[发明专利]个人信用评分以及信用额度测算方法

说明书

技术领域

本发明涉及金融和互联网，尤其是涉及从指标选取、模型设定、权重调整、信用评分、额度测算以及数据库与互联网构建的个人信用评分以及信用额度测算方法。

背景技术

伴随着全国经济的飞速发展，国民的信誉成为目前各行各业争相关注的焦点。由于我国个人信用评估体系的不完善，使银行面临巨大的信用风险。近几年来，我国为了扩大内需，各银行相继推出了住房、汽车、教育和旅游等个人消费信贷，然而，由于我国个人信用制度建设地滞后，银行不得不以繁琐的手续和严格的条件抬高个人消费信贷的门槛。个人信用制度的核心是个人信用评估体系，虽然国外在个人信用评估方面起步较早也比国内先进，但是只有结合我国国情，找出适合我国现阶段经济发展和个人经济行为的信用评估模型，才能达到降低银行风险，推广个人信用贷款，从而促进个人经济发展的目标。

目前的信用分数和信用额度测算系统都存在很多缺点或不足，在文献冯振涛,冯梦嫒.基于AHP的信用卡评分模型研究[J].金融理论与实践.2016(01):74-77；Jiaming Li,Xiaohua Lin.Assessing credit guarantee companies in China:Applying a new framework.China Economic Review.2017(44):98-111中，都采用了AHP对指标权重进行计算，最后得到相应的评级分数，通过评级的分数去线性对应相应的信用额度。文中虽然介绍了AHP权重计算过程，但确没有一种专家智能打分系统，在专家初始打分不满足一致性的前提下，能够在保留专家最大化意见的前提下自动调节权重，来满足矩阵的一致性条件。同时，文中的模型研究结果也不具有自我学习的特点。虽然也有文献(吴泽宁,张文鸽,管新建.AHP中判断矩阵一致性检验和修正的统计方法[J].系统工程.2002(03):67-71)中提及了修正方法，但也有缺点或不足，因为该文章的修改方法对矩阵多次修改后会破坏判断矩阵(例如将矩阵的某一元素会修改到大于9或小于1/9)，同时也没有给出多位专家同时打分怎么解决在满足多位专家最大化意见的同时，使该判断矩阵满足一致性条件。

发明内容

本发明的目的在于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。

本发明包括以下步骤：

1)将数据备份工作站、系统管理操作后台、服务器和客户端电脑通过网络连接；

2)基于数据的可获取性，从还款能力和还款意愿方面出发梳理出评级指标，再通过Delphi方法删选出重要的指标项；

3)建立AHP调查问卷，通过多位行业专家对调查问卷进行打分；

4)通过Delphi+AHP算法+专家系统实现个人信用评分结果；

5)利用SOM神经网络对数据库中十万个样本数据进行聚类分析，将其划分为三级九等，并且将训练好的神经网络保存在服务器中；

6)通过Elman神经网络对数据库中的数据进行训练学习并且拟合出一条经验曲线，并将训练好的神经网络保存在服务器；

在步骤6)中，所述经验曲线为信用分数所对应的授信额度。

7)由于每家公司实力的不同，其授信额度上下限会有变化，在系统管理操作后台界面上设置一个“授信最大额度”文本框，用于设置该公司的最大授信额度；

8)贷款人每通过进行测算授信额度，将会记录贷款人的个人信息，同时将贷款人的个人信息存储在数据库当中，当后期是否违约都记录在数据库中；

9)随着时间的推移，根据以后的行业情况与目前的情况出现的差别，贷款人数量和数据样本数量增加，在系统管理操作后台点击重新训练神经网络按钮，重新拟合出一条经验曲线和一个新的三级九等范围；

10)对信用额度测算方法不能自主学习和不能自我调节判断矩阵的一致性问题加以改善,并提出新的解决方案；

11)用计算机语言做成软件，并与服务器、数据库通过互联网相互连接，结合硬件设备，形成一套信用评分和信用额度测试的系统。

本发明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。本发明利用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。

具体实施方式