[發(fā)明專利]一種基于貝葉斯網(wǎng)絡(luò)和互信息的客戶信用評分方法

在審

• 申請?zhí)枺?/td>: 201510575186.8
• 申請日: 2015-09-10
• 公開（公告）號: CN105046559A
• 公開（公告）日: 2015-11-11
• 發(fā)明（設(shè)計(jì)）人: 許卓明;莊遠(yuǎn)航;王駿華;唐彥
• 申請（專利權(quán)）人: 河海大學(xué)
• 主分類號: G06Q40/00
• 分類號: G06Q40/00
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 肖明芳

技術(shù)領(lǐng)域

本發(fā)明涉及一種利用數(shù)據(jù)挖掘或機(jī)器學(xué)習(xí)技術(shù)進(jìn)行客戶信用評分的方法，尤其是一種基于貝葉斯網(wǎng)絡(luò)和互信息的客戶信用評分方法。

背景技術(shù)

信用評分(creditscoring)也稱客戶信用(或資信)評估(或評級)，是近年來興起的一種為了保障銀行等金融機(jī)構(gòu)的金融安全(即降低其市場活動風(fēng)險(xiǎn))而采用的一種對客戶資信進(jìn)行分析預(yù)測的方法。

信用評分是指根據(jù)客戶的實(shí)證屬性(empiricalattributes)(如：客戶的年齡、學(xué)歷、收入、家庭情況，等)和客戶信用歷史屬性(如：客戶的按時(shí)還款(貸)情況、騙保情況，等)來構(gòu)建一個(gè)信用評分模型(creditscoringmodel)，然后利用該信用評分模型來預(yù)測客戶的信用分?jǐn)?shù)(creditscore)，從而評估客戶的未來信用表現(xiàn)。

現(xiàn)有的信用評分方法主要分為四類(參見：“Nan-ChenHsieha,Lun-PingHung:Adatadrivenensembleclassifierforcreditscoringanalysis.ExpertSystemswithApplications,Volume37,Issue1,January2010,Pages534–545；DOI:10.1016/j.eswa.2009.05.059”)：支持向量機(jī)(supportvectormachine)方法、決策樹(decisiontree)方法、神經(jīng)網(wǎng)絡(luò)(neuralnetwork)方法、以及貝葉斯網(wǎng)絡(luò)(Bayesiannetwork)方法。

支持向量機(jī)方法，典型的是Kima和Ahn于2012年提出的方法(參見：“Kyoung-jaeKima,HyunchulAhn:Acorporatecreditratingmodelusingmulti-classsupportvectormachineswithanordinalpairwisepartitioningapproach.Computers&OperationsResearch,Volume39,Issue8,August2012,Pages1800–1811；DOI:10.1016/j.cor.2011.06.023”)。該類方法需要通過訓(xùn)練樣本來構(gòu)建信用評分模型，但由于其難以處理大規(guī)模的訓(xùn)練樣本，在實(shí)際中應(yīng)用效果不佳。

決策樹方法，典型的是Bozsik和于2011年提出的方法(參見：“JózsefBozsik,GergelyDecisiontree-basedcreditdecisionsupportsystem.LINDI2011-3rdIEEEInternationalSymposiumonLogisticsandIndustrialInformatics,Proceedings,IEEEComputerSociety,2011,Pages:189-193；DOI:10.1109/LINDI.2011.6031145”)。該類方法難以根據(jù)不完整的客戶數(shù)據(jù)來構(gòu)建信用評分模型，且預(yù)測準(zhǔn)確性(accuracy)與精度(precision)較低。

神經(jīng)網(wǎng)絡(luò)方法，典型的是Hsieh于2005年提出的方法(參見：“Nan-ChenHsieh:Hybridminingapproachinthedesignofcreditscoringmodels.ExpertSystemswithApplications,Volume28,Issue4,May2005,Pages655–665；DOI:10.1016/j.eswa.2004.12.022”)。該類方法存在以下缺陷：(1)除了大量客戶數(shù)據(jù)外，還需很多的輸入?yún)?shù)(如：網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、閾值、權(quán)重值，等)才能構(gòu)建信用評分模型；(2)信用評分模型的直觀性、評價(jià)結(jié)果的可解釋性不夠，從而影響輸出結(jié)果的可信度。