本发明涉及征信评分领域，具体提供一种对养殖户进行征信评分的方法。本发明还提供一种对养殖户进行征信评分的装置。
背景技术：
征信评分是一种衡量个人或机构征信水平的方法，征信评分是否能够准确衡量目标个体或机构的征信水平，主要取决于两方面内容，一是要拥有全面、准确的客观数据基础，二是合理设计并优化评分模型。
随着我国金融业的发展，金融服务覆盖面逐渐扩大，参与金融服务的群体种类日益增多，因此，与金融服务密切相关的征信评分方法面临更多的挑战。对于在银行贷过款的用户，央行留存有信用记录，如贷款金额、贷款次数、是否按时偿还等情况，该信用记录可作为对用户进行征信检测的数据来源。然而，随着普惠金融的发展，如何给没有信用记录、或信用记录不全面的群体授信成为金融风险管控中的一大难题。例如，农户中的养殖户就是这样的群体之一，大部分农户缺少央行征信记录和社会征信记录，缺少可靠的数据了解养殖户的风险情况，即使部分养殖户有一定的信用记录，其信息也不全面，需要进一步对其进行调查。
目前，缺少有效的可衡量养殖户的征信水平的方法。
技术实现要素：
本发明提供一种对养殖户进行征信评分的方法，以解决现有缺少有效的可衡量养殖户的征信水平的方法的问题。本发明还提供一种对养殖户进行征信评分的装置。
本发明提供一种对养殖户进行征信评分的方法，包括：
从保险数据、检验检疫数据以及外部大数据中提取养殖户的征信指标数据；
对所述养殖户的征信指标数据进行量化打分，获得指标分数；
将所述指标分数结合所述征信指标数据的权重信息进行评分计算，获取所述养殖户的信用分数。
可选的，所述从保险数据、检验检疫数据以及外部大数据中提取养殖户的征信指标数据的方式包括：
根据预先设置的征信指标种类从所述保险数据、检验检疫数据以及外部大数据中抽取与所述征信指标种类相对应的征信指标数据。
可选的，所述征信指标数据可进行动态调整。
可选的，所述征信指标种类为三级指标体系，所述三级指标体系包括：一级指标、二级指标、三级指标，每个所述一级指标包含至少一个二级指标，每个所述二级指标包含至少一个三级指标。
可选的，所述一级指标包括：
养殖户养殖指数；
养殖户历史信用指数；
养殖户背景指数；
养殖户交易指数。
可选的，所述养殖户养殖指数包含的二级指标包括：
养殖管理能力；
养殖技术能力；
养殖历史；
养殖稳定性；
养殖风险度。
可选的，所述养殖管理能力包含的三级指标包括：养殖基础设施面积以及存栏量；所述养殖技术能力包含的三级指标包括：养殖物品类以及养殖的出栏能力；所述养殖历史包含的三级指标包括：养殖年份数；所述养殖稳定性包含的三级指标包括：近五年连续养殖的年份数以及养殖物出栏稳定性；所述养殖风险度包含的三级指标包括：农业出险几率。
可选的，所述养殖户历史信用指数包含的二级指标包括：
征信记录瑕疵指数；
其他金融信用记录问题指数；
社会征信指数；
检验检疫执法问题指数。
可选的，所述征信记录瑕疵指数包含的三级指标包括：央行征信逾期情况以及短期内征信查询次数；所述其他金融信用记录问题指数包含的三级指标包括：小贷公司征信问题、保险高风险记录以及动产抵押；所述社会征信问题指数包含的三级指标包括：法院执行记录以及刑事案底；所述检验检疫执法问题指数包含的三级指标包括：检验检疫执法问题。
可选的，所述养殖户背景指数包含的二级指标包括：
居住稳定性；
信息稳定性；
养殖户家庭信息；
不良嗜好指数；
投保稳定性；
流动性指数。
可选的，所述居住稳定性包含的三级指标包括：居住性质、投保地点稳定性、检验检疫地点稳定性；所述信息稳定性包含的三级指标包括：手机信息；所述养殖户家庭信息包含的三级指标包括：年龄、性别、婚姻状态、户籍地区风险；所述不良嗜好指数包含的三级指标包括：高风险投资倾向；所述投保稳定性包含的三级指标包括：保单的连续性；所述流动性指数包含的三级指标包括：航旅指数。
可选的，所述养殖户交易指数包含的二级指标包括：
银行消费量；
公司化指数；
检验检疫频度。
