[发明专利]一种普惠小微客群整体质量偏移的识别方法

权利要求书

1.一种普惠小微客群整体质量偏移的识别方法，其特征在于，包括以下步骤：

获取观测时间内的核心指标数据，所述核心指标数据包括量化指标数据、被拒原因数据或至少两个核心单维度的特征统计值；

检测所述观测时间和核心指标数据，根据检测结果确定采用的客群整体质量偏移的识别方法；

在观测时间为至少两个时间段，且所述核心指标数据为量化指标数据时，采用综合信用评分PSI分析法对客群整体质量偏移进行识别；

在观测时间为至少两个时间段，且所述核心指标数据为被拒原因数据时，采用拒绝原因卡方分析法对客群整体质量偏移进行识别；

在观测时间为一个时间段，且所述核心指标数据为至少两个核心单维度的特征统计值时，采用关键特征卡方分析综合评定法对客群整体质量偏移进行识别。

2.根据权利要求1所述的一种普惠小微客群整体质量偏移的识别方法，其特征在于，所述综合信用评分PSI分析法，具体包括：

选取观测时间的颗粒度，所述颗粒度包括逐月统计、季度统计和半年统计；

计算至少两个时间段内的客户评分或评分等级的PSI值，公式如下：

其中，A_i表示近期时间客户评分分数各箱占比，A_i表示历史水平上客户评分分数各箱占比；

根据所述PSI值进行分箱，根据分箱结果得出客群整体质量的偏移程度。

3.根据权利要求2所述的一种普惠小微客群整体质量偏移的识别方法，其特征在于，所述根据分箱结果得出客群整体质量的偏移程度，具体包括：

在所述PSI值小于或等于0.1时，客群整体质量稳定，不存在偏移；

在所述PSI值大于0.1且小于0.25时，客群整体质量存在轻微偏移；

在所述PSI值大于或等于0.25时，客群整体质量存在显著偏移。

4.根据权利要求1所述的一种普惠小微客群整体质量偏移的识别方法，其特征在于，所述拒绝原因卡方分析法，具体包括：

获取至少两个时间段的被拒原因数据；

根据时间段统计所述被拒原因数据的数量，并对被拒原因数据进行数据清理，获取被拒原因；

计算每个时间段的被拒原因占比，并进行皮尔森卡方检验，公式为：

卡方值

E_i＝nP_i；

其中，E_i表示理论分布下的i类个数，n_i表示观测期在不同被拒原因下的个数，n表示观测期申请群体样本个数，P_i表示理论上各被拒原因出现的概率；

预设显著性水平值，在卡方值大于临界值，或卡方统计量计算获取的P值小于显著性水平值时，表示在观测时间内的客群整体质量出现显著偏移。

5.根据权利要求4所述的一种普惠小微客群整体质量偏移的识别方法，其特征在于，所述临界值为常量根据卡方分布查表获取或计算获取，计算公式为：

其中，α表示显著性水平值，k为自由度。

6.根据权利要求1所述的一种普惠小微客群整体质量偏移的识别方法，其特征在于，所述关键特征卡方分析综合评定法，具体包括：

获取至少两个核心单维度下的特征统计值，所述特征统计值包括行业特征、收入规模特征、司法负面信息和纳税规模特征；

计算所述特征统计值下的卡方值，判断分布是否存在显著差异；

设定阈值，统计单特征下分布存在显著差异的特征数，在分布存在显著差异的特征数大于设定阈值时，表示客群质量整体出现显著偏移。