[发明专利]基于自动特征挖掘的可解释信贷违约率预测方法、系统

权利要求书

1.一种基于自动特征挖掘的可解释信贷违约率预测方法，其特征在于，所述方法具体包括以下步骤：

(1)从客户信用资料库中提取每笔贷款的特征数据，并对每笔贷款逾期打标签，所述标签为正样本或负样本，并对特征数据进行包括缺失值处理、异常值处理、转换在内的数据清洗。

(2)针对步骤(1)数据清洗后的特征数据定义自动特征挖掘的操作算子集O；

(3)设定自动特征扩展的终止条件，根据步骤(1)数据清洗后的特征数据进行初始化得到原始特征集，根据预测粒度及步骤(2)定义的操作算子集对原始特征集中进行组合生成、过滤、聚合计算，得到的自动特征集F_final；

(4)构建违约率预测模型，并使用贝叶斯优化方法进行全自动超参优化，得到训练好的违约率预测模型Clf_auto；

(5)基于步骤(4)训练好的违约率预测模型Clf_auto，使用代理模型的方法SHAP构建全局可解释代理模型，将步骤(3)得到的自动特征集F_final作为训练样本，输入到全局可解释代理模型中，得到所有训练样本的所有特征的贡献度，并基于该贡献度进行加权平均，得到全局重要性特征排序；

(6)将任一笔贷款扩充后的特征数据输入到步骤(4)训练好的违约率预测模型Clf_auto中，得到该笔贷款预测的违约概率；基于步骤(4)训练好的违约率预测模型Clf_auto，利用基于搜索的反事实生成方法，得到基于当前数据库搜索的反事实样本；利用生成模型，基于当前样本对可变特征进行扰动，得到基于特征扰动和生成模型的虚拟反事实样本；通过全局重要性特征排序、基于当前数据库搜索的反事实样本、基于特征扰动和生成模型的虚拟反事实样本给出当前样本的局部可解释信贷违约率预测。

2.根据权利要求1所述的基于自动特征挖掘的可解释信贷违约率预测方法，其特征在于，所述步骤(2)具体为：步骤(1)数据清洗后得到的特征数据包括数值类、时间类、时序数据、已离散化并哈希编码后的数值类字段和类别类字段；操作算子集O包括针对数值类操作的一元算子、针对数值类操作的二元算子、针对时间类的时序算子、针对已离散化并哈希编码后的数值类字段和类别类字段的特征交叉算子和聚合算子。

还根据违约率预测模型粒度，决定是否需要增加聚合算子，所述聚合算子包括差分、最大、最小、平均值等算子。