可选的，所述银行消费量包含的三级指标包括：银行交易单均以及银行交易频次；所述公司化指数包含的三级指标包括：公司化指数；所述检验检疫频度包含的三级指标包括：检疫证出证频度。
可选的，所述征信指标数据的权重信息包括：
所述征信指标数据所对应的征信指标种类和所述征信指标种类所占权重；
所述将所述指标分数结合所述征信指标数据的权重信息进行评分计算，包括：
将所述征信指标数据与其对应的征信指标种类进行匹配，获得所述征信指标数据所对应的征信指标种类所占权重；
将所述征信指标数据的指标分数与其对应的征信指标种类所占权重相乘，并将所得结果进行累计加和，获得所述养殖户的信用分数。
可选的，所述征信指标种类所占权重的设定方法包括：
通过专家打分的方式对所述征信指标种类所占权重进行打分，获得征信指标权重分值；
对所述征信指标权重分值进行动态优化。
可选的，所述对所述征信指标权重分值进行动态优化的方式包括：
通过logistic回归模型进行优化。
可选的，所述征信指标种类为三级指标体系，所述三级指标体系包括：一级指标、二级指标、三级指标，每个所述一级指标包含至少一个二级指标，每个所述二级指标包含至少一个三级指标；所述通过专家打分的方式对所述征信指标种类所占权重进行打分，包括：
将权重总分分配至所述一级指标，将所述一级指标的权重分数分配至其包含的二级指标，将所述二级指标的权重分数分配至其包含的三级指标。
本发明还提供一种对养殖户进行征信评分的装置，包括：
征信指标数据提取单元，用于从保险数据、检验检疫数据以及外部大数据中提取养殖户的征信指标数据；
指标分数获得单元，用于对所述养殖户的征信指标数据进行量化打分，获得指标分数；
评分计算单元，用于将所述指标分数结合所述征信指标数据的权重信息进行评分计算，获取所述养殖户的信用分数。
与现有技术相比，本发明具有以下优点：
本申请提供的对养殖户进行征信评分的方法，通过从养殖户的保险数据、检验检疫数据以及外部大数据中提取养殖户的征信指标数据，将该征信指标数据进行量化打分，并将所述指标分数结合所述征信指标数据的权重信息进行评分计算，获得所述养殖户的信用分数。使用本方法，从可获得的养殖户的保险数据、检验检疫数据以及外部大数据中抽取可作为征信评分数据来源的征信指标数据，为养殖户的征信评分提供了客观准确全面的数据基础和科学的评分方法，解决了央行征信和其他社会征信对农村养殖户覆盖不足所导致的缺少有效的可衡量养殖户的征信水平方法的问题，为涉农金融贷款提供了可靠参考。
附图说明
图1是本申请第一实施例提供的方法流程图；
图2是本申请第一实施例提供的征信指标种类示意图；
图3是本申请第二实施例提供的装置示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。
本申请提供一种对养殖户进行征信评分的方法以及装置，以下分别提供实施例对所述方法以及装置进行详细说明。
本申请第一实施例提供一种对养殖户进行征信评分的方法，该方法主要应用于人保集团对养殖户进行征信评分的过程，请参考图1理解该实施例，图1为本申请第一实施例的方法流程图。
如图1所示，所述对养殖户进行征信评分的方法包括如下步骤：
S101，从保险数据、检验检疫数据以及外部大数据中提取养殖户的征信指标数据。
本步骤用于获取对养殖户进行征信评分时所需要的征信指标数据。征信评分指通过使用科学严谨的分析方法，综合考察影响个人及其家庭的内在和外在的主客观环境，并对其履行各种经济承诺的能力进行全面的判断和评估。其一般应用在信用评估机构对用户的信用等级进行评估的过程中，评估的方法一般为利用信用评分模型对用户的信用信息进行量化分析，获取量化的信用分值。
所述征信指标数据指的是在征信过程中能够作为被评估对象的评估单元的基础数据。例如，对于已有央行征信记录的用户，其贷款金额、贷款次数、还款状况等信用信息均可作为该用户的征信指标数据，该信用信息一般情况下通过央行进行记录和存储，其一般作为衡量用户信用状况的主要信息。本申请中，将金融系统以外的保险系统、检验检疫系统及其他外部大数据等作为养殖户的征信指标数据的来源，本申请中的征信指标数据区别于原有的用户信用数据，突破了原有的将金融系统内的信用记录作为唯一征信指标的思维，将可获取的用户的保险数据、检验检疫数据等非金融系统的数据作为可衡量养殖户信用状况的征信指标数据进行收集和整理，从而拓宽了征信指标的信息来源，弥补了养殖户的征信指标数据来源不足的问题。
