[发明专利]一种用户信用评级方法、计算机设备及可读介质

权利要求书

1.一种用户信用评级方法，其特征在于，包括

获取无需用户授权的建模数据和用户逾期情况；

对所述建模数据进行预处理，选出所述建模数据中的优化数据；

根据所述优化数据进行建模得到测试模型；

根据用户数据通过所述测试模型对用户信用评级。

2.根据权利要求1所述的用户信用评级方法，其特征在于，所述无需用户授权的建模数据包括腾讯分、新颜申请分和相关字段以及聚信立灰度分。

3.根据权利要求2所述的用户信用评级方法，其特征在于，所述新颜申请分和相关字段包括申请准入分、申请准入置信度、查询机构数、查询消费金融类机构数、查询网络贷款类机构数、总查询次数、近1个月总查询次数、近3个月总查询次数、近6个月总查询次数和最近查询距申请时间的天数。

4.根据权利要求1所述的用户信用评级方法，其特征在于，所述用户逾期情况包括首次逾期天数是否大于30天、当前最大逾期天数是否大于30天、历史最大逾期天数是否大于30天和放款后的前4个月内是否存在逾期大于30天。

5.根据权利要求1所述的用户信用评级方法，其特征在于，所述对所述建模数据进行预处理，选出所述建模数据中的优化数据具体包括：

对所述建模数据的异常值和缺失值进行检测和处理得到第一预测数据；

计算所述第一预测数据的权重指标值；

根据预设权重指标值筛选所述第一预测数据得到第二预测数据；

对所述第二预测数据进行变量分箱得到最优分箱数据；

对所述最优分箱数据进行证据权重转换得到第三预测数据；

对所述第三预测数据进行相关性分析并处理得到所述优化数据。

6.根据权利要求5所述的用户信用评级方法，其特征在于，所述方法进一步包括在对所述建模数据的异常值和缺失值进行检测和处理得到第一预测数据之前对所述建模数据进行统计指标分析。

7.根据权利要求1所述的用户信用评级方法，其特征在于，对所述测试模型进行评估的指标为测试模型的KS、AUC、混淆矩阵和/或提升图。

8.根据权利要求1所述的用户信用评级方法，其特征在于，得到所述测试模型的方法为机器学习或逻辑回归方法。

9.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，

所述处理器执行所述程序时实现如权利要求1-8任一项所述方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，

该程序被处理器执行时实现如权利要求1-8任一项所述方法。