专利名称：基于金融信用贷款的评分卡系统及实现方法
技术领域：
本发明属于金融技术领域，涉及对投资对象进行评价和评级的技术，特别一种基于金融信用贷款的评分卡系统及实现方法。
背景技术：
随着市场经济的不断发展，金融开放步伐的加快，金融市场竞争的进一步加剧，各家金融机构通过相互提供信用担保或者其它形式的融资和信用服务，特别是向中小型金融机构客户提供融资担保类服务，从而扩大金融机构自身服务范围，扩大利润来源，最终提高金融企业的收益。然而，在瞬息万变和激烈的市场竞争环境下，金融企业面对国际、国内金融市场并不太平，国际金融市场的动荡，信用过度膨胀、债务危机、以及金融机构自身控制管理方面的问题，可能随机导致金融机构的信用危机，甚至导致整个金融市场的剧烈震荡。如何通过有效的手段，实现自我控制；如何通过科学的分析方法，选择信用最佳的客户；如何为每一客户设定一个能够承受风险的量化指标，是金融机构在利用客户资源，开展融资业务，扩大收益的同时，实现有效的分先控制，保证自身的资金安全，减少和避免危机造成的冲击，是摆在全球金融市场和各家金融机构面前的难题。目前，各家金融机构在金融风险控制方面普遍缺少相关管理经验、内部控制的手段和运行机制。他们缺少有效分析方法和量化标准； 缺少对自身风险承受的量化指标和监控制度；缺少解决问题的整体方案和系统方面的有效支持。
发明内容
本发明旨在解决上述背景技术中提到的金融机构普遍存在的问题及不足，具体的说就是，是提供一种针对其客户进行科学性的评级量化的系统及实现方法。该方法是灵活的、可调的，能随时根据金融环境、客户信用度的改变调节评级量化系统的各种参数，建立合理的评级制度，指导金融机构在信贷业务中，对相关客户进行合理评级，规避信贷风险。本发明的目的是提供一种基于金融信用贷款的评分卡系统，所述基于金融信用贷款的评分卡系统包括数据库模块，它是用于存储和提供历史数据源的结构，所述数据库模块设置有存储和提供完整数据的完整数据子模块，及存储和提供需要进行模型分析的缺失数据的缺失数据子模块；完整数据分析模块，它有用于对上述完整数据子模块中存储的完整数据进行分析，设定初步的优质因子加分和劣质因子减分评分规则，并设置初步评分卡模型的结构，所述完整数据分级模块，还设置有对所述初步评分卡模型，按照由小到大的顺序，分成若干评分等级的初级评分卡分级子模块；缺失数据分析模块，它是用于对前述的缺失数据子模块中的缺失数据，按照上述初步评分规则进行分析预测，完善上述初步评分卡模型的结构，所述缺失数据填充模块还设置有用于根据上述评分等级，及对应各个评分等级中缺失数据分布情况，计算各个等级中缺失数据遗失概率的缺失数据遗失计算子模块，及用于根据所述缺失数据遗失概率，模拟缺失数据各个评分等级中的存在，补全所述遗失概率的缺失数据补全模块；标准评分卡模块，它是用于将上述完整数据分析模块分析过程中建立的初步评分卡模型，添加由缺失数据分析模块分析得到的补充数据，建立标准评分卡模型的结构，所述标准评分卡模块还设置有用于评定客户信息中的优质因子，进行加分的加分规则子模块， 及用于评定客户信息中的劣质因子，进行减分的减分规则子模块；风险评估模块，它是用于通过上述标准评分卡模块、加分规则子模块及减分规则子模块，对新申请用户进行信用风险评估的结构。进一步，所述基于金融信用贷款的评分卡系统还包括有所述的风险评估模块，还设置有信用查新子模块，是用于对已有数据库模块中的已贷款用户及被拒绝贷款用户的信用重新评估的结构。所述标准评分卡模块设置有评分卡完善子模块，它是用于根据风险评估模块中申请评估子模块接受的新申请用户的数据，及根据信用查新子模块对数据库模块更新的数据，重新整理，完善标准评分卡模型的结构。