CN110443698A - 信用评估装置和信用评估系统 - Google Patents

Abstract

本申请实施例提供一种信用评估装置和信用评估系统，通过获取模块，用于根据企业的贷款请求，获取所述企业的评估数据；判断评估模块，用于将根据所述企业的评估数据判断所述企业是否满足参与信用评估的准入条件；若是，则根据所述企业的评估数据对所述企业进行信用评估；若否，则拒绝所述申请企业的贷款请求，消除了金融机构与中小企业之间的信息不对称，帮助金融机构对中小企业进行了筛选，给高信用的中小企业提供贷款，建立信贷联系，保证了金融机构的资金安全，稳定了资金收益，同时也解决了中小企业融资难，融资贵的问题，促进了国民经济的发展。

Description

信用评估装置和信用评估系统

技术领域

本申请实施例涉及互联网技术领域，尤其涉及一种信用评估装置和信用评估系统。

背景技术

中小企业通常是指人员规模、经营规模相对较小的企业，具体包括中型企业、小型企业和微型企业。这些企业通常可由单个人或少数人提供资金组成，其雇用人数与营业额皆不大，因此在经营上多半是由业主直接管理，受外界干涉较少。中小企业自身规模较小，资质较差，融资渠道较为单一，主要通过银行等金融机构进行融资。对于金融机构来说，需要按照监管部门的要求，防控风险，不良资产不能上升。这就需要金融机构在给中小企业放款时，必须考虑到资金安全，给信用优质的中小企业提供贷款，拒绝给信用不良的中小企业提供贷款。

现有技术中，由于金融机构与中小企业之间信息不对称等原因，导致金融机构往往难以确定中小企业的发展前景与经营状况，也就无法确定中小企业的信用情况，因此也就不会给中小企业提供贷款或者给中小企业提供贷款的额度较小，造成了90％的中小企业融资需求未获得满足。

因此，亟待提供一种基于大数据分析的技术方案，以解决现有技术中的上述技术问题。

发明内容

有鉴于此，本申请实施例所解决的技术问题之一在于提供一种信用评估装置和信用评估系统，用以克服现有技术中的部分缺陷。

一方面，本申请实施例提供了一种信用评估装置，包括：获取模块，判断评估模块；

所述获取模块用于根据企业的贷款请求，获取所述企业的评估数据；

所述判断评估模块用于根据所述企业的评估数据判断所述企业是否满足参与信用评估的准入条件；若是，则根据所述企业的评估数据对所述企业进行信用评估；若否，则拒绝所述申请企业的贷款请求。

可选地，在本申请的任一实施例中，所述判断评估模块进一步用于使信用评估准入模型对所述企业的评估数据进行处理得到与所述信用评估准入模型的准入指标对应的所述企业的特征值，根据所述企业的特征值判断所述企业是否满足参与信用评估的准入条件。

可选地，在本申请的任一实施例中，所述判断评估模块进一步用于使得所述信用评估准入模型判断所述企业的每个特征值是否超过与其对应的每个所述准入指标的阈值。

可选地，在本申请的任一实施例中，还包括信用评估准入模型训练模块，用于根据样本企业的样本评估数据对所述信用评估准入模型进行训练，确定所述参与信用评估的准入条件。

可选地，在本申请的任一实施例中，所述信用评估准入模型训练模块进一步用于对所述样本评估数据进行处理得到与所述信用评估准入模型的准入指标对应的所述样本企业的样本特征值，并确定与所述准入指标对应的所述样本企业中履约企业和违约企业的分布情况，根据所述样本特征值和所述分布情况对所述信用评估准入模型进行训练，确定所述参与信用评估的准入条件。

可选地，在本申请的任一实施例中，还包括准入指标选取模块，用于根据与所述准入指标对应的所述样本企业中履约企业和违约企业的分布情况和与其对应的所述样本特征值判断所述准入指标是否可以作为所述信用评估准入模型的准入指标。

可选地，在本申请的任一实施例中，所述判断评估模块进一步使得所述信用评估模型根据所述企业的评估数据得到所述企业的成长评估分数和/或履约评估分数，并根据所述企业的成长评估分数和/或履约评估分数得到所述企业的信用评估分数，根据所述企业的信用评估分数对所述企业进行信用评估。

