基于信用相似度最大的信用等級最優(yōu)劃分方法
【專利摘要】本發(fā)明提供了一種基于信用相似度最大的信用等級最優(yōu)劃分方法，屬于信用服務(wù)技術(shù)領(lǐng)域。本發(fā)明提供一種在滿足信用等級越高、違約損失率越低的信用本質(zhì)屬性的前提下，保證信用狀況相似的客戶劃分為同一個等級，信用狀況差異大的客戶劃分為不同等級的信用等級最優(yōu)劃分方法。通過建立以同一等級中信用風(fēng)險評價得分的組內(nèi)離差最小、不同等級中信用風(fēng)險評價得分的組間離差最大為目標(biāo)函數(shù)，以信用等級由高到低的違約損失率嚴(yán)格遞增為約束的多目標(biāo)規(guī)劃模型劃分最優(yōu)的信用等級。
【專利說明】
基于信用相似度最大的信用等級最優(yōu)劃分方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及一種基于信用相似度最大的信用等級最優(yōu)劃分方法，屬于信用服務(wù)技 術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 信用評級對當(dāng)代社會有極其重要的影響。不論是主權(quán)信用評級、企業(yè)信用評級、銀 行信用評級，還是個人信用評級，若信用等級劃分不合理，必將誤導(dǎo)債權(quán)人和社會公眾。信 用評級結(jié)果的變動直接反映經(jīng)濟狀態(tài)的變化，引起投資人和社會公眾的密切關(guān)注。主權(quán)信 用評級結(jié)果的變化反映一國經(jīng)濟狀況的變化，公司債券評級結(jié)果的變化又標(biāo)志著工商企業(yè) 或金融企業(yè)經(jīng)營狀況的變化。
[0003] 信用評級的本質(zhì)是根據(jù)客戶信用狀況對客戶進行等級劃分，掲示不同等級客戶的 不同信用風(fēng)險水平。信用等級的劃分是信用評級的最終結(jié)果。若信用等級劃分不合理，會誤 導(dǎo)投資者和社會公眾做出錯誤的投資決策，因此在包括信用評級指標(biāo)的遽選、指標(biāo)的賦權(quán)、 客戶信用風(fēng)險評價得分的確定W及信用等級的劃分等步驟構(gòu)成的信用評級體系中，信用等 級的劃分尤其重要。
[0004] 第一類現(xiàn)有信用等級劃分主要通過信用評價得分屬于某個區(qū)間，或根據(jù)違約概率 大于特定闊值的思路來劃分客戶所屬的信用等級。中華人民共和國知識產(chǎn)權(quán)局專利號為 200810139934.8的"征信評級管理咨詢系統(tǒng)"包括財務(wù)分析、信用評級、風(fēng)險管理系統(tǒng)等15 個模塊，具有結(jié)構(gòu)清晰，易于擴展，易于重用等特點。中華人民共和國國家知識產(chǎn)權(quán)局專利 號為201010546434.3的"信用評級系統(tǒng)"為信用評級服務(wù)機構(gòu)提供了一種開展信用評級業(yè) 務(wù)的信息化系統(tǒng)。美國專利商標(biāo)局專利號為6965878的乂urrency and credit rating system for business-t〇-business hansaction"通過信用得分屬于不同區(qū)間的方法來 劃分信用等級。世界知識產(chǎn)權(quán)組織專利號為W0/2012/012623的乂REDIT RISK MININ護利用 企業(yè)財務(wù)、宏觀環(huán)境等多種數(shù)據(jù)，提供了企業(yè)信用等級變化的概率測算、違約率測算等模 型。