所述保险数据为养殖户的保险购买记录，如人保集团积累的大量农险数据，通过对这些农险数据进行归类和提取，可获知该养殖户与保险相关的所有信息，其中包含大量养殖信息和个人背景信息，如农户的养殖基础设施面积、存栏量、养殖年分数、保单连续性、农业出险几率等，通过上述信息，可了解该养殖户的养殖技术能力、养殖稳定性、投保稳定性、养殖风险度等信息，上述信息可从侧面反映出该养殖户的信用状况。
所述检验检疫数据为与养殖户相关的卫生检疫、动植物检疫的检疫信息，主要来源于全国农业检验检疫数据，该类信息中同样包含大量养殖信息和个人背景信息，如检验检疫地点稳定性、检验检疫执法问题、养殖物出栏稳定性、检疫证出征频度等，通过上述信息可了解养殖户的养殖信息和背景信息，也可直接或间接反映出该养殖户的信用状况。
所述外部大数据可包含养殖户的社会事件记录(法院执行记录、刑事案底)、央行征信记录、其他金融信用记录、银行消费量、流动性、不良嗜好等。
所述从保险数据、检验检疫数据以及外部大数据中提取养殖户的征信指标数据的方式为：根据预先设置的征信指标种类从所述保险数据、检验检疫数据以及外部大数据中抽取与所述征信指标种类相对应的征信指标数据。该过程具体为：通过预定的数据检索和数据抽取方法将预先设定的可作为征信指标数据的信息、或通过计算、汇总等方式能够生成征信指标数据的信息从该养殖户的保险数据、检验检疫数据以及外部大数据中进行抽取，对所述抽取的数据进行整理，以此获得所述养殖户的征信指标数据。所述养殖户的所有保险数据、检验检疫数据以及外部大数据可通过本地数据查找或外部接口调用的方式获得，例如可从与所述养殖户相关的所有保险单、检验检疫单、央行征信记录、公安系统数据留存等数据中获得。
本实施例中，所述养殖户的征信指标数据所对应的征信指标种类为预先设定的，如图2所示，由图2可知，所述征信指标种类为三级指标体系，所述三级指标体系包括：一级指标、二级指标、三级指标，每个所述一级指标包含至少一个二级指标，每个所述二级指标包含至少一个三级指标。每个所述征信指标数据均有一个三级指标与之相对应。本实施例中所述一级指标包括：养殖户养殖指数、养殖户历史信用指数、养殖户背景指数、养殖户交易指数等四大类。其中，所述养殖户养殖指数包含的二级指标包括：养殖管理能力、养殖技术能力、养殖历史、养殖稳定性、养殖风险度。所述养殖管理能力包含的三级指标包括：养殖基础设施面积以及存栏量；所述养殖技术能力包含的三级指标包括：养殖物品类以及养殖的出栏能力；所述养殖历史包含的三级指标包括：养殖年份数；所述养殖稳定性包含的三级指标包括：近五年连续养殖的年份数以及养殖物出栏稳定性；所述养殖风险度包含的三级指标包括：农业出险几率。
所述养殖户历史信用指数包含的二级指标包括：征信记录瑕疵指数、其他金融信用记录问题指数、社会征信指数、检验检疫执法问题指数。所述征信记录瑕疵指数包含的三级指标包括：央行征信逾期情况以及短期内征信查询次数；所述其他金融信用记录问题指数包含的三级指标包括：小贷公司征信问题、保险高风险记录以及动产抵押；所述社会征信问题指数包含的三级指标包括：法院执行记录以及刑事案底；所述检验检疫执法问题指数包含的三级指标包括：检验检疫执法问题。所述养殖户背景指数包含的二级指标包括：居住稳定性；信息稳定性；养殖户家庭信息；不良嗜好指数；投保稳定性；流动性指数。所述居住稳定性包含的三级指标包括：居住性质、投保地点稳定性、检验检疫地点稳定性；所述信息稳定性包含的三级指标包括：手机信息；所述养殖户家庭信息包含的三级指标包括：年龄、性别、婚姻状态、户籍地区风险；所述不良嗜好指数包含的三级指标包括：高风险投资倾向；所述投保稳定性包含的三级指标包括：保单的连续性；所述流动性指数包含的三级指标包括：航旅指数。
