个人信用评估

摘要： 随着我国互联网金融行业的持续规范和个人征信体制的不断完善,大数据机器学习在信贷风险控制中的作用逐渐凸显。文章在徐桂琼等学者研究的基础上进行改进,建立基于分类组合的个人信贷信用风险预测模型,其可以有效对非平衡数据集进行处理,以满足金融决策的实际业务需求。实证分析结果表明,该模型具有较高准确率,能够高效完成个人信贷违约预测,为行业可持续规范发展提供助力。

摘要： 为了降低因贷款者违约给金融机构带来的损失和风险,对贷款者的个人信用进行评估有着极其重要的意义.针对贷款数据集的不平衡和高维特征问题,结合集成学习中串联与并联结构的优点,提出基于多分类器串并联结构的个人信用评估模型.利用SMOTE算法平衡数据集正负样本个数、随机森林计算特征重要性并筛选特征,再在新数据集上训练K近邻、Logistic回归、决策树、支持向量机4个基分类器,将它们的预测概率采用简单平均法进行综合,这样就形成了随机森林与4个基分类器的串并联结构.通过在真实数据集上训练和测试,发现该模型在预测准确率和区分好坏样本上都有显著优势,具有一定的适用性.

摘要： 为了给消费者信贷决策提供合理依据,基于真实的客户信贷数据,运用逐步Logistic回归方法依据AIC准则进行变量选择建立经典决策树、条件推断树、随机森林、支持向量机等分类模型,并对4个分类模型的预测结果进行比较.结果表明:基于逐步Logistic回归建立的随机森林分类模型准确率达97％,预测效果最优;随机森林算法具有较高的分类精度,可以很好地应用在个人信用评估问题研究中.

摘要： 随着国家信贷行业的发展,个人信用评估问题逐渐受到广泛重视。然而,由于信贷体系的不完善,不仅给借贷人带来了损失,也在一定程度上给个人信贷市场造成了严重的负面影响。为此,本文从个人贷款信用风险评估角度出发,结合决策树算法,建立基于决策树的个人信用风险评估模型,以期对个人借贷信用风险评估提供借鉴。

摘要： 针对商业银行的信用评估问题,本文在现有的SVDD算法基础上提出了一种新的个人信用评估方法—改进的SVDD算法,在文章中详细介绍了此算法的理论知识以及一些推导过程,然后通过实际的例子验证了该算法的可行性以及有效性,结果表明改进的SVDD效果较好。

摘要： 针对如何基于不平衡信贷数据对借贷人的信用进行合理准确地评估问题,基于个人信用的统计数据,提出了一种新的个人贷款信用风险的评估方法.首先,构建了个人贷款信用风险评估指标体系,结合IV模型,对各特征进行重要性分析.其次,结合模糊数学理论,设计了一种基于异类类内超平面的隶属函数.最后,结合支持向量机,构建了一种新的个人贷款信用风险评估方法——基于异类类内超平面的模糊支持向量机.结果表明:个人贷款信用风险评估的可用额度比值、逾期30～59天的次数、逾期90天及以上次数以及逾期60～89天次数这4个指标的IV值均大于0.3,重要性较强,表明对贷款人的信用评估影响较大;所设计的隶属函数能对不同样本赋予不同权重,可充分体现不同样本的重要性;基于异类类内超平面的模糊支持向量机在一定程度上可以提高贷款人的信用风险评估精度,证明了该方法的有效性和可行性.

摘要： 信用评估模型的优劣会对信贷机构损益和金融市场秩序产生直接的影响,为提升个人信用评估模型的精度,将集成方法应用到信用评估领域,提出改进DS证据理论的支持向量机集成个人信用评估模型,并将属性约减纳入建模过程中.利用C4.5决策树约减冗余属性,并根据数据集类别标签和支持向量机混淆矩阵,后验概率构造证据理论概率赋值函数.计算基于分类器间支持度的权重与专家权重修正由于训练过程受到干扰而产生的冲突证据.通过DS融合做出最终决策.实证分析探讨了该方法的优越性和可行性,可成为一种有效信用评估工具.