可选地，在本申请的任一实施例中，所述判断评估模块还用于使额度评估模型根据信用评估结果和所述企业的评估数据确定所述企业的贷款额度。

可选地，在本申请的任一实施例中，还包括模型验证模块，用于根据样本企业的样本评估数据和样本企业的信用情况对所述信用评估模型的模型拟合优度和/或模型区分能力进行验证。

另一方面，本申请实施例提供了一种信用评估系统，包括：数据服务器和前端设备；

所述数据服务器用于存储企业的评估数据；

所述前端设备配置有一个或者多个处理器，所述处理器用于根据企业的贷款请求，获取所述企业的评估数据；根据所述企业的评估数据判断所述企业是否满足参与信用评估的准入条件；若是，则根据所述企业的评估数据对所述企业进行信用评估；若否，则拒绝所述申请企业的贷款请求。

本申请实施例的信用评估装置和信用评估系统，通过获取模块，用于根据企业的贷款请求，获取所述企业的评估数据；判断评估模块，用于将根据所述企业的评估数据判断所述企业是否满足参与信用评估的准入条件；若是，则根据所述企业的评估数据对所述企业进行信用评估；若否，则拒绝所述申请企业的贷款请求，消除了金融机构与中小企业之间的信息不对称，帮助金融机构对中小企业进行了筛选，给高信用的中小企业提供贷款，建立信贷联系，保证了金融机构的资金安全，稳定了资金收益，同时也解决了中小企业融资难，融资贵的问题，促进了国民经济的发展。

附图说明

后文将参照附图以示例性而非限制性的方式详细描述本申请实施例的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：

图1为本申请实施例一中信用评估装置的结构示意图。

图2为本申请实施例二中信用评估装置的结构示意图。

图3为本申请实施例三中信用评估系统的结构示意图。

具体实施方式

实施本申请实施例的任一技术方案必不一定需要同时达到以上的所有优点。

为了使本领域的人员更好地理解本申请实施例中的技术方案，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，所描述的实施例仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本申请实施例保护的范围。

下面结合本申请实施例附图进一步说明本申请实施例具体实现。

图1为本申请实施例一中信用评估装置的结构示意图。如图1所示，包括：

获取模块101，用于根据企业的贷款请求，获取所述企业的评估数据。

本实施例中，所述企业主要包括中小企业。中小企业的融资渠道单一，对银行等金融机构依赖度较高。所述企业在向所述金融机构申请贷款时，一般都会向所述金融机构提出贷款请求。所述企业可以在网上向所述金融机构提出所述贷款请求(也可以称之为线上贷款请求)，也可以填写书面材料向所述金融机构提出所述贷款请求(也可以称之为线下贷款请求)，此处不做限制。

本实施例中，所述评估数据包括所述企业的基本数据，经营数据，评价数据和贷款请求人数据中的至少一种。其中，所述基本数据包括所述企业的名称，所属行业，成立时间以及企业的地址等企业在工商局注册登记的一些数据。所述经营数据包括所述企业的往来发票数据等。所述评价数据包括中国各级法院、工商以及税务等评价所述企业的数据，例如所述企业是否有违约记录，是否偷税漏税等。所述贷款请求人数据包括贷款请求人的姓名，年龄，信用状况等基本数据。

本实施例中，获取所述企业的评估数据可以通过插件从网上直接获取，例如可以采用爬虫工具从网上抓取数据，还可以经过所述企业授权后获取所述企业的评估数据，把评估数据存储到后台数据服务器或者其他存储设备中，在获取数据时直接从后台服务器或者其他存储设备中获取即可，当然还可以通过其他方法进行获取，此处不做限制。

判断评估模块102，用于根据所述企业的评估数据判断所述企业是否满足参与信用评估的准入条件；若是，则根据所述企业的评估数据对所述企业进行信用评估；若否，则拒绝所述申请企业的贷款请求。

本实施例中，所述判断评估模块102通过判断所述企业的评估数据是否满足所述准入条件，帮助金融机构对提出所述贷款请求的企业进行了筛选，拒绝不满足所述准入条件的所述企业的贷款请求，避免了将贷款提供给信用情况低劣的企业，不能按时收回贷款，从而保证了资金安全。

