一种用于信贷反欺诈的拦截策略衍生方法、系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114638688A(43)申请公布日2022.06.17(21)申请号202210278143.3(22)申请日2022.03.21(71)申请人江苏城乡建设职业学院地址213147江苏省常州市殷村职教园和裕路1号(72)发明人季爽陈良顾志文李剑许磊磊(74)专利代理机构苏州国诚专利代理有限公司32293专利代理师陈松(51)Int.Cl.G06Q40/02(2012.01)G06F21/56(2013.01)G06K9/62(2022.01)权利要求书3页说明书10页附图3页(54)发明名称一种用于信贷反欺诈的拦截策略衍生方法、系统(57)摘要本发明提供了一种用于信贷反欺诈的拦截策略衍生方法、系统，其可以快速从海量的数据中衍生出有效的拦截策略，识别出具有高逾期风险的用户，包括步骤：获取样本数据，在样本数据中提取用户相关的特征变量，进行数据预处理，对特征变量进行分箱处理，获得变量分箱；计算特征变量在每个变量分箱下的WOE值及IV值；进行WOE编码，用WOE值替换变量分箱对应的特征变量的数值；建立并训练预测模型，通过评价指标AUC对预测模型进行评估，调整模型参数，获得最佳预测模型；通过最佳预测模型计算所有变量分箱的评分，将评分不大于设定阈值的变量分箱进行交叉生成拦截策略；验证拦截策略是否满足上线条件，保留所有满足上线条件的拦截策略。CN114638688ACN114638688A权利要求书1/3页1.一种用于信贷反欺诈的拦截策略衍生方法，其特征在于，包括以下步骤：获取样本数据，在样本数据中提取用户相关的特征变量，进行数据预处理，对特征变量进行分箱处理，获得变量分箱；计算特征变量在每个变量分箱下的WOE值，根据计算得到WOE值，计算特征变量的IV值，剔除IV值小于设定值的特征变量；对保留的特征变量进行WOE编码，用计算得到的每个变量分箱的WOE值替换变量分箱对应的特征变量的数值；依据时间窗口将样本数据划分为训练集和测试集，基于逻辑回归模型建立预测模型，通过训练集训练预测模型，得到训练好的预测模型；通过测试集对训练好的预测模型进行测试，通过评价指标AUC对预测模型进行评估，调整模型参数，获得最佳预测模型；通过最佳预测模型计算所有变量分箱的评分，将评分不大于设定阈值的变量分箱进行交叉生成拦截策略；验证拦截策略是否满足上线条件，保留所有满足上线条件的拦截策略，所述拦截策略用于识别具有高逾期风险的用户。2.根据权利要求1所述的一种用于信贷反欺诈的拦截策略衍生方法，其特征在于，所述的获取样本数据，在样本数据中提取用户相关的特征变量，进行数据预处理，对特征变量进行分箱处理，获得变量分箱，具体包括：以信贷业务中的正常用户为白样本，逾期用户为黑样本，进行用户打标，获得样本数据；在样本数据中提取用户相关的特征变量，所述特征变量包括数值型特征变量和类别型特征变量；对样本数据中的异常值和缺失值进行处理；对预处理后的特征变量进行分箱处理，获得变量分箱。3.根据权利要求2所述的一种用于信贷反欺诈的拦截策略衍生方法，其特征在于：在进行分箱处理时，对于数值型特征变量，按照指定数量进行等频分箱，对类别型特征变量，每个类别各自为一个分箱，若类别数大于指定最大分箱数，合并占比较小的类别至一个分箱。4.根据权利要求1所述的一种用于信贷反欺诈的拦截策略衍生方法，其特征在于：特征变量在每个变量分箱下的WOE值，通过如下公式计算：其中，其中WOEi表示第i组分箱的WOE值，Badi表示第i组分箱中逾期用户数量，BadT是整体逾期用户数量，Goodi表示第i组分箱中正常用户数量，GoodT是整体正常用户数量；特征变量的IV值通过如下公式计算：2CN114638688A权利要求书2/3页其中，IVi在特征变量在第i组分箱中的IV值，IV表示特征变量的IV值。5.根据权利要求4所述的一种用于信贷反欺诈的拦截策略衍生方法，其特征在于：预测模型基于逻辑回归模型构建，通过如下公式表示：z＝θ0+θ1*x1+θ2*x2+θ3*x3...θi*xi其中,h表示预测模型输出的概率值，表示预测为逾期用户的概率，θi表示预测模型拟合出的各特征变量的系数值，θ0单独表示为偏置项，xi表示各特征变量的具体值；评价指标AUC为ROC曲线下与坐标轴围成的面积，ROC曲线的横坐标是伪阳率，纵坐标是真阳率，采用如下公式计算：其中TPrate为真阳率，表示所有真实类别为1的样本中，预测类别为1的比例；FPrate为伪阳率，表示所有真实类别为0的样本中，预测类别为1的比例；TP表示预测为1，且预测正确，实际为1；P表示预测为1，预测错误，实际为0；FN表示预测为0，预测错误，实际为1；TN表示预测为0，预测正确，实际为0；通过在测试集上调整预测模