所述系统设置有评分显示模块，是用于显示新申请用户及信用查新的评分结果的结构。本发明的另一目的是提供一种基于金融信用贷款的评分卡系统的实现方法，其特征在于，该方法包括以下步骤步骤1，建立基于完整数据X的初步评分卡模型，及所述评分卡模型与缺失数据Y 的对应关系，其中缺失数据Y是需要进行模型分析的缺失数据；步骤2，将基于完整数据X的初步评分卡模型，按照由小到大的顺序，分为i等级， 推断出每个等级中不含缺失数据Y对应数值的比例；步骤3，针对步骤2中由基于X的评分卡模型的评分卡等级，及推断出每个等级中不含缺失数据Y对应数值的比例，统计每个等级中缺失数据Y所有的观测点数目；步骤4，根据步骤3中获得的缺失数据Y数据的观测点数目，定义贝叶斯理论中的先验分布，计算出所有等级中缺失数据Y的遗失概率；步骤5，根据步骤4中得出的缺失数据Y的遗失概率，模拟缺失数据Y在每一个等级中的可能存在，进行处理，得到不含任何缺失数据的样本，建立标准的评分卡及评分规则。进一步，所述基于金融信用贷款的评分卡系统的实现方法还包括有在步骤1中，所述评分卡模型为通过基于完整数据X的初步评分卡模型，及外在的评分卡模型，按照一定的权重，加权而成的混和型评分卡模型。在步骤2中，每个等级中不含缺失数据Y对应数值的比例，包括得不到任何关于Y 的观测点的等级中，所述比例的计算，步骤如下步骤3. 1，统计所述评分卡等级中已知的观测点值A1(I), A1 (2)......，建立A =
(A1(I), A1 (2)......)；步骤3. 2，根据步骤3. 1中的已知的观测点值A1(I) ,A1 (2)......，建立对应的评分
卡平均值歹；
步骤3. 3，建立回归预测模型A=P ( ^ )，利用所述模型，预测得不到任何关于缺失数据Y的观测点的等级中缺失数据Y的观测点。在步骤4中，所述所有等级中缺失数据Y的遗失概率，针对其中的评分卡等级i，包括有Y = 1时的遗失概率么,，及Y = 0时的遗失概率1-戌。在步骤5中，所述模拟缺失数据Y在每一个等级中的可能存在，是按照如下步骤获得步骤5. 1根据步骤4中得出的针对其中的评分卡等级i，Y = 1时的遗失概率Α,， 建立模型0，、;步骤5. 2，针对评分卡等级i中，Y缺失的观测点，设置随机数字R ；步骤5. 3，如果R在模型0，^,内，则所述观测点属于Y = 1，否则所述观测点属于Y = 0。本发明的优点在于通过本所述的基于金融信用贷款的评分卡系统及实现方法， 金融机构可以根据以往的客户数据，包括已发放信贷业务的客户数据、拒绝发放信贷业务， 但有数据记录的客户数据，建立初级的评分卡模型，包括加分及减分项目的评分制度。再对客户数据中丢失的数据，如被拒绝发放信贷业务、且没有数据记录，或数据记录不完整的客户，利用本发明所提供的系统，推算并合理的融入初级评分卡模型中，建立完整的评分卡模型，及完整的信贷加分及减分项目，在金融机构进行信贷业务时，对新客户的信贷资格评审具有完整评分等级。且通过本发明所述的系统，可以对以往数据进行重新梳理，找出存在潜在危险的信贷用户，或者以往信贷条件重新定义其信贷等级，或者可以加入其它有效的客户数据，不断完善，使金融机构的信贷准则，及评分卡模型，跟随金融环境的变化，减少信贷风险，为金融机构提供安全有效的风险评估体系。
下面结合附图对本发明进行更详细的说明。图1是本发明所述基于金融信用贷款的评分卡系统的结构框图。图2是本发明所述基于金融信用贷款的评分卡系统的实现方法的流程图。图3是本发明所述的基于金融信用贷款的评分卡系统的实施示意图，为一实施例。