摘要： 在经济迅速发展的背景下,消费信贷的发展规模随之扩大,信用评估的准确率则逐渐成了信贷行业的一大重要问题。本文针对信用评估指标维数较高的问题,利用德国某商业银行的消费信贷数据作为研究样本,运用主成分分析(PCA)和支持向量机理论(SVM)建立一个新的个人信用评估模型。为了反映该模型对信用评估有较好的效果,分别用支持向量机、k近邻判别分析、贝叶斯判别等方法对同一组数据进行训练,比较其预测个人信用评估的准确率。通过分析得出,基于主成分进行分析和支持向量机的个人信用评估模式具有较好的预测分类的准确率。

摘要： 针对当前传统个人信用评价中的问题,本文提出一种将k-mean聚类方法和支持向量机回归模型结合起来的个人信用评估的新方法.该方法先将信用数据大致聚为k类,统计每一类的信用度,然后利用支持向量机进行回归.研究结果表明:与简单聚类方法和支持向量机分类方法比较,该方法有效地提高了整个模型的训练精度和测试精度.

摘要： 本文针对个人信用评估问题,提出了基于多种群协同进化神经网络集成算法。将集成学习和协同进化算法相结合,每个个体神经网络对应于协同进化中的一个子种群,每个个体网络自身进化和个体网络之间相互影响相结合。实验结果表明,该算法能有效地提高预测精度及稳健性, 优于目前常用的一些集成算法,对个人信用评估、控制消费信贷风险具有很好的适用性。

摘要： 随着经济的飞速发展,信用消费浮出水面,信用评估就显得尤为重要,目前国内外都有很多个人信用评估体系,对国外个人信用评估方法和我国个人信息评估方法进行分析比较,对现有的个人信用评估体系进行了综合阐述。

摘要： 借鉴组合优化算法思想，对于LS-SVM(Least squares supportvector machine)算法，提出了基于组合最优化算法的最小二乘支持向量机算法COLS-SVM(Combimtorial optimization leastsquares support vector machine)。基于COLS-SVM算法分析，将COLS-SVM算法应用于金融计算中的个人信用评估，并与LSVM(Lagrange support Vector machine)算法、KNN(K-Nearest Neighbor)分类方法比较。实验结果表明：ODLS-SVM算法具有StY-的分类预测能力。

摘要： 个人信用评估对于商业银行规避消费信贷风险具有重要意义.为了构建更优的个人信用评估模型,提出利用粒子群算法(PSO)优化神经网络的信用评估方法.模型的应用结果与BP神经网络进行对比表明,PSO神经网络在检验样本上的分类精度比BP网络高,模型的稳健性好,具有较好的适用性.

摘要： 针对标准SVM模型在个人信用评估中单纯将消费信贷申请者划分为违约类或未违约类的不足,提出了利用基于后验概率的SVM模型进行个人信用评估的方法。利用商业银行的消费信贷数据进行的实证研究表明,基于后验概率的SVM模型通过将标准SVM的决策值转化为后验概率输出,能够对样本属于未违约的概率进行估计,并能够据此划分信贷申请者的信用等级,对于商业银行根据不同的经营目标制定相应的信贷政策更具有实践意义。

摘要： 支持向量机(SVM)中的参数影响着模型的分类能力,针对SVM 中人为选择参数的随机性,提出了利用遗传算法(GA)进行优化的方法,构建了基于GA优化的SVM模型,并将其应用于商业银行的个人信用评估中.利用GA的全局搜索能力搜索SVM 中的参数,并通过染色体适应度函数的设置来控制给商业银行造成较大损失的第二类误判的发生,模型的应用结果与BP 神经网络进行对比表明,基于GA 优化的SVM 模型的分类精度高,第二类误判得到了有效的控制,并且表现出较好的稳健性,对于控制消费信贷风险具有更好的适用性。

摘要： 在Logistic回归和线性回归的基础上,以误差平方和最小为标准建立了组合预测模型.同时将该模型应用于个人信用评估中,结果证明,组合模型能极大地提高预测精度,具有更高的可靠性.

