本发明专利技术提供了一种构建信贷风险评估模型的方法及装置，其中，该构建信贷风险评估模型的方法包括：从信贷业务数据中，获取影响放贷决策的业务指标；对获取的业务指标进行聚类，得到大类指标，基于大类指标以及业务指标构建入模指标网络结构；基于入模指标网络结构，构建调查问卷，基于调查问卷中成对指标的成对比较结果，构建判断矩阵；对判断矩阵进行一致性检验，利用三角模糊数，基于一致性检验通过的判断矩阵，构造模糊判断矩阵；基于模糊判断矩阵以及预先设置的指标权重计算策略，获取模糊判断矩阵中各指标的指标权重，基于各指标权重构建信贷评估风险模型。可以提高信贷风险评估模型用于信贷风险评估的精度。模型用于信贷风险评估的精度。模型用于信贷风险评估的精度。
【技术实现步骤摘要】
一种构建信贷风险评估模型的方法及装置
[0001]本专利技术涉及金融信贷风险控制
，具体而言，涉及一种构建信贷风险评估模型的方法及装置。
技术介绍
[0002]为了降低金融机构的信贷风险，对零售与对公的信贷客户进行贷前、贷中以及贷后的信用自动化风险评估，正日益成为金融机构的主要依据以及风险定价、额度授信的主要方式。而随着机器学习的逐渐应用，基于充足且可信度高的用户数据，构建基于逻辑回归的信贷评估风险模型进行信贷用户风险评估，得到了广泛应用。但该基于信贷评估风险模型评估信贷用户风险的方法，当获取的样本信贷用户的数据量较小时，基于机器学习得到的信贷评估风险模型，进行风险评估的精度较低。
技术实现思路
[0003]有鉴于此，本专利技术的目的在于提供构建信贷风险评估模型的方法及装置，以提高信贷风险评估模型用于信贷风险评估的精度。
[0004]第一方面，本专利技术实施例提供了构建信贷风险评估模型的方法，包括：
[0005]从信贷业务数据中，获取影响放贷决策的业务指标；
[0006]对获取的业务指标进行聚类，得到大类指标，基于大类指标以及业务指标构建入模指标网络结构；
[0007]基于入模指标网络结构，构建调查问卷，基于调查问卷中成对指标的成对比较结果，构建判断矩阵；
[0008]对判断矩阵进行一致性检验，利用三角模糊数，基于一致性检验通过的判断矩阵，构造模糊判断矩阵；
[0009]基于模糊判断矩阵以及预先设置的指标权重计算策略，获取模糊判断矩阵中各指标的指标权重，基于各指标权重构建信贷评估风险模型。
[0010]结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，所述基于模糊判断矩阵以及预先设置的指标权重计算策略，获取模糊判断矩阵中各指标的指标权重，基于各指标权重构建信贷评估风险模型，包括：
[0011]对每一同类别的模糊判断矩阵，按照几何均值法，对该类别包含的各模糊判断矩阵进行聚合，得到群组决策矩阵；
[0012]基于同类别的模糊判断矩阵，针对每一模糊判断矩阵，获取该模糊判断矩阵中各指标在对应群组决策矩阵中的指标的局部权重值；
[0013]基于指标的局部权重值，构建控制层未加权超矩阵与网络层未加权超矩阵；
[0014]基于控制层未加权超矩阵与网络层未加权超矩阵，构建加权超矩阵；
[0015]计算加权超矩阵的极限值，得到各指标全局权重值。
[0016]结合第一方面的第一种可能的实施方式，本专利技术实施例提供了第一方面的第二种
可能的实施方式，其中，所述基于同类别的模糊判断矩阵，针对每一模糊判断矩阵，获取该模糊判断矩阵中各指标在对应群组决策矩阵中的指标的局部权重值，包括：
[0017]针对每一模糊判断矩阵，按行计算模糊判断矩阵的行几何平均值；
[0018]对各行几何平均值的和向量进行异或运算，得到运算和值，获取运算和值的倒数，按增序进行排序，得到排序序列；
[0019]针对每一行几何平均值，计算该行几何平均值与排序序列的乘积，得到该行几何平均值对应的指标的指标模糊权重；
[0020]依次对指标模糊权重进行去模糊化处理以及标准化处理，得到指标的局部权重值。
[0021]结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，所述对判断矩阵进行一致性检验，包括：
[0022]基于1～9的数字标度构造的判断矩阵的维度以及最大特征根，计算一致性指标；
[0023]根据一致性指标以及预先设置的随机一致性指标值与维度的映射关系，计算一致性比率；
[0024]若一致性比率小于预先设置的一致性比率阈值，确定判断矩阵通过一致性校验。
[0025]结合第一方面，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，所述对判断矩阵进行一致性检验，包括：
[0026]获取基于0.1～0.9的数字标度构造的判断矩阵的第i行第j列的第一数字标度值；
[0027]获取所述判断矩阵的第i行第k列的第二数字标度值，以及，第j行第k列的第三数字标度值；
[0028]计算第二数字标度值与第三数字标度值的差值；
[0029]遍历i值，若所有的差值与预先设置的常值的和值均等于第一数字标度值，确定判断矩阵通过一致性校验。