具体实施例方式下面参照着附图，结合着具体实施例对本发明做进一步的说明。首先参图1所示，对本发明的整体结构做说明。如图1所示，为本发明所述的基于金融信用贷款的评分卡系统100，设置有数据库模块210，它是用于存储和提供历史数据源的结构，如金融企业信贷业务方面的客户资料， 可以具体为某一时间段内的客户资料，所述数据库模块210设置有存储和提供完整数据的完整数据子模块，及存储和提供需要进行模型分析的缺失数据的缺失数据子模块212。所述完整数据可以为已获得所述金融机构信贷业务的客户资料，或者未获得所所述金融机构信贷业务，但是具体信息也被保存的客户资料，所述缺失数据为未获得所所述金融机构信贷业务，也为保存具体信息的客户资料。
所述系统100还设置有完整数据分析模块220，它有用于对上述完整数据子模块中存储的完整数据进行分析，设定初步的优质因子加分和劣质因子减分评分规则，并设置初步评分卡模型的结构，所述完整数据分级模块220，还设置有对所述初步评分卡模型，按照由小到大的顺序，分成若干评分等级的初级评分卡分级子模块221。所述完整数据分析模块220，可以根据用户在申请信贷时提供的相关资料，如客户的资金实力，资产质量，各项指标，经济效益，清偿支付能力，企业陷入财务困境的可能性等，按照其细分等级，正负差异设计初步的加分及减分规则。而通过评分卡分级子模块221，按照由小到大的排列顺序，将所述初步评分卡模型，分成若干个等级，如20等级，级别的划分不一定要去均勻，但是排列必须是由小到大按顺序。所述系统100还设置有缺失数据分析模块230，它是用于对前述的缺失数据子模块中的缺失数据，按照上述初步评分规则进行分析预测，完善上述初步评分卡模型的结构， 所述缺失数据填充模块还设置有用于根据上述评分等级，及对应各个评分等级中缺失数据分布情况，计算各个等级中缺失数据遗失概率的缺失数据遗失计算子模块M1，及用于根据所述缺失数据遗失概率，模拟缺失数据各个评分等级中的存在，补全所述遗失概率的缺失数据补全模块232。因为缺失数据，并不会在所有的等级中均勻分布，刚开始分析的缺失数据可以在第10个等级有多个观察点数目，在第11个等级找不到一个观察点数目，因此需要通过缺失数据遗失计算子模块231，通过一定的算法，如贝叶斯理论中的先验分布，计算出所有等级中缺失数据的遗失概率，并通过缺失数据补全模块232，模拟缺失数据在每一个等级中的可能存在，进行处理，得到不含任何缺失数据的样本。所述系统还设置有标准评分卡模块M0，风险评估模块250，评分显示模块沈0。其中，标准评分卡模块240是用于将上述完整数据分析模块分析过程中建立的初步评分卡模型，添加由缺失数据分析模块分析得到的补充数据，建立标准评分卡模型的结构，所述标准评分卡模块还设置有用于评定客户信息中的优质因子，进行加分的加分规则子模块M1，用于评定客户信息中的劣质因子，进行减分的减分规则子模块M2，及用于根据风险评估模块中申请评估子模块接受的新申请用户的数据，及根据信用查新子模块对数据库模块更新的数据，重新整理，完善标准评分卡模型的评分卡完善子模块343 ；风险评估模块250，它是用于通过上述标准评分卡模块Ml、加分规则子模块及减分规则子模块M2，对新申请用户进行信用风险评估的结构，所述的风险评估模块250还设置有用于对已有数据库模块中的已贷款用户及被拒绝贷款用户的信用重新评估的信用查新子模块；评分显示模块，是用于显示新申请用户及信用查新的评分结果的结构。具体的，所述标准评分卡模块240是根据由缺失数据分析模块230获得的补全后不含任何缺失数据的样本，及由完整数据分析模块220建立的初级评分卡模型，建立不含任何缺失数据的标准评分卡模型，及新的加减分规则，如更加细化客户提供资料中经济效益的评分标准。评分准则建立以后，就可以指导金融机构对新申请信贷业务的客户进行信贷评分，根据具体的打分项目，评出分数。如满分为100分，评分等级如下90分及90分以上信誉极好，几乎无风险80分信誉优良，基本无风险70分信誉较好，具备支付能力，风险较小