所述养殖户交易指数包含的二级指标包括：银行消费量；公司化指数；检验检疫频度。所述银行消费量包含的三级指标包括：银行交易单均以及银行交易频次；所述公司化指数包含的三级指标包括：公司化指数；所述检验检疫频度包含的三级指标包括：检疫证出证频度。
从所述保险数据、检验检疫数据以及外部大数据中提取的数据，有些数据直接可以与所述征信指标种类相对应，例如，饲养生猪400头，可直接确定其对应的征信指标种类为：存栏量，对于该类数据可直接作为所述征信指标数据；然而某些数据需进行汇总和计算才可与所述征信指标种类相对应，例如，投保地点稳定性，需首先汇总养殖户投保地点的数量，根据该数量得到的数据才可作为所述征信指标数据。
需要说明的是，所述征信指标数据可进行动态调整，具体为在后续使用过程中，可根据实际需要对所述征信指标数据所对应的征信指标种类进行删除、增加、更改等优化调整操作，使所述征信指标数据更符合实际征信需求。
S102，对所述养殖户的征信指标数据进行量化打分，获得指标分数。
在上述步骤获取所述养殖户的征信指标数据后，本步骤用于按照征信模式对所述征信指标数据进行量化打分，获得指标分数。
所述指标分数指的是每个征信指标数据的信用衡量等级，其可作为所述征信指标数据进行信用度量时的信用值。
所述量化打分可通过数值匹配或逻辑匹配的方式自动化进行。
所述数值匹配的方式为：预先按特定规则对数值型的征信指标类型划分阈值区间，每个阈值区间对应不同的指标分数，对于具有明确数值的征信指标数据，在对其进行量化打分时可直接将其数值与其对应的征信指标类型所对应的阈值区间进行匹配，所述数值所属的阈值区间所对应的指标分数即为所述征信指标数据的指标分数。例如，对于“养殖基础设施面积、存栏量、养殖年份数”等具有明确数值范围的征信指标数据，其较容易划分阈值区间，只需根据数值的大小设定不同的得分等级即可，例如，“存栏量”指标的定义为养殖户最近一年的农险投保数量，抽取自人保累积的农险数据，对于不同的养殖物，需要定义不同的评分区间，如对于养猪户来说，对其“存栏量”进行划分阈值区间的方法为：0到50头对应的指标分数为1，50到200头对应的指标分数为3，200头以上对应的指标分数为5，在对某一养殖户的存栏量进行量化打分时，只需将养殖户所投保的猪的数量与所述按“存栏量”划分的阈值区间进行匹配，根据所述匹配结果获得其指标分数。
所述逻辑匹配的方式为：预先对缺乏明确数值的征信指标种类建立相应的逻辑运算规则，根据逻辑运算结果确定征信指标数据的指标分数。运用于本实施例的常见的逻辑运算规则为“正负判断”逻辑，例如，对于“刑事案底”的征信指标种类，由于刑事案底有损于养殖户的信用评级，对其设置的逻辑运算规则为“有刑事案底，则指标分数设置为-1；无刑事案底，则指标分数设置为1”，在进行征信指标数据的量化打分过程中，仅需判断是或否即可；对于“法院执行记录、投保地点稳定性、保单的连续性”等逻辑复杂的征信指标种类，需建立与之对应的复杂的逻辑运算法则。
S103，将所述指标分数结合所述征信指标数据的权重信息进行评分计算，获取所述养殖户的信用分数。
在经过上述步骤对所述养殖户的征信指标数据进行量化打分而获得指标分数之后，本步骤用于根据所述指标分数和预设的所述征信指标数据的权重信息进行评分计算，以获得所述养殖户的信用分数，该信用分数即可代表所述养殖户的真实信用等级。
本实施例中，所述征信指标数据的权重信息包括所述征信指标数据所对应的征信指标种类和所述征信指标种类所占权重；所述征信指标种类即为所述步骤S101中的预先设置的征信指标种类，其预先设置为三级指标体系，所述三级指标体系包括：一级指标、二级指标、三级指标，每个所述一级指标包含至少一个二级指标，每个所述二级指标包含至少一个三级指标。
所述征信指标种类所占权重的设定方式可包括以下两个阶段：
