本發(fā)明屬于信用評(píng)分，具體是一種根據(jù)貸款人信息計(jì)算貸款人信用評(píng)分的方法。

背景技術(shù)：

1、由于信息不對(duì)稱，貸款人的部分信息難于量化評(píng)估等諸多原因，銀行貸款的逾期、欺詐等案件頻發(fā)。傳統(tǒng)的貸款審核過(guò)程主要借助平臺(tái)數(shù)據(jù)統(tǒng)計(jì)分析，更多的靠專家經(jīng)驗(yàn)人為判斷貸款人的風(fēng)險(xiǎn)程度決定貸款批核結(jié)果。導(dǎo)致貸款批核準(zhǔn)確度低，時(shí)效性差。另外隨著貸款人數(shù)量不斷增加，需要處理的數(shù)據(jù)量越來(lái)越大，需要一種能夠?qū)J款信息進(jìn)分類和量化的方法，幫助貸款審核人直觀立體的洞察貸款人信用狀況。

2、當(dāng)前市面上常用的貸款審核辦法有人工審核結(jié)合規(guī)則引擎，基于貸款人信息的信用評(píng)估等方法。對(duì)風(fēng)險(xiǎn)分析應(yīng)用算法和進(jìn)行數(shù)據(jù)分類以及定量計(jì)算和直觀展示等的研究比較少。

3、常用的貸款審核辦法缺點(diǎn)如下：

4、1、對(duì)貸款人的某些信用評(píng)分指標(biāo)為枚舉類型，包含有限的選項(xiàng)。這樣的指標(biāo)只能在人工審核時(shí)作為參考，很難進(jìn)行量化評(píng)價(jià)。

5、2、貸款審核過(guò)程中對(duì)于貸款人的信息缺乏分類和層次劃分，對(duì)于貸款人的信用評(píng)估指標(biāo)沒(méi)有進(jìn)行與信用評(píng)分相關(guān)度的區(qū)分，即權(quán)重的計(jì)算。

6、3、貸款人信用評(píng)故過(guò)程中，缺少按照信用信息種類進(jìn)行分類和單獨(dú)量化評(píng)分的過(guò)程，缺少對(duì)貸款人各方面信用信息單獨(dú)量化直觀展示的案例。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述問(wèn)題，提出了本發(fā)明以便提供克服上述問(wèn)題或者至少部分地解決上述問(wèn)題的一種根據(jù)貸款人信息計(jì)算貸款人信用評(píng)分的方法。

2、為實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

3、一種根據(jù)貸款人信息計(jì)算貸款人信用評(píng)分的方法，所述方法包括：

4、處理貸款人的信用信息分類；

5、信用評(píng)分指標(biāo)量化；

6、層次分析法計(jì)算信用分類和信用評(píng)分指標(biāo)權(quán)重；

7、加權(quán)計(jì)算貸款人分類信用評(píng)分和信用總分，并生成雷達(dá)用戶畫(huà)像。

8、可選的，其特征在于，信用評(píng)分指標(biāo)量化包括：

9、枚舉類信用評(píng)分指標(biāo)量化，選取獨(dú)熱編碼將枚舉類型信用評(píng)分指標(biāo)進(jìn)行量化，通過(guò)量化，將枚舉類型信用評(píng)分指標(biāo)轉(zhuǎn)化為數(shù)值類型；

10、信用評(píng)分指標(biāo)標(biāo)準(zhǔn)化，對(duì)原始數(shù)據(jù)進(jìn)行縮放，采用數(shù)據(jù)歸一化處理，將數(shù)據(jù)映射到[0，1]空間上。

11、可選的，層次分析法計(jì)算信用分類和信用評(píng)分指標(biāo)權(quán)重包括：

12、建模，根據(jù)分析目的建立信用評(píng)分指標(biāo)層次模型，根據(jù)分析統(tǒng)計(jì)確定影響評(píng)估目標(biāo)的信用評(píng)分指標(biāo)，建立一個(gè)由目標(biāo)和信用評(píng)分指標(biāo)組成的層次模型；

13、建立信用評(píng)分指標(biāo)矩陣，通過(guò)比較上下兩層信用評(píng)分指標(biāo)的重要程度，建立權(quán)重矩陣；

14、計(jì)算權(quán)重值，通過(guò)方根法獲得下層信用評(píng)分指標(biāo)對(duì)上層信用評(píng)分指標(biāo)的數(shù)據(jù)序列值；

15、校驗(yàn)一致性，一致性值計(jì)算公式為：

16、ci＝λmax-n/n-1

17、其中ci是一致性值；λmax是最大特征根；n是a(特征矩陣)的階數(shù)，當(dāng)a完全一致時(shí)，ci＝0；λmax-n越大表示一致性越差；

18、判斷一致性是否滿意計(jì)算公式為：

19、cr＝ci/ri

20、其中ci是一致性值；ri是平均隨機(jī)一致性的指標(biāo)值，它是一組常數(shù)(一階：0.00，二階：0.00，三階：0.52，4階:0.89...)；cr<0.1表示一致性符合要求；若一致性不符合要求，需要調(diào)整權(quán)重矩陣重復(fù)計(jì)算直至一致性符合要求。