60分信誉一般，基本具备支付能力，稍有风险50分信誉欠佳，支付能力不稳定，有一定的风险50分以下信誉较差，近期内支付能力不稳定，有很大风险立即贷款80-100信用考良50-80拒绝贷款50分以下而这个新客户的评分为80分，则按照上述的评分等级，该用户可以获得贷款。而且，通过这个评分标准，可以对金融机构已有的用户数据进行信用查新，剔除具有潜在风险的已贷款用户，对拒绝的用户重新评定其信贷资格。根据上述的数据更新，或者加减分项目的跟新，重新跟新评分卡模型。下面结合一些具体实施例来展开说明。图3的说明图3是本发明所述的基于金融信用贷款的评分卡系统的实施示意图， 为一实施例。参图3所示，金融机构通过本发明所述的基于金融信用贷款的评分卡系统，建立了标准评分卡模型，包括审定客户申请资料，确定加减分项目的评分规则。此时有新的客户向所述金融机构申请贷款业务，提供了他的申请资料，所述金融机构就可以通过预先建立的评分规则，对该客户进行信用评分。如果该客户信用评分超过 80分，则按照上述规则直接贷款，或者该客户信用评分低于50分，拒绝贷款。不管是否给所述客户发放贷款，该客户的资料会增加到数据库中。同时，所述金融机构可以对数据库中已有的客户资料进行信用查新的重新评估， 如针对已获得信用贷款的客户，可以剔除具有信用风险的客户，进行重点监视；针对未获得信用贷款的客户，可以查新，找出潜在的具有贷款资格的客户，。上述的数据更新，包括新客户的资料录入，已有客户资料的查新更改，最后都汇总到数据库，建立更加完善的数据资料，然后，根据新的数据库，可以指导建立更为具体、准确的评分卡模型。图2的说明是本发明所述基于金融信用贷款的评分卡系统的实现方法的流程图。步骤1，建立基于完整数据X的初步评分卡模型，及所述评分卡模型与缺失数据Y 的对应关系，其中缺失数据Y是需要进行模型分析的缺失数据；如图2所示，数据库包括有完整数据X及缺失数据Y，具体的，所述数据库可以是某金融机构2006-2009年的数据样本，为了保证新建模型样本的代表性，所述数据库包括所有3000个记录的客户信息。风险管理人员需要利用数据库中的贷款客户信息(含违约信息)以及申请被拒绝客户信息，构建新的评分卡模型。申请贷款但被拒绝贷款的800个客户信息中，750条信息不含信用质量数据，为缺失数据Y，剩下的2150条信息为完整数据X。如果存在外在的评分卡，可以反映所述外在的评分卡和缺失数据Y的关系，那么我们也可以直接利用所述外在的评分卡，或者我们构建一个以外在的评分卡，和基于完整数据X的初步评分卡，加权建成混合评分卡。步骤2，将基于完整数据X的初步评分卡模型，按照由小到大的顺序，分为i等级， 推断出每个等级中不含缺失数据Y对应数值的比例；具体的，例如，初步评分卡的评分是0到100，我们将它分为20等分。级别的划分不一定要去均勻，但是排列必须是由小到大按顺序。
步骤3，针对步骤2中由基于X的评分卡模型的评分卡等级，及推断出每个等级中不含缺失数据Y对应数值的比例，统计每个等级中缺失数据Y所有的观测点数目；具体的，所述每个等级中不含缺失数据Y对应数值的比例的推断方法如下1.统计所述评分卡等级中已知的观测点值A1 (1)，A1 (2)......，建立A = (A1⑴，
