CN109872231A - 一种基于动态集对分析的个人信用评估方法及系统 - Google Patents

Abstract

本发明属于个人征信技术领域，涉及一种基于动态集对分析的个人信用评估方法及系统。所述基于动态集对分析的个人信用评估方法，包括校验步骤，接收个人信用评估申请，并对申请身份校验；信用评估过程，从数据库读取被申请人的历史信用信息，利用动态集对分析模型对被申请人的历史信用信息进行信用评估；生成评估报告，根据信用评估结果生成信用评估报告。本发明通过动态集对分析，对个人历史信用信息中的确定性和不确定性进行综合考虑，使本发明更具普适性和更加准确。

Description

一种基于动态集对分析的个人信用评估方法及系统

技术领域

本发明属于征信评估技术领域，涉及一种基于动态集对分析的个人信用评估方法及系统。

背景技术

个人信用评估是以个人为征信客体的征信活动，通过依法设立的第三方中介机构，把分散在社会各个方面的个人信用信息通过合法手段进行采集、加工、存储，形成个人信用档案，并根据金融、商业等机构的要求提供个人信用信息查询和评估服务的活动。个人信用评估是伴随着金融体系中面向个人信贷业务的发展而兴起的，在欧美国家已有多年的发展历史，而在中国内地，个人信用评估在一些地方刚刚起步。与企业评估机构相比，个人信用评级不仅机构少，而且没有一个统一的操作规范，评估标准有很大的差异。因此，如何建立合理的个人信用评估体系，提高对个人信用评估的合理性和准确性，成为我国个人信用体系建设的重点之一。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于动态集对分析的个人信用评估方法及系统，以提高对个人信用评估的准确性。

为了实现上述目的，本发明采用了以下技术方案：

一种基于动态集对分析的个人信用评估方法，包括以下步骤，

校验步骤，接收个人信用评估申请，并对申请身份校验；

信用评估过程，从数据库读取被申请人的历史信用信息，利用动态集对分析模型对被申请人的历史信用信息进行信用评估；

生成评估报告，根据信用评估结果生成信用评估报告。

进一步的，所述新颖评估过程包括，

计算t时刻被申请人的信用集对的联系度；

分别计算被申请人信用集对中相同特性、相异特性和相反特性在t+T周期内的转移向量；

计算t+T时刻信用集对的联系度，并计算稳态时信用集对的联系度。

进一步的，所述t时刻的信用集对的联系度，

式中

其中μ^t表示t时刻的信用集对的联系度；其中N代表信用集对中的特性个数，S_t表示t时刻相同特性个数，P_t表示t时刻相异特性个数，Q_t表示t时刻相反特性个数；a^t＝S_t/N，b^t＝p_t/N，c^t＝Q_t/N；其中表示信用集对中各特性在t时刻重编后的各序号对应的权重；i为差异度系数，j为对立度系数。

进一步的，所述相同特性的转移向量，

其中表示S_t在[t，t+T]周期内的转移向量；S_t表示t时刻相同特性的个数，S_t1表示在t+T时刻相同特性的个数，S_t2表示在[t，t+T]周期内相同特性变为相异特性的个数，所述S_t3表示在[t，t+T]周期内相同特性变为相反特性的个数，S_t1+S_t2+S_t3＝S_t；其中

进一步的，所述t+T时刻信用集对的联系度，

μ^t+T＝a^t+T+b^t+Ti+c^t+rj＝(a^t，b^t，c^t)oM o(1，i，j)

其中M是集对H在[t，t+T]期间的同异反转移矩阵。

进一步的，所述生成评估报告过程包括，

根据信用集对中的相同特性和相反特性计算各时刻的集对势；

计算信用集对在稳态时的稳态势；

并将各集对势与稳态势进行对比，统计对比结果，生成信用评估报告。

进一步的，所述基于动态集对分析的个人信用评估方法还包括更新个人历史信用信息的步骤。

此外，本发明还提供了一种基于动态集对分析的个人信用评估系统，包括，数据库模块，用于存储个人历史信用信息；

校验模块，用于接收个人信用评估申请，并对申请身份进行校验；

信用评估模块，从数据库模块读取被申请人的历史信用信息，利用动态集对分析模型对被申请人的历史信用信息进行信用评估；

评估报告生成模块，通过信用评估结果生成信用评估报告。

进一步的，所述信用评估模块包括，

第一信用集对联系度计算模块，用于计算某时刻被申请人的信用集对的联系度；

转移向量计算模块，用于计算被申请人信用集对中相同特性、相异特性和相反特性在[t，t+T]周期内的转移向量；

第二信用集对联系度计算模块，用于计算稳态时信用集对的联系度。

进一步的，所述评估报告生成模块包括，

集对势计算模块，用于根据信用集对中的相同特性和相反特性计算各时刻的集对势；

稳态势计算模块，用于计算信用集对在稳态时的稳态势；

比较模块，用于将各集对势与稳态势进行对比，统计对比结果，生成信用评估报告。

本发明的有益效果：

第一，以往个人信用评估是个精确的过程，而现实中的个人信用普遍存在不确定因素，本发明对信用评估中的不确定性采取客观承认的态度，将确定性和不确定性作为一个系统来处理，使本发明的方法具有良好的普适性。第二，以往个人信用评估是个相对静态的过程，对个人以往的信用历史数据挖掘不充分，没有充分利用个人信用的惯性，本发明建立了基于马尔可夫链的集对分析的动态模型，对个人信用评估更加准确。