本实施例中，通过所述准入条件对所述企业进行筛选，然后对筛选剩下的企业进行信用评估，而不是直接对所有企业进行信用评估，减少了进行信用评估时处理的数据量，提高了信用评估的效率。另外，如果不对企业进行筛选而是直接进行信用评估，由于一些成立年限较少的企业的评估数据较少，可能会造成信用评估结果有误，给金融机构提供错误的评估结果。

本实施例中，所述判断评估模块102对满足所述准入条件的所述企业进行信用评估，金融机构可以根据所述企业的信用评估结果确定给所述企业提供的贷款额度，给信用评估结果较好的企业提供额度较高的贷款，给信用评估结果较差的提供额度较低的贷款，使得所述金融机构在给确定给企业提供的贷款额度时有了参考标准，稳定了所述金融机构的收益，同时也解决了中小企业融资难的问题，促进了国民经济的发展。需要说明的是，信用评估结果可以是信用等级的方式进行展现，也可以是信用评分的形式进行展现，此处不做限制。

本申请实施例提供的信用评估装置，通过获取模块，用于根据企业的贷款请求，获取所述企业的评估数据；判断评估模块，用于将根据所述企业的评估数据判断所述企业是否满足参与信用评估的准入条件；若是，则根据所述企业的评估数据对所述企业进行信用评估；若否，则拒绝所述申请企业的贷款请求，消除了金融机构与中小企业之间的信息不对称，帮助金融机构对中小企业进行了筛选，给信用情况优质的中小企业提供贷款，建立信贷联系，保证了金融机构的资金安全，稳定了资金收益，同时也解决了中小企业融资难，融资贵的问题，促进了国民经济的发展。

图2为本申请实施例二中信用评估装置的结构示意图。如图2所示，包括：

获取模块201，用于根据企业的贷款请求，获取所述企业的评估数据。

本实施例中获取模块201与上述实施例中的获取模块101相似，此处不再赘述。

判断评估模块202，用于使信用评估准入模型对所述企业的评估数据进行处理得到与所述信用评估准入模型的准入指标对应的所述企业的特征值，根据所述企业的特征值判断所述企业是否满足参与信用评估的准入条件。

本实施例中，所述信用评估模型的准入指标可以是对所述企业进行准入评价的评价角度，例如，企业的成立年限，企业的早开票月份距今期限等指标。需要说明的是，所述准入指标的数量至少为一个，每个准入指标对应所述企业的一个特征值。例如，所述准入指标为企业的成立年限和企业的最早开票月距今期限时，则所述企业的成立年限对应一个所述企业的特征值，为所述企业的成立时间距离进行信用评估时的时间，如2或者2.5或者3等，所述企业的最早开票月距今期限也对应一个所述企业的特征值，为所述企业最早开票月距离进行信用评估时的时间，如10或者20等。

本实施例中，所述判断评估模块202将所述企业的评估数据输入到所述信用评估准入模型中，所述信用评估准入模型对所述评估数据进行处理得到所述特征值，所述信用评估准入模型并根据所述企业的特征值判断所述企业是否满足参与信用评估的准入条件。需要说明的是，还可以通过其他方法对所述企业的评估数据进行处理，此处不做限制。

本实施例中，对所述企业的评估数据进行处理得到与所述信用评估准入模型的准入指标对应的所述企业的所述特征值包括：根据所述对信用评估准入模型的准入指标对所述评估数据进行统计分析得到特征值。例如，所述信用评估准入模型的准入指标为成立年限，则根据企业的成立时间和目前的时间确定所述企业的成立年限，当然还可以通过其他方式对所述评估数据进行处理得到所述特征值，此处不做限制。

可选的，在一具体应用场景中，所述判断评估模块202进一步用于使得所述信用评估准入模型判断所述企业的每个特征值是否超过与其对应的每个所述准入指标的阈值。若所述企业的每个特征值超过与其对应的每个所述准入指标的阈值，则判定所述企业满足所述准入条件，可以对所述企业进行信用评估。若所述企业的每个特征值没有超过与其对应的每个所述准入指标的阈值，则判定所述企业不满足所述准入条件，并拒绝所述企业的贷款请求。例如，当准入指标为企业的成立年限，阈值为3年时，若所述企业对应所述准入指标的特征值为2，则说明所述企业的特征值没有超过其对应的准入指标的阈值。