[0005] 第一類信用評級相關(guān)專利存在W下不足:劃分的信用等級不滿足"信用等級越高、 違約損失率越低"運一信用本質(zhì)屬性。導(dǎo)致很多在指標(biāo)上看上去很完美的評級體系，對客戶 評價時往往得到信用等級很高的客戶、對應(yīng)違約損失率反而不低的怪現(xiàn)象。
[0006] 第二類現(xiàn)有信用等級劃分主要通過"信用等級越高、違約損失率越低"的違約金字 塔標(biāo)準(zhǔn)來劃分客戶所屬的信用等級。中華人民共和國知識產(chǎn)權(quán)局專利號為201210201461.6 的"基于信用等級與違約損失率匹配的信用評級系統(tǒng)與方法"，W及中華人民共和國知識產(chǎn) 權(quán)局專利號為201210201114.3的"基于信用等級與違約損失率匹配的信用評級調(diào)整方法"， 運兩項專利根據(jù)"信用等級越高、違約損失率越低"的標(biāo)準(zhǔn)劃分信用等級，保證信用等級越 高的貸款客戶對應(yīng)的違約損失率越低。
[0007] 第二類兩項發(fā)明專利根據(jù)信用等級越高、違約損失率越低的違約金字塔標(biāo)準(zhǔn)進行 等級劃分，滿足信用評級的本質(zhì)特征。但由于研究問題的角度不同，運兩項專利并沒有考慮 信用相似度越大、越應(yīng)劃分為同一信用等級的準(zhǔn)則，會導(dǎo)致信用風(fēng)險評價得分相同的不同 客戶卻被劃分為不同信用等級的邏輯混亂。
[0008] 本發(fā)明通過W同一等級中信用風(fēng)險評價得分的組內(nèi)離差最小、不同等級中信用風(fēng) 險評價得分的組間離差最大為目標(biāo)函數(shù)，W信用等級由高到低的違約損失率嚴(yán)格遞增為約 束的多目標(biāo)規(guī)劃模型劃分最優(yōu)的信用等級，在信用狀況相似的客戶劃分為同一個等級的前 提下，確保信用狀況不同的客戶劃分為不同的等級，同時能保證信用等級劃分結(jié)果滿足信 用等級越低、違約損失率越高的違約金字塔標(biāo)準(zhǔn)。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明的目的是提供一種在滿足信用等級越高、違約損失率越低的信用本質(zhì)屬性 的前提下，保證信用狀況相似的客戶劃分為同一個等級，信用狀況差異大的客戶劃分為不 同等級的信用等級最優(yōu)劃分方法。
[0010] 本發(fā)明的技術(shù)方案：
[0011] 通過建立W同一等級中信用風(fēng)險評價得分的組內(nèi)離差最小、不同等級中信用風(fēng)險 評價得分的組間離差最大為目標(biāo)函數(shù)，W信用等級由高到低的違約損失率嚴(yán)格遞增為約束 的多目標(biāo)規(guī)劃模型劃分最優(yōu)的信用等級。
[0012] -種基于信用相似度最大的信用等級最優(yōu)劃分方法，步驟如下：
[0013] 構(gòu)建信用風(fēng)險評級體系，包括建立信用風(fēng)險評價指標(biāo)體系、信用風(fēng)險評價指標(biāo)的 賦權(quán)、建立客戶信用風(fēng)險評價方程W及劃分客戶信用等級；依次通過建立信用風(fēng)險評價指 標(biāo)體系、信用風(fēng)險評價指標(biāo)的賦權(quán)和建立客戶信用風(fēng)險評價方程確定第i個客戶的信用風(fēng) 險評價得分Si,為信用等級的劃分提供數(shù)據(jù)基礎(chǔ)，通過信用風(fēng)險評價得分Si將客戶劃分為9 個信用等級;其中，i = l，2，'''n，n為待劃分信用等級的全部客戶數(shù)目。
[0014] 步驟1:確定信用風(fēng)險評價得分Si
