衡，得到对应分组的预处理数据信息样本。
[0012]在本专利技术的一些实施例中，还包括：基于融合模型评分按照预设发券响应规则向目标信贷客群中的用户发放对应的优惠券。
[0013]第二方面，本申请实施例提供一种基于信贷用户价值的免息券发放评估系统，其包括：
[0014]第一用户分组模块，用于基于第一信贷客群对应的用户用信借还款信息判断第一信贷客群中用户的用信情况，并基于用信情况进行分组处理得到第一用户用信分组信息；第一分组数据获取模块，用于获取第一信贷客群中的所有用户建模数据信息，基于第一用户用信分组信息将建模数据信息进行分组处理，得到对应分组的第一用户数据信息样本；第一价值评分模块，用于基于LightGBM算法对第一用户数据信息样本进行训练和处理，得到对应分组的第一价值模型评分；第二用户分组模块，用于基于发过免息券的第二信贷客群的用户用信借还款信息判断第二信贷客群中用户的用信情况，并基于用信情况进行分组处理得到第二用户用信分组信息；第二分组数据获取模块，用于获取第二信贷客群中的所有用户建模数据信息，基于第二用户用信分组信息将建模数据信息进行分组处理，得到对应分组的第二用户数据信息样本；第二价值评分模块，用于基于LightGBM算法对第二用户数据信息样本进行训练和处理，得到对应分组的第二价值模型评分；价值评分校正模块，用于基于预设校准处理对第一价值模型评分和第二价值模型评分进行校准处理；融合模型评分模块，用于基于校准后的第一价值模型评分和第二价值模型评分利用逻辑回归算法进融合处理，得到对应分组的融合模型评分。
[0015]第三方面，本申请实施例提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器。当上述一个或多个程序被上述处理器执行时，实现如上述第一方面中任一项上述的方法。
[0016]第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项上述的方法。
[0017]相对于现有技术，本专利技术的实施例至少具有如下优点或有益效果：
[0018]本专利技术的实施例提出了一种基于信贷用户价值的免息券发放评估方法，其通过将普通的第一信贷客群和发过免息券的第二信贷客群进行相应的分组，然后在对应分组下进行用户数据信息样本获取并进行计算对应的价值模型评分(第一信贷客群对应的是用户价值模型评分，第二信贷客群对应的是用户优惠度模型评分)。接着就可以将价值模型评分进行校准处理，并在校准处理后进行利用逻辑回归算法进融合处理，得到对应分组的融合模型评分。从而后续可以利用融合模型评分进行准确的预测评估用户发券后支用意愿，适用
范围广且准确率高，可以有效的提高信贷风险评估的效果。
附图说明
[0019]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0020]图1为本专利技术一种基于信贷用户价值的免息券发放评估方法一实施例的流程图；
[0021]图2为本专利技术实施例中步骤S103的具体流程图；
[0022]图3为本专利技术中分组为未用信和用信时的一实施例的流程图；
[0023]图4为本专利技术一种基于信贷用户价值的免息券发放评估系统一实施例的结构框图；
[0024]图5为本专利技术实施例提供的一种电子设备的结构框图。
[0025]图标：1、第一用户分组模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于信贷用户价值的免息券发放评估方法，其特征在于，包括以下步骤：步骤S101：基于第一信贷客群对应的用户用信借还款信息判断第一信贷客群中用户的用信情况，并基于用信情况进行分组处理得到第一用户用信分组信息；步骤S102：获取第一信贷客群中的所有用户建模数据信息，基于第一用户用信分组信息将建模数据信息进行分组处理，得到对应分组的第一用户数据信息样本；步骤S103：基于LightGBM算法对第一用户数据信息样本进行训练和处理，得到对应分组的第一价值模型评分；步骤S104：基于发过免息券的第二信贷客群的用户用信借还款信息判断第二信贷客群中用户的用信情况，并基于用信情况进行分组处理得到第二用户用信分组信息；步骤S105：获取第二信贷客群中的所有用户建模数据信息，基于第二用户用信分组信息将建模数据信息进行分组处理，得到对应分组的第二用户数据信息样本；步骤S106：基于LightGBM算法对第二用户数据信息样本进行训练和处理，得到对应分组的第二价值模型评分；步骤S107：基于预设校准处理对第一价值模型评分和第二价值模型评分进行校准处理；步骤S108：基于校准后的第一价值模型评分和第二价值模型评分利用逻辑回归算法进融合处理，得到对应分组的融合模型评分。2.如权利要求1所述的一种基于信贷用户价值的免息券发放评估方法，其特征在于，所述基于LightGBM对第一用户数据信息样本进行训练和处理，得到对应分组的第一价值模型评分的步骤具体包括：步骤S201：基于第一用户数据信息样本进行数据预处理，得到对应分组的预处理数据信息样本；步骤S202：基于LightGBM对预处理数据信息样本进行训练和处理，得到对应分组的第一价值模型评分。3.如权利要求2所述的一种基于信贷用户价值的免息券发放评估方法，其特征在于，所述基于第一用户数据信息样本进行数据预处理，得到对应分组的预处理数据信息样本具体包括：对第一用户数据信息样本进行数据清洗，并利用随机森林方法对数据清洗后的第一用户数据信息样本进行特征筛选，获得特征数据集；利用不平衡数据处理方法对所述特征数据集进行类别平衡，得到对...

【专利技术属性】
技术研发人员：夏昊，钟艳明，
申请(专利权)人：天翼电子商务有限公司，
类型：发明
国别省市：