[发明专利]基于数据模型的信用评估方法及装置

说明书

本发明属于金融数据处理技术领域，提供了一种基于数据模型的信用评估方法及装置。该方法包括：从待评估的数据中获取评估模型所需的特征变量，判断待评估数据的每个特征变量是否为失效变量：若是，则采用该失效变量对应的替换变量进行替换，并输入评估模型，若否，则输入评估模型，失效变量为信息缺失或信息不全的特征变量，评估模型根据输入的特征变量进行评估，并输出评价结果。本发明基于数据模型的信用评估方法及装置，能够在数据缺失、数据不全的情况下，利用小组数据进行信用评估，提高信用违约预测效果。

技术领域

本发明涉及金融数据处理技术领域，具体涉及一种基于数据模型的信用评估方法及装置。

背景技术

目前，市面上的个人借贷软件较多，不同软件面向的目标人群不同。为了降低风险，需要对用户的还款能力进行评估，为了准确锁定目标客户，需要对用户的借贷倾向进行评估。

但是，在实际应用过程中，借贷平台大数据适合数据分析师的应用。如果在信用评分模型中发生了一些缺失或无效的价值，该模型可能无法成功检测，然后对借款人产生偏倚的估计。并且，在启动阶段，贷款公司可能不知道什么样的借款人的特征在信用评分模式中是重要的。来自大型贷款公司的信用评分模式可能太过先进，不能使用。因此，对于初期样本少，若用户数据信息不全、数据缺失，则现有的评估模型无法进行评估。例如，还款能力的评估模型的其中一个变量是工资收入，若无法获取用户的工资收入，则无法准确评估其还款能力。

如何在数据缺失、数据不全的情况下，利用小组数据进行信用评估，提高信用违约预测效果，是本领域技术人员亟需解决的问题。

发明内容

针对现有技术中的缺陷，本发明提供基于数据模型的信用评估方法及装置，能够在数据缺失、数据不全的情况下，利用小组数据进行信用评估，提高信用违约预测效果。

第一方面，本发明提供一种基于数据模型的信用评估方法，该方法包括：从待评估的数据中获取评估模型所需的特征变量；

判断待评估数据的每个特征变量是否为失效变量：

若是，则采用该失效变量对应的替换变量进行替换，并输入评估模型，

若否，则输入评估模型，失效变量为信息缺失或信息不全的特征变量；

评估模型根据输入的特征变量进行评估，并输出评价结果。

进一步地，从待评估的数据中获取评估模型所需的特征变量之前，该方法还包括：

对训练集中的样本数据进行分类，获取分类结果；

根据分类结果，对训练集中的样本数据进行逻辑回归，建立评估模型。

进一步地，对训练集中的样本数据进行分类，获取分类结果，具体包括：若训练集中的样本数据为数值变量，则

采用决策树对数值变量进行分类，确定分类结果；

若训练集中的样本数据为分类变量，则

采用聚类算法对分类变量进行分类，确定分类结果。

进一步地，根据分类结果，对训练集中的样本数据进行逻辑回归之前，该方法还包括：计算训练集中样本数据的距离，确定关联变量；

判断任意两个关联变量之间的距离值是否小于距离阈值，若是，则将两个关联变量进行合并。

进一步地，计算训练集中样本数据的距离之后，该方法还包括：

检测某一变量与其他变量之间的距离值；

将与该变量距离值最小的变量设置为该变量的替换变量。

进一步地，在建立评估模型之后，采用该失效变量对应的替换变量进行替换之前，该方法还包括：将目标变量输入评估模型；