【技术实现步骤摘要】
本专利技术涉及信用服务，尤其涉及基于改进类不平衡的个人信用评估方法与装置。
技术介绍
1、近些年来，数字经济已成为开辟发展新赛道、培育壮大新兴产业、催生新技术新业态新应用的重要引擎，最显著的优势在于其可叠加于其他产业之上，具有高创新性、强渗透性、广覆盖性，能够带动对传统产业的全方位、全链条改造，发挥数字技术对经济发展的放大、叠加、倍增作用。近年来，国内商业银行积极开展个人消费信贷业务。然而，随着其业务不断拓宽，信贷违约事件也随之增加，给金融企业和投资者带来了经济损失。为了避免这种情况的发生，银行应该加强风险管理，严格审查借款人的信用记录和还款能力，选择信用良好的客户进行放贷。对于信贷行业而言，个人信用风险评估问题是其关键环节。
2、针对个人信贷的大数据样本，数据类不平衡的问题在各种信用风险评估中普遍存在。通常情况下，好样本的数量远多于坏样本，也就是说，信用违约样本较为稀少，违约率通常只有百分之几，但即使违约率很低，也会对整个金融稳定造成严重影响。因此，在个人信用风险评估中，需要加以控制。
3、现有的个人信用评估系统通过获取待评估用户的信用相关数据，根据信用评估特点构建信用评估模型，将待评估用户的信用相关数据投入信用评估模型，得到待评价用户的信用评估结果，实现个人信用评估功能。
4、例如公告号为：cn111062806b的专利技术专利公告的一种个人金融信用风险评价方法、系统和存储介质，包括：获取客户信用数据，形成历史数据；对历史数据进行聚类处理，得到正信用簇群和负信用簇群；将正信用簇群和负信用簇
5、例如公告号为：cn113743677b的专利技术专利公告的基于联邦学习的个人信用评价模型训练方法及评价方法，包括：获取多方关于目标用户的异构数据；对多方的异构数据进行特征处理；根据特征处理后数据的类型和特征生成各方的异构信息网络图；将各方的异构信息网络图分别输入至预先训练的个人信用评价模型，获得个人信用评价模型输出的各方信用计算结果；根据所述各方信用计算结果，基于预设公式，对个人信用评价值进行综合计算，获得个人信用评价值。
6、但本申请在实现本申请实施例中专利技术技术方案的过程中，发现上述技术至少存在如下技术问题：
7、现有技术中，由于用于评估个人信用的数据存在不平衡问题，存在不能高效准确地进行个人信用风险评估的问题。
技术实现思路
1、本申请实施例通过提供基于改进类不平衡的个人信用评估方法与装置，解决了现有技术中，不能高效准确地进行个人信用风险评估的问题，实现了高效准确地进行个人信用风险评估。
2、本申请实施例提供了基于改进类不平衡的个人信用评估方法，包括以下步骤：更新客户信用相关历史信息；获取客户信用相关历史信息并进行数据预处理；对通过数据预处理的客户信用相关历史信息进行样本获取，根据目标样本亲和力强弱评估指数得到平衡样本；获取平获取衡样本中的数据并计算得到个人信用可靠程度评估指数；根据个人信用可靠程度评估指数分析客户个人信用情况。
3、进一步的，所述更新客户信用相关历史信息的具体过程为：对时间窗口进行动态更新，使用扩展窗口模式，保持每月更新一次，以便及时加入最新数据；针对t时刻，使用t时刻前的所有数据作为原始样本数据；针对t+n*1month时刻，采用同样的方法更新数据。
4、进一步的，所述数据预处理过程具体包括：数据获取、数据清洗、特征编码和数据规范；所述数据获取具体过程为：从借贷平台获取客户信用相关历史信息；所述数据清洗具体过程为：对获取的客户信用相关历史信息做缺失值的处理与变量初筛，删除部分无意义的变量；所述特征编码具体过程为：将文本数据变量分为二元离散变量、多元离散变量中的定类变量和多元离散变量中的定序变量等三种情况分别编码；将目标变量三分类，即将目标变量分为正常客户、可能违约客户、极可能违约客户并分别编码；进行离群点处理，找出异常点；所述数据规范具体过程为：根据数据的特点将数据中不同量纲的特征进行标准化的规范处理，采用z-score标准化方法，将每个特征的平均值调整为0，标准差调整为1。
