[发明专利]基于局部加权分位数回归修正信用评分卡特征偏移的方法

权利要求书

1.基于局部加权分位数回归修正信用评分卡特征偏移的方法，其特征在于，包括以下步骤：

步骤1：收集信用评分卡风险特征变量随时间周期变化的样本数据，数据按照时间单位进行数据清洗和统计处理；

步骤2：按照时间单位对特征变量进行加权，构造分位数回归模型；

步骤3：利用梯度下降法优化该分位数回归参数并确定回归模型；

步骤4：根据计算到的分位数模型参数，预测步骤2中的特征变量后续随时间的偏移分位值；

步骤5：根据预测的偏移分位值，映射到申请样本集，得到特征实际预测值。

2.根据权利要求1所述的基于局部加权分位数回归修正信用评分卡特征偏移的方法，其特征在于，所述步骤2中，按照时间单位对特征变量进行加权，选择的加权系数为正态分布钟形函数，所述分位数回归模型使用交叉验证法获取偏移最优均值和标准差。

3.根据权利要求1所述的基于局部加权分位数回归修正信用评分卡特征偏移的方法，其特征在于，所述步骤3中，分位数回归用梯度下降法求解并优化迭代。

4.根据权利要求1所述的基于局部加权分位数回归修正信用评分卡特征偏移的方法，其特征在于，步骤3中计算得出的分位数回归模型参数为完全统计量，在进行步骤4预测时只需要使用模型参数就可以对样本进行预测，得到预测结果。

5.根据权利要求1所述的基于局部加权分位数回归修正信用评分卡特征偏移的方法，其特征在于，步骤4中计算得到的预测偏移分位值需要映射到特定训练样本集上。

6.根据权利要求1所述的基于局部加权分位数回归修正信用评分卡特征偏移的方法，其特征在于，所述的随时间周期变化的样本数据，样本数据的特征变量必须随时间周期变化，局部加权分位数回归的特征变量修正过程引入额外的假设偏差。