[发明专利]一种基于机器学习的信用评分卡开发方法

说明书

一种基于基于机器学习的评分卡开发方法，包括以下步骤：(1)根据vintage分析来定义目标用户的标签；(2)整合多种数据源获得最后数据；(3)对数据进行探索性分析和数据清洗；(4)对清洗后的数据使用优化后的卡方分箱法分箱；(5)对分箱后的变量进行变量筛选；(6)构建logistics回归模型；(7)对模型进行评价；(8)将模型输出目标用户违约概率转换为分数。本发明利用机器学习、vintage分析、logistics回归模型，针对大数据时代下人工效率低下，审核困难等难点，将问题从依靠人工解决转换到机器解决。

技术领域

本发明涉及一种互联网金融、机器学习、vintage分析、logistics回归模型、计算机应用领域，尤其涉及的是一种基于机器学习的信用评分卡开发方法；

背景技术

随着信用评分模型和信贷行业的飞速发展，模型的建立方法多种多样，从开始的传统统计回归方法，到如今新兴的深度学习算法，并且模型在应用上，从预测违约概率逐渐向信贷各个生命周期渗透，如评分A卡，贷后的B卡，以及后续的C卡。但是一般金融企业的评分卡还是传统的专家型评分卡，既靠经验丰富的专家来制定规则，从而来区分好坏用户，这种方法在早期数据量不大的情况下还是有效果的，但是随着大数据的发展，这种依靠人工专家型的评分卡效率就十分低下，为了解决这种情况，开发基于数据的评分卡就显得十分必要。用基于数据驱动的评分卡来代替效率低下，不易控制的人工审核方式，提高信贷审核的时效性和准确性；

发明内容

为了克服现有技术的不足，本发明提出一种基于机器学习的信用评分卡开发方法，利用机器学习、vintage分析、logistics回归模型，针对大数据时代下人工效率低下，审核困难等难点，将问题从依靠人工解决转换到机器解决。

本发明解决其技术问题所采用的技术方案是：

一种基于机器学习的信用评分卡开发方法，包括以下步骤：

1)目标变量的定义

根据vintage分析，观察各月份平均逾期的走势，确定表现窗口的时间跨度，将表现期内用户逾期天数小于3天的定义为”好用户”，将逾期天数大于30天的定义为”坏用户”，将逾期天数大于3天小于30天的定义为”灰度用户”；

2)数据的获取

数据的来源多种多样，包括金融机构自身的字段：如用户的年龄、户籍、性别、收入、负债比、在本机构的借款行为；

还有第三方的数据：历史消费数据、其它机构的借贷行为和网上购物行为；

3)EDA探索性数据分析

了解数据的情况，每个字段的缺失值情况、异常值情况、平均值、中位数、最大值、最小值、分布情况，以便制定数据预处理方案；

4)数据清洗

对原始数据中脏数据、缺失值、异常值进行处理，对于缺失值的方法是删除缺失率超过给定阈值的变量，对于缺失率少于阈值的通过将缺失样本作为预测值，使用随机深林来预测该值进行填充，对于异常值的处理是将异常值作为一种状态；

5)变量分箱

使用卡方分箱法，并同时兼顾多种业务约束条件，：所述约束条件包括每个组最小样本占比、最大分箱数和woe单调；

改进后变量分箱法的处理过程：

1.输入：分箱的最大区间数n；

2.初始化

i)连续值按升序排序，离散值先转化为坏客户的比率，然后在按升序排序；

ii)为了减少计算量，对于状态数大于某一阈值(100)的变量，利用等频分箱进行粗分箱，对于状态数少于最大区间数的不分箱；