[0015] 1)建立信用風(fēng)險評價指標(biāo)體系:首先通過Fisher判別的方法在海選指標(biāo)中遽選顯 著區(qū)分違約與非違約客戶的指標(biāo);再通過相關(guān)分析法從上述顯著區(qū)分違約與非違約客戶的 指標(biāo)中刪除反映信息重復(fù)的指標(biāo)，得到信用風(fēng)險評價指標(biāo)體系；
[0016] 2)賦權(quán)信用風(fēng)險評價指標(biāo):通過均方差方法對步驟1)得到信用風(fēng)險評價指標(biāo)體系 中指標(biāo)賦權(quán)，指標(biāo)的均方差越大，權(quán)重越大；
[0017] 3)建立客戶信用風(fēng)險評價方程:對信用風(fēng)險評價指標(biāo)體系中指標(biāo)與指標(biāo)的權(quán)重進 行線性加權(quán)，建立客戶信用風(fēng)險評價方程Si= E ，確定第i個客戶的信用風(fēng)險評價得 分Si;其中，Wj第j個指標(biāo)的權(quán)重，XiJ第j個指標(biāo)下第i個客戶的數(shù)值，i = l，2, 一Dj = I, 2，一m，n為待劃分信用等級的全部客戶數(shù)目，m為信用風(fēng)險評價指標(biāo)體系中指標(biāo)的個數(shù)。
[0018] 構(gòu)建信用風(fēng)險評價指標(biāo)體系及確定指標(biāo)權(quán)重是計算信用風(fēng)險評價得分Si的基礎(chǔ)， 并且具有若干種確定方法。
[0019]步驟2:數(shù)據(jù)導(dǎo)入
[0020] 將步驟1中得到待劃分的所有客戶的信用風(fēng)險評價得分Si、應(yīng)收未收本息Lki、應(yīng)收 本息化1的源數(shù)據(jù)導(dǎo)入到Excel文件中，按照信用風(fēng)險評價得分從高到低降序排列；
[0021] 步驟3:信用等級劃分
[0022] 利用基于信用相似度最大的信用等級劃分優(yōu)化算法，對客戶進行信用等級劃分， 并將劃分結(jié)果直接顯示于Excel界面；
[0023] 基于信用相似度最大的信用等級劃分優(yōu)化算法包括：
[0024] (1)目標(biāo)函數(shù)1: W同一等級中客戶的信用風(fēng)險評價得分組內(nèi)離差最小，即:min fi = gi(Sk，Ski)，其中，Sk表示第k個信用等級中所有客戶信用風(fēng)險評價得分的均值，Ski表示第 k個信用等級中第i個客戶的信用風(fēng)險評價得分，k=l，2,3,4,5,6,7,8,9，i = l，2,…。
[0025] 目標(biāo)函數(shù)2: W不同信用等級中客戶信用風(fēng)險評價得分的組間離差最大，即：max f2 = g2(Sk，S)，其中，Sk表示第k個信用等級中所有客戶信用風(fēng)險評價得分的均值，S表示9個 信用等級中所有客戶信用風(fēng)險評價得分的均值，k=l，2,3,4,5,6,7,8,9。
[0026] (2)約束條件1:各信用等級從高到低違約損失率嚴(yán)格遞增
[0027] 即 0<LGDi<LGD2<LGD3<LGD4<LGD5<LGD6<LGD7<LGD8<LGD9《1。
[002引約束條件2:第k個信用等級違約損失率LGDk計算的等式約束，目化GDk = h(Lki，Rki); 其中，Lki表示第k個信用等級中第i個客戶的應(yīng)收未收本息，化1表示第k個信用等級中第i個 客戶的應(yīng)收本息，k=l，2,3,4,5,6,7,8,9，i = l，2,…。
[0029] 通過確定步驟3所述目標(biāo)函數(shù)1、目標(biāo)函數(shù)2、約束條件1和約束條件2組成的多目標(biāo) 規(guī)劃模型，通過多目標(biāo)規(guī)劃模型的求解得到最優(yōu)的信用等級劃分，使得信用等級劃分結(jié)果 在滿足信用等級越高、違約損失率越低的違約金字塔標(biāo)準(zhǔn)下，保證信用狀況相似的客戶劃 分為同一個等級，信用狀況差異大的客戶劃分為不同的等級。
