一种基于神经网络的抵押物评级方法技术

本申请提供了一种基于神经网络的抵押物评级方法，从收集的抵押物的原始特征信息获取h维主特征信息和剩余特征信息，基于关联度，将每个剩余特征信息与h维主特征信息中每个主特征信息匹配，形成h个特征信息组，在每个特征信息组中，将每个剩余特征信息与主特征信息融合，以获得h个特征信息组对应的h个融合特征信息，对神经网络模型进行训练，以得到训练后的神经网络模型，对待测抵押物进行评级，产生评级结果。级结果。级结果。

【技术实现步骤摘要】
一种基于神经网络的抵押物评级方法


[0001]本专利技术涉及抵押物评级方法，具体涉及一种基于神经网络的抵押物评级方法。

技术介绍

[0002]贷款抵押物可以将其作为贷款的第二还款来源，这样可以将贷款风险控制在合理范围内，使得贷款的安全性与可靠性得到保障。贷款抵押物价值评估是否准确，与贷款发生风险时得到的补偿程度有着较为密切的联系。许多贷款出现损失的主要原因就是，在对贷款抵押物的价值评估过程中，缺乏科学性与合理性。
[0003]现有常用的几种抵押物评级方法有：市场倒推法、重置成本法、收益现值法和清算价格法等。然而传统的评级方式评估指标单一，数据维度大，来源不可靠，没有统一标准。随着业务量成千上万的增长，时间耗费也是巨增，且很大程度上依赖于评级人员的主观判断，以主观感觉、经验和关系决策为主，带来判断和评级标准的不一致，客观性和准确度低，难以对评级结果的再检验，评级结果的稳定性和可靠性较差。
[0004]因此，目前亟需一种评级标准统一化、效率高、准确度高的抵押物评级方法。

技术实现思路

[0005]鉴于上述问题，提出了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的抵押物评级方法，其特征在于，所述抵押物评级方法包括：步骤S1，收集各种抵押物的L维原始特征信息；步骤S2，对各种抵押物的L维原始特征信息进行处理，获取h维主特征信息，h为大于等于6的正整数且小于L；步骤S3，从收集的抵押物的原始特征信息剔除h维主特征信息，得到剩余特征信息；步骤S4，分别计算h维主特征信息中每个主特征信息与每个剩余特征信息的关联度；步骤S5，基于关联度，将每个剩余特征信息与h维主特征信息中每个主特征信息匹配，形成h个特征信息组，其中每个特征信息组分别包括h维特征信息中的一个主特征信息；步骤S6，在每个特征信息组中，将每个剩余特征信息与主特征信息融合，以获得h个特征信息组对应的h个融合特征信息；步骤S7，构建神经网络模型，利用各种抵押物的h个融合特征信息，对神经网络模型进行训练，以得到训练后的神经网络模型；步骤S8，利用训练后的神经网络模型，对待测抵押物进行评级，产生评级结果。2.根据权利要求1所述的抵押物评级方法，其特征在于，步骤S2具体包括：步骤S21，根据收集的各种抵押物的原始特征信息，获取特征信息原始数据矩阵；步骤S22，对特征信息原始数据矩阵进行归一化变换，得到特征信息归一数据矩阵；步骤S23，对特征信息归一数据矩阵关联分析，计算特征信息间的关联矩阵；步骤S24，基于特征信息间的关联矩阵，计算关联矩阵的特征值；步骤S25，对关联矩阵的L个特征值按大小进行排序，计算前h个特征值对评级结果的总影响度；步骤S26，设定总影响度参考值，以使总影响度大于等于总影响度参考值，前h个特征值对应的特征信息即为与评级结果影响程度最高的h维主特征信息。3.根据权利要求2所述的抵押物评级方法，其特征在于，特征信息原始数据矩阵具体为：其中，x
11
至x
NL
为抵押物的特征信息，N为收...

【专利技术属性】
技术研发人员：林欢燕，强铃，李高臣，余科，马作勇，单中杰，
申请(专利权)人：中企筑链科技有限公司，
类型：发明
国别省市：