在权重设定初期的缺少样本验证阶段，通过专家打分的方式对所述征信指标种类所占权重进行打分，获得征信指标的原始权重分值。本实施例中，与上述征信指标种类分为三级相对应，专家打分也采用三级打分的方式，具体为：将权重总分以逐层分配的方式分配至所述一级指标、二级指标以及三级指标，即将权重总分分配至所述一级指标，将所述一级指标的权重分数分配至其包含的二级指标，将所述二级指标的权重分数分配至其包含的三级指标。例如，权重总分设定为100，首先将该权重总分按各一级指标对于用户征信的重要性的不同分配至所述一级指标，在此基础上根据专家经验进行二级指标和三级指标的权重分值分配，最终所有三级指标的权重加和为100。
在后续利用所述权重分值进行征信评分的计算阶段，根据征信评分结果对所述征信指标权重分值进行动态优化，该优化过程是基于征信评分在使用过程中的不断调优，能够使权重设置更加符合实际情况。本实施例中，对所述征信指标权重分值进行优化的方式为：通过logistic回归模型进行优化，logistic回归模型属于概率性非线性回归，是研究二分类结果与一些影响因素之间关系的一种多变量分析方法，通过使用该logistic回归模型可使得所述征信指标种类所占权重分值能够根据实际使用情况及时进行调整，使所述征信指标种类的权重分值与所述征信指标种类在实际使用过程中的实际比重更加匹配。
所述将所述指标分数结合所述征信指标数据的权重信息进行评分计算，包括如下步骤：
首先，将所述征信指标数据与其对应的征信指标种类进行匹配，获得所述征信指标数据所对应的征信指标种类所占权重。由上述步骤S101提取获得的每个征信指标数据都有预先设定的征信指标种类与之相对应，并且每个所述征信指标种类预先设定有其对应的权重分值，在将所述征信指标数据与其对应的征信指标种类进行匹配的同时即可获得所述征信指标种类所占权重分值。
其次，将所述征信指标数据的指标分数与其对应的征信指标种类所占权重分值相乘，并将所得结果进行累计加和，获得所述养殖户的信用分数。例如，“存栏量”指标分数为5分，权重分值为3，则该征信指标的评分为两者的乘积15分，最后将该养殖户的所有征信指标的评分累计相加，即可获得所述养殖户的征信评分。
上述第一实施例提供的对养殖户进行征信评分的方法，其主要适用于可获得养殖户的保险数据、检验检疫数据以及外部大数据的主体，例如人保集团，其为中国服务于农村和农业发展的最重要的综合金融服务商之一，也是国内农业领域大数据的重要采集者，可获得大范围覆盖的农险数据，并且人保集团旗下的人保金服取得了全国检验检疫系统的数据运营权，能够收集养殖户的流转信息，以了解养殖户的养殖情况。通过使用本方法，从可获得的养殖户的保险数据、检验检疫数据以及外部大数据中抽取可作为征信评分数据来源的征信指标数据，为养殖户的征信评分提供了客观准确全面的数据基础和科学的评分方法，解决了央行征信和其他社会征信对农村养殖户覆盖不足所导致的缺少有效的可衡量养殖户的征信水平方法的问题，为涉农金融贷款提供了可靠参考。
在上述的实施例中，提供了一种对养殖户进行征信评分的方法，与之相对应的，本申请第二实施例还提供了一种对养殖户进行征信评分的装置，下面结合附图进行说明。
由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关的部分请参见上述提供的方法实施例的对应说明即可。下述描述的装置实施例仅仅是示意性的。请参考图3理解该实施例，图3为本实施例提供的装置的单元框图，如图3所示，所述装置包括：
征信指标数据提取单元201，用于从保险数据、检验检疫数据以及外部大数据中提取养殖户的征信指标数据；
指标分数获得单元202，用于对所述养殖户的征信指标数据进行量化打分，获得指标分数；
评分计算单元203，用于将所述指标分数结合所述征信指标数据的权重信息进行评分计算，获取所述养殖户的信用分数。
可选的，所述从保险数据、检验检疫数据以及外部大数据中提取养殖户的征信指标数据的方式包括：
根据预先设置的征信指标种类从所述保险数据、检验检疫数据以及外部大数据中抽取与所述征信指标种类相对应的征信指标数据。