5、进一步的，所述样本获取过程具体包括：特征共线性检验、特征选择和分类不平衡问题处理；所述特征共线性检验的具体过程为：针对样本中的数值特征，采用皮尔逊相关系数来评价特征之间的线性相关性；针对样本中的离散分类特征，利用独立性卡方检验对各个分类特征之间进行相关性检验；去除共线性高的特征对中的一个；所述特征选择的具体过程为：使用方差选择法和特征重要性排序法，综合打分确定特征的重要性；根据特征选择，确定最终特征，然后与目标变量三分类组合成样本；所述分类不平衡问题处理的具体过程为：生成新的样本；检查新的生成样本，排除与本类距离远的生成样本；消除噪声样本，得到亲和力强的新的生成样本，补齐样本，使与多数类样本数量一致；重复上述上述生成新的样本到使与多数类样本数量一致过程n次，目标样本亲和力强弱评估指数目标样本亲和力强弱评估指数对应的目标样本即为所需平衡样本。
6、进一步的，述目标样本亲和力强弱评估指数用于评价目标样本亲和力强如程度的数据；所述个人信用可靠程度评估指数用于评价客户个人信用可靠程度的数据。
7、进一步的，所述目标样本亲和力强弱评估指数具体计算过程为：根据目标变量的分类对应的标签的分类，按照每个类别数量的多寡，可将所有样本分为少数类样本集合中数类样本集合多数类样本集合式中nmin为少数类样本数量，nmid为中数类样本数量，nmaj为多数类样本数量；确定生成少数类样本的数量为生成中数类样本的数量为在少数类样本集合smin中随机抽取样本在中数类样本集合smin中随机抽取样本式中，nfeature为特征数量；通过处理生成新的样本和生成个少数类样本，以及个中数类样本；对新的样本进行处理得到目标样本，包括对进行处理得到新的少数类生成样本集合，记为样本总数合计为对进行处理得到新的中数类生成样本集合，记为样本总数合计为获取所有少数类原样本获取所有中数类原样本计算少数类距离程度评估指数以及中数类距离程度评估指数，获取所有的少数类距离程度评估指数，将少数类距离程度评估指数按照从小到大的顺序排列，对应保留排名前nmaj-nmin的新的少数类生成样本，获取所有的中数类距离程度评估指数，将中数类距离程度评估指数按照从小到大的顺序排列，对应保留排名前nmaj-nmid的新的中数类生成样本，所有保留的样本即为目标样本，由少数类距离程度评估指数以及中数类距离程度评估指数计算得到目标样本的目标样本亲和力强弱评估指数。
8、进一步的，所述目标样本亲本文档来自技高网...
【技术保护点】
1.基于改进类不平衡的个人信用评估方法，其特征在于，包括以下步骤：
2.如权利要求1所述基于改进类不平衡的个人信用评估方法，其特征在于，所述更新客户信用相关历史信息的具体过程为：
3.如权利要求1所述基于改进类不平衡的个人信用评估方法，其特征在于，所述数据预处理过程具体包括：数据获取、数据清洗、特征编码和数据规范；
4.如权利要求1所述基于改进类不平衡的个人信用评估方法，其特征在于，所述样本获取过程具体包括：特征共线性检验、特征选择和分类不平衡问题处理；
5.如权利要求4所述基于改进类不平衡的个人信用评估方法，其特征在于，所述目标样本亲和力强弱评估指数用于评价目标样本亲和力强如程度的数据；
6.如权利要求3所述基于改进类不平衡的个人信用评估方法，其特征在于，所述目标样本亲和力强弱评估指数具体计算过程为：
7.如权利要求6所述基于改进类不平衡的个人信用评估方法，其特征在于，所述目标样本亲和力强弱评估指数的具体获取方法为：
8.如权利要求4所述基于改进类不平衡的个人信用评估方法，其特征在于，所述个人信
9.如权利要求8所述基于改进类不平衡的个人信用评估方法，其特征在于，所述分析客户个人信用情况的具体过程为：
10.基于改进类不平衡的个人信用评估装置，其特征在于，包括：动态更新模块、数据预处理模块、样本获取模块、指数计算模块和分析模块；
...【技术特征摘要】
1.基于改进类不平衡的个人信用评估方法，其特征在于，包括以下步骤：
2.如权利要求1所述基于改进类不平衡的个人信用评估方法，其特征在于，所述更新客户信用相关历史信息的具体过程为：
3.如权利要求1所述基于改进类不平衡的个人信用评估方法，其特征在于，所述数据预处理过程具体包括：数据获取、数据清洗、特征编码和数据规范；
4.如权利要求1所述基于改进类不平衡的个人信用评估方法，其特征在于，所述样本获取过程具体包括：特征共线性检验、特征选择和分类不平衡问题处理；
5.如权利要求4所述基于改进类不平衡的个人信用评估方法，其特征在于，所述目标样本亲和力强弱评估指数用于评价目标样本亲和力强如程度的数据；<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。