附图说明

附图1是基于动态集对分析的个人信用评估系统的结构示意图；

附图2是基于动态集对分析的个人信用评估方法的流程图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，应理解，本申请不受这里公开描述的示例实施例的限制。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

集对理论是一种蕴含辩证统一思想的系统分析理论，用于刻画和研究广泛存在于复杂系统中的确定性因素和不确定性因素及其影响、制约和转化机制。集对即具有一定联系的两个集合组成的耦合对，用集对理论可以探讨特定背景下集对之间的确定性联系和不确定差异，通过联系数加以度量刻画。个人信用的发展是一个动态的系统过程，本发明采用动态集对分析方法来进行个人信用的评估。

假设一个集对H由集合A和集合B组成，即H＝(A，B)，在某一条件下，集对H共有N个特性，其中S个特性为两个集合所共有，即相同特性；其中Q个特性为两个集合所对立，即相反特性；其余P个特性既不是两个集合所共有也不是两个集合所对立，属于关系不确定型，即相异特性。具体联系度可以通过数学表达式表述：

其中，μ表示联系度，用于反映两个集合的关联程度；其中，i表示差异度系数，j表示对立度系数；应当理解的是，i和j仅用作标记使用。其中S/N表示两个集合的同一度，简记为a；其中P/N用于表示两个集合的差异度，简记为b；其中Q/N用于表示两个集合的对立度，简记为c；且a+b+c＝1。

参考附图1所示，是基于动态集对分析的个人信用评估系统的结构示意图。

实施例中，所述基于动态集对分析的个人信用评估系统包括数据库模块13、校验模块10、信用评估模块11和评估报告生成模块12。

实施例中，所述数据库模块13可以是硬盘、闪存、多媒体卡、卡型存储器等可读存储介质；所述数据库模块13用于存储个人历史信用信息；所述个人历史信用信息可有信用评估模块进行信息更新。在一些实施例中，所述数据库模块13可以是基于动态集对分析的个人信用评估系统的内部存储单元，例如主机硬盘。在另外一些实施例中，所述数据库模块13还可以是基于动态集对分析的个人信用评估系统外部存储介质，例如插接式硬盘、智能存储卡、安全数字卡、闪存卡等。

实施例中，所述校验模块10用于接收个人信用评估申请，并对申请身份进行校验。在一些实施例中，仅允许申请者本人或者法律允许的授权单位进行个人信用评估申请，所述校验模块10对申请者的身份进行校验，通过校验的申请方可进行后续评估操作，未通过校验的申请则给出拒绝信息。

所述信用评估模块11用于对被申请人的历史信用信息进行评估，具体为，从数据库模块13读取被申请人的历史信用信息，利用动态集对分析模型对被申请人的历史信用信息进行信用评估。

在一些实施例中，所述信用评估模块11包括用于计算某时刻被申请人的信用集对的联系度的第一信用集对联系度计算模块，用于计算被申请人信用集对中相同特性、相异特性和相反特性在[t，t+T]周期内的转移向量的转移向量计算模块，以及用于计算稳态时信用集对的联系度的第二信用集对联系度计算模块。在具体使用时，所述第一信用集对联系度计算模块、转移向量计算模块和第二信用集对联系度计算模块进行如下操作：

由所述第一信用集对联系度计算模块计算t时刻的信用集对的联系度μ^t，

式中

其中N代表信用集对中的特性个数，S_t表示t时刻相同特性个数，P_t表示t时刻相异特性个数，Q_t表示t时刻相反特性个数，且S_t+P_t+Q_t＝N；其中a^t＝S_t/N，b^t＝p_t/N，c^t＝Q_t/N；其中表示信用集对中各特性在t时刻重编后的各序号对应的权重。

由所述转移向量计算模块计算信用集对中相同特性、相异特性和相反特性在[t，t+T]周期内的转移向量，

例如，计算相同特性在[t，t+T]周期内的转移向量

其中S_t表示t时刻相同特性的个数，S_t1表示在t+T时刻相同特性的个数，S_t2表示在[t，t+T]周期内相同特性变为相异特性的个数，所述S_t3表示在[t，t+T]周期内相同特性变为相反特性的个数，S_t1+S_t2+S_t3＝S_t；其中

