[发明专利]一种信用风险评估方法

权利要求书

1.一种信用风险评估方法，其特征在于，包括以下评估步骤：

S1:个人原始信用数据的采集，利用人工输入或者互联网导入的不同方式，全面的获取被评估者在评估日之前的所有与信用相关的初始元数据，并对与被评估者有信用关联的其他个人或企业进行初步录入，得到完整的原始数据库；

S2:原始信用数据的预处理，将原始数据库内杂乱无序的数据根据类别和属性的不同进行逐一准确的分类，并对分类后的原始数据进行逐项的清洗，同时对清洗后的数据进行深一层次的挖掘，获取剩余隐藏的信用评估数据；

S3:分项抽取数据建立评估模型，从所有的分项数据组内随机抽取若干个原数据，利用不同的建模结构方式对若干个原数据进行不同类型的建模处理，并根据建立的模型结构进行初步的评估，获取最初的风险评估值；

S4:导入危险数据实现人为评估，依次向各个初步建立的分类模型中人为导入危险异常信用数据，与模型中的常规信用数据进行冲突比较，从而显现出不稳定的信用数据，并对不稳定的数据进行标注；

S5:分类侧重点二次建立模型，拆散初步建立的模型，筛选出不稳定信号后，将剩余的信用数据进行归纳整理，根据初步评估出现的异常点进行二次全面不漏的建模，并有针对性的对模型内的侧重点信用数据进行二次评估检验；

S6:综合信息获得评估结果，结合初步和二次的风险评估的结果报告，以及对被评估者相关背景信息的调查结果，通过银行信用风险评估系统进行综合评估，得到被评估者的信用风险评估值。

2.根据权利要求1所述的一种信用风险评估方法，其特征在于，所述步骤S1中个人原始信用数据的采集方向分为银行内部和银行外部两个方向，其中，银行内部可以从被评估者在评估日之前的所有流水账单、信贷账单、资金流向和存余资金等方面进行数据的采集，银行外部可以从与被评估者关联的企业存档信息、第三方预留信息和社保税收信息等方面进行数据的采集。

3.根据权利要求1所述的一种信用风险评估方法，其特征在于，所述步骤S2中对于原始数据的清洗方式分为去除非必须数据和查漏补缺两种方式，其中，去除非必须数据可以将原始数据内与信用数据无关的其他数据进行排查，并将这些数据进行删除，查漏补缺可以检测到原始数据内遗漏的数据，并根据采集到的数据进行最小误差的补齐，实现数据的完整性。

4.根据权利要求1所述的一种信用风险评估方法，其特征在于，所述步骤S3中数据模型的建模方式采用分类树和节点标注的结构，分类树模型能够从源头对关联的信用数据进行逐一的分类建模，用于实现不同类别数据的快速分类建模，节点标注模型能够对不同数据的边界值进行标注统计，得到各项信用数据的最值范围。

5.根据权利要求1所述的一种信用风险评估方法，其特征在于，所述步骤S4中人为导入的危险数据可以初始位置、中段位置和末尾位置进行导入，选用评估日之前市场出现过的信用风险测试数据进行风险预估，起到人为风险干预评估的作用。

6.根据权利要求1所述的一种信用风险评估方法，其特征在于，所述步骤S5中对于侧重点的选取采用初步评估后显现出异常数据方面，显现出异常数据的信用数据方面在抗风险安全性上的有所不足，对其进行二次建模评估能够更加确定信用数据的安全性。

7.根据权利要求1所述的一种信用风险评估方法，其特征在于，所述步骤S6中银行风险评估系统可以从被评估者的就业前景、个人资产和家庭背景进行综合分析，同时也可以加入银行自身的收益平衡作为最终评估参考价值进行风险评估的最终裁定。