[发明专利]汽车金融风险智能语音调查系统及调查方法

权利要求书

1.一种汽车金融风险智能语音调查方法，其特征在于：

所述汽车金融风险智能语音调查方法包括如下步骤：

采集贷款客户的申请数据；

采集第三方与贷款客户相关的三方数据；

构建风险策略模型和风险决策模型；

根据构建的所述风险策略模型的计算结果调用对应的调查话术；

执行外呼以所述调查话术对客户进行调查；

根据反馈的调查结果使构建的所述风险决策模型进行计算并输出风险决策结果；

其中，所述申请数据包括：年龄数据、性别数据和职业数据；

所述三方数据包括：FICO分数据、征信报文数据和银联数据；

所述风险策略模型包括K-means模型；

其中，所述风险策略模型的构建方法包括如下具体步骤：

步骤一、数据抽取：

首先，抽取个人资质数据，所述个人资质数据包括：申请年龄和性别；

其次，抽取外部上方数据源，所述外部上方数据源包括：FICO分、中诚信评分、人行征信报文、运营商数据和银联数据；

最后，从抽取的数据中随机抽样10000条样本作为模型训练样本；

步骤二、特征衍生：根据区分客户资质的维度梳理指标，并结合时间特征性构造出1年内的历史统计量；

其中，所述区分客户资质的维度包括：个人申请年龄、客户教育水平、婚姻状态、职业信息、贷款信息、信用卡信息、公积金信息和住房信息；所述历史统计量包括：申请信用卡数和贷款笔数；

步骤三、缺失值和异常值处理：

当所述缺失值的比例高于80%的指标时，采用直接删除的方式；当所述缺失值具有特殊含义时，单独将所述缺失值归为一类，其余所述缺失值用插值法进行填充；所述插值法包括：拉格朗日插值法、均值、众数填充法；

通过箱型图进行异常值识别，大于或小于所述箱型图设定的上下界的数据认作异常点，识别后直接删除异常点；

步骤四、离散变量连续化处理：

如果离散变量的取值有大小的意义，使用数值映射方法进行替换，如果所述离散变量的取值之间没有大小的意义，则对所述离散变量进行One-Hot编码；所述One-Hot编码使用N位状态寄存器来对N个状态进行编码，每个状态都具有独立的寄存器位，并且其中只有一位有效；

步骤五、标准化处理：

对不同特征指标的不同的量纲和量纲单位进行数据标准差标准化处理使得经过处理的数据符合标准正态分布，即均值为0，标准差为1；

步骤六、PCA降维：

利用PCA数据降维方法将n维特征映射到k维上，即在原有n维特征的基础上重新构造出来的k维特征；

步骤七、模型构建：

将降维后的数据集采用K-means算法进行模型训练；在数据集中选择k个点作为每个簇的初始中心，然后观察剩余的数据，将数据划分到距离这k个点最近的簇中，在生成的新簇中，重新计算每个簇的中心点，然后再进行划分，直到每次划分的结果保持不变；确定聚类数k的方法包括以下两种：肘部法则法和轮廓系数法；

步骤八、人群画像的客群类别分类：

确定客户所属类别后，分析不同客群类别的特征变量分布，刻画出不同客群的客户特征，进行画像分析，按客户资质优劣将客群类别分为I类，II类，III类，IV类人群；

步骤九、基于用户画像、准入评分和资产三个维度对已通过银行准入策略客户进行授信：

用户画像维度下的I类，II类，III类，IV类客户分别赋予1.3、1.2、1.1、1.0权重，准入评分维度的权重根据以下公式进行确定：权重=申请评分/750，上下幅度为0.7至1.3，客户资产情况维度下的房贷客户、车贷客户、公积金客户、普通客户的权重分别为1.3、1.2、1.1、1.0；根据这三个维度确定客户的最终权重；然后将系数乘以授信初始额度，给出客户的最终额度。