A1 (2)......)；2.根据步骤3. 1中的已知的观测点值A1⑴，AJ2)......，建立对应的评分卡平均
值3.建立回归预测模型A=P ( S ),利用所述模型，预测得不到任何关于缺失数据Y 的观测点的等级中缺失数据Y的观测点。步骤4，根据步骤3中获得的缺失数据Y数据的观测点数目，定义贝叶斯理论中的先验分布，计算出所有等级中缺失数据Y的遗失概率；在该步骤中，所述所有等级中缺失数据Y的遗失概率，针对其中的评分卡等级i， 包括有Y = 1时的遗失概率么;，及Y = 0时的遗失概率1-么,。步骤5，根据步骤4中得出的缺失数据Y的遗失概率，模拟缺失数据Y在每一个等级中的可能存在，进行处理，得到不含任何缺失数据的样本，建立标准的评分卡及评分规则。在步骤5中，所述模拟缺失数据Y在每一个等级中的可能存在，是按照如下步骤获得1.根据步骤4中得出的针对其中的评分卡等级i，Y = 1时的遗失概率Α,，建立模型0，為丨,;2.针对评分卡等级i中，Y缺失的观测点，设置随机数字R ；3.如果R在模型0，式,内，则所述观测点属于Y = 1，否则所述观测点属于Y = O0以上是对本发明的描述而非限定，基于本发明思想的其它实施方式，均在本发明的保护范围之中。
权利要求
1.一种基于金融信用贷款的评分卡系统，其特征在于，所述基于金融信用贷款的评分卡系统包括数据库模块，它是用于存储和提供历史数据源的结构，所述数据库模块设置有存储和提供完整数据的完整数据子模块，及存储和提供需要进行模型分析的缺失数据的缺失数据子模块；完整数据分析模块，它有用于对上述完整数据子模块中存储的完整数据进行分析，设定初步的优质因子加分和劣质因子减分评分规则，并设置初步评分卡模型的结构，所述完整数据分级模块，还设置有对所述初步评分卡模型，按照由小到大的顺序，分成若干评分等级的初级评分卡分级子模块；缺失数据分析模块，它是用于对前述的缺失数据子模块中的缺失数据，按照上述初步评分规则进行分析预测，完善上述初步评分卡模型的结构，所述缺失数据填充模块还设置有用于根据上述评分等级，及对应各个评分等级中缺失数据分布情况，计算各个等级中缺失数据遗失概率的缺失数据遗失计算子模块，及用于根据所述缺失数据遗失概率，模拟缺失数据各个评分等级中的存在，补全所述遗失概率的缺失数据补全模块；标准评分卡模块，它是用于将上述完整数据分析模块分析过程中建立的初步评分卡模型，添加由缺失数据分析模块分析得到的补充数据，建立标准评分卡模型的结构，所述标准评分卡模块还设置有用于评定客户信息中的优质因子，进行加分的加分规则子模块，及用于评定客户信息中的劣质因子，进行减分的减分规则子模块；风险评估模块，它是用于通过上述标准评分卡模块、加分规则子模块及减分规则子模块，对新申请用户进行信用风险评估的结构。
2.根据权利要求1所述的一种基于金融信用贷款的评分卡系统，其特征在于所述的风险评估模块，还设置有信用查新子模块，是用于对已有数据库模块中的已贷款用户及被拒绝贷款用户的信用重新评估的结构。
3.根据权利要求1和2所述的一种基于金融信用贷款的评分卡系统，其特征在于所述标准评分卡模块设置有评分卡完善子模块，它是用于根据风险评估模块中申请评估子模块接受的新申请用户的数据，及根据信用查新子模块对数据库模块更新的数据，重新整理， 完善标准评分卡模型的结构。
4.根据权利要求1或2所述的一种基于金融信用贷款的评分卡系统，其特征在于所述系统设置有评分显示模块，是用于显示新申请用户及信用查新的评分结果的结构。
