基于客户分群的消费金融产品信用评分方法及装置与流程

技术特征：
1.一种基于客户分群的消费金融产品信用评分方法，其特征是，所述方法包括以下步骤：获取单一客户的人行征信数据，根据预定义的客户分群规则，判定单一客户所属的一个或多个客户分群；将客户的征信数据导入其对应客户分群的分群逻辑回归评分卡模型中，计算获取对应每一个客户分群的分群信用评分。2.根据权利要求1所述的基于客户分群的消费金融产品信用评分方法，其特征是，所述的客户分群规则的预定义步骤进一步包括：根据经验定义人行征信变量若干变量为分群变量，根据所述分群变量构建分群决策树算法；针对总训练集，利用人行征信变量，通过预设的分群决策树算法，获得多个训练集客户分群；将好坏客户比例相近的客户分群合并，获得最终的客户分群，并将对应的分群变量的数值范围规则作为客户分群规则。3.根据权利要求1所述的基于客户分群的消费金融产品信用评分方法，其特征是，所述的分群逻辑回归评分卡模型的制定方法，进一步包括如下步骤：针对一个客户分群，根据其对应分群变量，对人行征信数据中的变量进行初步筛选，去掉缺失值大于0.6，iv值小于0.02，相关性大于0.7的变量；对剩余变量进行卡方分箱，再调整每个变量分箱编号及对应坏样本率之间的单调性，留下单调且iv值大于0.02的变量，再对剩下的变量进行woe编码；卡方分箱后，再次去掉相关性大于0.7的变量；根据逐步回归筛选出最终入模变量变量，将这些变量带入逻辑回归模型中，得到此客群的分群逻辑回归评分卡模型。4.根据权利要求1所述的基于客户分群的消费金融产品信用评分方法，其特征是，当单一客户属于至少两个不同的客户分群时，将其征信数据导入对应的多个分群评分模型中；并根据预设权重结合多个评分，计算最终分群信用评分。5.一种基于客户分群的消费金融产品信用评分装置，其特征是，所述装置包括：客户分群模块，用于获取单一客户的人行征信数据，根据预定义的客户分群规则，判定单一客户所属的一个或多个客户分群；信用评分模块，用于将客户的征信数据导入其对应客户分群的分群逻辑回归评分卡模型中，计算获取对应每一个客户分群的分群信用评分。6.根据权利要求5所述的基于客户分群的消费金融产品信用评分装置，其特征是，所述的客户分群模块，进一步包括：决策树构建单元，用于根据经验定义人行征信变量若干变量为分群变量，根据所述分群变量构建分群决策树算法；初始分群单元，用于针对总训练集，利用人行征信变量，通过预设的分群决策树算法，获得多个训练集客户分群；分群合并单元，用于将好坏客户比例相近的客户分群合并，获得最终的客户分群，并将对应的分群变量的数值范围规则作为客户分群规则。
7.根据权利要求5所述的基于客户分群的消费金融产品信用评分装置，其特征是，所述信用评分模块，进一步包括：第一变量筛选单元，用于针对一个客户分群，根据其对应分群变量，对人行征信数据中的变量进行初步筛选，去掉缺失值大于0.6，iv值小于0.02，相关性大于0.7的变量；第二变量筛选单元，用于对剩余变量进行卡方分箱，再调整每个变量分箱编号及对应坏样本率之间的单调性，留下单调且iv值大于0.02的变量，再对剩下的变量进行woe编码；第三变量筛选单元，用于卡方分箱后，再次去掉相关性大于0.7的变量；评分卡构建单元，用于评分卡根据逐步回归筛选出最终入模变量变量，将这些变量带入逻辑回归模型中，得到此客群的分群逻辑回归评分卡模型。8.根据权利要求5所述的基于客户分群的消费金融产品信用评分装置，其特征是，还包括加权评分模块，用于当单一客户属于至少两个不同的客户分群时，将其征信数据导入对应的多个分群评分模型中；并根据预设权重结合多个评分，计算最终分群信用评分。