需要说明的是，若所述信用评估模型的准入指标为多个，可以设定需要所述企业的每个特征值超过其对应的每个准入指标的阈值，当然也可以是设定只要有一部分特征值超过其对应的准入指标的阈值，此处不做限制，可根据业务需求自行设定。

可选的，在一具体应用场景中，若直接根据经验设定参与信用评估的准入条件，则可能会导致由于人为因素的影响使得所述准入条件不够准确，影响企业的信用评估结果。所以，为了避免此种情况的发生，还包括信用评估准入模型训练模块203，用于根据样本企业的样本评估数据对所述信用评估准入模型进行训练，确定所述参与信用评估的准入条件。

本实施例中，为了使所述样本评估数据更具有代表性，可选取适当数量的企业作为样本企业，样本企业的数量可根据需求自行设定，此处不做限制。另外，为了保证所述样本评估数据的统一性，提高所述准入条件的准确性，选取所述样本企业的评估数据的时间起点和时间终点时，所有样本企业都设定为均为同样的时间起点和时间终点。例如，所有样本评估数据均选取所述样本企业2015年至2018年的评估数据。

可选的，在一具体应用场景中，所述信用评估准入模型训练模块203进一步用于对所述样本评估数据进行处理得到与所述信用评估准入模型的准入指标对应的所述样本企业的样本特征值，并确定与所述准入指标对应的所述样本企业中履约企业和违约企业的分布情况，根据所述样本特征值和所述分布情况对所述信用评估准入模型进行训练，确定所述参与信用评估的准入条件。

本实施例中，所述信用评估准入模型训练模块203对所述样本评估数据处理得到所述样本特征值的方法与上述实施例类似，此处不再赘述。

本实施例中，所述履约企业包括所述样本企业中没有信用违规记录的企业，信用状况优质；所述违约企业包括所述样本企业中有信用违规记录的企业，信用状况差。

本实施例中，与所述准入指标对应的所述样本企业中履约企业和违约企业的分布情况可以是所述准入指标对应的样本特征值中每个数值对应的履约企业数量和违约企业数量。例如，当所述准入指标为企业的成立年限时，所述样本特征值为1年，2年，3年等，并确定所述样本企业中企业的成立年限为1年的履约企业的数量和违约企业的数量，特征值为2年时，确定所述样本企业中企业的成立年限为2年的履约企业的数量和违约企业的数量等。

本实施例中，当所述样本特征值中为某个数值时，对应的所述履约企业的数量较多，所述违约企业的数量较少，则表明当所述企业的特征值为所述数值时，是履约企业的概率较大，贷款风险较小。则可以将所述数值作为所述准入目标的阈值。但是根据经验确定所述准入目标的阈值，可能会则可能会导致由于人为因素的影响使得企业的信用评估结果不够准确。

本实施例中，为了避免上述情况的发生，所述信用评估准入模型训练模块203进一步用于采用连续变量熵方法将所述样本特征值中所有数值划分为多个数值区间，并计算每个数值区间的证据权重值，根据所述样本特征值以及所述分布情况，确定所述准入指标的阈值。

本实施例中，连续变量熵方法是一种数值分裂算法，把所述样本特征值的所有数值当做一个离散的属性值，然后对所述所有数值进行划分，得到多个数值区间。连续变量熵方法的划分公式为：

E_i＝-(p_i好log₂p_i好+p_i坏log₂p_i坏)

其中，p_i好是第i个数值区间中履约企业所占比例，p_i坏是第i个数值区间中违约企业所占比例，m_好是第i个数值区间中履约企业的数量，m_坏是第i个数值区间中违约企业的数量，m_总是第i个数值区间中所有企业的数量。

本实施例中，每个数值区间的所述证据权重值可以衡量所述数值区间中履约企业所占比例，所述证据权重值越高，则表明所述数值区间中履约企业所占比例越高，贷款风险越小。证据权重值的计算公式为：

