[发明专利]一种信用风险评估方法

说明书

本发明公开了一种信用风险评估方法，包括以下评估步骤：个人原始信用数据的采集、原始信用数据的预处理、分项抽取数据建立评估模型、导入危险数据实现人为评估、分类侧重点二次建立模型和综合信息获得评估结果。本发明中，该信用风险评估方法采用两次分项独立的建模风险评估的方式，既能够将原始数据内的异常不稳定数据进行标注，同时也可以对标注的异常不稳定数据进行二次全面的风险评估处理，实现全面完善的风险评估效果，同时采用人工导入危险数据的冲击方式，能够对原始数据模型起到风险冲击的作用，从而检验原始数据的抗风险性能，防止原始数据模型在受到风险冲击时发生崩塌溃败的现象，进而增强了信用风险评估的抗干扰性。

技术领域

本发明涉及信用风险评估技术领域，尤其涉及一种信用风险评估方法。

背景技术

信用风险又称为交易对方风险或履约风险，指交易对方不履行到期债务的风险，由于结算方式的不同，场内衍生交易和场外衍生交易各自所涉的信用风险也有所不同，随着互联网的快速普及，云计算、大数据、人工智能等技术的应用，为金融创新和发展带来了新的机遇，拓宽了数据边界，随着场景的逐渐多元化，非金融数据对于金融产业的影响越来越大，但是不同数据形成的变量对于我们最终在评估风险或者评估个人的时候，起到的预测周期的能力是不一样的，尤其是在银行在贷款方面，需要对被评估者进行信用风险评估的处理，以确保银行贷款的安全稳定，而传统人为风险评估的方法在实际操作中效率较低，质量较差，无法对被评估者的信用风险进行全面准确的评估处理，满足不了目前的银行评估需求。

发明内容

本发明的目的是为了解决现有技术中存在的缺点，而提出的一种信用风险评估方法。

为了实现上述目的，本发明采用了如下技术方案：一种信用风险评估方法，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。

作为上述技术方案的进一步描述：

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。

作为上述技术方案的进一步描述：