[0030] 本發(fā)明的有益效果：
[0031] -是本發(fā)明提供了一種基于信用相似度最大的信用等級最優(yōu)劃分方法，使得信用 等級劃分結(jié)果在滿足"信用等級越高、違約損失率越低"運一信用評級的本質(zhì)屬性條件下， 確保信用狀況相似的客戶劃分為同一個等級，信用狀況差異大的客戶劃分為不同的等級。 W中國某大型商業(yè)銀行各省的全部農(nóng)戶貸款數(shù)據(jù)為樣本和W中國某區(qū)域性商業(yè)銀行的全 部小企業(yè)的貸款數(shù)據(jù)為樣本，均得到了在滿足"信用等級越高、違約損失率越低"運一信用 評級的本質(zhì)屬性條件下，確保信用狀況相似的客戶劃分為同一個等級，信用狀況差異大的 客戶劃分為不同的等級的信用等級劃分結(jié)果。
[0032] 二是避免了無窮多次調(diào)整方可得到"信用等級越高、違約損失率越低"的調(diào)整結(jié) 果；因為按照常理來調(diào)整信用評級結(jié)果，由于一個信用等級客戶數(shù)量或違約率的調(diào)整、勢必 引起相鄰等級客戶數(shù)量和違約率的變化，由于任意兩點間的有理數(shù)是無窮多的常識，經(jīng)過 人為調(diào)整滿足合理的信用等級劃分簡直是不可能的。
[0033] =是保證信用等級劃分結(jié)果具有評分區(qū)間穩(wěn)定性的優(yōu)點，避免評分區(qū)間長度過大 或過小。如果信用風(fēng)險評價得分區(qū)間長度過小，客戶的信用風(fēng)險評價得分稍微變化，客戶的 信用等級也會發(fā)生變化，相應(yīng)的客戶的違約損失率也發(fā)生變化。如果信用風(fēng)險評價得分區(qū) 間長度過大，客戶的信用風(fēng)險評價得分發(fā)生較大變化，客戶的信用等級也不會發(fā)生變化。因 此，信用等級劃分區(qū)間如果不具有穩(wěn)定性的優(yōu)點必將對貸款定價或者投資決策造成誤導(dǎo)。
[0034] 四是根據(jù)不同信用等級的違約狀況可W對貸款和債券等金融工具進行彌補違約 風(fēng)險溢酬的合理定價。
[0035] 五是本方法的信用評級劃分結(jié)果，不但像現(xiàn)有研究和實踐那樣給出了客戶清償能 力的信用等級排序，而且給出了每一個信用等級的違約損失率，比現(xiàn)有的銀行信用評級系 統(tǒng)掲示了更多、公眾更需要了解的信息。
[0036] 六是根據(jù)信用評級結(jié)果掲示的不同等級的違約率、可使商業(yè)銀行、債券投資者等 債權(quán)人和社會公眾了解每一個信用等級的違約狀況，進行投資決策。
【附圖說明】
[0037] 圖1是信用等級與違約損失率分布金字塔圖。
[0038] 圖2是信用等級與違約損失率不匹配的分布圖。
[0039] 圖中：444、44、4、888、88、8、〔0：、0：、(：代表信用等級由高到低的9個等級，金字塔^ 角形內(nèi)部的橫線的長度代表相應(yīng)等級的違約損失率，圖1中9個等級的違約損失率LGD滿足： LGDam=0.130 %，LGDm=0.263 %，LGDa=0.684 %，LGDbbb = 6.040 %，LGDbb = 9.543 %，LGDb =24.452 %，LGDccc = 33.868 %，LGDcc = 35.448 %，LGDc = 90.044 % ;圖 2 中信用等級低的CCC 等級的違約損失率小于信用等級高的B等級的違約損失率。
【具體實施方式】
[0040] W下結(jié)合附圖和技術(shù)方案，進一步說明本發(fā)明的【具體實施方式】。
