CN109034994A - 信用评级方法及装置、计算机可读存储介质、终端 - Google Patents

Abstract

一种信用评级方法及装置、计算机可读存储介质、终端，信用评级方法包括：对于输入的用户数据，根据预先配置的相关性列表从所述用户数据中选取多个属性信息，每一属性信息具备属性值；将所述多个属性信息的属性值与多个信用等级各自对应的栏位组合进行匹配，以得到第一匹配结果，每一信用等级对应的栏位组合包括至少一个栏位，每一栏位由所述属性信息的属性值的范围界定；如果所述第一匹配结果满足所述多个信用等级中任一信用等级对应的组合条件，则将满足所述组合条件的信用等级确定为所述用户数据的信用等级。本发明技术方案可以在没有逾期数据的前提下，提高信用评级的便捷性和准确性。

Description

信用评级方法及装置、计算机可读存储介质、终端

技术领域

本发明涉及数据处理技术领域，尤其涉及一种信用评级方法及装置、计算机可读存储介质、终端。

背景技术

在金融领域，尤其是信贷领域，需要利用用户的信用进行金融风险控制。也就是对用户的信用进行信用评级，以评估其逾期还款风险。

现有技术中，在已有用户的历史逾期数据的前提下，可以直接通过历史逾期数据来评估该用户的信用等级。

但是，在业务开展初期往往没有任何逾期数据，也没有任何评级。此时现有技术通常是采用人工审批的方式，并在积累数据到一定阶段以后，才能获得更好的信用评级结果，但数据积累的过程比较长。对于已有业务，也可以采用专家模型法，但是这种方法依赖于专家的水平，往往可靠性不高。

发明内容

本发明解决的技术问题是如何在没有逾期数据的前提下，提高信用评级的便捷性和准确性。

为解决上述技术问题，本发明实施例提供一种信用评级方法，信用评级方法包括：对于输入的用户数据，根据预先配置的相关性列表从所述用户数据中选取多个属性信息，每一属性信息具备属性值；将所述多个属性信息的属性值与多个信用等级各自对应的栏位组合进行匹配，以得到第一匹配结果，每一信用等级对应的栏位组合包括至少一个栏位，每一栏位由所述属性信息的属性值的范围界定；如果所述第一匹配结果满足所述多个信用等级中任一信用等级对应的组合条件，则将满足所述组合条件的信用等级确定为所述用户数据的信用等级。

可选的，对于总数达到设定值的多个用户数据，各个信用等级对应的所述用户数据的数量服从正态分布。

可选的，所述信用评级方法还包括：统计每一信用等级中对应的所述用户数据的数量；计算每一信用等级中对应的所述用户数据的数量与所述用户数据的总数的比值，以得到每一信用等级的数据占比；如果所述多个信用等级中至少一个信用等级的数据占比未达到对应的设定比值，则调整所述至少一个信用等级对应的组合条件或对应的栏位组合中的栏位，直至所述多个信用等级的数据占比均达到对应的设定比值；其中，各个信用等级对应的设定比值服从正态分布。

可选的，所述相关性列表中不包含逾期信息。

可选的，所述信用评级方法还包括：确定所述用户数据的目标信用等级，所述目标信用等级至少是根据所述用户数据的逾期信息计算得到的；将所述用户数据的信用等级与所述目标信用等级进行比对，并根据比对结果对至少一个信用等级的组合条件或对应的栏位组合中的栏位进行调整。

可选的，所述信用评级方法还包括：在对多个用户数据完成信用等级的确定后，得到划分结果，所述划分结果包括所述多个用户数据针对所述多个信用等级的占比；对所述划分结果按照信用高低进行排序，以得到占比分布结果，所述多个用户数据具备针对所述多个信用等级的按照信用高低排序的第一分布结果；如果所述占比分布结果与所述第一分布结果不一致，则调整至少一个信用等级对应的组合条件或对应的栏位组合中的栏位，直至所述占比分布结果与所述第一分布结果一致。

可选的，所述对于输入的用户数据，根据预先配置的相关性列表选取多个属性信息包括：将所述用户数据的第一属性信息与所述相关性列表中的第二属性信息进行匹配，以得到第二匹配结果；如果所述第二匹配结果表示所述第一属性信息与所述第二属性信息一致，则添加所述第一属性信息至所述多个属性信息。

