[发明专利]信用额度的评估方法及其系统、存储介质、电子设备

权利要求书

1.一种信用额度的评估方法，其特征在于，所述信用额度的评估方法包括如下步骤：

S10：实时获取每个用户在历史时段内的所有订单的总量、总金额以及最近一次购买时间；

S20：根据获取到的所述历史时段内的所有订单的总量、总金额以及最近一次购买时间，对用户的消费状况进行聚类；

S30：根据聚类后的每个类别中的所有用户在所述历史时段之后的近期时段内购买第一产品的总金额，计算该类别的各个分位数下的金额均值以及该金额均值下的信用额度不够的用户数量，并配置每个类别的权重系数；

S40：形成多个分位数组合，其中，每个所述分位数组合由每个所述类别中择一选取一个分位数下的金额均值进行组合后形成；

S50：计算各个所述分位数组合下的组合均值以及该组合均值所对应的信用额度不够的用户数量在所有用户的总数量中的占比，其中，所述组合均值为所述分位数组合中每一个类别中被选定的金额均值与权重系数的乘积的总和；

S60：选取所述占比小于第一阈值中所述组合均值最小的一个所述分位数组合；

S70：每个所述类别根据所述步骤S60中选取的所述分位数组合中各自对应的分位数，计算该类别中各个用户在所述近期时段内购买第一产品的金额最大值中的对应该分位数的分位数金额；

S80：将所述分位数金额作为该类别中的用户当前购买第一产品的信用额度，以供用户购买所述第一产品。

2.如权利要求1所述的信用额度的评估方法，其特征在于，所述步骤S20之前还包括如下步骤：

对获取到的所述历史时段内的所有订单的总量、总金额以及最近一次购买时间进行标准化处理。

3.如权利要求1所述的信用额度的评估方法，其特征在于，所述步骤S20中使用RFM模型对用户的消费状况进行聚类，其中，所述RFM模型使用的聚类算法为K-means算法。

4.如权利要求1所述的信用额度的评估方法，其特征在于，所述第一阈值为5％。

5.如权利要求1所述的信用额度的评估方法，其特征在于，所述步骤S80中还包括如下步骤：

对计算得到的所述分位数金额进行取整处理，将取整后的数值作为用户的购买第一产品的信用额度。

6.如权利要求1所述的信用额度的评估方法，其特征在于，所述步骤S10之前还包括如下步骤：

定义一时间节点；其中，所述历史时段为所述时间节点之前的所有时间，所述近期时段为所述时间节点之后的一个月。

7.如权利要求6所述的信用额度的评估方法，其特征在于，定义的所述时间节点为当前时间之前的一个月至两个月内的一个时间点。

8.一种信用额度的评估系统，其特征在于，所述信用额度的评估系统包括：

第一数据获取模块，用于实时获取每个用户在历史时段内的所有订单的总量、总金额以及最近一次购买时间；

聚类模块，用于根据获取到的所述历史时段内的所有订单的总量、总金额以及最近一次购买时间，对用户的消费状况进行聚类；

第一计算模块，用于根据聚类后的每个类别中的所有用户在近期时段内购买第一产品的总金额，计算该类别的各个分位数下的金额均值以及该金额均值下的信用额度不够的用户数量；

组合模块，用于形成多个分位数组合，其中，每个所述分位数组合由每个所述类别中择一选取一个分位数下的金额均值进行组合后形成；

第二计算模块，用于计算各个所述分位数组合下的组合均值以及该组合均值所对应的信用额度不够的用户数量在所有用户的总数量中的占比，其中，所述组合均值为所述分位数组合中每一个类别中被选定的金额均值与权重系数的乘积的总和；

筛选模块，用于选取所述占比小于第一阈值中所述组合均值最小的一个所述分位数组合；

第三计算模块，用于对每个所述类别中根据选取的所述分位数组合中各自对应的分位数，计算该类别中各个用户在所述近期时段内购买第一产品的金额最大值中的对应该分位数的分位数金额；

信用额度设置模块，用于根据所述分位数金额作为用户的购买第一产品的信用额度。