可选的，所述征信指标数据可进行动态调整。
可选的，所述征信指标种类为三级指标体系，所述三级指标体系包括：一级指标、二级指标、三级指标，每个所述一级指标包含至少一个二级指标，每个所述二级指标包含至少一个三级指标。
可选的，所述一级指标包括：
养殖户养殖指数；
养殖户历史信用指数；
养殖户背景指数；
养殖户交易指数。
可选的，所述养殖户养殖指数包含的二级指标包括：
养殖管理能力；
养殖技术能力；
养殖历史；
养殖稳定性；
养殖风险度。
可选的，所述养殖管理能力包含的三级指标包括：养殖基础设施面积以及存栏量；所述养殖技术能力包含的三级指标包括：养殖物品类以及养殖的出栏能力；所述养殖历史包含的三级指标包括：养殖年份数；所述养殖稳定性包含的三级指标包括：近五年连续养殖的年份数以及养殖物出栏稳定性；所述养殖风险度包含的三级指标包括：农业出险几率。
可选的，所述养殖户历史信用指数包含的二级指标包括：
征信记录瑕疵指数；
其他金融信用记录问题指数；
社会征信指数；
检验检疫执法问题指数。
可选的，所述征信记录瑕疵指数包含的三级指标包括：央行征信逾期情况以及短期内征信查询次数；所述其他金融信用记录问题指数包含的三级指标包括：小贷公司征信问题、保险高风险记录以及动产抵押；所述社会征信问题指数包含的三级指标包括：法院执行记录以及刑事案底；所述检验检疫执法问题指数包含的三级指标包括：检验检疫执法问题。
可选的，所述养殖户背景指数包含的二级指标包括：
居住稳定性；
信息稳定性；
养殖户家庭信息；
不良嗜好指数；
投保稳定性；
流动性指数。
可选的，所述居住稳定性包含的三级指标包括：居住性质、投保地点稳定性、检验检疫地点稳定性；所述信息稳定性包含的三级指标包括：手机信息；所述养殖户家庭信息包含的三级指标包括：年龄、性别、婚姻状态、户籍地区风险；所述不良嗜好指数包含的三级指标包括：高风险投资倾向；所述投保稳定性包含的三级指标包括：保单的连续性；所述流动性指数包含的三级指标包括：航旅指数。
可选的，所述养殖户交易指数包含的二级指标包括：
银行消费量；
公司化指数；
检验检疫频度。
可选的，所述银行消费量包含的三级指标包括：银行交易单均以及银行交易频次；所述公司化指数包含的三级指标包括：公司化指数；所述检验检疫频度包含的三级指标包括：检疫证出证频度。
可选的，所述征信指标数据的权重信息包括：
所述征信指标数据所对应的征信指标种类和所述征信指标种类所占权重；
所述将所述指标分数结合所述征信指标数据的权重信息进行评分计算，包括：
将所述征信指标数据与其对应的征信指标种类进行匹配，获得所述征信指标数据所对应的征信指标种类所占权重；
将所述征信指标数据的指标分数与其对应的征信指标种类所占权重相乘，并将所得结果进行累计加和，获得所述养殖户的信用分数。
可选的，所述征信指标种类所占权重的设定方法包括：
通过专家打分的方式对所述征信指标种类所占权重进行打分，获得征信指标权重分值；
对所述征信指标权重分值进行动态优化。
可选的，所述对所述征信指标权重分值进行动态优化的方式包括：
通过logistic回归模型进行优化。
可选的，所述征信指标种类为三级指标体系，所述三级指标体系包括：一级指标、二级指标、三级指标，每个所述一级指标包含至少一个二级指标，每个所述二级指标包含至少一个三级指标；所述通过专家打分的方式对所述征信指标种类所占权重进行打分，包括：
将权重总分分配至所述一级指标，将所述一级指标的权重分数分配至其包含的二级指标，将所述二级指标的权重分数分配至其包含的三级指标。
本发明虽然以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以做出可能的变动和修改，因此本发明的保护范围应当以本发明权利要求所界定的范围为准。
在一个典型的配置中，计算设备包括一个或多个处理器、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。