[发明专利]一种用户信用评级方法、计算机设备及可读介质

说明书

本发明公开一种用户信用评级方法，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，丰富用于形成测试模型的建模数据来源和相关性，提高预测准确度，降低成本，本发明还公开了一种计算机设备和可读介质，丰富用于形成测试模型的建模数据来源和相关性，提高预测准确度，降低成本。

技术领域

本发明涉及计算机应用领域。更具体地，涉及一种用户信用评级方法、计算机设备及可读介质。

背景技术

信用评级又称资信评级或信誉评估，是建立社会信用体系的重要内容和基础。按照通常的定义，信用评级是信用评级服务机构以第三方的客现、公正立场，根据规范的评估指标体系，运用科学的评估方法，履行严格的评估程序，对企业、金融机构、债券发行者和社会组织等市场参与主体的信用记录、企业素质、管理能力、经营水平、外部环境、财务状况、发展前景等进行全面了解、考察调研、分析研究后，就其在未来一段时间履行承诺的能力、可能出现的各种风险所做的综合评价，并以一定的符号表示其优劣并公布于社会公众的一种经济活动。信用评级通过对贷款申请人的债务偿还风险进行评价，以便于银行等金融机构对贷款申请人进行审批授信。

现有技术中，申请号201710197889.0的发明专利申请公开了一种基于机器学习的贷款用户信用评级方法及系统。具体公开了：获取建模的原始数据，建模的原始数据包括征信报告和逾期商户名单；对征信报告进行提取和指标细分，得到信用额度、近期行为、信用时长、账户数量和还款历史这五个维度的预测变量及其权重；根据逾期商户名单、得到的预测变量及权重采用机器学习的方法进行建模，得到响应变量与预测变量的测试模型；根据得到的测试模型对新贷款用户进行预测，得到新贷款用户的违约概率；根据新贷款用户的违约概率计算信贷用户的信用评分。该专利公开文件的信用评级方法采用机器学习的方法进行建模，较传统的专家卡更加能适应用户数据的快速变更需求，增设了对征信报告进行提取和指标细分的步骤，使得用户信息更加全面，模型效果更加精确和有效。

但是，该信用评级方法还存在一定的问题：第一，企业对征信报告的提取并不是一件容易的事情，其带来的人力、物力和财力成本可能不是大部分公司可以负担的起；第二，该技术将预测变量主要划分为信用额度、近期行为、信用时长、账户数量和还款历史这5个维度、143个预测变量，但最终只筛选出正在使用贷记卡评价授信额度、最近一次还款的贷记卡距今的时间、最近24个月查询次数、最近一次贷记卡距现在的时间、最早贷记卡距现在的时间、最近3个月查询次数和最近6个月查询次数这7个预测变量，这7个变量并没有很好的覆盖之前所述的5个维度，而且变量之间的相关性较强，对模型预测效果可能会产生不好的影响。

发明内容

本发明的一个目的在于提供一种用户信用评级方法，丰富用于形成测试模型的建模数据来源和相关性，提高预测准确度，降低成本。本发明的另一个目的在于提供一种计算机设备。本发明还有一个目的在于提供一种可读介质。

为达到上述目的，本发明采用下述技术方案：

本发明一方面公开了一种用户信用评级方法，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。

优选地，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。

优选地，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。