[發(fā)明專利]信用風險評分方法、裝置、計算機設備及存儲介質

在審

• 申請?zhí)枺?/td>: 201711190094.3
• 申請日: 2017-11-24
• 公開（公告）號: CN108053310A
• 公開（公告）日: 2018-05-18
• 發(fā)明（設計）人: 張詩雨;賴曉彬;劉奕慧
• 申請（專利權）人: 深圳市牛鼎豐科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06K9/62
• 代理公司: 廣州華進聯(lián)合專利商標代理有限公司 44224
• 代理人: 謝曲曲

1.一種信用風險評分方法，其特征在于，所述方法包括：

獲取客戶的基本信息，將所述基本信息輸入信用評分卡模型；

根據所述信用評分卡模型對所述客戶的信用進行評分，得到所述客戶對應的信用分數(shù)；

篩選出所述信用分數(shù)低于第一預設值的第一客戶和所述信用分數(shù)高于第二預設值的第二客戶；

輸出所述第一客戶的審批結果為拒絕審批；

輸出所述第二客戶的審批結果為審批通過。

2.根據權利要求1所述的方法，其特征在于，所述獲取客戶的基本信息，將所述基本信息輸入信用評分卡模型，包括：

獲取客戶的身份標識，所述身份標識對應有所述客戶的基本信息；

從所述基本信息中提取客戶的信用指標；

將所述信用指標輸入信用評分卡模型。

3.根據權利要求2所述的方法，其特征在于，所述根據所述信用評分卡模型對所述客戶的信用進行評分，得到信用分數(shù)，包括：

根據所述信用指標計算客戶的信用概率；

將所述信用概率轉化為信用分數(shù)。

4.根據權利要求1所述的方法，其特征在于，所述信用評分卡模型通過下列方式訓練得到：

獲取客戶的基本信息中的樣本數(shù)據，所述樣本數(shù)據為所述客戶的信用指標；

對所述信用指標進行量化處理，得到信用指標數(shù)據集；

通過邏輯回歸算法對所述信用指標數(shù)據集進行計算，直到所有信用指標數(shù)據集計算完畢，得到訓練好的信用評分卡模型。

5.根據權利要求1所述的方法，其特征在于，所述篩選出所述信用分數(shù)低于第一預設值的第一客戶和所述信用分數(shù)高于第二預設值的第二客戶之后，包括：

篩選出所述第一客戶和所述第二客戶后，根據其余客戶的信用分數(shù)對所述其余客戶進行人工審核。

6.根據權利要求1所述的方法，其特征在于，所述根據所述信用評分卡模型對所述客戶的信用進行評分之前，包括：

對所述客戶的基本信息進行篩選，得到客戶的信用信息；

將所述信用信息轉換為字符，將所述字符輸入信用評分卡模型。

7.一種信用風險評分裝置，其特征在于，所述裝置包括：

信息輸入模塊，用于獲取客戶的基本信息，將所述基本信息輸入信用評分卡模型；

信用評分模塊，用于根據所述信用評分卡模型對所述客戶的信用進行評分，得到所述客戶對應的信用分數(shù)；

分數(shù)篩選模塊，用于篩選出所述信用分數(shù)低于第一預設值的第一客戶和所述信用分數(shù)高于第二預設值的第二客戶；

第一結果輸出模塊，用于輸出所述第一客戶的審批結果為拒絕審批；

第二結果輸出模塊，用于輸出所述第二客戶的審批結果為審批通過。

8.根據權利要求7所述的裝置，其特征在于，所述信息輸入模塊包括：

標識獲取模塊，用于獲取客戶的身份標識，所述身份標識對應有所述客戶的基本信息；

指標提取模塊，用于從所述基本信息中提取客戶的信用指標；

指標輸入模塊，用于將所述信用指標輸入信用評分卡模型。

9.一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權利要求1至6任一項所述方法的步驟。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至6任一項所述方法的步驟。