[发明专利]一种稳定变量确定方法、装置、服务器及存储介质

说明书

本发明实施例公开了一种稳定变量确定方法、装置、服务器及存储介质，其中，所述方法包括：服务器可以针对评分卡模型选取第一因变量和第二因变量，并对第一因变量对应的多个候选自变量进行自变量筛选，从多个候选自变量中确定出目标自变量，并在第一因变量基础上确定多个分组各自对应的各个第一证据权重WOE值，以及在第二因变量的基础上确定多个分组各自对应的各个第二证据权重WOE值，若各个第一WOE值和所述各个第二WOE值满足稳定变量选取条件，则将目标自变量确定为用于建立评分卡模型的稳定变量。采用本发明，不仅可以避免评分卡模型的过拟合，还可以增加评分卡模型的鲁棒性，进而有利于提高评分卡模型预测结果的准确度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种稳定变量确定方法、装置、服务器及存储介质。

背景技术

评分卡模型为一种预测方法，尤其是在信用风险评估和金融风险控制领域，能随时根据金融环境、客户信用度的改变调节评级量化系统的各种参数，建立合理的评级制度，指导金融机构在信贷业务中，对相关客户进行合理评级，规避信贷风险。

传统评分卡模型在建模之初会定义因变量，并在因变量的基础上计算因变量对应的各自变量的证据权重(Weight of Evidence，WOE)，进而根据各个WOE 从各自变量中确定出稳定变量(也即，预测能力比较强的变量)，并利用这些稳定变量进行评分卡模型的建立。但这种稳定变量的选取方式过于单一，使得建立的评分卡模型容易出现过拟合、鲁棒性差等缺陷。因此，如何在避免评分卡模型过拟合的同时，增加评分卡模型的鲁棒性，成为一个亟待解决的问题。

发明内容

本发明实施例提供了一种稳定变量确定方法、装置、服务器及存储介质，不仅可以避免评分卡模型的过拟合，还可以增加评分卡模型的鲁棒性，进而有利于提高评分卡模型预测结果的准确度。

第一方面，本发明实施例提供了一种稳定变量确定方法，该方法应用于服务器，包括：

针对所述评分卡模型选取第一因变量和第二因变量，所述第一因变量和所述第二因变量属于同一维度；

对所述第一因变量对应的多个候选自变量进行自变量筛选，从所述多个候选自变量中确定出目标自变量，所述目标自变量下包括多个分组；

在所述第一因变量基础上确定所述多个分组各自对应的各个第一证据权重WOE值，以及在所述第二因变量的基础上确定所述多个分组各自对应的各个第二证据权重WOE值；

若所述各个第一WOE值和所述各个第二WOE值满足稳定变量选取条件，则将所述目标自变量确定为用于建立所述评分卡模型的稳定变量。

可选地，所述对所述第一因变量对应的多个候选自变量进行自变量筛选，从所述多个候选自变量中确定出目标自变量的具体实现方式为：计算所述第一因变量对应的多个候选自变量各自对应的信息量IV值，将所述IV值大于第一 IV阈值的自变量确定为目标自变量。

可选地，所述若所述各个第一WOE值和所述各第二WOE值满足稳定变量选取条件，则将所述目标自变量确定为用于建立所述评分卡模型的稳定变量之前，还可以判断所述各个第一WOE值对应的变化趋势与所述各个第二WOE值对应的变化趋势的重合度是否大于或者等于重合度阈值；若是，则确定所述各个第一WOE值和所述各个第二WOE值满足所述稳定变量选取条件；若否，则确定所述各个第一WOE值和所述各个第二WOE值不满足所述稳定变量选取条件，并删除所述目标自变量或者调整所述目标自变量下的分组。