其中，g_i为第i个数值区间中履约企业的数量，g为所述样本企业中所有履约企业的数量，b_i为第i个数值区间中违约企业的数量，b为所述样本企业中所有违约企业的数量。

本实施例中，若每个所述数值区间的证据权重值表示的所述数值区间的贷款风险情况，与所述分布情况表示的贷款风险情况一致，则选取所述数值区间中的贷款风险低的数值区间作为所述准入条件，若所述企业对应所述准入指标的特征值在所述数值区间内，则判定满足所述准入条件。当然还可以选取所述数值区间的某个值作为阈值，若所述企业对应所述准入指标的特征值超过所述阈值，则判定满足所述准入条件。

可选地，在一具体实施场景中，所述信用评估准入模型的准入指标可以有许多种，但是并不是每一个准入指标对应的所述样本企业中履约企业和违约企业的分布差异都比较大，也就是所述准入指标的区分能力不是都符合需求的。所以为了能够选取区分能力较好的准入指标，避免对信用评估结果造成影响，还包括准入指标选取模块204，用于根据与所述准入指标对应的所述样本企业中履约企业和违约企业的分布情况和与其对应的所述样本特征值判断所述准入指标是否可以作为所述信用评估准入模型的准入指标。

本实施例中，通过根据与所述准入指标对应的所述样本企业中履约企业和违约企业的分布情况和与其对应的所述样本特征值计算所述准入指标的信息价值来判断述准入指标是否可以作为所述信用评估准入模型的准入指标。所述准入指标的信息价值是描述所述准入指标对所述样本企业中违约企业和履约企业的区分能力的值，所述信息价值越大表示所述准入指标对应的所述履约企业和违约企业的分布差异较大，即所述准入指标的区分能力较好。可以通过设定信息价值的阈值，若所述准入指标的信息价值超过所述信息价值的阈值，则所述准入指标可以作为所述信用评估准入模型的准入指标。

其中，所述信息价值的计算公式为：

其中，WOE_i为第i个数值区间的证据权重值，n为区间个数。

本实施例中，所述判断评估模块202进一步使得所述信用评估模型根据所述企业的评估数据得到所述企业的成长评估分数和/或履约评估分数，并根据所述企业的成长评估分数和/或履约评估分数得到所述企业的信用评估分数，根据所述企业的信用评估分数对所述企业进行信用评估。

本实施例中，所述成长评估分数由所述信用评估模型根据所述企业的评估数据得到的，用于预测所述企业的未来的经营发展情况和业务增长情况，从而判断所述企业的偿债能力。所述成长评估分数越高，则说明企业的业务发展情况越好，其生成经营活动越活跃，未来发展潜力越大，偿债能力越高。

其中，信用评估模型得到所述成长评估分数的过程为：

1.根据下述公式预测企业的发展情况

其中，表示第t个企业的预测发展情况，β₀为系数，是第j个准入指标的成长系数，X_j是第j个准入指标的特征值，k为准入指标的个数

2.得到预测下一期企业发展情况的Y_t后，计算环比变化率：

3.然后再利用分值转换公式和所述环比变化率得到成长评估分数。

本实施例中，所述履约评估分数由所述信用评估模型根据所述企业的评估数据得到的，用于评估企业未来违约的可能性，判定企业信用风险程度。所述履约评估分数越高，则说明企业未来违约的可能性越小，企业信用风险低。

其中，信用评估模型得到所述履约评估分数的公式为：

S_履约＝b-a×η

其中，α_j为第j个准入指标的履约系数，X_j为第j个准入指标的特征值，a、b为系数。

本实施例中，可以将所述成长评估分数作为所述企业的信用评估分数，当然也可以将所述履约评估分数作为所述企业的信用评估分数，也可以将所述成长评估分数和所述履约评估分数进行整合，得到所述企业的评估分数，此处不做限定。

本实施例中，可以根据所述企业的信用评估分数得到作为所述企业的信用评估结果，当然也可以根据所述企业的信用评估分数确定所述企业的信用等级作为所述企业的信用评估结果，此处不做限定。

