[發(fā)明專利]信用評分方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011081209.7
• 申請日: 2020-10-09
• 公開（公告）號(hào): CN112348685A
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計(jì)）人: 劉新儒;劉圣軍;任燕
• 申請（專利權(quán)）人: 中南大學(xué)
• 主分類號(hào): G06Q40/08
• 分類號(hào): G06Q40/08;G06K9/62
• 代理公司: 長沙大珂知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 43236
• 代理人: 孫雪梅

1.一種信用評分方法，其特征在于，包括：

獲取目標(biāo)申請客戶數(shù)據(jù)；

根據(jù)預(yù)置特征變量對所述目標(biāo)申請客戶數(shù)據(jù)進(jìn)行特征變量篩選；

根據(jù)預(yù)置變量標(biāo)準(zhǔn)化參數(shù)對篩選出的特征變量按數(shù)據(jù)標(biāo)準(zhǔn)化處理方式進(jìn)行處理，得到對應(yīng)的標(biāo)準(zhǔn)化數(shù)據(jù)；

將所述標(biāo)準(zhǔn)化數(shù)據(jù)輸入預(yù)置專家群決策模型進(jìn)行預(yù)測，輸出所述目標(biāo)申請客戶對應(yīng)的守約概率；

將所述守約概率和所述目標(biāo)申請客戶的歷史信用記錄輸入預(yù)置信用評分模型，輸出所述目標(biāo)申請客戶的信用分?jǐn)?shù)。

2.根據(jù)權(quán)利要求1所述的信用評分方法，其特征在于，所述信用評分方法還包括：

將所述目標(biāo)申請客戶的信用分?jǐn)?shù)輸入預(yù)置客戶信用等級(jí)標(biāo)準(zhǔn)模型，輸出所述目標(biāo)申請客戶的授信等級(jí)。

3.根據(jù)權(quán)利要求2所述的信用評分方法，其特征在于，所述信用評分方法還包括：

將所述目標(biāo)申請客戶的授信等級(jí)輸入預(yù)置等級(jí)標(biāo)準(zhǔn)執(zhí)行利率水平模型，輸出所述目標(biāo)申請客戶的執(zhí)行利率水平。

4.根據(jù)權(quán)利要求1所述的信用評分方法，其特征在于，所述獲取目標(biāo)申請客戶數(shù)據(jù)之前，所述方法還包括：

從預(yù)置數(shù)據(jù)庫中采樣獲取已知信用類別的客戶數(shù)據(jù)，形成原始數(shù)據(jù)樣本；

對所述原始數(shù)據(jù)樣本中的變量按數(shù)據(jù)標(biāo)準(zhǔn)化處理方式進(jìn)行處理生成對應(yīng)的標(biāo)準(zhǔn)化樣本，輸出并記錄每個(gè)變量的標(biāo)準(zhǔn)化參數(shù)，所述預(yù)置變量標(biāo)準(zhǔn)化參數(shù)為所述每個(gè)變量的標(biāo)準(zhǔn)化參數(shù)；

對所述標(biāo)準(zhǔn)化樣本根據(jù)預(yù)置抽取模型進(jìn)行特征變量抽取生成對應(yīng)的訓(xùn)練樣本，輸出并記錄所選擇的特征變量，所述預(yù)置特征變量為所述所選擇的特征變量；

將所述訓(xùn)練樣本輸入預(yù)置概率神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練，得到所述預(yù)置專家群決策模型。

5.根據(jù)權(quán)利要求4所述的信用評分方法，其特征在于，所述數(shù)據(jù)標(biāo)準(zhǔn)化處理方式包括屬性數(shù)據(jù)的變量虛擬化處理和數(shù)值數(shù)據(jù)的無量綱化處理；

所述預(yù)置抽取模型為偏最小二乘法回歸模型。

6.根據(jù)權(quán)利要求4所述的信用評分方法，其特征在于，所述將所述訓(xùn)練樣本輸入預(yù)置概率神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練具體包括：

使用Bootstrap算法對所述訓(xùn)練樣本進(jìn)行重復(fù)抽樣，形成對應(yīng)的多個(gè)計(jì)算樣本；

將每個(gè)所述計(jì)算樣本輸入預(yù)置概率神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模型訓(xùn)練，得到對應(yīng)的多個(gè)目標(biāo)概率神經(jīng)網(wǎng)絡(luò)模型，所述預(yù)置專家群決策模型為所述目標(biāo)概率神經(jīng)網(wǎng)絡(luò)模型的集合。

7.根據(jù)權(quán)利要求1至6任一項(xiàng)所述的信用評分方法，其特征在于，所述將所述標(biāo)準(zhǔn)化數(shù)據(jù)輸入預(yù)置專家群決策模型進(jìn)行預(yù)測，輸出所述目標(biāo)申請客戶對應(yīng)的守約概率具體包括：

將所述標(biāo)準(zhǔn)化數(shù)據(jù)輸入每一個(gè)所述目標(biāo)概率神經(jīng)網(wǎng)絡(luò)模型，輸出對應(yīng)的多個(gè)目標(biāo)守約概率；

對所有所述目標(biāo)守約概率求加權(quán)平均值，得出所述目標(biāo)申請客戶對應(yīng)的守約概率。

8.一種信用評分裝置，其特征在于，包括：

目標(biāo)客戶數(shù)據(jù)獲取模塊，用于獲取目標(biāo)申請客戶數(shù)據(jù)；

特征變量篩選模塊，用于根據(jù)預(yù)置特征變量對所述目標(biāo)申請客戶數(shù)據(jù)進(jìn)行特征變量篩選；

標(biāo)準(zhǔn)化數(shù)據(jù)獲取模塊，用于根據(jù)預(yù)置變量標(biāo)準(zhǔn)化參數(shù)對篩選出的特征變量按數(shù)據(jù)標(biāo)準(zhǔn)化處理方式進(jìn)行處理，得到對應(yīng)的標(biāo)準(zhǔn)化數(shù)據(jù)；

守約概率預(yù)測模塊，用于將所述標(biāo)準(zhǔn)化數(shù)據(jù)輸入預(yù)置專家群決策模型進(jìn)行預(yù)測，輸出所述目標(biāo)申請客戶對應(yīng)的守約概率；

信用分?jǐn)?shù)輸出模塊，用于將所述守約概率和所述目標(biāo)申請客戶的歷史信用記錄輸入預(yù)置信用評分模型，輸出所述目標(biāo)申請客戶的信用分?jǐn)?shù)。

9.一種信用評分設(shè)備，其特征在于，所述信用評分設(shè)備包括：存儲(chǔ)器和至少一個(gè)處理器，所述存儲(chǔ)器中存儲(chǔ)有指令，所述存儲(chǔ)器和所述至少一個(gè)處理器通過線路互聯(lián)；

所述至少一個(gè)處理器調(diào)用所述存儲(chǔ)器中的所述指令，以使得所述信用評分設(shè)備執(zhí)行如權(quán)利要求1-7中任意一項(xiàng)所述的方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-7中任意一項(xiàng)所述方法的步驟。