信用评分

摘要： 随着金融科技的快速发展,将大数据技术应用于个人信用评分领域是必然趋势。依赖大数据技术的新兴信用评分体系具有指标数量庞大,处理速度快,更新周期短等优势,但难以掌握核心的信贷历史数据,也存在着信息透明度不高,信息安全难以保证等问题。打破数据壁垒,加强大数据信用评分模型在传统信贷领域的应用,提高信用评分体系的透明度将有助于完善我国个人征信体系和防控金融风险。

摘要： 受自然语言处理研究的启发,在C2C社会商务环境下,提出了一种基于注意机制LSTM的消费者信用评分方法,这是深度学习算法的一个新的应用。受Word2vec思想的启发,将每种类型的事件视为一个单词,构造Event2vec模型将每种类型的事件转换为一个向量,然后利用注意机制LSTM网络预测用户信用评分。在实际数据集上对该方法进行了评价,结果表明,与传统的人工特征提取方法和标准的LSTM模型相比,该方法能有效地提高预测精度。

摘要： 随着“双碳”目标的推进及新能源的广泛接入,电力市场交易主体数量激增后相应的管理、运营复杂程度大幅增加。基于区块链技术的电力市场交易平台是解决交易过程安全、高效和公平问题的有效途径,其中共识机制是电力市场区块链技术的关键。RAFT适用于异步网络、节点动态变化的区块链,但存在易产生选举纠纷和无法适应恶意节点的缺点,为此提出基于信用评分的电力交易区块链改进RAFT共识机制,结合电力市场运行特点,利用信用评分的方式替代节点投票避免选举纠纷,提高RAFT选主的速度;通过设置审核节点对日志复制和选举结果进行审核,提高RAFT对恶意节点的适应能力;通过以上改进在满足集群节点有效一致性的要求下提高了RAFT共识机制的速度和吞吐量。最后通过实例模拟验证了本文所提改进RAFT共识机制的有效性和速度。

摘要： 光大集团积极布局量子计算技术研究,结合集团内金融业务场景探索前瞻性应用,在金融算法、量化策略和信用评分等领域取得了一定进展。未来将继续秉承央企担当,加快打造金融科技创新策源地,积极推进量子计算应用生态建设,在金控集团量子计算落地实践中努力发挥先导作用。

摘要： 随着科学技术的进步,量子计算突破了传统的算力瓶颈,在各个领域发挥着越来越重要的作用。在金融领域中,信用评分场景是贷款行业的重中之重。特征选取是一种十分高效的数据预处理策略。特征选择可以构建更简单、更容易理解的模型,提高数据挖掘性能,从中提取有效的特征,降低数据维度,为金融业提供有效的贷款参考信息。主要讨论量子计算在信用评分场景下的应用,改进了金融数据预处理的方式,创新性地使用量子计算机来求解特征选择的QUBO模型,与one-hot转码相比较,所使用的WOE分箱处理策略可以直接解析出特征,筛选结果可以进行直接对比。基于量子计算的特征选取与传统的基于相关性的特征选取策略相比,差距很小,并且由于量子计算机的先天优势,此策略速度更快,更具前景。

摘要： 目前商业银行面临的个人信用风险问题极其复杂,如何对个人信用风险进行管理非常重要.个人信用风险建模是其中很关键的一步.利用某商业银行信用卡数据,构建信用评分模型,预测客户的违约概率.通过采用ROSE (random over sampling examples)方法处理类别不均衡的问题,利用Group-Lasso(AUC准则)方法进行变量选择,构建基于Logistic回归的信用评分模型.实证结果表明,该方法对样本数据进行类别不均衡处理的结果比其他模型在判别能力和预测能力上更为有效.采用该方法所构建的模型能够作为客户信用评价决策的有效依据,指导银行及其他金融机构评估顾客个人信用风险,在实际运用中具有良好的可操作性.