摘要： 信用评估的实践中存在两类误判的情况,其中第二类误判给商业银行造成的损失较大,考虑到这一因素,结合遗传算法和回归分析的思想。本文构建了个人信用评估的遗传回归模型,并通过适应度函数的设置控制第二类误判率的发生.利用真实的消费信贷数据对遗传回归模型的分类效果进行检验,模型的应用结果表明,第二类误判得到了控制,并且总的误判也较低,分类效果比较理想.

摘要： 信用评估中第二类误判率给商业银行造成的损失较大,考虑到这一因素,结合遗传算法和回归分析的思想,构建了个人信用评估的遗传回归模型,并通过适应度函数的设置控制第二类误判率的发生.模型的应用结果表明,第二类误判率得到了控制,并且总的误判也较低,分类效果比较理想.

摘要： 本发明属于计算机科学与技术领域，具体涉及一种基于快速构建邻域覆盖的个人信用风险评估方法，该方法包括：获取贷款人的个人信息数据，对该信息数据进行预处理；采用K‑means聚类算法对预处理后的数据进行聚类，构建邻域覆盖序列；计算邻域覆盖序列中的邻域中心局部密度和相对距离；根据邻域中心的局部密度和相对距离对邻域进行排序；对排序后的邻域进行选择，并对选择的邻域进行风险评估预测，得到预测结果；根据风险评估结果确定是否对贷款人进行贷款；本发明通过邻域中心的局部密度与相对距离的乘积对邻域进行选择，能够更好的评估邻域的分类能力，使得在更少的邻域下得到更高的精度。

摘要： 本发明提供了一种查询个人信用信息的方法、系统及个人信用查询系统，客户端与个人查询系统采用异步通讯的方式，并同时对多个客户端的查询请求进行处理，提高查询效率，提高了系统性能，满足客户需求。其中，所述向个人信用征信系统查询个人信用信息的系统，包括：所述多个客户端，用于通过调用所述个人信用查询系统的消息中间件服务向所述个人信用查询系统发起查询请求，并结束请求处理；所述个人信用查询系统，用于接收所述多个客户端发送的查询请求，并根据所述查询请求向个人信用征信系统查询个人信用信息，根据查询得到的个人信用信息更新本地数据库，并调用所述客户端的消息中间件服务向所述客户端发送所述查询得到的个人信用信息。

摘要： 本发明公开了一种利于信用租赁的个人信用风险评估方法，其特征在于：其步骤如下：步骤一：数据收集，本方法收集到的数据为客户的行为数据为主：包括：申请、放款、还款、黑名单、涉法信息等维度信息；步骤二：数据处理，把客户的行为数据转换成可以量化的风险信息；步骤三：不同模块风险值汇总，取每个模块最大值为合并后的风险值；步骤四：最后激活函数校验，最后再经过涉法信息、黑名单，做一个策略上的调整；步骤五：根据最终得分，评定等级，量化客户风险等级。该利于信用租赁的个人信用风险评估方法，在无标签的情况下，通过仅有客户的行为数据，对客户进行信用风险评估，直接采用最大风险点维度的分值为个人信用评分的方法。

摘要： 本发明公开一种面向大规模非平衡征信数据的个人信用风险评估方法及评估系统，该方法包括：首先，根据获取的高维大规模非平衡历史征信数据，构建由所获取的历史数据集构建的训练矩阵X，利用自适应弹性网络特征选择算法对给定的历史征信数据集实施维度约简；然后将经过维度约简后的训练样本集划分为少数样本类及多数样本类，根据类簇质心距离指数化衰减函数计算每个样本的隶属度，构建加权矩阵W，设置相关参数，用IWELM模型实施个人信用风险评估。本发明所提的方法克服大规模征信数据展现出的高度非平衡性问题，同时提升个人信用风险评估的执行速度与效率，增强评估结果的可靠性和可信度。

