[发明专利]基于人行征信信息拒绝推断技术的评分建模方法及系统

权利要求书

1.一种基于人行征信信息拒绝推断技术的评分建模方法，其特征在于，所述方法包括：

获取KGB样本和拒绝样本；所述KGB样本为包含已知好坏标签的样本；

在所述拒绝样本中，通过分析人行征信报告历史信息推断用户的好坏标签，得到IGB样本；所述IGB样本为包含推断好坏标签的拒绝样本；

根据AGB样本建立评分卡模型；所述AGB样本包括KGB样本和IGB样本。

2.根据权利要求1所述的基于人行征信信息拒绝推断技术的评分建模方法，其特征在于，所述获取KGB样本和拒绝样本的步骤包括：

在预设的周期内获取产品申请数据；

对授信通过且有额度支用的客户进行vintage分析和滚动率分析确定目标变量；

基于所述目标变量获取KGB样本和拒绝样本。

3.根据权利要求1所述的基于人行征信信息拒绝推断技术的评分建模方法，其特征在于，所述在所述拒绝样本中，通过分析人行征信报告历史信息推断用户的好坏标签，得到IGB样本的步骤包括：

获取申请阶段查询到的样本的人行征信报告；

读取客户在人行征信报告中的贷后还款数据；

根据所述人行征信报告数据和所述贷后还款数据实现拒绝样本的好坏标签的推断，得到IGB样本。

4.根据权利要求3所述的基于人行征信信息拒绝推断技术的评分建模方法，其特征在于，所述根据所述人行征信报告数据和所述贷后还款数据实现拒绝样本的好坏标签的推断，得到IGB样本的步骤包括：

获取拒绝客户对应的人行报告中贷款时长达到6个月且逾期时长达到30天的贷后表现，建立逾期评估规则集；

将触发规则集的客户标记为坏，未触发逾期标准的客户标记为好；

根据标记结果向拒绝样本插入好坏标签，得到IGB样本。

5.根据权利要求1所述的基于人行征信信息拒绝推断技术的评分建模方法，其特征在于，所述根据AGB样本建立评分卡模型的步骤包括：

采用机器学习算法LightGBM对所述AGB样本进行建模，得到评分卡模型。

6.根据权利要求1所述的基于人行征信信息拒绝推断技术的评分建模方法，其特征在于，所述拒绝样本的拒绝原因包括反欺诈评分拒绝、人行信息准入拒绝和信用评分拒绝；在获取拒绝样本的过程中，剔除所述反欺诈评分拒绝样本。

7.一种基于人行征信信息拒绝推断技术的评分建模系统，其特征在于，所述系统包括：

样本获取模块，用于获取KGB样本和拒绝样本；所述KGB样本为包含已知好坏标签的样本；

样本标记模块，用于在所述拒绝样本中，通过分析人行征信报告历史信息推断用户的好坏标签，得到IGB样本；所述IGB样本为包含推断好坏标签的拒绝样本；

模型建立模块，用于根据AGB样本建立评分卡模型；所述AGB样本包括KGB样本和IGB样本。

8.根据权利要求7所述的基于人行征信信息拒绝推断技术的评分建模系统，其特征在于，所述样本获取模块包括：

数据获取单元，用于在预设的周期内获取产品申请数据；

目标变量确定单元，用于对授信通过且有额度支用的客户进行vintage分析和滚动率分析确定目标变量；

样本生成单元，用于基于所述目标变量获取KGB样本和拒绝样本。

9.根据权利要求7所述的基于人行征信信息拒绝推断技术的评分建模系统，其特征在于，所述样本标记模块包括：

人行数据查询单元，用于获取申请阶段查询到的样本的人行征信报告；

还款数据提取单元，用于读取客户在人行征信报告中的贷后还款数据；

处理执行单元，用于根据所述人行征信报告数据和所述贷后还款数据实现拒绝样本的好坏标签的推断，得到IGB样本。

10.根据权利要求9所述的基于人行征信信息拒绝推断技术的评分建模系统，其特征在于，所述处理执行单元还包括：

规则集确定子单元，用于获取拒绝客户对应的人行报告中贷款时长达到6个月且逾期时长达到30天的贷后表现，建立逾期评估规则集；

标记子单元，用于将触发规则集的客户标记为坏，未触发逾期标准的客户标记为好；

标签插入子单元，用于根据标记结果向拒绝样本插入好坏标签，得到IGB样本。