[发明专利]多流量平台和金融机构矫正样本的拒绝推断方法及系统

权利要求书

1.一种多流量平台和金融机构矫正样本的拒绝推断方法，其特征在于，所述方法包括以下步骤：

S1在预设周期内采集有信用表现用户的相关数据，通过Vintage分析和滚动率分析确定目标变量的逻辑，对齐所有用户观察窗口，窗口期内出现过逾期N天及以上订单的用户为坏样本，观察期内有贷款且从未发生过逾期的用户定为好用户；

S2结合现有用户贷后的规模，采用MOB6定义历史出现过逾期30天及以上的用户为坏样本，MOB6内有贷款且从未发生过逾期的用户定为好用户；

S3获取好坏样本在申请贷款时的相关特征；

S4计算矫正因子，根据平台数据统计不同机构历史月份的批核率数据，剔除拒绝的样本，得到矫正的机构批核率矩阵A，如下

其中每行代表机构不同时期矫正后的批核率，每列代表不同的合作金融机构，以矫正后机构批核率的倒数作为观察样本的权重矩阵为W，其中W的每个元素w_ij＝a_ij^-1。

S5计算得到不同金融机构和不同时期的矫正因子，与准备的样本数据按金融机构和时期合并到Logistic Regression；具体如下π_i表示事件为1发生的概率，1-π_i表示事件为0发生的概率，其中

其似然函数公式如下：

其中β是我们需要估计的自变量对应的系数，Y_i是样本i实际观察事件的结果；

S6根据计算矫正因子作为权重矫正样本后，得出矫正后的似然函数的表达式如下：

其中w_i是不同样本对应的权重。

2.根据权利要求1所述的多流量平台和金融机构矫正样本的拒绝推断方法，其特征在于，所述S3中，获取好坏样本在申请贷款时的相关特征包括年龄、性别、账龄、交易或其他信息。

3.根据权利要求1所述的多流量平台和金融机构矫正样本的拒绝推断方法，其特征在于，所述S4中，拒绝的样本为已知的“硬性规则”、黑名单以及不满足产品属性，其中不满足产品属性为年龄小于20岁、学生客群或其他属性不满足群体。

4.根据权利要求1所述的多流量平台和金融机构矫正样本的拒绝推断方法，其特征在于，所述MOB6代表用户授信后首次贷款支用时间到支用时间后第6个月月底。

5.根据权利要求1所述的多流量平台和金融机构矫正样本的拒绝推断方法，其特征在于，所述推断方法中，常用的建模软件包括Python、sas和R，所述建模软件在训练模型都支持样本权重。

6.一种多流量平台和金融机构矫正样本的拒绝推断系统，包括处理器以及存储有执行指令的存储器，并安装有配套软件系统，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器通过安装的配套软件系统执行如权利要求1至5中任一所述的多流量平台和金融机构矫正样本的拒绝推断方法。