摘要： 为解决企业信用度面对数据来源多且复杂的问题,提出一种计算企业信用度的新方法.该方法基于传统线性回归方法的改进,通过计算企业内重要评价参数的平均值,得到企业信用度的平衡值.同时,因为减少了影响性较低的参数,从而优化了传统线性回归法产生的误差,并且准确地计算企业的信用度.得到的信用度数值,可以有效地定义企业的好坏.实验表明,改良式线性回归在企业信用度的评估过程普遍优于传统的线性回归,并且只需要少量的变量即可达到相近的成果,同时还可以产生较好的分类效率.

摘要： 文章为实现对信用卡申请结果的正确分类,提出了完善申请机制的建议.通过分析逻辑回归算法原理,进行拟合分析,并构建模型以Kaggle提供的客户信息数据集为例验证算法模型分类结果的有效性.通过对逻辑回归算法模型的训练,将信用卡申请结果分为成功和失败两种情况,保存模型后验证待预测集,结果显示对于处理大数据有显著效果.由于逻辑回归算法模型在训练时需要选取最能决定分类结果的特征值,而特征值的选取存在难度,因此分类结果存在一定误差.实践证明,逻辑回归算法模型可以有效预测信用卡申请结果,提高申请效率.

摘要： 近年来,互联网金融不断发展,消费信贷的观念逐渐普及。受限于生活费的大学生作为线上消费的庞大群体,蚂蚁花呗为他们提 供了便利。本文对蚂蚁花呗的大学生用户使用状况、守约情况以及使用花呗前后消费额度的变化情况进行调查,并且利用SPSS将收集 的数据进行统计分析,建立多元回归模型,最终对样本用户提出建议。

摘要： 为实现对高维混合、不平衡信贷数据中的不良贷款者的准确预测,从降维预处理和分类算法两方面进行优化,提出一种基于混合数据主成分分析(Principal Component Analysis of Mixed Data,PCAmix)预处理的单类K近邻(K-Nearest Neighbor,KNN)计算均值算法.针对传统的主成分分析(Principal Component Analysis,PCA)不能直接处理定性变量的问题,使用PCAmix降维预处理数据,为规避不平衡数据在二分类模型中性能较差的缺点,采用单类分类和K近邻算法邻居计算的思想,仅采用多数类训练模型.利用Bootstrap方法找到最佳的决策边界,使得正负样本最大限度地分离,最终准确预测客户的违约风险.采用UCI数据库中的German和Default个人信用评分数据集进行验证,实验结果表明该算法在处理高维混合、不平衡的信贷数据上具有较好的分类效果.

摘要： 针对信贷过程中产生信贷配给失衡问题,本文通过数理推导证实了个人信用评分能有效优化调节信贷配给偏差问题,对个人信用评分的作用机理进行微观层面的分析;对个人信用评分的效用从信息不对称、逆向选择、道德风险等多个维度进行分析;从信用评分体系角度论证了其对信贷配给的优化效用,并在微观层面,即信用评分指标与样本结构对信贷配给的优化进行分析.

摘要： 个人信用评级在个人信贷业务中起着非常重要的作用,MCLP(多目标线性规划)模型是基于优化方法的一个分类模型.本课题获取德国、英国、日本信用评估竞赛中的四个个人信用数据库作为实验数据,研究了基于MCLP模型的信用评级.从灵敏性、特效性、准确率三方面评估模型,通过与logistic回归、DEA算法等分类器的比较,验证MCLP模型的优越性.此外,针对临界值的变动对MCLP模型做敏感度分析,得出结论在临界值取-3时模型准确率达到最高,并据此优化模型.最后构建了大数据背景下更为准确和科学的个人信用评分框架.本课题的研究有利于完善个人信用评分机制,降低信贷风险.

