CN110097460A - 一种信用风险评估方法 - Google Patents
一种信用风险评估方法 Download PDFInfo
- Publication number
- CN110097460A CN110097460A CN201910385834.1A CN201910385834A CN110097460A CN 110097460 A CN110097460 A CN 110097460A CN 201910385834 A CN201910385834 A CN 201910385834A CN 110097460 A CN110097460 A CN 110097460A
- Authority
- CN
- China
- Prior art keywords
- data
- credit
- risk
- assessment
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种信用风险评估方法，包括以下评估步骤：个人原始信用数据的采集、原始信用数据的预处理、分项抽取数据建立评估模型、导入危险数据实现人为评估、分类侧重点二次建立模型和综合信息获得评估结果。本发明中，该信用风险评估方法采用两次分项独立的建模风险评估的方式，既能够将原始数据内的异常不稳定数据进行标注，同时也可以对标注的异常不稳定数据进行二次全面的风险评估处理，实现全面完善的风险评估效果，同时采用人工导入危险数据的冲击方式，能够对原始数据模型起到风险冲击的作用，从而检验原始数据的抗风险性能，防止原始数据模型在受到风险冲击时发生崩塌溃败的现象，进而增强了信用风险评估的抗干扰性。
Description
技术领域
本发明涉及信用风险评估技术领域，尤其涉及一种信用风险评估方法。
背景技术
信用风险又称为交易对方风险或履约风险，指交易对方不履行到期债务的风险，由于结算方式的不同，场内衍生交易和场外衍生交易各自所涉的信用风险也有所不同，随着互联网的快速普及，云计算、大数据、人工智能等技术的应用，为金融创新和发展带来了新的机遇，拓宽了数据边界，随着场景的逐渐多元化，非金融数据对于金融产业的影响越来越大，但是不同数据形成的变量对于我们最终在评估风险或者评估个人的时候，起到的预测周期的能力是不一样的，尤其是在银行在贷款方面，需要对被评估者进行信用风险评估的处理，以确保银行贷款的安全稳定，而传统人为风险评估的方法在实际操作中效率较低，质量较差，无法对被评估者的信用风险进行全面准确的评估处理，满足不了目前的银行评估需求。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种信用风险评估方法。
为了实现上述目的，本发明采用了如下技术方案：一种信用风险评估方法，包括以下评估步骤：
S1:个人原始信用数据的采集，利用人工输入或者互联网导入的不同方式，全面的获取被评估者在评估日之前的所有与信用相关的初始元数据，并对与被评估者有信用关联的其他个人或企业进行初步录入，得到完整的原始数据库；
S2:原始信用数据的预处理，将原始数据库内杂乱无序的数据根据类别和属性的不同进行逐一准确的分类，并对分类后的原始数据进行逐项的清洗，同时对清洗后的数据进行深一层次的挖掘，获取剩余隐藏的信用评估数据；
S3:分项抽取数据建立评估模型，从所有的分项数据组内随机抽取若干个原数据，利用不同的建模结构方式对若干个原数据进行不同类型的建模处理，并根据建立的模型结构进行初步的评估，获取最初的风险评估值；
S4:导入危险数据实现人为评估，依次向各个初步建立的分类模型中人为导入危险异常信用数据，与模型中的常规信用数据进行冲突比较，从而显现出不稳定的信用数据，并对不稳定的数据进行标注；
S5:分类侧重点二次建立模型，拆散初步建立的模型，筛选出不稳定信号后，将剩余的信用数据进行归纳整理，根据初步评估出现的异常点进行二次全面不漏的建模，并有针对性的对模型内的侧重点信用数据进行二次评估检验；
S6:综合信息获得评估结果，结合初步和二次的风险评估的结果报告，以及对被评估者相关背景信息的调查结果，通过银行信用风险评估系统进行综合评估，得到被评估者的信用风险评估值。
作为上述技术方案的进一步描述：
所述步骤S1中个人原始信用数据的采集方向分为银行内部和银行外部两个方向，其中，银行内部可以从被评估者在评估日之前的所有流水账单、信贷账单、资金流向和存余资金等方面进行数据的采集，银行外部可以从与被评估者关联的企业存档信息、第三方预留信息和社保税收信息等方面进行数据的采集。
作为上述技术方案的进一步描述：
所述步骤S2中对于原始数据的清洗方式分为去除非必须数据和查漏补缺两种方式，其中，去除非必须数据可以将原始数据内与信用数据无关的其他数据进行排查，并将这些数据进行删除，查漏补缺可以检测到原始数据内遗漏的数据，并根据采集到的数据进行最小误差的补齐，实现数据的完整性。
作为上述技术方案的进一步描述：
所述步骤S3中数据模型的建模方式采用分类树和节点标注的结构，分类树模型能够从源头对关联的信用数据进行逐一的分类建模，用于实现不同类别数据的快速分类建模，节点标注模型能够对不同数据的边界值进行标注统计，得到各项信用数据的最值范围。
作为上述技术方案的进一步描述：
所述步骤S4中人为导入的危险数据可以初始位置、中段位置和末尾位置进行导入，选用评估日之前市场出现过的信用风险测试数据进行风险预估，起到人为风险干预评估的作用。
