[发明专利]金融产品数据的分箱方法及其装置、电子设备及存储介质

说明书

本发明公开了一种金融产品数据的分箱方法及其装置、电子设备及存储介质，涉及金融科技领域，其中，该方法包括：接收风控模型中关于目标金融产品的特征样本，按照第一分箱数量，对特征样本进行等频分箱，得到初始分箱区间，将初始分箱区间内的每个产品特征作为特征粒子，采用离散粒子群算法，计算每个特征粒子在进化过程中的适应度值以及粒子位置，获取所有进化代更新后的每个特征粒子的目标粒子位置，并将排序在第二分箱数量之前的每个目标粒子位置确定为分箱点位置，根据多个分箱点位置，对特征样本中各产品特征的特征数值进行分箱处理。本发明解决了相关技术中需要手动调整分箱点进行分箱，导致分箱过程耗时长且效率低的技术问题。

技术领域

本发明涉及金融科技领域，具体而言，涉及一种金融产品数据的分箱方法及其装置、电子设备及存储介质。

背景技术

分箱算法是特征变换中常用的方法，用于将连续变量进行离散化，在构建风控模型时，离散化后的特征会使模型更稳定，可以降低模型过拟合的风险。相关技术中，分箱算法进行特征变换的步骤如下：(1)选择一种分箱算法，如，卡方分箱等，确定分箱点，对数据进行箱体划分；(2)对分箱后的数据进行证据权重编码(Weight of Evidence，简称WOE)；(3)根据WOE值，手动调整分箱点，对箱体进行合并，使分箱后的数据满足WOE的单调性；(4)分箱调整后，将特征按分箱区间进行值的转换，转换为分箱区间对应的WOE值。

然而，要使分箱后的特征满足WOE单调性，现有的方式都是通过手动多次调整分箱点，尤其当特征较多时，如，有上百个特征时，需要手动对每一个特征都进行分箱调整，会使分箱过程耗时长，成本高，效率低。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种金融产品数据的分箱方法及其装置、电子设备及存储介质，以至少解决相关技术中需要手动调整分箱点进行分箱，导致分箱过程耗时长且效率低的技术问题。

根据本发明实施例的一个方面，提供了一种种金融产品数据的分箱方法，包括：接收风控模型中关于目标金融产品的特征样本，其中，所述特征样本中包含有多个产品特征的特征数值；按照第一分箱数量，对所述特征样本进行等频分箱，得到初始分箱区间；将所述初始分箱区间内的每个产品特征作为特征粒子，采用离散粒子群算法，计算每个所述特征粒子在进化过程中的适应度值以及粒子位置，其中，将最大的适应度值作为所述特征粒子的目标适应度值，在所述目标适应度下的粒子位置作为所述特征粒子的目标粒子位置；获取所有进化代更新后的每个所述特征粒子的目标粒子位置，并将排序在第二分箱数量之前的每个所述目标粒子位置确定为分箱点位置；根据多个所述分箱点位置，对所述特征样本中各产品特征的特征数值进行分箱处理。

可选地，采用离散粒子群算法，计算每个所述特征粒子在进化过程中的适应度值以及粒子位置的步骤，包括：采用离散粒子群算法，计算每个所述特征粒子下涉及所述产品特征的信息价值和所述特征粒子下证据权重的单调参数；基于所述产品特征的信息价值和所述单调参数，计算所述特征粒子在进化过程中的适应度值。

可选地，采用离散粒子群算法，计算每个所述特征粒子在进化过程中的适应度值以及粒子位置的步骤，包括：初始化每个所述特征粒子在粒子群中的粒子位置和粒子速度，得到粒子初始化位置和粒子初始化速度；根据所述粒子初始化位置，计算每个所述特征粒子的适应度值以及粒子位置。

可选地，根据所述粒子初始化位置，计算每个所述特征粒子的适应度值以及粒子位置的步骤，包括：对各个特征粒子的粒子速度集合的第1行的所有元素进行更新；降序排列更新后的所述粒子速度集合的第1行的所有元素；对更新后的所述粒子速度集合的第2行的每一个元素，将其置于该元素与更新后的所述粒子速度集合的第1行同列元素所在的降序排列后的列位置；按照更新后的所述粒子速度集合的第2行的所有元素的新的列顺序进行排序，得到排序后的粒子速度集合；采用所述排序后的粒子速度集合的第2行的预设数量个元素，更新各特征粒子的粒子位置的预设数量个元素；对更新后的各特征粒子，按照预设粒子适应度值公式计算适应度值。