本发明实施例还公开了一种信用评级装置，信用评级装置包括：属性信息选取模块，适于对于输入的用户数据，根据预先配置的相关性列表从所述用户数据中选取多个属性信息，每一属性信息具备属性值；匹配模块，适于将所述多个属性信息的属性值与多个信用等级各自对应的栏位组合进行匹配，以得到第一匹配结果，每一信用等级对应的栏位组合包括至少一个栏位，每一栏位由所述属性信息的属性值的范围界定；信用等级确定模块，适于如果所述第一匹配结果满足所述多个信用等级中任一信用等级对应的组合条件，则将满足所述组合条件的信用等级确定为所述用户数据的信用等级。

可选的，对于总数达到设定值的多个用户数据，各个信用等级对应的所述用户数据的数量服从正态分布。

可选的，所述信用评级装置还包括：统计模块，适于统计每一信用等级中对应的所述用户数据的数量；比值计算模块，适于计算每一信用等级中对应的所述用户数据的数量与所述用户数据的总数的比值，以得到每一信用等级的数据占比；第一调整模块，适于如果所述多个信用等级中至少一个信用等级的数据占比未达到对应的设定比值，则调整所述至少一个信用等级对应的组合条件或对应的栏位组合中的栏位，直至所述多个信用等级的数据占比均达到对应的设定比值；其中，各个信用等级对应的设定比值服从正态分布。

可选的，所述相关性列表中不包含逾期信息。

可选的，所述信用评级装置还包括：目标信用等级确定模块，适于确定所述用户数据的目标信用等级，所述目标信用等级至少是根据所述用户数据的逾期信息计算得到的；第二调整模块，适于将所述用户数据的信用等级与所述目标信用等级进行比对，并根据比对结果对至少一个信用等级的组合条件或对应的栏位组合中的栏位进行调整。

可选的，所述信用评级装置还包括：划分结果确定模块，适于在对多个用户数据完成信用等级的确定后，得到划分结果，所述划分结果包括所述多个用户数据针对所述多个信用等级的占比；占比分布结果确定模块，适于对所述划分结果按照信用高低进行排序，以得到占比分布结果，所述多个用户数据具备针对所述多个信用等级的按照信用高低排序的第一分布结果；第三调整模块，适于如果所述占比分布结果与所述第一分布结果不一致，则调整至少一个信用等级对应的组合条件或对应的栏位组合中的栏位，直至所述占比分布结果与所述第一分布结果一致。

可选的，所述属性信息选取模块包括：匹配单元，适于将所述用户数据的第一属性信息与所述相关性列表中的第二属性信息进行匹配，以得到第二匹配结果；添加单元，适于如果所述第二匹配结果表示所述第一属性信息与所述第二属性信息一致，则添加所述第一属性信息至所述多个属性信息。

本发明实施例还公开了一种计算机可读存储介质，其上存储有计算机指令，所述计算机指令运行时执行所述信用评级方法的步骤。

本发明实施例还公开了一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，所述处理器运行所述计算机指令时执行所述信用评级方法的步骤。

与现有技术相比，本发明实施例的技术方案具有以下有益效果：

对于输入的用户数据，根据预先配置的相关性列表从所述用户数据中选取多个属性信息，每一属性信息具备属性值；将所述多个属性信息的属性值与多个信用等级各自对应的栏位组合进行匹配，以得到第一匹配结果，每一信用等级对应的栏位组合包括至少一个栏位，每一栏位由所述属性信息的属性值的范围界定；如果所述第一匹配结果满足所述多个信用等级中任一信用等级对应的组合条件，则将满足所述组合条件的信用等级确定为所述用户数据的信用等级。本发明技术方案在用户数据不包含逾期数据时，可以通过相关性列表从用户数据中选取多个属性信息，然后将多个属性信息的属性值与多个信用等级各自对应的栏位以及组合条件进行匹配和判断，来获得用户数据的信用等级；相对于现有技术中人工审批和专家模型法，可以提高信用评级过程的便捷性，同时保证信用等级获取的准确性。

进一步，在对多个用户数据完成信用等级的确定后，得到划分结果，所述划分结果包括所述多个用户数据针对所述多个信用等级的占比；对所述划分结果按照信用高低进行排序，以得到占比分布结果，所述逾期数据具备针对所述多个信用等级的按照信用高低排序的第一分布结果；如果所述占比分布结果与所述第一分布结果不一致，则调整至少一个信用等级对应的组合条件或对应的栏位组合中的栏位，直至所述占比分布结果与所述第一分布结果一致。本发明技术方案还可以使用包含第一分布结果(也即信用历史记录)的用户数据，来对信用评级方法进行验证和调整，从而进一步提高信用评级的准确性。

