[发明专利]一种信贷变量数据的进行高纬变量筛选的方法

权利要求书

1.一种信贷变量数据的进行高纬变量筛选的方法，其特征在于，包括以下步骤：

步骤1、获取用户所有相关的信贷变量数据，所述信贷变量数据包括申请数据、放款数据、逾期数据、征信数据，其中，对征信数据进行标签标记，标签包括正常还款客户和违约客户，将信贷变量数据保存为矩阵格式，得到信贷数据集F₁＝[x₁，x₂，……,x_n]，其中x表示信贷数据变量，下标n表示信贷数据变量的个数；

步骤2、截取一段时间信贷变量数据用于变量筛选提取，首先采用cumauc归纳算法对信贷变量数据进行信贷数据特征变量筛选，挑选稳定有效变量，得到新的信贷数据F₂＝[x₁,x₂,……,x_n]；

步骤3、对数据集F₂进行卡方分箱，得到最新的信贷数据F₃＝[x₁,x₂,……,x_m]

其中下标m表示的是经过卡方分箱计算筛选后的信贷数据变量的个数；

步骤4、对信贷数据集F₃＝[x₁,x₂,……,x_n]进行stepwise逐步回归，得到新的数据集变量，根据最终筛选得到的数据集变量，进行信用评分建模。

2.根据权利要求1所述的一种信贷变量数据的进行高纬变量筛选的方法，其特征在于，步骤2包括以下步骤：

步骤2.1、计算信贷数据集F₁中所有的信贷数据单个数据拟合后的auc，取auc值最大的特征数据；

步骤2.2、在步骤2.1的基础上再次新增一个对应的信贷数据,即2个变量组合后的auc，取auc最大的的特征数据；

步骤2.3、重复2.2的动作，直到auc不增加幅度不满足标准，即完成cumauc的变量筛选，即筛选后的信贷数据变量集为F₂＝[x₁,x₂,……,x_w]；

通过从信贷数据单变量的筛选到多变量的组合筛选，筛选出稳定最有效的信贷数据变量。

3.根据权利要求1所述的一种信贷变量数据的进行高纬变量筛选的方法，其特征在于，

步骤3包括以下步骤：

步骤3.1：根据信贷变量数据F₂中的每一个变量预设一个卡方的阈值；

步骤3.2：对每一个单独的信贷数据变量初始化，根据离散的属性对每一个实例进行排序，每个实例属于一个区间；

步骤3.3：计算每一个相邻区间的卡方值，将卡方值最小的一对区间合并；

步骤3.4：根据分箱结果计算每一箱客户的贷后表现，筛选贷后表现符合单调性的信贷变量数据F₃。

4.根据权利要求1所述的一种信贷变量数据的进行高纬变量筛选的方法，其特征在于步骤4包括以下步骤：

步骤4.1、根据信贷数据变量集F₃＝[x₁,x₂,……,x_m]建立每个信贷数据自变量与因变量的一元回归方程：y＝a_ix_i+b_i,i＝1,2,…,n，其中a_i代表的是每个信贷数据建立的一元回归方程的系数，b_i的代表的是每个信贷数据建议的一元回归方程的截距；

步骤4.2、分别计算m个一元回归方程中的回归系数a_i的检验统计量F，并求出最大值为若停止筛选，否则将对应的信贷数据变量x_k1加入变量集合，此时可以将x_k1看作x₁进入步骤4.3，其中一元回归方程的单侧检验结果，下标m表示所有参与卡方分箱的信贷数据变量的数量，x_k1是符合条件的信贷数据变量，F_a是F检验函数，1是分子自由度，n-2是分母自由度；

步骤4.3、分别将自变量(x₁,x₂),(x₁,x₃),...,(x₁,x₂)与因变量建立二元回归方程，此时x₁是步骤4.2中的x_k1，计算方程中x₂,x₃,...,x_m是回归系数检验统计量F，取若则停止筛选，否则将x_k2选入变量集，此时将x_k2看作x₂，依次迭代，直到自变量的最大的F值小于临界值。

其中在本步骤中建立的二元回归方程中，二元回归方程的单侧检验结果，下标m表示所有参与卡方分箱二元回归方程的信贷数据变量的数量，x_k2是符合二元回归方程条件的信贷数据变量，F_a是F检验函数，1是分子自由度，n-2-1是分母自由度。

最终的信贷数据变量集就是筛选出来的变量集F₄＝[x₁,x₂,……,x_n]。