[发明专利]信用风险分类方法、装置、计算机设备及存储介质

权利要求书

1.一种信用风险分类方法，其特征在于，所述方法包括：

获取目标对象的基本信息中的基本信息单位；

计算所述基本信息单位的单位贡献指标；

根据所述基本信息单位对所述目标对象进行划分，得到目标对象的划分信息；

根据所述基本信息单位和所述目标对象的划分信息计算证据权重矩阵，所述证据权重矩阵用于区分所述目标对象的信用风险类别；

对所述证据权重矩阵进行数据分析，得到所述目标对象对应的信用风险类别。

2.根据权利要求1所述的方法，其特征在于，所述获取目标对象的基本信息中的基本信息单位，包括：

获取目标对象的身份标识，所述身份标识对应有所述目标对象的基本信息；

将所述目标对象的基本信息划分为不同的字段，所述字段为基本信息单位；

获取所述目标对象对应的基本信息单位。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述目标对象的基本信息中的所有基本信息单位；

对于每一个基本信息单位，计算对应的单位贡献指标；

剔除含有共线性单位贡献指标的基本信息单位，得到剔除后的基本信息单位；

根据所述剔除后的基本信息单位对所述目标对象进行划分，得到目标对象的划分信息；

根据所述剔除后的基本信息单位和所述目标对象的划分信息计算证据权重矩阵，所述证据权重矩阵用于区分所述目标对象的信用风险类别。

4.根据权利要求3所述的方法，其特征在于，所述根据所述剔除后的基本信息单位对所述目标对象进行划分，得到目标对象的划分信息，包括：

计算所述目标对象的基本信息单位对应的批核率和逾期率；

根据所述批核率和逾期率对所述目标对象进行分类，得到所述目标对象的类别；

获取所述目标对象的类别，得到目标对象的划分信息。

5.根据权利要求1所述的方法，其特征在于，所述根据所述基本信息单位和所述目标对象的划分信息计算证据权重矩阵，包括：

根据目标对象的划分信息随机获取所述目标对象分类的类别组，并计算所述类别组中目标对象基本信息单位的批核率占所有批核率的第一比率；

计算所述类别组中目标对象基本信息单位的逾期率占所有逾期率的第二比率；

获取第一比率与第二比率的差值，得到证据权重；

对每个基本信息单位的证据权重进行组合，得到证据权重矩阵。

6.根据权利要求5所述的方法，其特征在于，对每个基本信息单位的证据权重进行组合，得到证据权重矩阵步骤之后，包括：

去除所述证据权重矩阵间的共线性，得到去除共线性的证据权重矩阵。

7.根据权利要求1所述的方法，其特征在于，所述对所述证据权重矩阵进行数据分析，得到所述目标对象对应的信用风险类别，包括：

根据信用风险的类别和所述目标对象的基本信息单位建立逻辑回归方程；

将所述证据权重输入所述逻辑回归方程，得到所述目标对象的信用预测分数；

将所述信用预测分数导入大数据分析系统，得到所述目标对象的信用预测结果，所述大数据分析系统为根据目标对象的信用风险类别构建的分析系统；

根据所述信用预测结果对所述目标对象的信用风险进行分类，得到对应的信用风险类别。

8.一种信用风险分类装置，其特征在于，所述装置包括：

信息获取模块，用于获取目标对象的基本信息中的基本信息单位；

指标计算模块，用于计算所述基本信息单位的单位贡献指标；

目标对象划分模块，用于根据所述基本信息单位对所述目标对象进行划分，得到目标对象的划分信息；

证据权重计算模块，用于根据所述基本信息单位和所述目标对象的划分信息计算证据权重矩阵，所述证据权重矩阵用于区分所述目标对象的信用风险类别；

数据分析模块，用于对所述证据权重矩阵进行数据分析，得到所述目标对象对应的信用风险类别。