附图说明

图1是本发明实施例一种信用评级方法的流程图；

图2是本发明实施例一种信用评级装置的结构示意图。

具体实施方式

如背景技术中所述，在业务开展初期往往没有任何逾期数据，也没有任何评级。此时现有技术通常是采用人工审批的方式，并在积累数据到一定阶段以后，才能获得更好的信用评级结果，但数据积累的过程比较长。对于已有业务，也可以采用专家模型法，但是这种方法依赖于专家的水平，往往可靠性不高。

本发明技术方案在用户数据不包含逾期数据时，可以通过相关性列表从用户数据中选取多个属性信息，然后将多个属性信息的属性值与多个信用等级各自对应的栏位以及组合条件进行匹配和判断，来获得用户数据的信用等级；相对于现有技术中人工审批和专家模型法，可以提高信用评级过程的便捷性，同时保证信用等级获取的准确性。

为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

图1是本发明实施例一种信用评级方法的流程图。

图1所示的信用评级方法可以包括以下步骤：

步骤S101：对于输入的用户数据，根据预先配置的相关性列表从所述用户数据中选取多个属性信息，每一属性信息具备属性值；

步骤S102：将所述多个属性信息的属性值与多个信用等级各自对应的栏位组合进行匹配，以得到第一匹配结果，每一信用等级对应的栏位组合包括至少一个栏位，每一栏位由所述属性信息的属性值的范围界定；

步骤S103：如果所述第一匹配结果满足所述多个信用等级中任一信用等级对应的组合条件，则将满足所述组合条件的信用等级确定为所述用户数据的信用等级。

本实施例的信用评级方法可以应用在金融业务中，对获取到的用户数据进行分析得到该用户数据的信用等级。信用等级可以用于辅助后续金融业务的决策。

具体实施中，相关性列表是预先配置的。相关性列表可以是属性信息的列表。相关性列表所列的属性信息可以是指与信用等级相关性较大的属性信息，而相关性列表之外的属性信息可以是指与信用等级相关性较小的属性信息。也就是说，相关性列表所列的属性信息可以用于评估信用等级，相关性列表之外的属性信息则不会用于评估信用等级。

进一步而言，相关性列表是利用相关性原则预先配置的。通过判断属性信息与信用等级的相关性来确定是否将该属性信息加入相关性列表。相关性原则是指，属性信息与信用等级相关或相关性较大，则将该属性信息加入相关性列表；属性信息与信用等级不相关或相关性较小，则拒绝将该属性信息加入相关性列表。

具体而言，在配置相关性列表时，可以将反映用户(例如，借款人)的选择性、倾向性行为或者反映其属性的属性信息加入相关性列表，例如，年龄可以反映借款人的属性，且年龄越大信用越稳定；将不能反映用户的选择性、倾向性行为或者反映其属性的属性信息过滤掉；还可以将反映用户属性但是不能反映用户的倾向性行为的属性信息过滤掉，例如，身份证号码虽然也可以反映借款人的地域属性，但是无法通过身份证号码区分借款人的逾期可能性的差异。

具体实施中，输入的用户数据是需要进行信用评级的，也即需要确定其信用等级，则在步骤S101中，通过相关性列表从所述用户数据中选取多个属性信息。也就是说，用户数据具备的所有属性信息并不会全部用来评估信用等级，而是通过相关性列表筛选出多个属性信息，该多个属性信息可以用于评估信用等级。进一步而言，可以通过读取相关性列表来选取多个属性信息。本实施例通过选取多个属性信息而非直接采用用户数据的全部属性信息，可以减小信用评级过程中的计算量，提高信用评级的快速性；此外，还可以避免过滤掉的属性信息对信用评级的干扰，提高信用评级的准确性。

需要说明的是，选取的多个属性信息的数量可以根据实际的应用环境进行配置，例如可以是5个，本发明实施例对此不做限制。

具体实施中，每一属性信息具备属性值，每一信用等级对应栏位组合。在选取多个属性信息后，在步骤S102中，将多个属性信息的属性值与多个信用等级各自对应的栏位组合进行匹配，以得到第一匹配结果。其中，每一栏位由所述属性信息的属性值的范围界定，例如，栏位可以表示数值范围。具体而言，每一信用等级对应多个属性信息的栏位，例如，信用等级A对应属性信息年龄的栏位为41至55岁，对应属性信息工作年限的栏位为大于48月。则将多个属性信息的属性值与多个信用等级各自对应的栏位组合进行匹配是指，判断该属性信息的属性值是否落入各个信用等级对应的该属性信息的栏位。例如，用户数据的年龄的属性值为43，则判断43是否落入等级A年龄的栏位41至55，由于43落入41至55，因此表示用户数据的年龄与等级A的年龄相匹配。