可选的，在一具体应用场景中，为了确定所述信用评估模型的评估结果是否准确，还包括模型验证模块205，用于根据样本企业的样本评估数据和样本信用情况对所述信用评估模型的模型拟合优度和/或模型区分能力进行验证。

本实施例中，所述模型拟合优度是指所述信用评估模型的评估结果与所述样本信用情况的拟合程度，通过确定系数R2来表示，R2最大值为1。R2的值越接近1，说明所述信用评估模型的评估结果与所述样本信用情况的拟合程度越好；反之，R2的值越小，说明所述信用评估模型的评估结果与所述样本信用情况的拟合程度越差。

本实施例中，所述模型区分能力是指所述信用评估模型的评估结果的准确程度，可以通过ROC(Receiver Operating Characteristic)曲线来表示，或者通过AUC(AreaUnder Curve)值来表示，其中AUC值标识所述ROC曲线下方的面积。所述ROC曲线的越靠近左上角，则表明所述信用评估模型的区分违约企业和履约企业的能力越强，评估结果更加准确；或者所述信用评估模型的AUC值越高，则表明所述信用评估模型的区分违约企业和履约企业的能力越强，评估结果更加准确。

本实施例中，所述模型区分能力还可以通过KS(Kolmogorov-Smirnov)值来表示。根据所述样本企业的信用情况将所述样本企业分为履约企业和违约企业，然后计算所述样本企业的KS值，所述样本企业的KS值越高，则表明所述信用评估模型的区分违约企业和履约企业的能力越强，评估结果更加准确。

可选的，在一具体应用场景中，所述判断评估模块还用于使额度评估模型根据信用评估结果和所述企业的评估数据确定所述企业的贷款额度。可通过所述判断评估模块将所述信用评估结果和所述企业的评估数据输入所述额度评估模型，所述额度评估模型根据所述信用评估结果和所述企业的评估数据判定企业所属的贷款额度等级，根据确定的贷款额度等级确定所述企业的贷款额度。例如所述额度评估模型根据企业的信用评估结果和企业的经营状况、企业的客户、与客户发生交易的时间等维度判定所述企业的贷款额度等级为100万，则确定给所述企业的贷款额度为100万。

图3为本申请实施例三中信用评估系统的结构示意图。如图3所示，其包括：数据服务器301和前端设备302。

所述数据服务器301用于用于存储企业的评估数据；

所述前端设备302配置有一个或者多个处理器303(图中未示出)，所述处理器303用于：根据企业的贷款请求，获取所述企业的评估数据；根据所述企业的评估数据判断所述企业是否满足参与信用评估的准入条件；若是，则根据所述企业的评估数据对所述企业进行信用评估；若否，则拒绝所述申请企业的贷款请求。

处理器303可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

特别地，根据本申请的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本申请的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含配置为执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时，执行本申请的方法中限定的上述功能。

可以以一种或多种程序设计语言或其组合来编写配置为执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络：包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个配置为实现规定的逻辑功能的可执行指令。上述具体实施例中有特定先后关系，但这些先后关系只是示例性的，在具体实现的时候，这些步骤可能会更少、更多或执行顺序有调整。即在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块，用于根据企业的贷款请求，获取所述企业的评估数据；判断评估模块，用于根据所述企业的评估数据判断所述企业是否满足参与信用评估的准入条件；若是，则根据所述企业的评估数据对所述企业进行信用评估；若否，则拒绝所述申请企业的贷款请求。

其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取模块还可以被描述为“用于根据企业的贷款请求，获取所述企业的评估数据的模块”。

根据本申请公开各种实施方式的前端设备可以是包括至少一个处理器的任何设备，并且可包括：相机、便携式设备、移动终端、通信终端、便携式通信终端、便携式移动终端等。例如，前端设备可包括以下至少一种：智能电话、平板个人计算机(PC)、移动电话、视频电话、电子书(e-book)阅读器、台式PC、膝上PC、上网本计算机、个人数字助理(PDA)、便携式多媒体播放器(PMP)、MP3播放器、移动医疗设备、相机、以及可穿戴设备(例如，诸如电子眼镜的头戴式设备(HMD)、电子服装、电子手镯、电子项链、电子配件、电子纹身、或智能手表)。根据本申请公开各种实施方式的前端设备可以是上述各种设备的一种或多种的组合。根据本公开的一些实施方式的前端设备可以是柔性设备。另外，根据本申请公开实施方式的前端设备不限于上述设备，而可包括根据技术发展的新的前端设备。