摘要： 原始的TOPSIS排序方法需要人工主观赋权，在被一些学者改进运用到信用评分当中时，预处理式（Preprocessing）的赋权方法如回归，层次分析法等被用来替代人工赋权。预处理式赋权和信用评分是两阶段式的，二者之间没有直接关系。本文提出了一个包裹式（Wrapper ）的信用评分方法，该方法基于TOPSIS的基本思想，在方程中引入各个指标的权重，优化方程时可自动求解出指标的权重，因此命名为AW-TOPSIS。最后，本文给出的算例验证了该方法的可行性。

摘要： 在中国,个体工商户作为市场经济的主体之一,从总量上看远超过了各类企业的数量.由此可以看出个体经济已成为中国市场经济的重要组成部分,在经济建设中发挥着重要的作用.而与此同时,对这些个体工商户的信用监管也成为维护市场秩序、促进市场健康发展的关键,也是理论与实践中必须解决的新问题.本文引入信用评分模型对个体工商户的信用情况进行评估并制定评分卡，根据信用分数的高低来划分个体工商户的信用类型，并为实现有效的监管提供分类依据。主要结构安排如下:第一部分为数据的采集与整理;第二部分为模型的建立;第三部分为个体工商户信用评分卡的设计与运用;最后结论为：本文所得到的信用评分长能有效地对个体工商户的信用状态进行区分。该评分卡还可以用于对个体工商户的监管.从而可以克服目前实践工作中监管标准不统一的问题。

摘要： 本发明实施例提供了一种企业信用评分模型的训练方法及其系统、电子设备及存储介质。本发明实施例提供的企业信用评分模型的训练方法，通过从多个维度出发，建立多个子评估模型，然后对评分模型进行训练，当采用训练后的评分模型进行企业信用评分时，可以结合多种业务场景综合对企业信用进行评估，避免了过分依赖某一项信用记录，提高了企业信用评分模型的训练方法的准确性，另外，建立多个子评估模型，可以结合多种业务场景对企业的各维度资质进行评估，提高了企业信用评分方法的灵活性。

摘要： 本发明提出了一种网约车驾驶员信用评分方法、信用评分系统、计算机装置及计算机可读存储介质，信用评分方法包括：在预设周期内采集网约车驾驶员的数据，获取多个数据特征值；对多个数据特征值进行证据权重(WOE)转换，按照评分模型计算多个数据特征值的评分概率值；根据评分概率值，获取网约车驾驶员的信用评分分值。通过周期性、自动化地动态更新网约车驾驶员状态信息，从多角度较全面地评估网约车驾驶员信用水平，从而实现实时更新网约车驾驶员评分，为网约车驾驶员提供给乘客更加优质的出行体验和服务水平起到良好的引导作用。

摘要： 一种应用数据挖掘(Data Mining)方法的信用评分系统及方法，适用于金融机构来评估多个申请者的信用评分。此信用评分方法包括：提供进件申请历史数据；进行一重新取样(Resample)步骤，以使进件申请历史数据中所取样的呆帐者笔数以及正常者笔数之间成一相近比例；进行一数据挖掘分类步骤，以建立多个呆帐者模型；利用一分类模型评估测量值评估这些呆帐者模型，以评估这些呆帐者模型的准确率，借以从这些呆帐者模型选出具最佳测量值者作为一预测模型；以及将一新申请进件数据输入预测模型，而获得此新申请进件数据的信用评分。

摘要： 本发明实施例提供了一种企业信用评分模型的训练方法及其系统、电子设备及存储介质。本发明实施例提供的企业信用评分模型的训练方法，通过从多个维度出发，建立多个子评估模型，然后对评分模型进行训练，当采用训练后的评分模型进行企业信用评分时，可以结合多种业务场景综合对企业信用进行评估，避免了过分依赖某一项信用记录，提高了企业信用评分模型的训练方法的准确性，另外，建立多个子评估模型，可以结合多种业务场景对企业的各维度资质进行评估，提高了企业信用评分方法的灵活性。