具体实施中，每一信用等级对应组合条件，所述组合条件可以是该信用等级对应的栏位组合的组合方式。确定第一匹配结果后，在步骤S103中，判断第一匹配结果是否满足所述多个信用等级中任一信用等级对应的组合条件，并将满足所述组合条件的信用等级确定为所述用户数据的信用等级。具体而言，组合条件可以表示与该信用等级对应的栏位组合中的任意设定数量的栏位相匹配，例如，信用等级A对应的栏位组合包括5个栏位，信用等级A对应的组合条件为与信用等级A对应的4个栏位相匹配，则只要用户数据的第一匹配结果表示用户数据与信用等级A对应的4个栏位相匹配，该用户数据的信用等级为A。

相对于现有技术中人工审批和专家模型法，本发明实施例可以提高信用评级过程的便捷性，同时保证信用等级获取的准确性。

优选地，对于总数达到设定值的多个用户数据，各个信用等级对应的所述用户数据的数量服从正态分布。具体而言，信用等级可以表示信用的高低，在分析的用户数据达到一定数量后，例如达到设定值，各个信用等级的所述用户数据的数量服从正态分布，也即信用等级较高和信用等级较低的用户数据较少，其他信用等级的用户数据较多。例如，对于信用依次降低的信用等级A、B、C、D和E，各个信用等级的用户数据所占比例分别为A:10％，B:20％，C:40％，D:20％，E:10％。

可以理解的是，所述设定值在不同的应用环境中可以具有不同的数值大小，本发明实施例对此不做限制。

为了进一步提高信用评级的准确性，还可以通过反馈的方式对信用评级方法进行调整。进一步而言，可以利用信用评级结果对信用等级对应的栏位组合和/或组合条件进行调整，以提高信用评级结果的准确性。

优选地，图1所示的评级方法还可以包括以下步骤：统计每一信用等级中对应的所述用户数据的数量；计算每一信用等级中对应的所述用户数据的数量与所述用户数据的总数的比值，以得到每一信用等级的数据占比；如果所述多个信用等级中至少一个信用等级的数据占比未达到对应的设定比值，则调整所述至少一个信用等级对应的组合条件或对应的栏位组合中的栏位，直至所述多个信用等级的数据占比均达到对应的设定比值；其中，各个信用等级对应的设定比值服从正态分布。

由于各个信用等级对应的所述用户数据的数量服从正态分布，因此可以通过对信用评级结果进行判断是否满足正态分布，来对信用评级方法进行调整，以实现更准则的信用评级。具体实施中，在得到对总数达到设定值的多个用户数据的信用等级后，计算各个信用等级对应的所述用户数据的占比，如果存在信用等级的数据占比未达到对应的设定比值，则调整该信用等级对应的组合条件或对应的栏位组合中的栏位，直至所述多个信用等级的数据占比均达到对应的设定比值。具体地，调整信用等级对应的组合条件可以是更新组合条件，也即对栏位组合的组合方式进行调整，例如，更新组合条件“五个栏位有三个满足”为“五个栏位有四个满足；调整信用等级对应的栏位组合中的栏位可以是更新栏位组合中的至少一个栏位，例如，更新年龄的栏位41-55为26-40。

在本发明实施例一具体应用场景中，用于计算的各个信用等级的数据占比分别为A:8％，B:32％，C:30％，D:21％，E:9％，与设定比值A:10％，B:20％，C:40％，D:20％，E:10％进行比对，信用等级B的数据占比大于对应的设定比值20％，信用等级C的数据占比小于对应的设定比值40％，因此可以调整信用等级B的组合条件“五个栏位有三个满足”为“五个栏位有四个满足”，使得信用等级B中约12％的风险偏低的用户数据移到信用等级C。

可以理解的是，所述设定比值可以根据不同的应用环境中进行适应性的修改和配置；对信用等级对应的组合条件或对应的栏位组合中的栏位进行调整的方式也可以是其他任意可实施的方式，本发明实施例对此不做限制。

优选地，所述相关性列表中不包含逾期信息。由于本实施例中信用评级方法是为了实现在没有逾期信息的前提下进行信用评级，因此在相关性列表中不包含逾期信息，则在步骤S101中，从所述用户数据中选取的多个属性信息也不包含逾期信息。

为了进一步提高信用评级的准确性，还可以使用包含逾期信息的用户数据对信用评级方法进行调整。换言之，可以使用逾期信息与本实施例中信用评级方法得到的信用评级结果进行比对，来对信用评级方法进行调整。

