[发明专利]金融风控逻辑回归特征筛选方法及系统

权利要求书

1.一种金融风控逻辑回归特征筛选方法，其特征在于，所述特征筛选方法包括：

步骤S1、获取可用于建模的所有特征，作为初始变量；

步骤S2、通过随机无放回取样的方式从步骤S1获取的初始变量中随机生成N份初始变量组合，形成N个初始数据模型；所述N个初始数据模型用于评估变量对于模型的贡献；

步骤S3、从设定数据集中拆分出1～n份数据，作为评估数据集；

步骤S4、上述构建的N个数据模型中，把每一个数据模型依次对各评估数据集进行评估，得到各评估数据集在各数据模型的评估数据；评估指标包括KS,AUC，如果关注模型分组风险单调性，则把模型分组风险单调性作为评估指标；

步骤S5、对于N个数据模型，每一个对应n份评估数据集评估结果；对于每一份评估数据集都选出排名前m的数据模型；

步骤S6、在n份评估数据集的排名前m的数据模型中，判断是否存在在每份数据集都出现的数据模型，若存在一个，将该数据模型作为最优数据模型f₁；若存在至少两个，根据评估指标ESA和ESSD，选出初始变量组合中的最优数据模型f₁；如果在每份数据集排名前m的模型中没有共同数据模型，则扩大选择范围，选择排名前m+o的数据模型，直到选出最优数据模型f₁；其中，o为正整数；

步骤S7、以步骤S6选出的最优数据模型f₁对应的变量组合为基础，逐个添加剩余变量进行建模，依据步骤S6逻辑选出泛化能力最佳模型f₂；所述剩余变量指除了最优数据模型f₁变量之外的所有变量；

步骤S8、根据模型在多份评估集上的综合评估指标，判断f₂的评估结果在多数评估数据上是否提升，递归逐个添加剩余变量建模；直到评估结果在多数评估数据上较上一轮没有提升。

2.一种金融风控逻辑回归特征筛选方法，其特征在于，所述特征筛选方法包括：

步骤S1、获取可用于建模的所有特征，作为初始变量；

步骤S2、从步骤S1获取的初始变量中生成N份初始变量组合，形成N个数据模型；

步骤S3、从设定数据集中拆分出1～n份数据，作为评估数据集；

步骤S4、上述构建的N个数据模型中，把每一个数据模型依次对各评估数据集进行评估，得到各评估数据集在各数据模型的评估数据；

步骤S5、对于N个数据模型，每一个对应n份评估数据集评估结果；对于每一份评估数据集都选出排名前m的数据模型；

步骤S6、在n份评估数据集的排名前m的数据模型中，判断是否存在在每份数据集都出现的数据模型，若存在一个，将该数据模型作为最优数据模型f₁；若存在至少两个，根据评估指标选出初始变量组合中的最优数据模型f₁；如果在每份数据集排名前m的模型中没有共同数据模型，则扩大选择范围，选择排名前m+o的数据模型，直到选出最优数据模型f₁；其中，o为正整数。

3.根据权利要求2所述的金融风控逻辑回归特征筛选方法，其特征在于：

所述方法进一步包括：

步骤S7、以步骤S6选出的最优数据模型对应的变量组合为基础，逐个添加剩余变量进行建模，依据步骤S6逻辑选出泛化能力最佳模型f₂；所述剩余变量指除了模型f₁变量之外的所有变量；

步骤S8、根据模型在多份评估集上的综合评估指标，判断f₂的评估结果在多数评估数据上是否提升，递归逐个添加剩余变量建模；直到评估结果在多数评估数据上较上一轮没有提升。

4.根据权利要求2所述的金融风控逻辑回归特征筛选方法，其特征在于：

步骤S2中，通过随机无放回取样的方式从步骤S1获取的初始变量中随机生成N份初始变量组合。

5.根据权利要求2所述的金融风控逻辑回归特征筛选方法，其特征在于：

步骤S6中，若存在至少两个，根据估计排序平均值ESA和估计排序标准差ESSD，选出初始变量组合中的最优模型。