[发明专利]信用评分卡模型训练方法、装置、系统及计算机存储介质

说明书

本发明公开了一种信用评分卡模型训练方法、装置、系统及计算机存储介质，方法包括：确定目标客户，获取目标客户在预设时点范围内的第一切片数据，其中，预设时点范围包含多个历史时点；对第一切片数据进行预处理，得到目标客户的征信数据；对征信数据进行衍生处理，得到征信数据对应的衍生变量；将衍生变量输入待训练的信用评分卡模型进行训练，以更新信用评分卡模型。本发明通过获取包含多个历史时点信息的切片数据来对信用评分卡模型进行训练，以提高信用评分卡模型对客户进行信用评分时的准确率。

技术领域

本发明涉及金融科技(Fintech)技术领域，尤其涉及信用评分卡模型训练方法、装置、系统及计算机存储介质。

背景技术

信用评分卡模型在信用风险评估以及金融风险控制方面得到了广泛应用。当前，金融机构在建立信用评分卡模型时，只考虑客户当前时点的切片数据，若利用该信用评分卡模型对客户进行信用评分，尤其是对在金融机构中账龄较长的客户进行信用评分时，模型输出的客户信用评分不够准确。

发明内容

本发明的主要目的在于提出一种信用评分卡模型训练方法、装置、系统及计算机存储介质，旨在提高信用评分卡模型对客户进行信用评分时的准确率。

为实现上述目的，本发明提供一种信用评分卡模型训练方法，所述方法包括如下步骤：

确定目标客户，获取所述目标客户在预设时点范围内的第一切片数据，其中，所述预设时点范围包含多个历史时点；

对所述第一切片数据进行预处理，得到所述目标客户的征信数据；

对所述征信数据进行衍生处理，得到所述征信数据对应的衍生变量；

将所述衍生变量输入待训练的信用评分卡模型进行训练，以更新所述信用评分卡模型。

优选地，所述对所述第一切片数据进行预处理，得到所述目标客户的征信数据的步骤包括：

获取预设的报告保留字段，并根据所述报告保留字段对所述第一切片数据进行筛选，得到所述目标客户的第二切片数据；

基于所述第二切片数据确定所述目标客户的征信数据。

优选地，所述基于所述第二切片数据确定所述目标客户的征信数据的步骤包括：

获取预设的保留时间间隔，并根据所述保留时间间隔对所述第二切片数据进行二次筛选，得到所述目标客户的第三切片数据；

确定所述第三切片数据为所述目标客户的征信数据。

优选地，所述对所述征信数据进行衍生处理，得到所述征信数据对应的衍生变量的步骤包括：

确定所述征信数据对应的衍生方式；

根据所述衍生方式对所述征信数据进行衍生处理，得到所述征信数据对应的衍生变量。

优选地，所述根据所述衍生方式对所述征信数据进行衍生处理，得到所述征信数据对应的衍生变量的步骤包括：

确定所述征信数据对应的衍生时间窗口；

根据所述衍生方式和所述衍生时间窗口对所述征信数据进行衍生处理，得到所述征信数据对应的衍生变量。

优选地，所述将所述衍生变量输入待训练的信用评分卡模型进行训练，以更新所述信用评分卡模型的步骤包括：

将所述衍生变量输入待训练的信用评分卡模型，并对所述衍生变量进行分箱处理，得到所述衍生变量对应的箱组变量；

基于第一预设算法分别对各所述箱组变量进行证据权重转换，得到各所述箱组变量的证据权重值；

基于第二预设算法和所述证据权重值，确定目标变量，并根据所述目标变量更新所述信用评分卡模型。