[發明專利]多流量平臺和金融機構矯正樣本的拒絕推斷方法及系統

在審

• 申請號: 202010707337.1
• 申請日: 2020-07-17
• 公開（公告）號: CN111798307A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 黃建;王云清
• 申請（專利權）人: 睿智合創（北京）科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q40/04
• 代理公司: 北京力量專利代理事務所(特殊普通合伙) 11504
• 代理人: 姚遠方

1.一種多流量平臺和金融機構矯正樣本的拒絕推斷方法，其特征在于，所述方法包括以下步驟：

S1在預設周期內采集有信用表現用戶的相關數據，通過Vintage分析和滾動率分析確定目標變量的邏輯，對齊所有用戶觀察窗口，窗口期內出現過逾期N天及以上訂單的用戶為壞樣本，觀察期內有貸款且從未發生過逾期的用戶定為好用戶；

S2結合現有用戶貸后的規模，采用MOB6定義歷史出現過逾期30天及以上的用戶為壞樣本，MOB6內有貸款且從未發生過逾期的用戶定為好用戶；

S3獲取好壞樣本在申請貸款時的相關特征；

S4計算矯正因子，根據平臺數據統計不同機構歷史月份的批核率數據，剔除拒絕的樣本，得到矯正的機構批核率矩陣A，如下

其中每行代表機構不同時期矯正后的批核率，每列代表不同的合作金融機構，以矯正后機構批核率的倒數作為觀察樣本的權重矩陣為W，其中W的每個元素w_ij＝a_ij^-1。

S5計算得到不同金融機構和不同時期的矯正因子，與準備的樣本數據按金融機構和時期合并到Logistic Regression；具體如下π_i表示事件為1發生的概率，1-π_i表示事件為0發生的概率，其中

其似然函數公式如下：

其中β是我們需要估計的自變量對應的系數，Y_i是樣本i實際觀察事件的結果；

S6根據計算矯正因子作為權重矯正樣本后，得出矯正后的似然函數的表達式如下：

其中w_i是不同樣本對應的權重。

2.根據權利要求1所述的多流量平臺和金融機構矯正樣本的拒絕推斷方法，其特征在于，所述S3中，獲取好壞樣本在申請貸款時的相關特征包括年齡、性別、賬齡、交易或其他信息。

3.根據權利要求1所述的多流量平臺和金融機構矯正樣本的拒絕推斷方法，其特征在于，所述S4中，拒絕的樣本為已知的“硬性規則”、黑名單以及不滿足產品屬性，其中不滿足產品屬性為年齡小于20歲、學生客群或其他屬性不滿足群體。

4.根據權利要求1所述的多流量平臺和金融機構矯正樣本的拒絕推斷方法，其特征在于，所述MOB6代表用戶授信后首次貸款支用時間到支用時間后第6個月月底。

5.根據權利要求1所述的多流量平臺和金融機構矯正樣本的拒絕推斷方法，其特征在于，所述推斷方法中，常用的建模軟件包括Python、sas和R，所述建模軟件在訓練模型都支持樣本權重。

6.一種多流量平臺和金融機構矯正樣本的拒絕推斷系統，包括處理器以及存儲有執行指令的存儲器，并安裝有配套軟件系統，當所述處理器執行所述存儲器存儲的所述執行指令時，所述處理器通過安裝的配套軟件系統執行如權利要求1至5中任一所述的多流量平臺和金融機構矯正樣本的拒絕推斷方法。