专利名称：一种农户多层单向网络线性分段信用评级方法
技术领域：
本发明涉及信用评级领域，特别涉及农户信用评级方法。
背景技术：
国、内外在研究企业(包括商业银行)信用评级或信用评价方面成果已非常多，大多成果都已商业化。比较有代表性的有，David West (2000)建立了 5种神经网络信用评价模型研究商业银行信用评价的准确性。他分别对德国和澳大利亚两组财务数据进行两类模式分类，并将所建立的5种神经网络模型多层感到知器、专家杂合系统、径向基函数网络、学习向量化子和模糊自适应共振与5种统计分类模型线性判别分析法、Logistic回归模型、K最邻近法、核密度分类方法、分类树法相比较。庞素琳(2005)建立了 10种企业信用评价模型，用来对我国部分上市公司和部分贷款企业进行信用评级。这10种企业信用评价模型为①5种神经网络信用评价模型多层感知器、BP算法网络、径向基函数网络、概率神经网络和自组织竞争网络 ’②Logistic回归模型；③两种线性判别分析模型一种是利用SPSS统计软件对数据样本进行判别分析，一种是利用原始数据推导建立线性判别分析模型，然后根据模型计算得到的结果对数据样本进行判别分析采用了 2种支持向量基方法一种是利用多项式函数作为核函数，一种是利用径向基函数作为核函数。在个人信用评级研究方面，国外研究成果较多，而且大多都已商业化。但我国在该领域的研究只是刚刚起步。Jiang Minghui,Xiong Qi,Cao Jing(2006)通过将倒数判别矩阵和模糊补偿判别矩阵相结合，提出了一种新的负判别矩阵，用来解决个人信用评估问题。姜明辉(2006)采用组合预测方法研究了商业银行个人信用评估问题。他针对指标体系混乱问题，利用货币效用曲线分析影响个人消费贷款履约行为的关键性因素，参考国内外已有的指标体系，构建适合于我国国情的商业银行个人信用评估指标体系。然后再针对非系统性问题，结合我国当时商业银行业务系统中所获取的实际数据情况，确定评估中所使用的指标，并就指标赋值、标准化、数据缺失、违约标准确定等数据处理过程提出了相应方法并加以应用。Pang Sulin和Hong Jizhang(2009)研究了商业银行的个人信用评级问题。他们在决策树C4. 5算法基础上首先详细研究了 C5. 0算法及相应的Boosting技术，并嵌入Boosting算法技术,构造了成本矩阵和Cost-sensitive tree,以此建立基于C5. 0算法的银行个人信用评级模型，用来对德国某银行的个人信贷数据进行信用评级，同时对模型参数调整前后的决策树的判别结果进行比较。Liu Taian,Wang Yunjia和Liu Wentong(2009)提出组合优化最小二乘支持向量机算法，用于解决个人信用评估问题。Wang Taov(2007)建立了基于第三方电子商务交易平台的个人信用评估系统。Liu Yaqin, Shi Hongbo (2011) 将GA-CFS的归因选择法应用于个人评估问题，并基于该方法构造了个人评估模型，通过启发“merit”作为GA适当的函数来优化个人评估系统。近年来，我国在农户小额信贷研究方面取得一定的进展。谭民俊，王雄，岳意定(2007)利用FPR-UTAHP评价方法研究农户小额信贷信用评级问题。他们从我国小额信贷的实践出发，建立了农户信用等级评价的指标体系，利用不确定层次分析法(UTAHP)确定指标权重。给出农户小额信贷信用等级中5个相对应的标准模糊状态向量，应用模糊数学构建农户信用等级的模糊模式识别模型。胡愈，许红莲，王雄(2007)从我国小额信贷的实践出发，建立农户信用等级评价的指标体系，应用模糊数学构建农户信用等级的模糊综合评价模型，利用不确定层次分析法确定指标权重，研究了农户小额信用贷款信用评级。王誉澍(2010)利用BP算法建立了农户信用评估模型，用来解决农户小额信贷信用评级问题。