[发明专利]一种贷后行为特征加工的方法与装置

说明书

本发明公开了一种贷后行为特征加工的方法与装置，所述方法包括以下步骤：数据采集与清洗，获取整个系统中所需的数据对象，进行数据清洗，所述数据清洗为特征工程处理；贷后行为特征衍生，对清洗后的用户贷后表现数据依次进行特征分类、特征分组汇总和特征分组后统计并衍生出可解释的汇总字段；结果输出，将数据采集与清洗步骤和贷后行为特征衍生步骤中获取到的所有特征进行汇总，通过用户号码进行关联合并，完成后作为结果输出。所述方法和装置能够深入挖掘隐藏信息，提高了特征利用率和模型表现效果。

技术领域

本发明涉及计算机与通信领域，具体涉及一种贷后行为特征加工的方法与装置。

背景技术

贷款人的还款行为可以通过违约情况进行分析，违约是指借款人到了应还款日没有按约定足额归还贷款本息的行为，从而导致借款人账户状态变为逾期。借款人在还清当期逾期金额后，账户状态转为正常，再次违约后，账户状态又会变成逾期，因此违约率是动态变化变化的过程。已经申请通过的贷款人，完成一笔或多笔订单之后，根据已完成订单中的还款行为表现，进行提炼特征，可用于预测逾期概率，进行贷中风险侦测。也可以用在额度管理、流失预警、产品营销等方面。数据和特征决定了机器学习模型的上限，特征的选取与特征工程的处理在整个建模流程中起着至关重要的作用。

能够预测贷款人是否能够按期还款行为，对不同类型的产品的还款行为进行预测，能够更好地阈值用户的金融服务需求，针对金融资源进行更加合理的分配。目前的技术主要是从建模角度出发，侧重于建模的方法，而很少介绍贷款行为特征选择与加工的方法。本装置从用户贷款后的多个维度考虑，获取并加工特征，输出后的结果可以直接用于模型。为额度管理、流失预警、产品营销等场景提供数据基础。

发明内容

针对现有技术存在的问题，本发明的目的在于解决现有技术中针对贷款行为特征选择与加工方面隐藏信息挖掘能力低和特征利用效率差、模型表现效果不佳的技术问题，提供一种贷后行为特征加工的方法与装置，能够从用户贷款后的多个维度考虑，获取并加工特征，输出后的结果可以直接用于模型，提高特征利用率和模型表现效果。

本发明提供一种贷后行为特征加工的方法，所述方法包括以下步骤：

数据采集与清洗，获取整个系统中所需的数据对象，进行数据清洗，所述数据清洗为特征工程处理；

贷后行为特征衍生，对清洗后的用户贷后表现数据依次进行特征分类、特征分组汇总和特征分组后统计并衍生出可解释的汇总字段；

结果输出，将数据采集与清洗步骤和贷后行为特征衍生步骤中获取到的所有特征进行汇总，通过用户号码进行关联合并，完成后作为结果输出。

进一步，数据采集与清洗步骤中，获取整个系统中所需的数据对象，包含用户的贷后行为类、申请贷款类、app操作行为类、第三方数据类和/或内部数据类；其中贷后行为类特征包括：订单基本信息、还款行为、逾期行为和/或催收行为；申请贷款类包含用户基本情况、申请记录和/或授信信息；app操作类为app中埋点数据；第三方数据包括征信、多头、从第三方机构获取的数据。内部数据类包括机构内部保存的信用卡、理财储蓄、商城消费、生活缴费、和/或关联网络特征。

进一步，数据采集与清洗步骤中，数据清洗包括无量纲化处理、缺失值处理、异常值处理和离散数据处理。

进一步，所述无量纲化处理是使不同规格的数据转换到同一规格；

所述缺失值处理，对于缺失比例在50％以下的，通过平均数、中位数或众数进行填充，缺失比例在50％以上90％以下的，使用负数填充；对于缺失比例在90％以上且没有业务含义的直接删除该字段，有业务含义的加入业务规则中；

所述异常值处理，利用箱线图法，首先计算出可接受范围内的数值，在可接受范围之外的数值认为是异常值；对异常值的样本进行删除，或者进行异常值替换；