[發明專利]一種信用評分的決策分析方法、裝置、設備及存儲介質

在審

• 申請號: 202110207412.2
• 申請日: 2021-02-25
• 公開（公告）號: CN113283977A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 余建;肖香梅;張武威
• 申請（專利權）人: 三明學院
• 主分類號: G06Q40/02
• 分類號: G06Q40/02
• 代理公司: 廈門智慧呈睿知識產權代理事務所(普通合伙) 35222
• 代理人: 楊唯

本發明提供了一種信用評分的決策分析方法、裝置、設備及可讀存儲介質,包括:獲取貸款請求,根據所述貸款請求獲取申請人的在校信息和家庭信息；根據所述在校信息和所述家庭信息生成申請人的可信度向量及失信度向量；根據所述可信度向量和所述失信度向量生成信用評分決策模型，其中，所述信用評分決策模型用于生成貸款決策結果。解決了現有的貸款決策客觀性不足的問題。

技術領域

本發明涉及互聯網金融技術領域，特別涉及一種信用評分的決策分析方法、裝置、設備及存儲介質。

背景技術

在信用評分機制中，所使用的方法只有統計學中的判別及分類方法，其中，統計方法仍然是建立信用評分最常用的方法。在個人信用評分方面，方匡南等[10]提出了一種基于半監督廣義可加Logistic回歸的信用評分模型，充分利用無標記樣本信息對個人信用貸款違約風險進行評估。姜明輝[11]等針對個人信用評分的模型及發展進行相關歸納，把統計學模型和人工智能算法相結合，對個人信用評分指標體系進行優化和顯著性加權，以解個人信用評分中存在的問題。在大學生征信方面，張強等[12]設計了一種基于改進模糊算法的高校助學貸款信用評級模型，通過對相關高校的的問卷調查所采集到的樣本，建立大學生的信用評級。袁章帥等[13]利用改進螢火蟲算法的初始種群與移動步長，并用來優化BP神經網絡初始權值與閾值參數，運用神經網絡協同集成學習算法(IGSO-BP)，并建立大學生個人信用評價模型。

大學生創業貸批準過程最終會在兩種行為中進行選擇：給予一個新的申請人以貸款或者拒絕其信貸申請。信用評分試圖建立一個最優的準則來協助進行這樣的決策，不過這里的最優是指將這樣的準則用于以前的申請人樣本時是最優的。這樣做的優點是對以前的申請人可以知道他們的行為表現。如果決策行為僅僅只有兩個——拒絕或者接受，那么將申請人的行為表現分成不止好、壞兩種而是兩種以上就沒有意義了，因為這里“好”的行為就是可被貸款機構接受的行為表現，也是看他的信用度怎樣。“壞”的行為就是貸款機構希望拒絕的那些申請人的行為表現。有一些貸款機構，壞的行為被定義成連續若干次未歸還貸款，而另一些機構則將嚴重的違約行為達到一定數量的行為看成壞行為。

這種方法有其內在的偏差，因為這里的樣本只包括了那些已經批準了其貸款的申請人，而對那些申請被拒絕的申請人的信息我們并不了解。因此，樣本只對那些過去被接受的申請人具有代表性而對過去被拒絕的申請人并不具有代表性。

有鑒于此，提出本申請。

發明內容

本發明公開了一種信用評分的決策分析方法、裝置、設備及存儲介質，至少在一定程度上解決了現有技術的不足。

本發明第一實施例提供了一種信用評分的決策分析方法,包括:

獲取貸款請求,根據所述貸款請求獲取申請人的在校信息和家庭信息；

根據所述在校信息和所述家庭信息生成申請人的可信度向量及失信度向量；

根據所述可信度向量和所述失信度向量生成信用評分決策模型，其中，所述信用評分決策模型用于生成貸款決策結果。

優選地，所述根據所述在校信息和所述家庭信息生成申請人的可信度向量及失信度向量具體為：

根據所述在校信息和所述家庭信息生成可信度矩陣及權重分布向量；

運算所述可信度矩陣和所述權重分布向量，以獲得所述可信度向量；

根據所述在校信息的虛假項數，生成失信度向量。

優選地，所述根據所述可信度向量和所述失信度向量生成信用評分決策模型具體為：

將所述可信度向量與所述失信度向量進行做差以生成信用評分決策模型。

優選地，還包括，獲取所述申請人的可信度負極值；