[发明专利]一种贷款申请评分模型的使用效果评估方法及系统

权利要求书

1.一种贷款申请评分模型的使用效果评估方法，其特征在于，包括以下步骤：

利用预设贷款申请评分模型对不同时期的第一客户样本和第二客户样本进行审批，获取模型验证样本集和模型外验证样本集；

推断所述模型验证样本集和模型外验证样本集未知标签的样本客户的当前评估标签，将每个样本客户和其对应的前评估标签相关联；

根据模型验证样本集和模型外验证样本集未知标签的样本客户的当前评估标签计算出模型验证样本集和模型外验证样本集的评分变量值以及二者每项审批指标的第一评分值；

根据模型验证样本集和模型外验证样本集中的评分变量值以及二者每项审批指标的第一评分值分析出预设贷款申请评分模型的使用效果结论；

其中，所述当前评估标签包括：好人标签与坏人标签。

2.根据权利要求1所述贷款申请评分模型的使用效果评估方法，其特征在于，所述利用预设贷款申请评分模型对不同时期的第一客户样本和第二客户样本进行审批，获取模型验证样本集和模型外验证样本集，包括：

利用所述预设贷款申请评分模型生成多项审批指标；

获取所述第一客户样本和第二客户样本中每个样本客户的客户资料，基于所述每个样本客户的客户资料，利用预设贷款申请评分模型对每个样本客户进行评分，获取评分结果；

根据所述评分结果将第一客户样本和第二客户样本中的每个样本客户对应地分配到所述多项审批指标中；

分配完毕后，统计每项审批指标的样本客户数量，将第一客户样本和第二客户样本分别对应的统计结果以及多项审批指标确认为所述模型验证样本集和模型外验证样本集。

3.根据权利要求1所述贷款申请评分模型的使用效果评估方法，其特征在于，所述推断所述模型验证样本集和模型外验证样本集未知标签的样本客户的当前评估标签，将每个样本客户和其对应的前评估标签相关联，包括：

筛选银行的征信负面逾期变量，并对所述征信负面逾期变量进行极坏性认定，确定第一极坏性认定规则；

查询多头银行征信机构及民间征信机构的征信变量阈值，对所述征信变量阈值进行第二极坏性认定，确定第二极坏性认定规则；

根据预设的第三方的有效评分阈值，进行第三极坏性认定，确定第三极坏性认定规则；

根据第一极坏性认定规则、第二极坏性认定规则和第三极坏性认定规则，构建更优性原则；

规避预设的评分变量标签，确定目标评分变量标签，并计算目标评分变量标签的评分变量指标IV，构建评分变量规避性原则；

通过所述评分变量规避性原则和更优性原则，设计好坏标签推断策略；

根据所述好坏标签推断策略确定每个样本客户的当前评估标签并将每个样本客户和其对应的前评估标签进行关联。

4.根据权利要求1所述贷款申请评分模型的使用效果评估方法，其特征在于，所述根据模型验证样本集和模型外验证样本集未知标签的样本客户的当前评估标签计算出模型验证样本集和模型外验证样本集的评分变量值以及二者每项审批指标的第一评分值，包括：

根据第一客户样本和第二客户样本中每个样本客户的当前评估标签确定每个样本客户的申请评分；

利用下列公式计算出每项审批指标的第一评分值：

其中，KS_n表示为第n项审批指标的第一评分值，m_n表示为第n项指标中的样本客户的数量，F_G表示为预估的好人样本的累计概率分布，F_B表示为预估的坏人样本的累计概率分布，Score_i表示为第i个样本客户的申请评分；

根据下列公式计算出模型验证样本集和模型外验证样本集的评分变量值：

其中，IV表示为模型验证样本集/模型外验证样本集的评分变量值，N表示为模型验证样本集/模型外验证样本集中审批指标的数量，GoodDist_j表示为模型验证样本集/模型外验证样本集中第j个审批指标中好人标签的样本客户数量所占模型验证样本集/模型外验证样本集中所有好人标签的样本客户数量的比例，BadDist_j表示为模型验证样本集/模型外验证样本集中第j个审批指标中坏人标签的样本客户数量所占模型验证样本集/模型外验证样本集中所有坏人标签的样本客户数量的比例，ln表示为自然对数。