另外，上述实施例中，获取模块、判断评估模块又可以分别称为第一程序模块、第二程序模块。

本文中所使用的用语“模块”或“功能单元”例如可意为包括有硬件、软件和固件的单元或者包括有硬件、软件和固件中两种或更多种的组合的单元。“模块”可与例如用语“单元”、“逻辑”、“逻辑块”、“部件”或“电路”可交换地使用。“模块”或“功能单元”可以是集成部件元件的最小单元或集成部件元件的一部分。“模块”可以是用于执行一个或多个功能的最小单元或其一部分。“模块”或“功能单元”可机械地或电学地实施。例如，根据本公开的“模块”或“功能单元”可包括以下至少一种：专用集成电路(ASIC)芯片、场可编程门阵列(FPGA)以及已公知的或今后待开发的用于执行操作的可编程逻辑器件。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种信用评估装置，其特征在于，包括：获取模块，判断评估模块；

所述获取模块用于根据企业的贷款请求，获取所述企业的评估数据；

所述判断评估模块用于根据所述企业的评估数据判断所述企业是否满足参与信用评估的准入条件；

若是，则根据所述企业的评估数据对所述企业进行信用评估；若否，则拒绝所述申请企业的贷款请求。

2.根据权利要求1所述的装置，其特征在于，所述判断评估模块进一步用于使信用评估准入模型对所述企业的评估数据进行处理得到与所述信用评估准入模型的准入指标对应的所述企业的特征值，根据所述企业的特征值判断所述企业是否满足参与信用评估的准入条件。

3.根据权利要求2所述的装置，其特征在于，所述判断评估模块进一步用于使得所述信用评估准入模型判断所述企业的每个特征值是否超过与其对应的每个所述准入指标的阈值。

4.根据权利要求2所述的装置，其特征在于，还包括信用评估准入模型训练模块，用于根据样本企业的样本评估数据对所述信用评估准入模型进行训练，确定所述参与信用评估的准入条件。

5.根据权利要求4所述的装置，其特征在于，所述信用评估准入模型训练模块进一步用于对所述样本评估数据进行处理得到与所述信用评估准入模型的准入指标对应的所述样本企业的样本特征值，并确定与所述准入指标对应的所述样本企业中履约企业和违约企业的分布情况，根据所述样本特征值和所述分布情况对所述信用评估准入模型进行训练，确定所述参与信用评估的准入条件。

6.根据权利要求5所述的装置，其特征在于，还包括准入指标选取模块，用于根据与所述准入指标对应的所述样本企业中履约企业和违约企业的分布情况和与其对应的所述样本特征值判断所述准入指标是否可以作为所述信用评估准入模型的准入指标。

7.根据权利要求1所述的装置，其特征在于，所述判断评估模块进一步使得所述信用评估模型根据所述企业的评估数据得到所述企业的成长评估分数和/或履约评估分数，并根据所述企业的成长评估分数和/或履约评估分数得到所述企业的信用评估分数，根据所述企业的信用评估分数对所述企业进行信用评估。

8.根据权利要求1所述的装置，其特征在于，所述判断评估模块还用于使额度评估模型根据信用评估结果和所述企业的评估数据确定所述企业的贷款额度。

9.根据权利要求7所述的装置，其特征在于，还包括模型验证模块，用于根据样本企业的样本评估数据和样本企业的信用情况对所述信用评估模型的模型拟合优度和/或模型区分能力进行验证。

10.一种信用评估系统，其特征在于，包括：数据服务器和前端设备；

所述数据服务器用于存储企业的评估数据；

所述前端设备配置有一个或者多个处理器，所述处理器用于根据企业的贷款请求，获取所述企业的评估数据；根据所述企业的评估数据判断所述企业是否满足参与信用评估的准入条件；若是，则根据所述企业的评估数据对所述企业进行信用评估；若否，则拒绝所述申请企业的贷款请求。