摘要： 本发明公开了一种基于区块链技术的个人信用信息真实性评估方法及系统，其方法包括：获取用户上传的原始个人身份信息，根据所述原始个人身份信息构建用户的信息展示系统，将用户上传的完善内容存储到所述信息展示系统中并上传到区块链服务器中，根据第三方人员对于用户的信息展示系统的确认结果对用户的个人信用信息真实性进行评估，获取第一评估结果。可以从每个用户的关系网中挑选出目标人群来客观地对用户的个人信用信息进行真实性评估，从而可以保证用户所填写的个人信息的准确性和客观性，使得各个用人单位从区块链服务器上调取的数据更加准确和实际从而可以稳定地进行面试人员的审核工作，降低了风险。

摘要： 本发明公开了一种基于自组织映射网络的个人信用评估方法，包括：构建个人信用指标体系；采集个人信用数据；特征降维；构建自组织映射神经网络，生成个人信用评估模型，将降维后的个人信用数据样本导入个人信用评估模型，对个人信用评估模型进行训练；个人信用评估；输出评估结果。本发明能够采用主成分分析方法对个人信用属性空间进行压缩，降低个人信用评估的复杂性；在降维生成的主成分变量基础上，利用模拟人脑自组织特性的自组织映射神经网络对输入的个人信用样本进行模式识别，从而实现对个人信用类别的准确评估。

摘要： 本发明具体涉及一种新型个人信用评估方法及系统，主要包括数据采集、数据清洗、模型训练等主要环节，分别从数据量、特征值两方面对采集数据进行了处理，并集成SVM、GWO‑Sigmoid、GA‑BP三种分类模型。本发明在数据采集阶段通过数据增广来确保各信用类型样本数据的均衡性，并借助相关系数消除各信用数据间的共线性以确定参与信用评估的信用数据类型，为分类模型的训练提供了良好的数据基础。此外，本发明利用集成学习的思想综合三种分类模型的分类结果从而获取最终的信用评估结果，避免了单一模型的泛化性问题，进一步提高了信用评估的准确性。

摘要： 本发明公开的基于嵌套命名实体识别技术的个人信用评估方法及系统，属于个人信用评估技术领域，包括：清洗用户社交媒体文本数据，并对清洗后的数据进行嵌套命名实体识别，得到复合命名实体和简单命名实体；统计复合命名实体和简单命名实体的特征，并按照时间先后顺序进行归一化处理，生成基于嵌套命名实体识别的历史用户文本特征；根据历史用户的文本数据、文本特征和逾期表现，对用户信用进行建模，获取单条特征的信用贡献；根据信用贡献，对用户个人信用进行评分，并生成各项特征的贡献值。本发明最大限度利用用户社交媒体发布的文本数据，方便人工介入排查，不需要人工构建关键词库或规则库，降低了实现成本，利用更多信息，获得更高的效率。

摘要： 本申请公开一种个人信用评估方法、装置及系统，涉及数字金融技术领域。本申请的方法主要包括：获取目标用户的社交数据，并从社交数据中确定目标用户的常联系人员的人员信息；通过匿踪查询算法向服务器发起对应人员信息的请求信息，请求信息用于向服务器请求对应人员信息的用户画像信息，用户画像信息用于表征常联系人员的金融交易情况；接收服务器的反馈信息，并从反馈信息中获取用户画像信息；根据预设信用评估模型对用户画像信息执行评估操作，得到对应常联系人员的常联系人评估结果，常联系人评估结果用于表征常联系人员的金融风险程度；基于常联系人评估结果对目标用户进行个人信用评估。

摘要： 本发明公开了一种基于反向传播神经网络的个人信用评估方法及系统，获得第一用户的第一数据信息；通过所述数据预处理单元，对所述第一数据信息进行预处理之后，获得预处理之后的所述第一数据信息；构建反向传播神经网络模型；基于数据库获得第一样本信息；采用所述第一样本信息，对所述反向传播神经网络模型进行训练；通过所述模型实施单元，将所述预处理之后的所述第一数据信息输入至训练完成的所述反向传播神经网络模型中，获得所述反向传播神经网络模型的第一输出结果，其中，所述第一输出结果为所述第一用户的信用评估分值。解决了现有技术中存在对于客户信用等级评估存在偏差，不能科学准确的对客户进行信用风险评估的技术问题。