[发明专利]一种授信方法、系统、计算机设备及介质

说明书

本发明提供一种授信方法、系统、计算机设备及介质，其方法包括：S1:基于预设的数据库中的用户数据，建立预授信模型；S2:根据所述预授信模型，筛选出符合要求的用户；S3:获取符合要求的用户的信用数据，并根据所述信用数据和所述预授信模型建立授信模型。通过首先建立预授信模型，再通过预授信模型和新增的用户信用数据建立授信模型，一方面不需要合作方提供明细数据，保护了用户隐私，另一方面增加了用户信用数据，提高了数据的覆盖度，降低了模型的风险，提高了模型的精度以及稳定性，并且由于对用户进行了筛选，简化了授信操作，降低了模型计算的时间成本和计算设备的负担。

技术领域

本发明涉及信用管理技术领域。更具体地，涉及一种授信方法、系统、计算机设备及介质。

背景技术

目前授信模型的建立需要从合作方获得用户信用卡账单的明细数据，利用此数据和我方的用户表现数据建立预授信模型，将明细数据转化为一个表示风险排序的分数。但是出于对用户隐私数据的保护，合作方的数据一般不能以明细数据的模式提供，并且合作方提供的数据覆盖广度不足，影响授信模型的精度。

因此，亟需提供一种新的授信模型的建立方式。

发明内容

为了解决上述技术问题中的至少一个，本发明提供一种授信方法、系统、计算机设备及介质，该授信方法及系统首先建立预授信模型，再通过预授信模型和新增的用户信用数据建立授信模型，提高了模型的精度以及稳定性。

在某些实施例中，一种授信模型的建立方法，包括：

基于预设的数据库中的用户数据，建立预授信模型；

根据所述预授信模型，筛选出符合要求的用户；

获取符合要求的用户的信用数据，并根据所述信用数据和所述预授信模型建立授信模型。

在某些实施例中，所述基于预设的数据库中的用户数据，建立预授信模型，包括：

获取预设的数据库中每个用户的用户数据；

将每个用户的用户数据按照预设的用户数据与用户风险程度的对应关系转化为分值数据；

对每个用户的分值数据按照数值大小进行排序，获得所述预授信模型；

其中，所述根据所述预授信模型，筛选出符合要求的用户，包括：

根据每个用户分值数据的排序，筛选出排序名次处于预设范围的用户。

在某些实施例中，将每个用户的用户数据按照预设的用户数据与用户风险程度的对应关系转化为分值数据，包括：

根据建立的评分卡模型，确定每个用户的分值数据，其中，所述预设的评分卡模型根据预设的用户数据与用户风险程度的对应关系建立。

在某些实施例中，所述获取符合要求的用户的信用数据，并根据所述信用数据和所述预授信模型建立授信模型，包括：

获取符合要求的用户的信用数据，利用所述预授信模型输出的每个用户分值数据，通过嵌套的方式建立所述授信模型。

在某些实施例中，所述获取符合要求的用户的信用数据，利用所述预授信模型输出的每个用户分值数据，通过嵌套的方式建立所述授信模型，包括：

对预授信模型输出的每个用户分值数据和用户的信用数据进行分箱处理；

对分箱数据进行逻辑回归，将分箱数据转换为标准评分卡格式的授信模型。

在某些实施例中，所述对预授信模型输出的每个用户分值数据和用户的信用数据进行分箱处理，包括：

对预授信模型输出的每个用户分值数据和用户的信用数据的信息增益率进行分箱处理，获得增益率分箱数据；