信用评价方法和装置制造方法及图纸

本发明专利技术提供一种信用评价方法和装置。该方法包括：根据信用评价模型和待评价用户的属性特征，确定所述待评价用户的还款能力，所述信用评价模型用于指示用户的属性特征和用户的还款能力之间的关系；所述待评价用户的属性特征包括：性别、国籍和年收入中的至少一种；根据所述待评价用户的还款能力，确定所述待评价用户申请目标贷款类型时贷款方的预期收益；根据所述预期收益，确定是否给所述待评价用户发放贷款。和现有技术中依靠人工经验进行信用评价的方法相比，提高了评价结果的准确度。

Credit evaluation methods and devices

【技术实现步骤摘要】
信用评价方法和装置
本专利技术涉及大数据
，尤其涉及一种信用评价方法和装置。
技术介绍
随着金融行业的快速发展，贷款业务也越来越普遍，例如：“房贷”、“消费贷”和“商业贷”等。在贷款业务中一个核心点就是用户的信用评价，用户的信用评价可为判断该用户是否具有偿还贷款的能力提供重要依据。因此，如何准确高效地实现用户的信用评价成为金融行业亟待解决的问题。现有技术中，普遍的做法是通过人工经验根据用户的不同信息给出综合评价。然而，这种做法一方面需要耗费大量的人力成本，另一方面准确性依赖于评估者的经验，导致评估结果不稳定。
技术实现思路
本专利技术提供一种信用评价方法和装置。用以提高用户信用评价结果的准确度。第一方面，本专利技术提供一种信用评价方法，包括：根据信用评价模型和待评价用户的属性特征，确定所述待评价用户的还款能力，所述信用评价模型用于指示用户的属性特征和用户的还款能力之间的关系；所述待评价用户的属性特征包括：性别、国籍和年收入中的至少一种；根据所述待评价用户的还款能力，确定所述待评价用户申请目标贷款类型时贷款方的预期收益；根据所述预期收益，确定是否给所述待评价用户发放贷款。可选的，所述根据信用评价模型和待评价用户的属性特征，确定所述待评价用户的还款能力之前，还包括：获取所述信用评价模型。可选的，所述获取所述信用评价模型，包括：根据预先存储的N个样本，确定第一属性特征集合中每个属性特征对应的还款能力，所述第一属性特征集合包括所述N个样本中任一样本包含的属性特征，所述还款能力为对所述目标贷款类型的还款能力；根据所述第一属性特征集合中每个属性特征对应的还款能力，确定所述目标贷款类型对应的信用评价模型。可选的，所述根据预先存储的N个样本，确定第一属性特征集合中每个属性特征对应的还款能力，包括：根据以下公式确定第一属性特征集合中每个属性特征对应的还款能力；其中，bi,j表示属性特征i对目标贷款类型j的还款能力，ys,i,j表示样本s的属性特征i对目标贷款类型j的还款能力，ni表示样本的个数。可选的，所述根据所述第一属性特征集合中每个属性特征对应的还款能力，确定所述目标贷款类型对应的信用评价模型，包括：获取模型参数集合W；其中，W＝{wi,j}，wi,j表示属性特征i对于目标贷款类型j的重要程度；wi,j的取值范围为(0,1)；根据所述参数集合W，采用以下公式确定所述信用评价模型；其中，Yu,j表示用户u对目标贷款类型j的还款能力，fu表示第二属性特征集合，所述第二属性特征集合包括用户u的所有属性特征。可选的，所述获取模型参数集合W，包括：获取所述用户u的贷款记录；根据所述贷款记录和所述信用评价模型，确定模型损失函数；根据所述模型损失函数，采用梯度下降法确定所述模型损失函数最小时属性特征i对应的模型参数值；根据所述模型参数值，确定所述模型参数集合W。