一种贷款授信额度确定的方法、及其电子设备和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114140230A(43)申请公布日2022.03.04(21)申请号202111488387.6(22)申请日2021.12.07(71)申请人百维金科（上海）信息科技有限公司地址200433上海市杨浦区翔殷路165号B区206-10室(72)发明人江远强(74)专利代理机构上海中外企专利代理事务所(特殊普通合伙)31387代理人孙益青(51)Int.Cl.G06Q40/02(2012.01)G06Q10/04(2012.01)权利要求书3页说明书11页附图1页(54)发明名称一种贷款授信额度确定的方法、及其电子设备和存储介质(57)摘要本申请涉及一种贷款授信额度确定的方法、及其电子设备和存储介质，其方法包括：步骤S1：获取与待授信用户相关的原始数据；步骤S2：从所述原始数据中通过特征学习提取多个衍生特征，通过所述多个衍生特征建立用户画像体系；步骤S3：对所述原始数据和所述多个衍生特征进行数据预处理，将所述原始数据和所述衍生特征分为训练集和验证集，且所述训练集和所述验证集中的数据个数比例为7:3；步骤S4：构建XGBoost树集成预测模型；步骤S5：优化XGBoost树集成预测模型超参数；步骤S6：确定目标客户的授信额度区间，确定客户的最终权重，并给出客户的最终额度；步骤S7：对验证用户进行授信额度预测；以及步骤S8：对授信未动支客户进行营销，促进授信客户动支。CN114140230ACN114140230A权利要求书1/3页1.一种贷款授信额度确定的方法，其特征在于：包括：步骤S1：获取与待授信用户相关的原始数据，并通过Oracle数据库，按照用户的年龄、性别、职业和贷款记录的类别，对所述原始数据进行分类，并标记类别标签；步骤S2：从所述原始数据中通过特征学习提取多个衍生特征；步骤S3：对所述原始数据和所述多个衍生特征进行数据预处理；步骤S4：构建XGBoost树集成预测模型；步骤S5：优化XGBoost树集成预测模型的超参数；步骤S6：确定目标客户的授信额度区间，以确定客户的最终权重，并给出客户的最终额度；以及步骤S7：对验证用户进行授信额度预测。2.根据权利要求1所述的贷款授信额度确定的方法，其特征在于，在步骤S1中的所述原始数据包括用户的属性数据、行为数据和信用数据，且所述原始数据来自于外部数据和/或内部数据。3.根据权利要求1所述的贷款授信额度确定的方法，其特征在于，在步骤S2中的所述衍生特征是指对已授信用户的相关数据进行特征学习得到的具有业务含义的特征，且所述特征学习包括a)数据的统计聚合；b)根据时间序列衍生、特征交叉以及透传获得多个衍生特征；以及c)根据信用卡贷款数据，结合时间特征性，构造出近1年申请信用卡数和贷款笔数。4.根据权利要求1所述的贷款授信额度确定的方法，其特征在于，在步骤S3中的所述预处理包括数据异常值的处理、缺失值的处理、对数变换、离散型变量的编码和连续型变量的分箱。5.根据权利要求1所述的贷款授信额度确定的方法，其特征在于，步骤S4包括：步骤S4.1：通过公式(1)对所述训练集中的训练样本建立目标函数，所述目标函数由损失函数和正则化项构成，公式(1)：其中，Obj表示第t次迭代的目(t－1)标函数、n表示样品总数、l表示损失函数、y^i表示第t‑1次的预测值、ft(xi)是第t次对样本打分的分值、Ω(fi)表示正则化项；步骤S4.2：使用泰勒多项式通过公式(2)简化公式(1)，得到步骤S4.1中的所述目标函数的近似目标函数，公式(2)：其中，gi是一阶导数、hi是二阶导数、gi和hi分别表示第i个样本下损失函数的一阶偏导数与二阶偏导数，步骤S4.3：得到XGBoost树集成预测模型的计算公式(3)，首先，定义Ij＝{i|q(xi)＝j}为XGBoost树集成预测模型中叶子j的样本集合，然后，将其代入公式(2)中，在去掉常数项后，得到XGBoost树集成预测模型的计算公式(3)：(t)其中，Obj是wj的一元二次方程、T和w分别表示第k棵回归树的叶子数量和叶子权重、γ和λ分别表示是叶子数量T和权重w的惩罚系2CN114140230A权利要求书2/3页数、gi和hi分别表示l的一阶导数和二阶导数、Ij为每个叶子节点上的样本集2合、wj为每个叶子节点分数的L2模平方；以及步骤S4.4：通过公式(4)和公式(5)求得叶子j的最优权重以及目标函数的最优值，公式(4)公式(5)6.根据权利要求5所述的贷款授信额度确定的方法，其特征在于，步骤S4.1中的公式(1)为由计算正则化项Ω的公式(1.1)代入公式(1.2)(t－1)中而得，其中，在公式(1.1)中，yi和y^i为已知项、ft表示第t棵树模型、yi表示样本的真实标签、表