作为上述技术方案的进一步描述：
所述步骤S5中对于侧重点的选取采用初步评估后显现出异常数据方面，显现出异常数据的信用数据方面在抗风险安全性上的有所不足，对其进行二次建模评估能够更加确定信用数据的安全性。
作为上述技术方案的进一步描述：
所述步骤S6中银行风险评估系统可以从被评估者的就业前景、个人资产和家庭背景进行综合分析，同时也可以加入银行自身的收益平衡作为最终评估参考价值进行风险评估的最终裁定。
有益效果
本发明提供了一种信用风险评估方法。具备以下有益效果：
(1)：该信用风险评估方法采用两次分项独立的建模风险评估的方式，既能够将原始数据内的异常不稳定数据进行标注，同时也可以对标注的异常不稳定数据进行二次全面的风险评估处理，实现全面完善的风险评估效果，极大的提高了信用风险评估的安全性。
(2)：该信用风险评估方法采用人工导入危险数据的冲击方式，能够对原始数据模型起到风险冲击的作用，从而检验原始数据的抗风险性能，防止原始数据模型在受到意外风险冲击时发生崩塌溃败的现象，进而增强了信用风险评估的抗干扰性。
附图说明
图1为本发明提出的一种信用风险评估方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。
参照图1，一种信用风险评估方法，包括以下评估步骤：
S1:个人原始信用数据的采集，利用人工输入或者互联网导入的不同方式，全面的获取被评估者在评估日之前的所有与信用相关的初始元数据，并对与被评估者有信用关联的其他个人或企业进行初步录入，得到完整的原始数据库；
S2:原始信用数据的预处理，将原始数据库内杂乱无序的数据根据类别和属性的不同进行逐一准确的分类，并对分类后的原始数据进行逐项的清洗，同时对清洗后的数据进行深一层次的挖掘，获取剩余隐藏的信用评估数据；
S3:分项抽取数据建立评估模型，从所有的分项数据组内随机抽取若干个原数据，利用不同的建模结构方式对若干个原数据进行不同类型的建模处理，并根据建立的模型结构进行初步的评估，获取最初的风险评估值；
S4:导入危险数据实现人为评估，依次向各个初步建立的分类模型中人为导入危险异常信用数据，与模型中的常规信用数据进行冲突比较，从而显现出不稳定的信用数据，并对不稳定的数据进行标注；
S5:分类侧重点二次建立模型，拆散初步建立的模型，筛选出不稳定信号后，将剩余的信用数据进行归纳整理，根据初步评估出现的异常点进行二次全面不漏的建模，并有针对性的对模型内的侧重点信用数据进行二次评估检验；
S6:综合信息获得评估结果，结合初步和二次的风险评估的结果报告，以及对被评估者相关背景信息的调查结果，通过银行信用风险评估系统进行综合评估，得到被评估者的信用风险评估值。
步骤S1中个人原始信用数据的采集方向分为银行内部和银行外部两个方向，其中，银行内部可以从被评估者在评估日之前的所有流水账单、信贷账单、资金流向和存余资金等方面进行数据的采集，银行外部可以从与被评估者关联的企业存档信息、第三方预留信息和社保税收信息等方面进行数据的采集。
步骤S2中对于原始数据的清洗方式分为去除非必须数据和查漏补缺两种方式，其中，去除非必须数据可以将原始数据内与信用数据无关的其他数据进行排查，并将这些数据进行删除，查漏补缺可以检测到原始数据内遗漏的数据，并根据采集到的数据进行最小误差的补齐，实现数据的完整性。
步骤S3中数据模型的建模方式采用分类树和节点标注的结构，分类树模型能够从源头对关联的信用数据进行逐一的分类建模，用于实现不同类别数据的快速分类建模，节点标注模型能够对不同数据的边界值进行标注统计，得到各项信用数据的最值范围。
步骤S4中人为导入的危险数据可以初始位置、中段位置和末尾位置进行导入，选用评估日之前市场出现过的信用风险测试数据进行风险预估，起到人为风险干预评估的作用。
步骤S5中对于侧重点的选取采用初步评估后显现出异常数据方面，显现出异常数据的信用数据方面在抗风险安全性上的有所不足，对其进行二次建模评估能够更加确定信用数据的安全性。
步骤S6中银行风险评估系统可以从被评估者的就业前景、个人资产和家庭背景进行综合分析，同时也可以加入银行自身的收益平衡作为最终评估参考价值进行风险评估的最终裁定。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料过着特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种信用风险评估方法，其特征在于，包括以下评估步骤：
S1:个人原始信用数据的采集，利用人工输入或者互联网导入的不同方式，全面的获取被评估者在评估日之前的所有与信用相关的初始元数据，并对与被评估者有信用关联的其他个人或企业进行初步录入，得到完整的原始数据库；
S2:原始信用数据的预处理，将原始数据库内杂乱无序的数据根据类别和属性的不同进行逐一准确的分类，并对分类后的原始数据进行逐项的清洗，同时对清洗后的数据进行深一层次的挖掘，获取剩余隐藏的信用评估数据；
S3:分项抽取数据建立评估模型，从所有的分项数据组内随机抽取若干个原数据，利用不同的建模结构方式对若干个原数据进行不同类型的建模处理，并根据建立的模型结构进行初步的评估，获取最初的风险评估值；
S4:导入危险数据实现人为评估，依次向各个初步建立的分类模型中人为导入危险异常信用数据，与模型中的常规信用数据进行冲突比较，从而显现出不稳定的信用数据，并对不稳定的数据进行标注；