可选的，所述根据所述贷款记录和所述信用评价模型，确定模型损失函数；包括：根据以下公式确定所述模型损失函数；其中，los(W)表示模型损失函数，U表示用户u的全部贷款记录，yu,j表示用户u对贷款类型p的贷款记录，yu,j＝1表示用户u已按时偿还贷款类型p，yu,j＝0表示用户u未按时偿还贷款类型p；θ表示迭代参数。可选的，所述根据所述模型损失函数，采用梯度下降法确定所述模型损失函数最小时属性特征i对应的模型参数值，包括：根据以下公式进行迭代计算，确定所述wi,j；其中，ρ表示前进步长，θ表示迭代参数，los(W)表示模型损失函数。可选的，所述根据所述待评价用户的还款能力，确定所述待评价用户申请目标贷款类型时贷款方的预期收益，包括：根据预设数量的样本和所述信用评价模型，确定所述预设数量的样本中每个样本的还款能力；根据每个样本的还款能力，确定M个信用分段；根据每个信用分段对应的样本数量，确定对应分段的正样本比例；根据待评价用户的还款能力和所述正样本比例，确定所述预期收益。可选的，所述根据待评价用户的还款能力和所述正样本比例，确定所述预期收益，包括：根据以下公式确定所述预期收益；Eearn(k,j)＝Akej-(1-Ak)vj其中，Eearn(k,j)表示待评价用户申请目标贷款类型j时贷款方的预期收益，k表示待评价用户的还款能力对应的信用分段，Ak表示第k个信用分段的正样本比例，ej为待评价用户能够按时偿还目标贷款类型j时贷款方的收益，vj为待评价用户不能按时偿还目标贷款类型j时贷款方的损失。第二方面，本专利技术提供一种信用评价装置，包括：第一确定模块，用于根据信用评价模型和待评价用户的属性特征，确定所述待评价用户的还款能力，所述信用评价模型用于指示用户的属性特征和用户的还款能力之间的关系；所述待评价用户的属性特征包括：性别、国籍和年收入中的至少一种；第二确定模块，用于根据所述待评价用户的还款能力，确定所述待评价用户申请目标贷款类型时贷款方的预期收益；第三确定模块，用于根据所述预期收益，确定是否给所述待评价用户发放贷款。可选的，上述装置，还包括：获取模块，用于获取所述信用评价模型。可选的，所述获取模块具体用于，根据预先存储的N个样本，确定第一属性特征集合中每个属性特征对应的还款能力，所述第一属性特征集合包括所述N个样本中任一样本包含的属性特征，所述还款能力为对所述目标贷款类型的还款能力；根据所述第一属性特征集合中每个属性特征对应的还款能力，确定所述目标贷款类型对应的信用评价模型。可选的，所述获取模块具体用于，根据以下公式确定第一属性特征集合中每个属性特征对应的还款能力；其中，bi,j表示属性特征i对目标贷款类型j的还款能力，ys,i,j表示样本s的属性特征i对目标贷款类型j的还款能力，ni表示样本的个数。可选的，所述获取模块具体用于，获取模型参数集合W；其中，W＝{wi,j}，wi,j表示属性特征i对于目标贷款类型j的重要程度；wi,j的取值范围为(0,1)；根据所述参数集合W，采用以下公式确定所述信用评价模型；其中，Yu,j表示用户u对目标贷款类型j的还款能力，fu表示第二属性特征集合，所述第二属性特征集合包括用户u的所有属性特征。可选的，所述获取模块具体用于，获取所述用户u的贷款记录；根据所述贷款记录和所述信用评价模型，确定模型损失函数；根据所述模型损失函数，采用梯度下降法确定所述模型损失函数最小时属性特征i对应的模型参数值；根据所述模型参数值，确定所述模型参数集合W。可选的，所述获取模块具体用于，根据以下公式确定所述模型损失函数；其中，los(W)表示模型损失函数，U表示用户u的全部贷款记录，yu,j表示用户u对贷款类型p的贷款记本文档来自技高网...