优选地，图1所示的评级方法还可以包括以下步骤：确定所述用户数据的目标信用等级，所述目标信用等级至少是根据所述用户数据的逾期信息计算得到的；将所述用户数据的信用等级与所述目标信用等级进行比对，并根据比对结果对至少一个信用等级的组合条件或对应的栏位组合中的栏位进行调整。

本实施例中，可以采用单一用户数据对比原则进行调整。用户数据中包括逾期信息，则根据该逾期信息可以直接评估得到该用户数据的目标信用等级。将该用户数据的目标信用等级与用户数据的信用等级进行比对，如果目标信用等级与用户数据的信用等级一致，则表示本实施例的信用评级方法可以得到准确的信用等级；否则，需要对该信用等级的组合条件和/或对应的栏位组合中的栏位进行调整。

优选地，图1所示的评级方法还可以包括以下步骤：在对多个用户数据完成信用等级的确定后，得到划分结果，所述划分结果包括所述多个用户数据针对所述多个信用等级的占比；对所述划分结果按照信用高低进行排序，以得到占比分布结果，所述多个用户数据具备针对所述多个信用等级的按照信用高低排序的第一分布结果；如果所述占比分布结果与所述第一分布结果不一致，则调整至少一个信用等级对应的组合条件或对应的栏位组合中的栏位，直至所述占比分布结果与所述第一分布结果一致。

与上一实施例不同的是，本实施例中采用的是多个用户数据整体对比原则。也就是说，计算多个用户数据针对所述多个信用等级的占比，并将多个信用等级的占比的占比分布结果与第一分布结果进行比对，如果占比分布结果与第一分布结果一致，则表示本实施例的信用评级方法可以得到准确的信用等级；否则，需要对占比分布结果与第一分布结果不一致的占比对应的信用等级的组合条件和/或对应的栏位组合中的栏位进行调整。例如，第一分布结果中，第一分布结果中各个信用等级的占比分别为A:0.5％，B:3％，C:4.5％，D:8.5％，E:16％，占比分布结果中各个信用等级的数据占比分别为A:0.5％，B:3％，C:4.5％，D:12％，E:12.5％，则可以对信用等级C或信用等级E的组合条件和/或对应的栏位组合中的栏位进行调整，使得信用等级D中约3.5％的风险偏低的用户数据移到信用等级E。

可以理解的是，第一分布结果可以通过用户数据的逾期信息进行评估计算得到；第一分布结果可以表示用户的真实信用历史记录。

优选地，步骤S101可以包括以下步骤：将所述用户数据的第一属性信息与所述相关性列表中的第二属性信息进行匹配，以得到第二匹配结果；如果所述第二匹配结果表示所述第一属性信息与所述第二属性信息一致，则添加所述第一属性信息至所述多个属性信息。

本实施例中，从所述用户数据中选取多个属性信息时，可以对第一属性信息与第二属性信息进行比对，如果一致，则保留用户数据的第一属性信息，以用于信用评级；否则，该第一属性信息将不会用于信用评级。

在本发明一变化例中，所述信用评级方法可以通过评级模型来实现。下面对评级模型的建立过程进行说明。

评级模型的建立需要样本数据，该样本数据不包含逾期信息。样本数据可以包括多种属性信息。

首先配置相关性列表。将反映用户(例如，借款人)的选择性、倾向性行为或者反映其属性的属性信息加入相关性列表；将不能反映用户的选择性、倾向性行为或者反映其属性的属性信息过滤掉。

然后对相关性列表所列的各个属性信息进行栏位划分。由于不同属性信息的属性值的取值范围不同，因此对于不同属性信息，可以划分为多个不同的栏位。

再对各个等级进行栏位的分配。其中，各个信用等级表示不同高低的信用。具体而言，根据相关性列表所列的各个属性信息的各个栏位所表示的信用高低，分配到相应的信用等级。信用等级对应的栏位与该信用等级表示的信用的高低一致。分配完成后，每一信用等级对应栏位组合，栏位组合包括至少一个栏位。进一步地，可以利用稳定性原则对各个等级进行栏位的分配。稳定性原则是指，栏位表示用户的不稳定性较高，则该栏位可以分配至信用偏低、风险偏大的信用等级；栏位表示用户的稳定性较高，则该栏位可以分配至信用偏高、风险偏小的信用等级。