S5:分类侧重点二次建立模型，拆散初步建立的模型，筛选出不稳定信号后，将剩余的信用数据进行归纳整理，根据初步评估出现的异常点进行二次全面不漏的建模，并有针对性的对模型内的侧重点信用数据进行二次评估检验；
S6:综合信息获得评估结果，结合初步和二次的风险评估的结果报告，以及对被评估者相关背景信息的调查结果，通过银行信用风险评估系统进行综合评估，得到被评估者的信用风险评估值。
2.根据权利要求1所述的一种信用风险评估方法，其特征在于，所述步骤S1中个人原始信用数据的采集方向分为银行内部和银行外部两个方向，其中，银行内部可以从被评估者在评估日之前的所有流水账单、信贷账单、资金流向和存余资金等方面进行数据的采集，银行外部可以从与被评估者关联的企业存档信息、第三方预留信息和社保税收信息等方面进行数据的采集。
3.根据权利要求1所述的一种信用风险评估方法，其特征在于，所述步骤S2中对于原始数据的清洗方式分为去除非必须数据和查漏补缺两种方式，其中，去除非必须数据可以将原始数据内与信用数据无关的其他数据进行排查，并将这些数据进行删除，查漏补缺可以检测到原始数据内遗漏的数据，并根据采集到的数据进行最小误差的补齐，实现数据的完整性。
4.根据权利要求1所述的一种信用风险评估方法，其特征在于，所述步骤S3中数据模型的建模方式采用分类树和节点标注的结构，分类树模型能够从源头对关联的信用数据进行逐一的分类建模，用于实现不同类别数据的快速分类建模，节点标注模型能够对不同数据的边界值进行标注统计，得到各项信用数据的最值范围。
5.根据权利要求1所述的一种信用风险评估方法，其特征在于，所述步骤S4中人为导入的危险数据可以初始位置、中段位置和末尾位置进行导入，选用评估日之前市场出现过的信用风险测试数据进行风险预估，起到人为风险干预评估的作用。
6.根据权利要求1所述的一种信用风险评估方法，其特征在于，所述步骤S5中对于侧重点的选取采用初步评估后显现出异常数据方面，显现出异常数据的信用数据方面在抗风险安全性上的有所不足，对其进行二次建模评估能够更加确定信用数据的安全性。
7.根据权利要求1所述的一种信用风险评估方法，其特征在于，所述步骤S6中银行风险评估系统可以从被评估者的就业前景、个人资产和家庭背景进行综合分析，同时也可以加入银行自身的收益平衡作为最终评估参考价值进行风险评估的最终裁定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910385834.1A CN110097460A (zh) | 2019-05-09 | 2019-05-09 | 一种信用风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910385834.1A CN110097460A (zh) | 2019-05-09 | 2019-05-09 | 一种信用风险评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110097460A true CN110097460A (zh) | 2019-08-06 |
Family
ID=67447539
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910385834.1A Pending CN110097460A (zh) | 2019-05-09 | 2019-05-09 | 一种信用风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110097460A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112561682A (zh) * | 2020-12-10 | 2021-03-26 | 中信银行股份有限公司 | 一种针对小微企业的银行授信风险评估方法及系统 |
| CN114997750A (zh) * | 2022-08-03 | 2022-09-02 | 广东知得失网络科技有限公司 | 一种风险信息推送方法、系统、设备和介质 |
| CN118014373A (zh) * | 2024-04-08 | 2024-05-10 | 中国汽车技术研究中心有限公司 | 一种基于数据质量监测的风险识别模型及其构建方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180032870A1 (en) * | 2015-10-22 | 2018-02-01 | Tencent Technology (Shenzhen) Company Limited | Evaluation method and apparatus based on text analysis, and storage medium |
| CN109584052A (zh) * | 2019-01-31 | 2019-04-05 | 上海孚厘金融信息服务有限公司 | 客户信用风险评估方法及系统 |
-
2019
- 2019-05-09 CN CN201910385834.1A patent/CN110097460A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180032870A1 (en) * | 2015-10-22 | 2018-02-01 | Tencent Technology (Shenzhen) Company Limited | Evaluation method and apparatus based on text analysis, and storage medium |
