[发明专利]一种基于政务数据的个人信用贷款准入授信方法及系统

说明书

本发明公开了一种基于政务数据的个人信用贷款准入授信方法及系统，该方法包括：根据政务数据，利用模型的准入策略集及差异化规则对客户进行筛选，获取准入客户；根据政务数据，采用机器学习集合算法训练政务数据与信用风险之间的关系，构建准入模型；利用准入模型对准入客户进行信用风险评估，得到客户信用分；采用机器学习集合算法训练政务数据与授信额度之间的关系，构建授信模型；利用授信模型计算客户的基础授信额度；根据客户信用分及客户共债机构数进行风险调整；利用风险系数及基础授信额度得到客户最终的授信额度；本发明能够减轻准入审批的压力，充分利用到政务数据本身的价值，在拓展普惠金融业务的同时精准的管控金融机构自身的风险。

技术领域

本发明涉及互联网金融领域，尤指一种基于政务数据的个人信用贷款准入授信方法及系统。

背景技术

近年来，我国高度重视普惠金融，出台了多份相关的政策文件，要大力发展普惠金融，要让农民、城镇低收入人群、贫困人群和残疾人、老年人等及时获取价格合理、便捷安全的金融服务。在这样的背景下，越来越多的金融机构扩展了普惠金融业务，开拓了与政府合作的新模式，政府提供政务数据，金融机构利用政务数据对个人客户进行信用评估，然后在普惠金融平台上提供线上信用贷款业务。

当前大部分贷款业务具有笔数多、单笔金额小的特征，决定了贷款需为线上申请、线上实时审批的模式，且政务数据一般包括金融机构、市场监管局、发改委、国土资源局、税务局等来源的数据，会存在数据杂乱和部分数据质量不佳等问题。而大部分线上审批的贷款产品仍采用传统评分卡方法，但基于政务数据的传统评分卡方法会遇到诸多难处，其评分的主观性导致难以从多来源的政务数据中抽取有用信息，也难以衡量不同特征的重要性；而且其只能利用有限的数据评估客户信用风险，无法实现风险的全面评估。

目前，普遍常见的个人信用贷款准入授信手段还是以传统评分卡方法为主，或者运用规则+逻辑回归。评分卡方法难以从多来源的政务数据中抽取有用信息，只能利用有限数据评估风险，规则+逻辑回归的方法不能很好地处理多分类特征，且不能很好地拟合非线性情况，这两种常见方法都无法精准管控信贷风险，难以对客户信用风险实现全面评估。

综上来看，亟需一种能够克服上述问题，实现对客户信用风险实现全面评估的技术方案，

发明内容

为解决现有技术存在的问题，本发明提出了一种基于政务数据的个人信用贷款准入授信方法及系统，能够拓展基于政务数据的普惠金融业务，同时实现对客户风险的有效管控及精准授信。

在本发明实施例的第一方面，提出了一种基于政务数据的个人信用贷款准入授信方法，该方法包括：

获取政务数据；

根据所述政务数据，利用模型的准入策略集及差异化规则对客户进行筛选，获取准入客户；

根据所述政务数据，采用机器学习集合算法训练政务数据与信用风险之间的关系，构建准入模型；

利用所述准入模型对准入客户进行信用风险评估，得到客户信用分；

根据所述政务数据，采用机器学习集合算法训练政务数据与授信额度之间的关系，构建授信模型；

根据所述政务数据，利用所述授信模型计算客户的基础授信额度；

根据所述客户信用分及客户共债机构数进行风险调整，得到对应的风险系数；

利用所述风险系数及所述基础授信额度得到客户最终的授信额度。

进一步的，根据所述政务数据，利用模型的准入策略集及差异化规则对客户进行筛选，获取准入客户，还包括：

对所述政务数据进行个人数据清洗、个人特征衍生及个人特征筛选，得到处理后的政务数据。

进一步的，根据所述政务数据，利用模型的准入策略集及差异化规则对客户进行筛选，获取准入客户，包括：