[发明专利]一种车贷风控模型生成方法、装置及评分卡生成方法

说明书

本发明的一个实施例公开了一种车贷风控模型生成方法、装置及评分卡生成方法，该方法包括：S10、获取原始车贷用户的基础数据；S20、对所述基础数据进行特征工程处理；S30、基于所述特征工程处理后的数据采用逻辑斯蒂回归模型进行训练，直至所述逻辑斯蒂回归模型的KS值达到第一预设阈值，AUC值达到第二预设阈值，得到LR评分卡模型，将所述LR评分卡模型作为车贷风控模型。本发明针对目前现有问题，制定一种车贷风控模型生成方法，通过采用逻辑斯蒂回归算法对车贷场景的违约风险进行预测，为车贷业务的准入提供有效的测量手段。

技术领域

本发明涉及信贷风控领域。更具体地，涉及一种车贷风控模型生成方法、装置、评分卡生成方法、计算机设备及存储介质。

背景技术

车贷业务是借款人在购买消费类自用车时支付一定比例金额的首期款项。不足部分由银行向其发放并直接支付给汽车经销商的人民币贷款业务。该类贷款一般还款周期短，客户资质要求高，放贷资金多，对风控能力有很高的水平要求。随着汽车市场的不断壮大，银行车贷业务增长迅猛，在有限的人员设备和不断增长的业务需求下，需要更加智能的方法对业务的风险进行把控，同时不影响业务的增长。当前的互联网金融蓬勃发展，催生出大量的数据风控手段，但是市场上的风控技术主要服务于个人信贷业务，对于具体的金融场景，尤其是银行的车辆分期场景而言，尚未有有效的大数据风控方案。

发明内容

有鉴于此，本申请提出了一种车贷风控模型生成方法、装置及评分卡生成方法来解决上述技术问题、

第一方面，本发明提供一种车贷风控模型生成方法，该方法包括：

S10、获取原始车贷用户的基础数据；

在一个具体示例中，所述基础数据包括个人基本信息、

S20、对所述基础数据进行特征工程处理；

S30、基于所述特征工程处理后的数据采用逻辑斯蒂回归模型进行训练，直至所述逻辑斯蒂回归模型的KS值达到第一预设阈值，AUC值达到第二预设阈值，得到LR评分卡模型，将所述LR评分卡模型作为车贷风控模型。

在一个具体实施例中，所述S20包括：

S200、对所述基础数据进行特征构建，得到多个特征自变量；

S202、对所述多个特征自变量进行分箱处理，得到分箱结果；

S204、对所述分箱结果进行WOE编码，得到编码结果。

在一个具体实施例中，所述S20还包括：

S206、计算所述编码结果中每一列特征自变量的IV值；

S208、基于IV值对编码结果进行自变量筛选，保留IV值大于等于第三预设阈值的特征自变量，得到第一筛选结果；

S210、计算所述第一筛选结果中的特征自变量的特征相关系数，保留特征相关系数的绝对值超过第四预设阈值的特征自变量中IV值高的特征自变量，得到第二筛选结果。

在一个具体实施例中，将所述第二筛选结果划分为训练集、测试集以及时间外样本集。

在一个具体实施例中，所述S30包括：

S300、利用所述训练集对逻辑斯蒂回归模型进行训练，其中，检验所述训练集中的特征自变量的特征相关系数是否为负数，若是，删除该特征自变量，采用网格搜索方法对逻辑斯蒂回归模型的超参数进行调优；