最后为每一信用等级配置组合条件。至此，评级模型建立完成。

进一步地，评级模型建立之后，还可以利用参考数据对评级模型进行优化。由于各个信用等级的用户数据的数量服从正态分布，因此可以将评级模型输出的评级结果与参考数据进行比对，来对评级模型进行校正。也即，将评级结果中各信用等级的数据比例与满足正态分布时各信用等级的数据比例进行比对，并调整至少一个信用等级对应的栏位或组合条件。

下面结合具体应用场景对本实施例进行详细的阐述。本实施例中业务为借贷业务，用户为借贷人。

样本数据的属性信息可以包括年龄、手机号码在网时长、过去3个月内多头借贷查询次数、在本居住地址的年限、本工作岗位的年限、姓名、申请省份、身份证号码、电话号码。其中，姓名、身份证号码、电话号码不能反映用户的选择性、倾向性行为或者反映其属性，则将其过滤掉，申请省份无法区分用户的逾期可能性的差异，也将其过滤掉。则年龄、手机号码在网时长、过去3个月内多头借贷查询次数、在本居住地址的年限、本工作岗位的年限可以加入相关性列表。

对相关性列表所列的属性信息进行栏位划分，其中，年龄的栏位(单位为岁)包括18-25、26-40、41-55。手机号码在网时长的栏位(单位为月)包括0-3、4-12、13-24、25-36、＞36。过去3个月内多头借贷查询次数的栏位(单位为次)包括0-3、4-6、7-12、13-24、＞24。在本居住地址的年限的栏位(单位为月)包括0-6、7-12、13-36、37-60、＞60。本工作岗位的年限的栏位(单位为月)包括0-6、7-12、13-48、＞48。

本实施例中共五个信用等级：A、B、C、D和E，其中A的信用最高风险最低，B、C、D和E按顺序信用逐渐降低风险逐渐升高。对各个等级进行栏位的分配时，该栏位表示用户的不稳定性较高，则该栏位可以分配至信用偏低、风险偏大的信用等级，反之则分配至信用偏高、风险偏小的信用等级。如对于年龄，年龄越大的用户相对更稳定，其风险偏低；在本居住地址的年限越长的用户相对更稳定，其风险也偏低；同样，手机号码在网时长、本工作岗位年限也是越长越稳定，风险越低。过去3个月内多头借贷查询次数越多说明用户需求大，被拒绝的概率也大，负债的概率也比较大，因此风险更高，信用较低。最后为每一信用等级配置组合条件。

根据上述过程得到的评级模型的逻辑关系可以用表1表示。

表1

在得到评级模型之后，还可以对评级模型进行调整。各个信用等级的所述用户数据的数量服从正态分布，信用等级A、B、C、D和E所占比例分别为A:10％，B:20％，C:40％，D:20％，E:10％。

在利用表1所示评级模型进行评级的结果中，信用等级A、B、C、D和E所占比例分别为A:8％，B:32％，C:30％，D:21％，E:9％。由于信用等级B的数据占比大于对应的设定比值20％，信用等级C的数据占比小于对应的设定比值40％，因此可以调整信用等级B的组合条件“五个栏位有三个满足”为“五个栏位有四个满足”，使得信用等级B中约12％的风险偏低的用户数据移到信用等级C。

调整后的评级模型的逻辑关系可以用表2表示。

表2

利用表2所示评级模型进行评级的结果中，信用等级A、B、C、D和E所占比例分别为：A:8％，B:21％，C:41％，D:21％，E:9％，基本服从正态分布，可以不必再调整。

在进行信用评级的过程中，可以利用评级模型的逻辑关系输出信用评级结果，也即该用户数据的信用等级。

本发明实施例在消费金融业务的初期，即使没有逾期信息，也没有相关领域的专家经验可以借鉴，也能够建立评级模型，有效地进行信用评级。

图2是本发明实施例一种信用评级装置的结构示意图。

图2所示信用评级装置20可以包括属性信息选取模块201、匹配模块202和信用等级确定模块203。

其中，属性信息选取模块201适于对于输入的用户数据，根据预先配置的相关性列表从所述用户数据中选取多个属性信息，每一属性信息具备属性值；匹配模块202适于将所述多个属性信息的属性值与多个信用等级各自对应的栏位组合进行匹配，以得到第一匹配结果，每一信用等级对应的栏位组合包括至少一个栏位，每一栏位由所述属性信息的属性值的范围界定；信用等级确定模块203适于如果所述第一匹配结果满足所述多个信用等级中任一信用等级对应的组合条件，则将满足所述组合条件的信用等级确定为所述用户数据的信用等级。