21、可選的，建立信用評(píng)分指標(biāo)矩陣包括：

22、對(duì)指標(biāo)類別層建立權(quán)重矩陣，計(jì)算得到每個(gè)指標(biāo)類別的權(quán)重值；

23、分別對(duì)每個(gè)指標(biāo)類下的指標(biāo)建立權(quán)重矩陣，得到每個(gè)指標(biāo)的權(quán)重。

24、可選的，加權(quán)計(jì)算貸款人分類信用評(píng)分和信用總分，并生成雷達(dá)用戶畫(huà)像包括：

25、首先，得到每一個(gè)指標(biāo)類的風(fēng)險(xiǎn)評(píng)估值；

26、然后，根據(jù)每個(gè)指標(biāo)類的權(quán)重和指標(biāo)類的風(fēng)險(xiǎn)評(píng)估值，通過(guò)加權(quán)算法計(jì)算用戶的綜合風(fēng)險(xiǎn)評(píng)估值；

27、最后，利用得到的每個(gè)分類的風(fēng)險(xiǎn)評(píng)估值l1，l2...ln和綜合風(fēng)險(xiǎn)評(píng)估值l生成雷達(dá)用戶信用評(píng)分畫(huà)像。

28、可選的，所述每一個(gè)指標(biāo)類的風(fēng)險(xiǎn)評(píng)估值通過(guò)加權(quán)算法根據(jù)下面計(jì)算式得出：

29、li＝(li1*wi1+li2*wi2+...+lim*wim)*100

30、式中：li表示第i個(gè)指標(biāo)類的評(píng)估值；若第i個(gè)指標(biāo)類里面有m個(gè)貸款人信用指標(biāo)，lim表示該指標(biāo)類中第m個(gè)信用指標(biāo)的值，wim表示該指標(biāo)類中第m個(gè)信用指標(biāo)的值權(quán)重。

31、綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：

32、1.本發(fā)明根據(jù)每個(gè)信用類別的得分，將用戶的類別信用得分做成雷達(dá)圖，形成貸款人信用畫(huà)像，直觀展示貸款人各方面的信用狀況，輔助貸款人分類和貸款審批決策。

33、2.通過(guò)本發(fā)明，在推出不同類型的貸款產(chǎn)品時(shí)，對(duì)用戶的不同類別的信用指標(biāo)關(guān)注度不同，以抵押貸款和信用貸款為例。當(dāng)貸款產(chǎn)品魏抵押類貸款時(shí)，在進(jìn)行貸款人信用得分評(píng)估過(guò)程中，我們可以通過(guò)調(diào)高貸款人個(gè)人存款資產(chǎn)類指標(biāo)的比重來(lái)使貸款人個(gè)人存款資產(chǎn)類指標(biāo)在信用評(píng)分過(guò)程中占有更顯著的決定作用，從而在得分排序后，篩選出更適合此類產(chǎn)品的用戶。同理，在信用貸款產(chǎn)品評(píng)估過(guò)程中，我們則會(huì)使個(gè)人征信類和基本信息類指標(biāo)占有更重的占比，以篩選出適合這類產(chǎn)品的用戶。層次分析法計(jì)算指標(biāo)權(quán)重通過(guò)對(duì)指標(biāo)進(jìn)行分類大大降低了權(quán)重矩陣的計(jì)算復(fù)雜度，例如有30個(gè)指標(biāo)，通過(guò)指標(biāo)分類后分為4個(gè)指標(biāo)類，每個(gè)指標(biāo)類中指標(biāo)個(gè)數(shù)分別為7，9，6，8，那么計(jì)算復(fù)雜度由原來(lái)的30階運(yùn)算變成了最高9階運(yùn)算，大大提高了計(jì)算的效率，減少了計(jì)算開(kāi)銷和時(shí)間。

技術(shù)特征：

1.一種根據(jù)貸款人信息計(jì)算貸款人信用評(píng)分的方法，其特征在于，所述方法包括：

2.如權(quán)利要求1所述的一種根據(jù)貸款人信息計(jì)算貸款人信用評(píng)分的方法，其特征在于，信用評(píng)分指標(biāo)量化包括：

3.如權(quán)利要求1所述的一種根據(jù)貸款人信息計(jì)算貸款人信用評(píng)分的方法，其特征在于，層次分析法計(jì)算信用分類和信用評(píng)分指標(biāo)權(quán)重包括：

4.如權(quán)利要求3所述的一種根據(jù)貸款人信息計(jì)算貸款人信用評(píng)分的方法，其特征在于，建立信用評(píng)分指標(biāo)矩陣包括：

5.如權(quán)利要求1所述的一種根據(jù)貸款人信息計(jì)算貸款人信用評(píng)分的方法，其特征在于，加權(quán)計(jì)算貸款人分類信用評(píng)分和信用總分，并生成雷達(dá)用戶畫(huà)像包括：

6.如權(quán)利要求5所述的一種根據(jù)貸款人信息計(jì)算貸款人信用評(píng)分的方法，其特征在于，所述每一個(gè)指標(biāo)類的風(fēng)險(xiǎn)評(píng)估值通過(guò)加權(quán)算法根據(jù)下面計(jì)算式得出：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種根據(jù)貸款人信息計(jì)算貸款人信用評(píng)分的方法，包括：處理貸款人的信用信息分類；信用評(píng)分指標(biāo)量化；層次分析法計(jì)算信用分類和信用評(píng)分指標(biāo)權(quán)重；加權(quán)計(jì)算貸款人分類信用評(píng)分和信用總分，并生成雷達(dá)用戶畫(huà)像。本發(fā)明根據(jù)每個(gè)信用類別的得分，將用戶的類別信用得分做成雷達(dá)圖，形成貸款人信用畫(huà)像，直觀展示貸款人各方面的信用狀況，輔助貸款人分類和貸款審批決策。

技術(shù)研發(fā)人員：殷艷梅
受保護(hù)的技術(shù)使用者：北銀金融科技有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15