实施例中，同理可求得P_t在[t，t+T]周期内的转移向量和Q_t在[t，t+T]周期内的转移向量

在一些实施例中，由所述第一信用集对联系度计算模块，计算t+T时刻信用集对的联系度μ^t+T，具体为，

μ^t+T＝a^t+T+b^t+Ti+c^t+Tj＝(a^t，b^t，c^t)oM o(1，i，j)，

其中M是集对H在[t，t+T]期间的同异反转移矩阵。

实施例中，设定转移矩阵M为常数矩阵，则在n个周期后，信用集对的联系度H的联系度为，

μ^t+nT＝a^t+nT+b^t+nTi+c^t+nTj＝(a^t，b^t，c^t)oMⁿo(1，i，j)，

可知，随着n的增加，Mⁿ将趋于稳定。

实施例中，设定μ＝a+bi+cj为区域稳定的联系度，根据马尔可夫链的性质，由第二信用集对联系度计算模块求解下列方程组即可求得信用集对H的稳态时的联系度，

其中I是单位矩阵。

在一些实施例中，所述计算t+T时刻信用集对的联系度μ^t+T可有另置的第三信用集对联系度计算模块完成，即所述信用评估模块11还包括第三信用集对联系度计算模块完成。

实施例中，所述评估报告生成模块12，通过信用评估结果生成信用评估报告。在一些实施例中，所述评估报告生成模块12包括用于根据信用集对中的相同特性和相反特性计算各时刻的集对势的集对势计算模块，用于计算信用集对在稳态时的稳态势的稳态势计算模块，以及用于将各集对势与稳态势进行对比，统计对比结果，生成信用评估报告的比较模块。

实施例中，所述稳态势计算模块具体操作如下步骤，当信用集对的稳态联系度μ＝a+bi+cj中c≠0时，同一度和对立度的比值成为信用集对在制定问题背景下的联系势或集对势，在本实施例中记为集对势，用shi(H)＝a/c表示；若a/c＞1称为集对同势，若a/c＝1称为集对均势，若a/c＜1称为集对反势。

由所述集对势计算模块分别计算各时刻的信用集对的集对势，其计算过程同稳态势的计算过程，在此不再赘述。

再由比较模块将各时刻的集对势与稳态势进行比对，当各时刻的集对势均为集对同势，且均在稳态势上下波动时，说明该信用评估的结果为优秀，整体上该被申请者的个人信用具有较好的稳定性，并生成相应的信用评估报告。

应当理解的是，所实施例中仅介绍了基于动态集对分析的个人信用评估系统的一部分结构，当然还可以包括用于显示信用评估报告的显示模块，用于播报错误的语音模块，用于传输信息的网络模块等其他组件，在此不再一一赘述。

参考附图2所示，本发明还提供了一种基于动态集对分析的个人信用评估方法，图2为一实施例中基于动态集对分析的个人信用评估方法的流程图，包括以下步骤：

S200，接收申请人的信用评估申请，并对申请人的身份进行校验；当申请人为被申请人本人时或者设定的合法授权人时，方可进行后续信用评估过程；当申请未通过校验时，输出校验失败。

S210，信用评估模块从数据库模块读取被申请人的历史信用信息，并将获取的历史信用信息设定为两个集合A和B，确定信用集对H；

S220，计算t时刻的信用集对的联系度。

S230，分别计算信用集对的相同特征、相异特征和相反特征在[t，t+T]周期内转移向量。

S240，计算t+T时刻信用集对的联系度，并计算稳态时信用集对的联系度。

S250，对被申请人的进行信用评估，并输出信用评估报告。具体为，分别计算信用集对的稳态势，以及各时刻的集对势；并将各时刻的集对势与稳态势进行比对，当各时刻的集对势均为集对同势，且均在稳态势上下波动时，说明该信用评估的结果为优秀，整体上该被申请者的个人信用具有较好的稳定性，并生成相应的信用评估报告。

在一些实施例中，所述基于动态集对分析的个人信用评估方法还包括对历史信用信息更新的过程，即根据日常中的新增的个人信用信息补充至数据库模块中，更新个人的历史信用信息。

