[发明专利]一种信用评分的决策分析方法、装置、设备及存储介质

说明书

本发明提供了一种信用评分的决策分析方法、装置、设备及可读存储介质,包括:获取贷款请求,根据所述贷款请求获取申请人的在校信息和家庭信息；根据所述在校信息和所述家庭信息生成申请人的可信度向量及失信度向量；根据所述可信度向量和所述失信度向量生成信用评分决策模型，其中，所述信用评分决策模型用于生成贷款决策结果。解决了现有的贷款决策客观性不足的问题。

技术领域

本发明涉及互联网金融技术领域，特别涉及一种信用评分的决策分析方法、装置、设备及存储介质。

背景技术

在信用评分机制中，所使用的方法只有统计学中的判别及分类方法，其中，统计方法仍然是建立信用评分最常用的方法。在个人信用评分方面，方匡南等[10]提出了一种基于半监督广义可加Logistic回归的信用评分模型，充分利用无标记样本信息对个人信用贷款违约风险进行评估。姜明辉[11]等针对个人信用评分的模型及发展进行相关归纳，把统计学模型和人工智能算法相结合，对个人信用评分指标体系进行优化和显著性加权，以解个人信用评分中存在的问题。在大学生征信方面，张强等[12]设计了一种基于改进模糊算法的高校助学贷款信用评级模型，通过对相关高校的的问卷调查所采集到的样本，建立大学生的信用评级。袁章帅等[13]利用改进萤火虫算法的初始种群与移动步长，并用来优化BP神经网络初始权值与阈值参数，运用神经网络协同集成学习算法(IGSO-BP)，并建立大学生个人信用评价模型。

大学生创业贷批准过程最终会在两种行为中进行选择：给予一个新的申请人以贷款或者拒绝其信贷申请。信用评分试图建立一个最优的准则来协助进行这样的决策，不过这里的最优是指将这样的准则用于以前的申请人样本时是最优的。这样做的优点是对以前的申请人可以知道他们的行为表现。如果决策行为仅仅只有两个——拒绝或者接受，那么将申请人的行为表现分成不止好、坏两种而是两种以上就没有意义了，因为这里“好”的行为就是可被贷款机构接受的行为表现，也是看他的信用度怎样。“坏”的行为就是贷款机构希望拒绝的那些申请人的行为表现。有一些贷款机构，坏的行为被定义成连续若干次未归还贷款，而另一些机构则将严重的违约行为达到一定数量的行为看成坏行为。

这种方法有其内在的偏差，因为这里的样本只包括了那些已经批准了其贷款的申请人，而对那些申请被拒绝的申请人的信息我们并不了解。因此，样本只对那些过去被接受的申请人具有代表性而对过去被拒绝的申请人并不具有代表性。

有鉴于此，提出本申请。

发明内容

本发明公开了一种信用评分的决策分析方法、装置、设备及存储介质，至少在一定程度上解决了现有技术的不足。

本发明第一实施例提供了一种信用评分的决策分析方法,包括:

获取贷款请求,根据所述贷款请求获取申请人的在校信息和家庭信息；

根据所述在校信息和所述家庭信息生成申请人的可信度向量及失信度向量；

根据所述可信度向量和所述失信度向量生成信用评分决策模型，其中，所述信用评分决策模型用于生成贷款决策结果。

优选地，所述根据所述在校信息和所述家庭信息生成申请人的可信度向量及失信度向量具体为：

根据所述在校信息和所述家庭信息生成可信度矩阵及权重分布向量；

运算所述可信度矩阵和所述权重分布向量，以获得所述可信度向量；

根据所述在校信息的虚假项数，生成失信度向量。

优选地，所述根据所述可信度向量和所述失信度向量生成信用评分决策模型具体为：

将所述可信度向量与所述失信度向量进行做差以生成信用评分决策模型。

优选地，还包括，获取所述申请人的可信度负极值；