相对于现有技术中人工审批和专家模型法，本发明实施例可以提高信用评级过程的便捷性，同时保证信用等级获取的准确性。

优选地，对于总数达到设定值的多个用户数据，各个信用等级对应的所述用户数据的数量服从正态分布。

优选地，信用评级装置20可以包括统计模块204、比值计算模块205和第一调整模块206。统计模块204适于统计每一信用等级中对应的所述用户数据的数量；比值计算模块205适于计算每一信用等级中对应的所述用户数据的数量与所述用户数据的总数的比值，以得到每一信用等级的数据占比；第一调整模块206适于如果所述多个信用等级中至少一个信用等级的数据占比未达到对应的设定比值，则调整所述至少一个信用等级对应的组合条件或对应的栏位组合中的栏位，直至所述多个信用等级的数据占比均达到对应的设定比值；其中，各个信用等级对应的设定比值服从正态分布。

优选地，所述相关性列表中不包含逾期信息。

优选地，信用评级装置20还可以包括目标信用等级确定模块207和第二调整模块208。目标信用等级确定模块207适于确定所述用户数据的目标信用等级，所述目标信用等级至少是根据所述用户数据的逾期信息计算得到的；第二调整模块208，适于将所述用户数据的信用等级与所述目标信用等级进行比对，并根据比对结果对至少一个信用等级的组合条件或对应的栏位组合中的栏位进行调整。

优选地，信用评级装置20还可以包括划分结果确定模块209、占比分布结果确定模块210和第三调整模块211。划分结果确定模块209适于在对多个用户数据完成信用等级的确定后，得到划分结果，所述划分结果包括所述多个用户数据针对所述多个信用等级的占比；占比分布结果确定模块210适于对所述划分结果按照信用高低进行排序，以得到占比分布结果，所述多个用户数据具备针对所述多个信用等级的按照信用高低排序的第一分布结果；第三调整模块211适于如果所述占比分布结果与所述第一分布结果不一致，则调整至少一个信用等级对应的组合条件或对应的栏位组合中的栏位，直至所述占比分布结果与所述第一分布结果一致。

本发明实施例可以使用包含第一分布结果(也即信用历史记录)的用户数据，来对信用评级方法进行验证和调整，从而进一步提高信用评级的准确性。

优选地，属性信息选取模块201可以包括匹配单元2011和添加单元2012。匹配单元2011适于将所述用户数据的第一属性信息与所述相关性列表中的第二属性信息进行匹配，以得到第二匹配结果；添加单元2012适于如果所述第二匹配结果表示所述第一属性信息与所述第二属性信息一致，则添加所述第一属性信息至所述多个属性信息。

关于所述信用评级装置20的工作原理、工作方式的更多内容，可以参照前文对图1的相关描述，这里不再赘述。

本发明实施例还公开了一种可读存储介质，其上存储有计算机指令，所述计算机指令运行时可以执行图1中所示的信用评级方法的步骤。所述存储介质可以包括ROM、RAM、磁盘或光盘等。

本发明实施例还公开了一种终端，所述终端可以包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令。所述处理器运行所述计算机指令时可以执行图1中所示的信用评级方法的步骤。所述用户设备包括但不限于手机、计算机、平板电脑等终端设备。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (16)

1.一种信用评级方法，其特征在于，包括：

对于输入的用户数据，根据预先配置的相关性列表从所述用户数据中选取多个属性信息，每一属性信息具备属性值；

将所述多个属性信息的属性值与多个信用等级各自对应的栏位组合进行匹配，以得到第一匹配结果，每一信用等级对应的栏位组合包括至少一个栏位，每一栏位由所述属性信息的属性值的范围界定；

如果所述第一匹配结果满足所述多个信用等级中任一信用等级对应的组合条件，则将满足所述组合条件的信用等级确定为所述用户数据的信用等级。

2.根据权利要求1所述的信用评级方法，其特征在于，对于总数达到设定值的多个用户数据，各个信用等级对应的所述用户数据的数量服从正态分布。

3.根据权利要求1所述的信用评级方法，其特征在于，还包括：

统计每一信用等级中对应的所述用户数据的数量；

计算每一信用等级中对应的所述用户数据的数量与所述用户数据的总数的比值，以得到每一信用等级的数据占比；

如果所述多个信用等级中至少一个信用等级的数据占比未达到对应的设定比值，则调整所述至少一个信用等级对应的组合条件或对应的栏位组合中的栏位，直至所述多个信用等级的数据占比均达到对应的设定比值；