下面以具体场景进行陈述，参见表1为被申请人的历史信用信息，其中A表示相同特征，B表示相异特征，C表示对立特征。

表1

分别计算的各时刻信用集对的联系度为；

μ₁＝0.62+0.30i+0.08j，μ₂＝0.48+0.36i+0.16j，

μ₃＝0.69+0.22i+0.09j，μ₄＝0.57+0.26i+0.17j

μ₅＝0.66+0.26i+0.08j，μ₆＝0.45+0.51i+0.04j。

经过信用集对的相同特征、相异特征和相反特征在[t，t+T]周期内的转移向量计算得T1～T6的同异反转移矩阵为：

分别对T1～T6的各同异反转移矩阵赋权W＝[0.10，0.15，0.20，0.25，0.30]，则加权平均转移矩阵为：

通过加权平均转移矩阵M和平均质量评估联系度表达式可以对T₇时刻的信用集对的联系度进行预测：

同时求得稳态时的信用集对的联系度为：

shi(H)₁＝7.7500，shi(H)₂＝3.0000

shi(H)₃＝7.6667，shi(H)₄＝3.3529

shi(H)₅＝8.2500，shi(H)₆＝11.2500

shi(H)₇＝6.2096

shi(H)＝6.1421

由此可知各时刻的集对势均大于1，为集对同势，且均在稳态势的上下浮动，说明该被申请人的信用评估结果为优秀。在一些实施例中，浮动的幅度大小可根据实际情况进行设定。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于动态集对分析的个人信用评估方法，其特征在于，包括以下步骤，

校验步骤，接收个人信用评估申请，并对申请身份校验；

信用评估过程，从数据库读取被申请人的历史信用信息，利用动态集对分析模型对被申请人的历史信用信息进行信用评估；

生成评估报告，根据信用评估结果生成信用评估报告。

2.根据权利要求1所述的基于动态集对分析的个人信用评估方法，其特征在于，所述新颖评估过程包括，

计算t时刻被申请人的信用集对的联系度；

分别计算被申请人信用集对中相同特性、相异特性和相反特性在t+T周期内的转移向量；

计算t+T时刻信用集对的联系度，并计算稳态时信用集对的联系度。

3.根据权利要求2所述的基于动态集对分析的个人信用评估方法，其特征在于，所述t时刻的信用集对的联系度，

式中

其中μ^t表示t时刻的信用集对的联系度；其中N代表信用集对中的特性个数，S_t表示t时刻相同特性个数，P_t表示t时刻相异特性个数，Q_t表示t时刻相反特性个数；a^t＝S_t/N，b^t＝P_t/N，c^t＝Q_t/N；其中表示信用集对中各特性在t时刻重编后的各序号对应的权重；i为差异度系数，j为对立度系数。

4.根据权利要求2所述的基于动态集对分析的个人信用评估方法，其特征在于，所述相同特性的转移向量，

其中表示S_t在[t，t+T]周期内的转移向量；S_t表示t时刻相同特性的个数，S_t1表示在t+T时刻相同特性的个数，S_t2表示在[t，t+T]周期内相同特性变为相异特性的个数，所述S_t3表示在[t，t+T]周期内相同特性变为相反特性的个数，S_t1+S_t2+S_t3＝S_t；其中

5.根据权利要求2所述的基于动态集对分析的个人信用评估方法，其特征在于，所述t+T时刻信用集对的联系度，

μ^t+T＝a^t+T+b^t+Ti+c^t+Tj＝(a^t，b^t，c^t)oMo(l，i，j)

其中M是集对H在[t，t+T]期间的同异反转移矩阵。

6.根据权利要求1所述的基于动态集对分析的个人信用评估方法，其特征在于，所述生成评估报告过程包括，

根据信用集对中的相同特性和相反特性计算各时刻的集对势；

计算信用集对在稳态时的稳态势；

并将各集对势与稳态势进行对比，统计对比结果，生成信用评估报告。

7.根据权利要求1所述的基于动态集对分析的个人信用评估方法，其特征在于，所述基于动态集对分析的个人信用评估方法还包括更新个人历史信用信息的步骤。

8.一种基于动态集对分析的个人信用评估系统，其特征在于，包括，

数据库模块，用于存储个人历史信用信息；

校验模块，用于接收个人信用评估申请，并对申请身份进行校验；

信用评估模块，从数据库模块读取被申请人的历史信用信息，利用动态集对分析模型对被申请人的历史信用信息进行信用评估；

评估报告生成模块，通过信用评估结果生成信用评估报告。

9.根据权利要求8所述的基于动态集对分析的个人信用评估系统，其特征在于，所述信用评估模块包括，

第一信用集对联系度计算模块，用于计算某时刻被申请人的信用集对的联系度；

转移向量计算模块，用于计算被申请人信用集对中相同特性、相异特性和相反特性在[t，t+T]周期内的转移向量；

第二信用集对联系度计算模块，用于计算稳态时信用集对的联系度。

10.根据权利要求8所述的基于动态集对分析的个人信用评估系统，其特征在于，所述评估报告生成模块包括，

集对势计算模块，用于根据信用集对中的相同特性和相反特性计算各时刻的集对势；

稳态势计算模块，用于计算信用集对在稳态时的稳态势；

比较模块，用于将各集对势与稳态势进行对比，统计对比结果，生成信用评估报告。