张昆(2010)基于逐步判别分析法，给出了农户小额贷款信用评价方程的建立和信用等级的划分的原理及步骤，对2044个客户样本进行实证分析。但在农户信用评级方面的研究，目前在我国还只是刚刚起步，所见文献研究非常少。刘文君(2010)通过分析农户信用特征，构建了农户信用评价指标体系，建立了农户信用评价模型，用于探讨和完善我国农户的征 信制度和信用评价制度。吴俊杰，张锴(2010)采用模糊综合评价方法构建了青年农户信用评级模型。目前，我国关于农户信用评级方面的研究只是刚刚起步，所见文献研究非常少。而看到的仅有几篇文献中，所建立的“模型”都是利用现有其他领域应用得已非常广泛以及非常成熟的模型直接植移到农户信用评级中来的，所以在研究方法和模型方面都没有创新。再者，这些文献给出模型后，没有实际应用，实际上也无法实际应用，因为农户信用评级指标集与原创模型所应用领域指标集的数据类型根本不同，当然就无法应用了，只能在理论上探讨。本发明首次公开一种农户多层单向网络线性分段信用评级方法。该方法在对农户进行信用评级，首先需要确定用于进行农户信用评级的各项指标，即首先构建农户信用评级指标体系，然后根据所建立的农户信用评级指标体系的层级结构来构建一个多层单向网络结构，通过该网络结构建立农户信用评分计算公式，再设计一个线性分段分类器，把分类器和多层单向网络连接起来。在对农户进行信用评级时，先通过多层单向网络计算农户信用评分值，然后再通过线性分段分类器，对农户进行信用评级。
发明内容
本发明的目的是提供一种农户多层单向网络线性分段信用评级方法。本发明在我国农村信用评级现状的基础上，把农村信用评级指标体系考虑成一个具有多层级单向网状结构的指标体系系统，通过构建多层单向网络结构把各层级的信用评级指标联结起来，从网络输出结点计算其信用评分值，然后设计一个线性分段分类器来将该网络输出的结果进行等级分类，以此达到信用评级的目的。本发明通过以下方案达到上述目的。一种农户多层单向网络线性分段信用评级方法，包括以下步骤(I)根据信用评级指标体系构建多层单向网络结构；(2)建立农户信用评分公式；(3)使用农户信用评分公式对农户信用进行评分；(4)建立线性分段分类器将步骤(3)的评分结果进行信用等级分类(即进行信用评级)；步骤(3)所述评分公式的通式为
权利要求
1.一种农户多层单向网络线性分段信用评级方法，其特征在于包括以下步骤 (1)根据信用评级指标体系构建多层单向网络结构； (2)建立农户信用评分公式； (3)使用农户信用评分公式对农户信用进行评分； (4)建立线性分段分类器将步骤(3)的评分结果进行信用等级分类； 步骤(3)所述农户信用评分公式的通式为
2.如权利要求I所述的农户多层单向网络线性分段信用评级方法，其特征在于步骤(3)中第M级指标的赋值采用赋分的方法。
3.如权利要求2所述的农户多层单向网络线性分段信用评级方法，其特征在于步骤(3)中第M级指标的赋值采用专家打分法。
4.如权利要求I所述的农户多层单向网络线性分段信用评级方法，其特征在于Wi = I。
全文摘要
本发明公开了一种农户多层单向网络线性分段信用评级方法及其在农户信用评级中的实际应用。该方法首先将农户信用评级指标体系构建成一个具有多层级的单向网络结构，然后建立农户信用评级指标体系信用评分公式进行信用评分，最后使用线性分段分类器将多层单向网络输出的结果进行信用等级分类。本发明建立了农户信用评级规则以及农户信用评级单向网络线性分段评价模型，讨论了基于农户信用评级的银行贷款授信所满足的性质。并且将理论建立的模型应用到广东省云浮市郁南县的实际农户信用评级中，当对我国部分山区县农户进行信用评级时，得到了符合郁南县农户信用评级实际的评定结果，准确率达到100%。
文档编号G06Q40/02GK102663643SQ20121007146
公开日2012年9月12日 申请日期2012年3月16日 优先权日2012年3月16日
发明者庞素琳, 汪寿阳 申请人:暨南大学