摘要： 本发明提供一种基于信用大数据标签的企业信用评分模型生成算法，涉及评分模型生成技术领域。该基于信用大数据标签的企业信用评分模型生成算法，包括以下步骤：1、基于信用大数据的标签分类与定量分析方法，将原始数据标签化，构建企业标签矩阵；2、根据身份标签筛选，构建企业场景标签库；3、运用(k,ε)‑核心集处理企业标签矩阵；4、随机森林算法对企业信用数据进行指标筛选；5、将IV值作为单变量筛选的标准；6、将筛选后的变量拟合逻辑回归模型。本发明，通过利用大数据信用标签，采用母子模型结构，先通过子模型将稀疏的大数据信息加工成密集信息，再将子模型的输出信息作为母模型的输入变量，将信息逐层加工，形成模型嵌套模型的技术架构。

摘要： 本发明提供了一种信用模型训练方法、信用评分方法、装置、电子设备及存储介质；信用模型训练方法包括：从样本信用数据中提取原始特征；根据所述原始特征生成包括多个特征组合的初代特征群，对所述初代特征群进行特征交叉操作及特征突变操作，得到子代特征群；对所述子代特征群进行迭代，并在每次迭代后，确定得到的特征组合的适应度，根据所述适应度选取特征组合构成新的子代特征群；当迭代得到的结果满足停止条件时，停止迭代，得到终代特征群；构建信用模型，根据所述终代特征群及所述样本信用数据更新所述信用模型的参数。通过本发明，能够生成与信用结果关联性较强的特征组合，提升了根据信用模型进行信用评分的准确性。

摘要： 本发明涉及一种用于信用预测评估的信用评分卡自动化分箱方法，包括如下步骤：收集数据，并对数据进行预处理；特征选择，筛选出对逾期状态影响最显著的数据字段；针对特征变量，进行自动化分箱；根据分箱后的特征变量，进行评分卡评估。本发明能够有效提高用户预测评估的准确性。

摘要： 个人信用评分以及信用额度测算方法，涉及金融和互联网。提供不仅可以解决判断矩阵在满足专家最大化意见的同时，也能够自我修改矩阵解决矩阵的一致性问题，而且还可以解决自主学习特点的个人信用评分以及信用额度测算方法。不仅可以解决判断矩阵在满足专家最大化意见的同时，也能够自我修改矩阵解决矩阵的一致性问题，而且还可以解决自主学习的特点。利用Delphi算法、AHP算法、专家打分系统、Elman神经网络、SOM神经网络和该行业数据研发出一款能够自我学习、自我调节的信用额度测算系统。

摘要： 本发明属于征信数据加密技术领域，且公开了跨迪链征信数据加密存储及信用评分隐私计算方案，包括以下步骤：S1：通过身份验证流程的用户生成256为随机数作为私钥K；S2：将私钥K拆分成24组11位，每组对应2048个汉字中的一个，组成共24个汉字的助记词组；S3：通过私钥K计算得出公钥PK；S4：将身份ID和公钥PK上传区块链；S5：隐私数据加密上传区块链。本发明通过以区块链技术为底层设施，设计了征信数据链上存储方案，完美解决保护征信数据的隐私和不可篡改性。为了防止征信数据泄漏，确保隐私数据可用不可见，设计发明了信用评分卡隐私计算方案，将区块链上征信敏感数据和隐私计算相结合，解决了敏感数据可用而不出库的问题。

摘要： 本发明提出了一种基于AutoML的自动化信用评分建模方法，包括以下步骤：(1)利用AutoML引擎信息判断数据的信息类型并添加标签(2)根据指定特征标签，AutoML引擎会自动的进一步对数据进行缺失值填补,删除,合并转化,分箱以及特征选择；(3)根据用户的需求，AutoML引擎针对不同的任务自动调用对应的模型反馈给用户一个最终的模型结果；(4)最后AutoML引擎根据以上步骤后生成完整的pipeline，供用户阅读数据的处理流程和模型的参数，以及后续模型的使用，本发明所要解决的技术问题是如何将AutoML引擎自动化信用评分建模，AutoML引擎可以快速的利用现用数据给出一个表现相对好的模型以及数据处理方法，解决了模型的构建越来越复杂，操作时费时费力的问题。