[发明专利]一种零售信贷业务评分系统及方法

说明书

一种零售信贷业务评分系统，包括数据整合模块、分析决策模块；分析决策模块包括专家经验评分模块、统计分析评分模块。一种零售信贷业务评分方法，基于构建的专家经验评分模型，对银行类型赋予不同的权重，构建风险模型，并进行评分模型的校验。能有效地结合经验及大数据对贷款信息进行合理地判断，提高贷款的准确率，减少贷款违约。

技术领域

本发明涉及金融系统的数据处理系统及方法，特别涉及一种零售信贷业务评分系统及方法。

背景技术

随着经济的发展，个人收入提高，人们乐于利用贷款进行消费。个人贷款，又称零售信贷业务，经过几十年的发展，各种征信机构大量出现，银行可以方便、快捷地了解借款人的信用状况，零售信贷业务已成为一项重要的贷款。零售信贷业务具有笔数多、单笔金额小、数据丰富的特征，传统的人工审批即费时又费力，这决定了需要对其进行智能化、概率化的管理模式，因此评分卡在信贷系统的作用越来越重要。

然而，目前使用评分卡技术的银行不多，一些中小行甚至不考虑自身的情况直接照搬大行的评分卡，贷款出现了大量违约。评分卡需要由经验丰富的专家来设计，目前中小行普遍缺乏这类专家。甚至在专家较多的大行，由于专家各自的主观感受有所不同，所设计出的评分卡必然不同，难以统一意见。因此，如何设计一套客观的评价方法来开发评分卡，以及如何根据银行自身的特点来设计评分卡，是目前急需解决的难题。

发明内容

为解决现有技术的不足，提供一种零售信贷业务评分系统及方法，能有效地结合经验及大数据对贷款信息进行合理地判断，提高贷款的准确率，减少贷款违约。

为实现上述目的，本发明采用以下技术方案：

一种零售信贷业务评分系统，包括数据整合模块、分析决策模块；

其中数据整合模块包括数据接口、数据清理整理模块、数据存储模块；

分析决策模块包括专家经验评分模块、统计分析评分模块；

其中专家经验评分模块：将根据经验筛选出的一组具有良好风险预测能力的风险要素，并根据要素的重要程度赋予不同的分值，得出办理业务的客户的分值；

其中统计分析评分模块：以海量大数据为基础、机器学习算法为支持，得出办理业务的客户的分值；包括风险模型建置与风险模型验证，在所述风险模型建置前，将历史信贷数据随机分成训练数据集和测试数据集，训练数据集用于模型建置，测试数据集用于模型验证；

上述的一种零售信贷业务评分系统，其中分析决策模块还包括人工修正模块，该模块用于对专家经验评分模型或机器学习评分模型得出的办理业务的客户的分值进行人工修正。

一种零售信贷业务评分方法，步骤如下：

步骤1，根据常用的经验方法“5C”、“5P”或“LAPP”其中之一构建专家经验评分模型：即按照加权值将不同的指标换算成对应的分数，得到一张分值表；

步骤2.1，按大型银行、中型银行和小型银行三类，对银行类型赋予不同的权重，用如下的公式换算成对应指标的重要程度：

其中，a_i,i＝1,2,...,n为各类银行的指标选取情况统计，r_i为对应的银行类型权重；

按照指标的重要程度d，优先向评分卡构建人员推荐重要程度高的指标；

步骤2.2，对各要素赋予不同的权重并根据步骤2中赋予银行类型权重，按比例换算成指标的分数；用如下公式计算出各要素的综合分数设定值：

其中，s_i为各类银行对某指标的分数设定比例；