【技术保护点】
1.一种信用评价方法，其特征在于，包括：/n根据信用评价模型和待评价用户的属性特征，确定所述待评价用户的还款能力，所述信用评价模型用于指示用户的属性特征和用户的还款能力之间的关系；所述待评价用户的属性特征包括：性别、国籍和年收入；/n根据所述待评价用户的还款能力，确定所述待评价用户申请目标贷款类型时贷款方的预期收益；/n根据所述预期收益，确定是否给所述待评价用户发放贷款。/n

【技术特征摘要】
1.一种信用评价方法，其特征在于，包括：
根据信用评价模型和待评价用户的属性特征，确定所述待评价用户的还款能力，所述信用评价模型用于指示用户的属性特征和用户的还款能力之间的关系；所述待评价用户的属性特征包括：性别、国籍和年收入；
根据所述待评价用户的还款能力，确定所述待评价用户申请目标贷款类型时贷款方的预期收益；
根据所述预期收益，确定是否给所述待评价用户发放贷款。


2.根据权利要求1所述的方法，其特征在于，所述根据信用评价模型和待评价用户的属性特征，确定所述待评价用户的还款能力之前，还包括：
获取所述信用评价模型。


3.根据权利要求2所述的方法，其特征在于，所述获取所述信用评价模型，包括：
根据预先存储的N个样本，确定第一属性特征集合中每个属性特征对应的还款能力，所述第一属性特征集合包括所述N个样本中任一样本包含的属性特征，所述还款能力为对所述目标贷款类型的还款能力；
根据所述第一属性特征集合中每个属性特征对应的还款能力，确定所述目标贷款类型对应的信用评价模型。


4.根据权利要求3所述的方法，其特征在于，所述根据预先存储的N个样本，确定第一属性特征集合中每个属性特征对应的还款能力，包括：
根据以下公式确定第一属性特征集合中每个属性特征对应的还款能力；



其中，bi,j表示属性特征i对目标贷款类型j的还款能力，ys,i,j表示样本s的属性特征i对目标贷款类型j的还款能力，ni表示样本的个数。


5.根据权利要求3所述的方法，其特征在于，所述根据所述第一属性特征集合中每个属性特征对应的还款能力，确定所述目标贷款类型对应的信用评价模型，包括：
获取模型参数集合W；其中，W＝{wi,j}，wi,j表示属性特征i对于目标贷款类型j的重要程度；wi,j的取值范围为(0,1)；
根据所述参数集合W，采用以下公式确定所述信用评价模型；



其中，Yu,j表示用户u对目标贷款类型j的还款能力，fu表示第二属性特征集合，所述第二属性特征集合包括用户u的所有属性特征，第二属性特征集合是第一属性特征集合的子集。


6.根据权利要求5所述的方法，其特征在于，所述获取模型参数集合W，包括：
获取所述用户u的贷款记录；
根据所述贷款记录和所述信用评价模型，确定模型损失函数；
根据所述模型损失函数，采用梯度下降法确定所述模型损失函数最小时属性特征i对应的模型参数值；
根据所述模型参数值，确定所述模型参数集合W。


7.根据权利要求6所述的方法，其特征在于，所述根据所述贷款记录和所述信用评价模型，确定模型损失函数；包括：
根据以下公式确定所述模型损失函数；



其中，los(W)表示模型损失函数，U表示用户u的全部贷款记录，yu,j表示用户u对贷款类型p的贷款记录，yu,j＝1表示用户u已按时偿还贷款类型p，yu,j＝0表示用户u未按时偿还贷款类型p；θ表示迭代参数。


8.根据权利要求6所述的方法，其特征在于，所述根据所述模型损失函数，采用梯度下降法确定所述模型损失函数最小时属性特征i对应的模型参数值，包括：
根据以下公式进行迭代计算，确定所述wi,j；



其中，ρ表示前进步长，θ表示迭代参数，los(W)表示模型损失函数。


9.根据权利要求1-8任一项所述的方法，其特征在于，所述根据所述待评价用户的还款能力，确定所述待评价用户申请目标贷款类型时贷款方的预期收益，包括：
根据预设数量的样本和所述信用评价模型，确定所述预设数量的样本中每个样本的还款能力；
根据每个样本的还款能力，确定M个信用分段；
根据每个信用分段对应的样本数量，确定对应分段的正样本比例；
根据待评价用户的还款能力和所述正样本比例，确定所述预期收益。


10.根据权利要求9所述的方法，其特征在于，所述根据待评价用户的还款能力和所述正样本比例，确定所述预期收益，包括：
根据以下公式确定所述预期收益；
Eearn(k,j)＝Akej-(1-Ak)vj
其中，Eearn(k,j)表示待评价用户申请目标贷款类型j时贷款方的预期收益，k表示待评价用户的还款能力对应的信用分段，Ak表示第k个信用分段的正样本比例，ej为待评价用户能够按时偿还目标贷款类型j时贷款方的收益，vj为待评价用户不能按时偿还目标贷款类型j时贷款方的损失。...

【专利技术属性】
技术研发人员：潘岸腾，
申请(专利权)人：广州神马移动信息科技有限公司，
类型：发明
国别省市：广东;44