[0030]结合第一方面，本专利技术实施例提供了第一方面的第五种可能的实施方式，其中，所述利用三角模糊数，基于一致性检验通过的判断矩阵，构造模糊判断矩阵，包括：
[0031]对一致性检验通过的判断矩阵的每一行列，依据该行列的值，查询预先设置的值与三角模糊数的映射关系，利用查询得到的三角模糊数对该行列的值进行替换，得到模糊判断矩阵。
[0032]结合第一方面、第一方面的第一种可能的实施方式至第五种可能的实施方式中的任一种可能的实施方式，本专利技术实施例提供了第一方面的第六种可能的实施方式，其中，所述方法还包括：
[0033]获取目标用户的指标数据，查询所述信贷评估风险模型，得到所述指标数据对应的指标权重，依据预先设置的评分区间，计算该目标用户的风险评分。
[0034]第二方面，本专利技术实施例还提供了一种构建信贷风险评估模型的装置，包括：
[0035]指标确定模块，用于从信贷业务数据中，获取影响放贷决策的业务指标；
[0036]关系构建模块，用于对获取的业务指标进行聚类，得到大类指标，基于大类指标以及业务指标构建入模指标网络结构；
[0037]矩阵生成模块，用于基于入模指标网络结构，构建调查问卷，基于调查问卷中成对指标的成对比较结果，构建判断矩阵；
[0038]一致性模块，用于对判断矩阵进行一致性检验，利用三角模糊数，基于一致性检验通过的判断矩阵，构造模糊判断矩阵；
[0039]模型构建模块，用于基于模糊判断矩阵以及预先设置的指标权重计算策略，获取模糊判断矩阵中各指标的指标权重，基于各指标权重构建信贷评估风险模型。
[0040]第三方面，本申请实施例提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0041]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的方法的步骤。
[0042]本专利技术实施例提供的构建信贷风险评估模型的方法及装置，通过从信贷业务数据中，获取影响放贷决策的业务指标；对获取的业务指标进行聚类，得到大类指标，基于大类指标以及业务指标构建入模指标网络结构；基于入模指标网络结构，构建调查问卷，基于调查问卷中成对指标的成对比较结果，构建判断矩阵；对判断矩阵进行一致性检验，利用三角模糊数，基于一致性检验通过的判断矩阵，构造模糊判断矩阵；基于模糊判断矩阵以及预先设置的指标权重计算策略，获取模糊判断矩阵中各指标的指标权重，基于各指标权重构建信贷评估风险模型。这样，基本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种构建信贷风险评估模型的方法，其特征在于，包括：从信贷业务数据中，获取影响放贷决策的业务指标；对获取的业务指标进行聚类，得到大类指标，基于大类指标以及业务指标构建入模指标网络结构；基于入模指标网络结构，构建调查问卷，基于调查问卷中成对指标的成对比较结果，构建判断矩阵；对判断矩阵进行一致性检验，利用三角模糊数，基于一致性检验通过的判断矩阵，构造模糊判断矩阵；基于模糊判断矩阵以及预先设置的指标权重计算策略，获取模糊判断矩阵中各指标的指标权重，基于各指标权重构建信贷评估风险模型。2.根据权利要求1所述的方法，其特征在于，所述基于模糊判断矩阵以及预先设置的指标权重计算策略，获取模糊判断矩阵中各指标的指标权重，基于各指标权重构建信贷评估风险模型，包括：对每一同类别的模糊判断矩阵，按照几何均值法，对该类别包含的各模糊判断矩阵进行聚合，得到群组决策矩阵；基于同类别的模糊判断矩阵，针对每一模糊判断矩阵，获取该模糊判断矩阵中各指标在对应群组决策矩阵中的指标的局部权重值；基于指标的局部权重值，构建控制层未加权超矩阵与网络层未加权超矩阵；基于控制层未加权超矩阵与网络层未加权超矩阵，构建加权超矩阵；计算加权超矩阵的极限值，得到各指标全局权重值。3.根据权利要求2所述的方法，其特征在于，所述基于同类别的模糊判断矩阵，针对每一模糊判断矩阵，获取该模糊判断矩阵中各指标在对应群组决策矩阵中的指标的局部权重值，包括：针对每一模糊判断矩阵，按行计算模糊判断矩阵的行几何平均值；对各行几何平均值的和向量进行异或运算，得到运算和值，获取运算和值的倒数，按增序进行排序，得到排序序列；针对每一行几何平均值，计算该行几何平均值与排序序列的乘积，得到该行几何平均值对应的指标的指标模糊权重；依次对指标模糊权重进行去模糊化处理以及标准化处理，得到指标的局部权重值。4.根据权利要求1所述的方法，其特征在于，所述对判断矩阵进行一致性检验，包括：基于1～9的数字标度构造的判断矩阵的维度以及最大特征根，计算一致性指标；根据一致性指标以及预先设置的随机一致性指标值与维度的映射关系，计算一致性比率；若一致性比率小于预先设置的一致性比率阈值，确定判断矩阵通过一致性校验。5.根据权利要求1所述的...
【专利技术属性】
技术研发人员：杜培良，况文川，戈汉权，肖勃飞，孙梦芸，顾大鹏，
申请(专利权)人：中电金信软件有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。