[發明專利]一種零售信貸業務評分系統及方法

在審

• 申請號: 201810382838.X
• 申請日: 2018-04-26
• 公開（公告）號: CN108596495A
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 季白楊
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q40/02
• 代理公司: 杭州之江專利事務所(普通合伙) 33216
• 代理人: 林蜀

一種零售信貸業務評分系統，包括數據整合模塊、分析決策模塊；分析決策模塊包括專家經驗評分模塊、統計分析評分模塊。一種零售信貸業務評分方法，基于構建的專家經驗評分模型，對銀行類型賦予不同的權重，構建風險模型，并進行評分模型的校驗。能有效地結合經驗及大數據對貸款信息進行合理地判斷，提高貸款的準確率，減少貸款違約。

技術領域

本發明涉及金融系統的數據處理系統及方法，特別涉及一種零售信貸業務評分系統及方法。

背景技術

隨著經濟的發展，個人收入提高，人們樂于利用貸款進行消費。個人貸款，又稱零售信貸業務，經過幾十年的發展，各種征信機構大量出現，銀行可以方便、快捷地了解借款人的信用狀況，零售信貸業務已成為一項重要的貸款。零售信貸業務具有筆數多、單筆金額小、數據豐富的特征，傳統的人工審批即費時又費力，這決定了需要對其進行智能化、概率化的管理模式，因此評分卡在信貸系統的作用越來越重要。

然而，目前使用評分卡技術的銀行不多，一些中小行甚至不考慮自身的情況直接照搬大行的評分卡，貸款出現了大量違約。評分卡需要由經驗豐富的專家來設計，目前中小行普遍缺乏這類專家。甚至在專家較多的大行，由于專家各自的主觀感受有所不同，所設計出的評分卡必然不同，難以統一意見。因此，如何設計一套客觀的評價方法來開發評分卡，以及如何根據銀行自身的特點來設計評分卡，是目前急需解決的難題。

發明內容

為解決現有技術的不足，提供一種零售信貸業務評分系統及方法，能有效地結合經驗及大數據對貸款信息進行合理地判斷，提高貸款的準確率，減少貸款違約。

為實現上述目的，本發明采用以下技術方案：

一種零售信貸業務評分系統，包括數據整合模塊、分析決策模塊；

其中數據整合模塊包括數據接口、數據清理整理模塊、數據存儲模塊；

分析決策模塊包括專家經驗評分模塊、統計分析評分模塊；

其中專家經驗評分模塊：將根據經驗篩選出的一組具有良好風險預測能力的風險要素，并根據要素的重要程度賦予不同的分值，得出辦理業務的客戶的分值；

其中統計分析評分模塊：以海量大數據為基礎、機器學習算法為支持，得出辦理業務的客戶的分值；包括風險模型建置與風險模型驗證，在所述風險模型建置前，將歷史信貸數據隨機分成訓練數據集和測試數據集，訓練數據集用于模型建置，測試數據集用于模型驗證；

上述的一種零售信貸業務評分系統，其中分析決策模塊還包括人工修正模塊，該模塊用于對專家經驗評分模型或機器學習評分模型得出的辦理業務的客戶的分值進行人工修正。

一種零售信貸業務評分方法，步驟如下：

步驟1，根據常用的經驗方法“5C”、“5P”或“LAPP”其中之一構建專家經驗評分模型：即按照加權值將不同的指標換算成對應的分數，得到一張分值表；

步驟2.1，按大型銀行、中型銀行和小型銀行三類，對銀行類型賦予不同的權重，用如下的公式換算成對應指標的重要程度：

其中，a_i,i＝1,2,...,n為各類銀行的指標選取情況統計，r_i為對應的銀行類型權重；

按照指標的重要程度d，優先向評分卡構建人員推薦重要程度高的指標；

步驟2.2，對各要素賦予不同的權重并根據步驟2中賦予銀行類型權重，按比例換算成指標的分數；用如下公式計算出各要素的綜合分數設定值：

其中，s_i為各類銀行對某指標的分數設定比例；