其中，各个信用等级对应的设定比值服从正态分布。

4.根据权利要求1所述的信用评级方法，其特征在于，所述相关性列表中不包含逾期信息。

5.根据权利要求4所述的信用评级方法，其特征在于，还包括：

确定所述用户数据的目标信用等级，所述目标信用等级至少是根据所述用户数据的逾期信息计算得到的；

将所述用户数据的信用等级与所述目标信用等级进行比对，并根据比对结果对至少一个信用等级的组合条件或对应的栏位组合中的栏位进行调整。

6.根据权利要求4所述的信用评级方法，其特征在于，还包括：

在对多个用户数据完成信用等级的确定后，得到划分结果，所述划分结果包括所述多个用户数据针对所述多个信用等级的占比；

对所述划分结果按照信用高低进行排序，以得到占比分布结果，所述多个用户数据具备针对所述多个信用等级的按照信用高低排序的第一分布结果；

如果所述占比分布结果与所述第一分布结果不一致，则调整至少一个信用等级对应的组合条件或对应的栏位组合中的栏位，直至所述占比分布结果与所述第一分布结果一致。

7.根据权利要求1所述的信用评级方法，其特征在于，所述对于输入的用户数据，根据预先配置的相关性列表选取多个属性信息包括：

将所述用户数据的第一属性信息与所述相关性列表中的第二属性信息进行匹配，以得到第二匹配结果；

如果所述第二匹配结果表示所述第一属性信息与所述第二属性信息一致，

则添加所述第一属性信息至所述多个属性信息。

8.一种信用评级装置，其特征在于，包括：

属性信息选取模块，适于对于输入的用户数据，根据预先配置的相关性列表从所述用户数据中选取多个属性信息，每一属性信息具备属性值；

匹配模块，适于将所述多个属性信息的属性值与多个信用等级各自对应的栏位组合进行匹配，以得到第一匹配结果，每一信用等级对应的栏位组合包括至少一个栏位，每一栏位由所述属性信息的属性值的范围界定；

信用等级确定模块，适于如果所述第一匹配结果满足所述多个信用等级中任一信用等级对应的组合条件，则将满足所述组合条件的信用等级确定为所述用户数据的信用等级。

9.根据权利要求8所述的信用评级装置，其特征在于，对于总数达到设定值的多个用户数据，各个信用等级对应的所述用户数据的数量服从正态分布。

10.根据权利要求8所述的信用评级装置，其特征在于，还包括：

统计模块，适于统计每一信用等级中对应的所述用户数据的数量；

比值计算模块，适于计算每一信用等级中对应的所述用户数据的数量与所述用户数据的总数的比值，以得到每一信用等级的数据占比；

第一调整模块，适于如果所述多个信用等级中至少一个信用等级的数据占比未达到对应的设定比值，则调整所述至少一个信用等级对应的组合条件或对应的栏位组合中的栏位，直至所述多个信用等级的数据占比均达到对应的设定比值；

其中，各个信用等级对应的设定比值服从正态分布。

11.根据权利要求8所述的信用评级装置，其特征在于，所述相关性列表中不包含逾期信息。

12.根据权利要求11所述的信用评级装置，其特征在于，还包括：

目标信用等级确定模块，适于确定所述用户数据的目标信用等级，所述目标信用等级至少是根据所述用户数据的逾期信息计算得到的；

第二调整模块，适于将所述用户数据的信用等级与所述目标信用等级进行比对，并根据比对结果对至少一个信用等级的组合条件或对应的栏位组合中的栏位进行调整。

13.根据权利要求11所述的信用评级装置，其特征在于，还包括：

划分结果确定模块，适于在对多个用户数据完成信用等级的确定后，得到划分结果，所述划分结果包括所述多个用户数据针对所述多个信用等级的占比；

占比分布结果确定模块，适于对所述划分结果按照信用高低进行排序，以得到占比分布结果，所述多个用户数据具备针对所述多个信用等级的按照信用高低排序的第一分布结果；

第三调整模块，适于如果所述占比分布结果与所述第一分布结果不一致，则调整至少一个信用等级对应的组合条件或对应的栏位组合中的栏位，直至所述占比分布结果与所述第一分布结果一致。

14.根据权利要求8所述的信用评级装置，其特征在于，所述属性信息选取模块包括：

匹配单元，适于将所述用户数据的第一属性信息与所述相关性列表中的第二属性信息进行匹配，以得到第二匹配结果；

添加单元，适于如果所述第二匹配结果表示所述第一属性信息与所述第二属性信息一致，则添加所述第一属性信息至所述多个属性信息。

15.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1至7中任一项所述信用评级方法的步骤。

16.一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，其特征在于，所述处理器运行所述计算机指令时执行权利要求1至7中任一项所述信用评级方法的步骤。