[发明专利]基于Fisher-Score违约鉴别能力最大的信用评级最优指标组合的方法

摘要

本发明提供了一种基于Fisher‑Score违约鉴别能力最大的信用评级最优指标组合的方法，属于信用服务技术领域。本发明旨在解决由于现有信用评价体系整体违约鉴别能力不是最大而造成的信用风险识别失效问题。以信用得分的Fisher Score违约鉴别能力最大为最优指标组合标准，在剔除反映信息重复的指标后，通过遍历法对比形成的所有指标组合的Fisher Score值，遴选其中信用得分违约鉴别能力Fisher Score值最大的那组指标为最优的指标组合。本发明的方法确保了信用评价体系整体的Fisher Score违约鉴别能力最大，为银行、个人等方方面面的投资者提供了有效识别信用风险的决策依据。

主权项

1.一种基于Fisher‑Score违约鉴别能力最大的信用评级最优指标组合的方法，其特征在于，步骤如下：步骤1：数据载入将信用评级的n个样本、信用评级海选指标及违约状态指标的源数据载入Excel文件中；其中，违约状态分为违约＝1和非违约＝0；步骤2：数据预处理通过Max‑Min标准化方法，将信用评级海选指标的源数据进行标准化，消除指标量纲的影响；步骤3：计算单个信用评级海选指标的违约鉴别能力Fi采用指标的Fisher Score值大小衡量指标的违约鉴别能力大小，指标的FisherScore值越大，则违约客户和非违约客户的组内数值离散程度越低，组间离散程度越大，则指标越能将违约客户与非违约客户显著区分开；指标xi的Fisher Score值公式如下：式(1)中，F_i第i个指标的Fisher score值，i＝1,2,…；第i个指标下非违约客户平均值；第i个指标下违约客户平均值；第i个指标下客户平均值；x_ij⁽⁰⁾第i个指标下第j个非违约客户数值；x_ih⁽¹⁾第i个指标下第h个违约客户数值；n₀非违约客户数；n₁违约客户数；步骤4：删除反映信息重复的指标，形成第一个指标组合ψ1(M)通过相关分析确定反映信息重复的指标对，删除信息重复的指标对中Fisherscore值小的指标，剩余M个非冗余的指标形成第一个指标组合ψ1(M)；步骤5：对评级指标赋权wi(m)采用公式对指标进行赋权，确保Fisher score值越大的指标，权重越大；其中，wi(m)表示指标组合ψ(m)中第i个指标的权重；m表示指标组合ψ(m)中需要赋权的指标个数，m＝1,2，…，M；步骤6：计算客户的信用评分Sj(m)采用线性加权公式求解客户j的信用得分；其中x_ij第i个指标下第j个客户的数值；步骤7：基于指标组合ψ1(M)计算客户信用评分Sj(M)的违约鉴别能力F1(M)将步骤6的信用得分Sj(m)＝Sj(M)代替指标xi，代入式(1)，得到信用得分Sj(M)的违约鉴别能力F1(M)，即指标组合ψ1(M)的违约鉴别能力F1(M)；与步骤3不同，步骤3是计算单个指标的Fisher score违约鉴别能力，从这里开始的步骤7‑步骤9是计算指标组合的Fisher score违约鉴别能力；步骤8：第二个指标组合ψ2(M‑1)及其违约鉴别能力F2(M‑1)的确定在步骤4的第一个指标组合M个指标的基础上，去掉1个指标，形成M‑1个指标的指标组合ψ2(M‑1)；指标组合ψ2(M‑1)一共有M个，共有M种去掉方式；按照步骤5‑步骤7，测试这M个指标组合ψ2(M‑1)的Fisher score值F2(M‑1)，选择Fisher score最大的那一个指标组合及其对应的最大的Fisher score违约鉴别能力，即为本步骤的遴选结果和下一步遴选的基础；步骤9：其他指标组合及其违约鉴别能力的确定在步骤8中遴选的Fisher score最大的指标组合基础上，去掉1个指标，则得到由M‑2个指标形成的指标组合ψ3(M‑2)；与步骤8同理，M‑2个指标的组合ψ3(M‑2)一共有M‑1组；按照步骤8，测试这M‑1个指标组合ψ3(M‑2)的Fisher score值F3(M‑2)，则得到Fisher score最大的那一个指标组合及其对应的最大的Fisher score违约鉴别能力；以此类推，则得到F4(M‑3)，F5(M‑4)，…，FM(1)；步骤10：最优指标组合的确定在步骤4‑步骤9中，选取F1(M)，F2(M‑1)，F3(M‑2)，…，FM(1)中选取最大值Fi(M+1‑i)所对应的那个指标组合ψi(M+1‑i)即为最优的指标组合，也即最优指标体系。