| CN109584052A (zh) * | 2019-01-31 | 2019-04-05 | 上海孚厘金融信息服务有限公司 | 客户信用风险评估方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 张万军: "基于大数据的个人信用风险评估模型研究", 《中国博士学位论文全文数据库 经济与管理科学辑（月刊）》 * |
| 拍拍信: "干货丨个人信用评估模型在风控流程中的应用", 《搜狐网》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112561682A (zh) * | 2020-12-10 | 2021-03-26 | 中信银行股份有限公司 | 一种针对小微企业的银行授信风险评估方法及系统 |
| CN114997750A (zh) * | 2022-08-03 | 2022-09-02 | 广东知得失网络科技有限公司 | 一种风险信息推送方法、系统、设备和介质 |
| CN114997750B (zh) * | 2022-08-03 | 2022-10-25 | 广东知得失网络科技有限公司 | 一种风险信息推送方法、系统、设备和介质 |
| CN118014373A (zh) * | 2024-04-08 | 2024-05-10 | 中国汽车技术研究中心有限公司 | 一种基于数据质量监测的风险识别模型及其构建方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nguyen et al. | Analyze the determinants of capital structure for Vietnamese real estate listed companies | |
| Hull et al. | CVA and wrong-way risk | |
| CN109492945A (zh) | 企业风险识别监控方法、装置、设备及存储介质 | |
| Mara | Determinants of tax havens | |
| CN110097460A (zh) | 一种信用风险评估方法 | |
| TW201723968A (zh) | 監控可疑交易的方法 | |
| CN104616198A (zh) | 一种基于文本分析的p2p网络借贷风险预测系统 | |
| CN107704512A (zh) | 基于社交数据的金融产品推荐方法、电子装置及介质 | |
| CN107705036A (zh) | 基于多维度数据的动态信用评估方法及系统 | |
| Ali et al. | Connectedness and portfolio management between renewable energy tokens and metals: Evidence from TVP-VAR approach | |
| CN107169864A (zh) | 一种基于复杂网络的信用卡客户欺诈风险特征提取方法 | |
| CN105631783A (zh) | 一种客观量化的中国发明专利评估系统及方法 | |
| CN110728570B (zh) | 反诈资金分析方法 | |
| CN110363659A (zh) | 一种基于区块链技术的风险评估分析方法 | |
| CN108537653A (zh) | 一种用于担保网络贷款中欺诈模式检测的方法 | |
| CN109086927A (zh) | 结合大数据舆情分析与融合模型的多因子交易方法 | |
| CN110222180A (zh) | 一种文本数据分类与信息挖掘方法 | |
| Ballotta et al. | A gentle introduction to value at risk | |
| CN107515928A (zh) | 一种判断资产价格走势的方法、装置、服务器、存储介质 | |
| Brooks et al. | The gross truth about hedge fund performance and risk: The impact of incentive fees | |
| CN107292477A (zh) | 一种基于公司经营健康状况的信用评估方法 | |
| Xie et al. | Analysis of influencing factors of internet lending adoption in China: Internet lending adoption in China | |
| Varvara et al. | Capital structure in emerging markets: evidence from China | |
| CN109726239A (zh) | 一种对取证数据进行分析的方法、装置及可读存储介质 | |
| CN108492176A (zh) | 一种p2p借贷平台运营风险评估系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190806 |