9.一种基于客户分群的消费金融产品信用评分效果验证方法，其特征是，所述方法包括以下步骤：全体客户样本数据集按时间划分为总训练集和跨时间的总验证集，同时定义好坏客户标准，所述的客户样本数据包含人行征信数据风控变量；根据预设的客户分群规则，判定总训练集和总验证集中的客户样本归属的客户分群，从而建立对应每个客户分群的分群训练集和分群验证集；利用所述的分群训练集和分群验证集，分别建立各客户分群的分群逻辑回归评分卡模型；利用总训练集和总验证集，建立对应各流量渠道的渠道评分卡模型；根据客户对应客户分群的分群逻辑回归评分卡模型，计算总训练集和总验证集中所有客户对应分群的分群信用评分，若某客户不属于某一客户分群，则该客户对应该客户分群的分群信用评分赋值为空；根据客户对应渠道的渠道评分卡模型，计算总训练集和总验证集中所有客户对应渠道的渠道信用评分；以所述的分群信用评分和渠道信用评分作为入模变量，利用总训练集和总跨时间验证集，建立主模型；通过对比分群模型、渠道模型、主模型的模型评价指标，得出主模型效果明显优于渠道模型的结论，从而验证采用分群方法建立消费金融模型，模型效果可以得到很大提升。10.根据权利要求9所述的基于客户分群的消费金融产品信用评分效果验证方法，其特征是，所述的利用所述的分群训练集和分群验证集，分别建立各客户分群的分群逻辑回归评分卡模型的步骤，进一步包括：每个分群训练集构建分群逻辑回归评分卡模型，并得到对应每个分群的分群训练集模型效果ks、auc评价指标，以及分群验证集模型效果ks、auc评价指标，并确认每个分群训练集、分群验证集的模型评价指标未有较大差异，确认模型未过拟合，并通过入模变量和模型的稳定性psi验证，从而建立每个客户分群的逻辑回归评分卡模型；所述的利用总训练集和总验证集，建立对应各流量渠道的渠道评分卡模型的步骤，进一步包括：针对总训练集构建渠道评分模型，并得到训练集模型效果ks、auc评价指标，以及跨时
间验证集模型效果ks、auc评价指标，训练集、验证集的模型评价指标未有较大差异，确认渠道评分模型未过拟合，并通过入模变量和模型的稳定性psi验证，从而建立渠道评分卡模型；所述的以所述的分群信用评分和渠道信用评分作为入模变量，利用总训练集和总跨时间验证集，建立主模型的步骤，进一步包括：利用总训练集对应的所有分群信用评分、渠道信用评分构作为入模变量构建主模型，并得到总训练集主模型效果ks、auc评价指标，以及总验证集主模型效果ks、auc评价指标，训练集、验证集的主模型评价指标未有较大差异，确认主模型未过拟合，并通过入模评分变量和主模型的稳定性psi验证，从而建立主模型。

技术总结
本发明公开了一种基于客户分群的消费金融产品信用评分方法及装置，能够克服传统单渠道信用评分模型的技术缺陷，解决客户分群信用评价方法的关键问题。所述方法包括以下步骤：获取单一客户的人行征信数据，根据预定义的客户分群规则，判定单一客户所属的一个或多个客户分群；将客户的征信数据导入其对应客户分群的分群逻辑回归评分卡模型中，计算获取对应每一个客户分群的分群信用评分。基于客户分群信用评价的思想，将其应用于消费金融产品的风控工作当中，从而弥补这类金融产品的现有信用评分方式未能够充分体现出不同客户群体违约行为特征。为特征。为特征。


技术研发人员：周立烽 张博文
受保护的技术使用者：杭州信雅达泛泰科技有限公司
技术研发日：2021.08.18
技术公布日：2021/11/30