[发明专利]一种普惠小微客群整体质量偏移的识别方法

说明书

本发明提供一种普惠小微客群整体质量偏移的识别方法，包括：获取观测时间内的核心指标数据，核心指标数据为量化指标数据、被拒原因数据或至少两个核心单维度的特征统计值；检测观测时间和核心指标数据，在观测时间为至少两个时间段，且核心指标数据为量化指标数据时，采用综合信用评分PSI分析法进行客群整体质量偏移识别；在观测时间为至少两个时间段，且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进行客群整体质量偏移识别；在观测时间为一个时间段，且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进行客群整体质量偏移识别。本发明实现了对客群整体质量的偏移识别，且适用于多种场景。

技术领域

本发明涉及中小微普惠业务金融信贷风控技术领域，尤其涉及一种普惠小微客群整体质量偏移的识别方法。

背景技术

在中小微普惠金融信贷风控领域中，对申请主体的信用风险评分、额度授信和贷后管理环节存在大量风控手段和技术，但是对群体的整体质量监控方面缺少关注。现有技术中主要采用日常报表的方式，对申请群体进行单维度的统计指标计算，例如申请数量变动、行业数量变动等，而缺少对整个申请群体的质量偏移情况的定性和定量分析，不能够对客群整体质量的偏移进行识别。

发明内容

基于此，有必要针对上述技术问题，提供一种普惠小微客群整体质量偏移的识别方法。

一种普惠小微客群整体质量偏移的识别方法，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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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：

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。

在其中一个实施例中，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：