[发明专利]信用评价方法及装置、存储介质、计算机设备

权利要求书

1.一种信用评价方法，其特征在于，包括：

获取用户的信用数据以及用户的申请业务；

根据所述信用数据以及反欺诈规则，对所述用户进行反欺诈行为排查；

若所述用户通过所述欺诈行为排查，则根据所述信用数据以及团伙欺诈模型，对所述用户进行团伙欺诈行为排查；

若所述用户通过所述团伙欺诈行为排查，则根据所述信用数据以及贷前信用评分模型，计算所述用户的贷前信用评分；

若所述用户的贷前信用评分大于或等于所述申请业务对应的预设放款评分阈值，则根据所述申请业务进行放款；

在还款自愈期内，获取所述用户的欠款数据；

根据所述信用数据、行为数据以及自愈评分模型，计算所述用户的自愈评分；

根据所述用户的自愈评分以及所述欠款数据，确定所述还款自逾期内对所述用户的还款提示方式；

在还款催收期内，根据所述信用数据、所述行为数据以及催收评分模型，计算所述用户的催收评分；

根据所述用户的催收评分以及所述欠款数据，确定所述还款催收期内对所述用户的还款提示方式；

所述根据所述信用数据以及反欺诈规则，对所述用户进行反欺诈行为排查，具体包括：

获取样本用户的信用数据，其中，所述信用数据包括多种；

按照预设最大箱数、预设最小叶节点数以及预设最小叶节点占比，对所述样本用户的信息数据进行决策树分箱处理，得到多个分箱；

计算每个所述分箱的负评率，筛选出所述负评率大于预设负评率的分箱；

根据筛选后的分箱，确定每种所述信用数据对应的反欺诈规则；

分别计算每种所述信用数据对应的反欺诈规则的负评率，并按照所述负评率从大到小的顺序对每种所述信用数据对应的反欺诈规则进行排序，其中，所述负评率为按照单变量反欺诈规则判断样本中存在欺诈行为的用户数量占全部样本用户的总数量；

依次将排序后的反欺诈规则加入反欺诈规则集中，并计算新放入所述反欺诈规则集中的所述反欺诈规则与所述反欺诈规则集中的其他的反欺诈规则之间的相关系数；

若所述相关系数大于预设相关系数，则将新放入所述反欺诈规则集中的所述反欺诈规则删除；

将所述反欺诈规则集中包含的所述反欺诈规则进行两两交叉，并将交叉后的反欺诈规则放入所述反欺诈规则集中；

分别计算所述反欺诈规则集中的每项所述反欺诈规则的负评率，并按照所述负评率确定最终的所述反欺诈规则；

根据最终的所述反欺诈规则对所述用户进行反欺诈行为排查；

所述根据所述申请业务进行放款，具体包括：

按照放款额度计算公式，计算对所述用户的最大放款额度，所述放款额度计算公式为

，

其中，x表示所述用户的贷前信用评分在样本用户的贷前信用评分从低到高排序中对应的分位数，y(x)表示所述用户对应的放款额度，A_mean表示平均放款额度，[A_min,A_max]为放款额度区间，；

按照利率计算公式，计算所述用户的收款利率，所述利率计算公式为

，

其中，r表示所述用户对应的收款利率，p表示所述用户的贷前信用评分对应的坏账率，r_o=r_mean(1-p_mean)-p_mean，r_mean表示平均收款利率，p_mean表示平均坏账率；

根据所述用户的最大放款额度、收款利率以及申请业务，进行放款。

2.根据权利要求1所述的方法，其特征在于，所述根据所述申请业务进行放款之后，所述方法还包括：

在放款存续期内，获取所述用户的行为数据；

根据所述行为数据，评价所述用户的风险等级；

若所述用户的风险等级大于或等于二次营销风险等级，则根据所述信用数据，分析与所述用户适配的二次营销业务。