5.一种基于金融信用贷款的评分卡系统的实现方法，其特征在于，该方法包括以下步骤步骤1，建立基于完整数据X的初步评分卡模型，及所述评分卡模型与缺失数据Y的对应关系，其中缺失数据Y是需要进行模型分析的缺失数据；步骤2，将基于完整数据X的初步评分卡模型，按照由小到大的顺序，分为i等级，推断出每个等级中不含缺失数据Y对应数值的比例；步骤3，针对步骤2中由基于X的评分卡模型的评分卡等级，及推断出每个等级中不含缺失数据Y对应数值的比例，统计每个等级中缺失数据Y所有的观测点数目；步骤4，根据步骤3中获得的缺失数据Y数据的观测点数目，定义贝叶斯理论中的先验分布，计算出所有等级中缺失数据Y的遗失概率；步骤5，根据步骤4中得出的缺失数据Y的遗失概率，模拟缺失数据Y在每一个等级中的可能存在，进行处理，得到不含任何缺失数据的样本，建立标准的评分卡及评分规则。
6.根据权利要求项5所述的一种基于金融信用贷款的评分卡系统的实现方法，其特征在于在步骤1中，所述评分卡模型为通过基于完整数据X的初步评分卡模型，及外在的评分卡模型，按照一定的权重，加权而成的混和型评分卡模型。
7.根据权利要求项5所述的一种基于金融信用贷款的评分卡系统的实现方法，其特征在于在步骤2中，每个等级中不含缺失数据Y对应数值的比例，包括得不到任何关于Y的观测点的等级中，所述比例的计算，步骤如下步骤3. 1，统计所述评分卡等级中已知的观测点值A1(I), A1⑵......，建立A =(A1(I), A1 (2)......)；步骤3. 2，根据步骤3. 1中的已知的观测点值A1(I) ,A1 (2)......，建立对应的评分卡平均值5 ；步骤3. 3，建立回归预测模型A=P ( 5 )，利用所述模型，预测得不到任何关于缺失数据 Y的观测点的等级中缺失数据Y的观测点。
8.根据权利要求项5所述的一种基于金融信用贷款的评分卡系统的实现方法，其特征在于在步骤4中，所述所有等级中缺失数据Y的遗失概率，针对其中的评分卡等级i，包括有γ = ι时的遗失概率A1,，及Υ = ο时的遗失概率I-A1,。
9.根据权利要求项5或8所述的一种基于金融信用贷款的评分卡系统的实现方法，其特征在于在步骤5中，所述模拟缺失数据Y在每一个等级中的可能存在，是按照如下步骤获得步骤5. 1根据步骤4中得出的针对其中的评分卡等级i，Y = 1时的遗失概率Α,，建立模型0，、;步骤5. 2，针对评分卡等级i中，Y缺失的观测点，设置随机数字R ；步骤5. 3，如果R在模型0，A,内，则所述观测点属于Y = 1，否则所述观测点属于Y = 0。
全文摘要
本发明提供一种基于金融信用贷款的评分卡系统及实现方法，属于金融技术领域。通过本发明，金融机构可以根据以往的客户数据，建立评分卡模型，包括加分及减分项目的评分制度。再对客户数据中丢失的数据，如被拒绝发放信贷业务，或数据记录不完整的客户，利用本发明所提供的系统，推算并合理的融入初级评分卡模型中，建立完整的评分卡模型，及完整的信贷加分及减分项目。在金融机构进行信贷业务时，对新客户的信贷资格评审具有完整评分等级。本发明可以对以往数据进行重新梳理，找出存在潜在危险的信贷用户，使金融机构的信贷准则及评分卡模型，跟随金融环境的变化，减少信贷风险，从而为金融机构提供安全有效的风险评估体系。
文档编号G06Q40/02GK102376067SQ20101025902
公开日2012年3月14日 申请日期2010年8月20日 优先权日2010年8月20日
发明者刘钢, 卢盛祺, 许威, 陈公越 申请人:刘钢, 卢盛祺, 许威, 陈公越