[0041] 本發(fā)明掲示了一種基于信用相似度最大的信用等級最優(yōu)劃分方法的工作流程。
[0042] 本發(fā)明通過基于信用相似度最大的準(zhǔn)則對信用等級進行劃分，實現(xiàn)信用等級的劃 分功能，使劃分結(jié)果在滿足信用等級越高、違約損失率越低的信用本質(zhì)屬性的前提下，保證 信用狀況相似的客戶劃分為同一個等級，信用狀況差異大的客戶劃分為不同等級的信用等 級最優(yōu)劃分方法。
[0043] 本發(fā)明所述方案實施步驟如下：
[0044] W中國某地區(qū)性商業(yè)銀行分布在京津滬渝等28個城市的1814筆工業(yè)小企業(yè)貸款 數(shù)據(jù)為實證樣本，對本發(fā)明所述方案進行實證分析，具體步驟如下：
[0045] 構(gòu)建信用風(fēng)險評級體系，包括建立信用風(fēng)險評價指標(biāo)體系、信用風(fēng)險評價指標(biāo)的 賦權(quán)、建立客戶信用風(fēng)險評價方程W及劃分客戶信用等級；依次通過建立信用風(fēng)險評價指 標(biāo)體系、信用風(fēng)險評價指標(biāo)的賦權(quán)和建立客戶信用風(fēng)險評價方程確定第i個客戶的信用風(fēng) 險評價得分Si,為信用等級的劃分提供數(shù)據(jù)基礎(chǔ)，對客戶的信用風(fēng)險評價得分Si劃分為9個 信用等級;其中，i = l，2，'''n，n為待劃分信用等級的全部客戶數(shù)目。
[0046] 步驟1:確定信用風(fēng)險評價得分Si
[0047] 1)建立信用風(fēng)險評價指標(biāo)體系:首先通過Fisher判別的方法在海選指標(biāo)中遽選顯 著區(qū)分違約與非違約客戶的指標(biāo);再通過相關(guān)分析法從上述顯著區(qū)分違約與非違約客戶的 指標(biāo)中刪除反映信息重復(fù)的指標(biāo)，得到信用風(fēng)險評價指標(biāo)體系；
[0048] 2)賦權(quán)信用風(fēng)險評價指標(biāo):通過均方差方法對步驟（1)得到信用風(fēng)險評價指標(biāo)體 系中指標(biāo)賦權(quán)，指標(biāo)的均方差越大，權(quán)重越大；
[0049] 3)建立客戶信用風(fēng)險評價方程:對信用風(fēng)險評價指標(biāo)體系中指標(biāo)與指標(biāo)的權(quán)重進 行線性加權(quán)，建立客戶信用風(fēng)險評價方程Si= E ，確定第i個客戶的信用風(fēng)險評價得 分Si;其中，Wj-第j個指標(biāo)的權(quán)重，Xi廣第j個指標(biāo)下第i個客戶的數(shù)值，i = l，2，'''n，j = l， 2，一m，n為待劃分信用等級的全部客戶數(shù)目，m為信用風(fēng)險評價指標(biāo)體系中指標(biāo)的個數(shù)。
[0050] 信用風(fēng)險評價指標(biāo)體系如表1第2列所示，指標(biāo)權(quán)重如表1第3列所示。
[0051 ]表1信用風(fēng)險評價指標(biāo)體系及指標(biāo)權(quán)重
[0053]~構(gòu)建信用風(fēng)險評價指標(biāo)體系及確定指標(biāo)權(quán)重是計算信用風(fēng)險評價得分Si的基礎(chǔ)， 并且具有若干種確定方法。
[0化4] 步驟2:數(shù)據(jù)導(dǎo)入
[0055] 將1814筆貸款客戶的信用風(fēng)險評價得分Si、應(yīng)收未收本息Lki、應(yīng)收本息化1數(shù)據(jù)導(dǎo) 入到Excel文件中，并按照信用風(fēng)險評價得分Si從高到低降序排列。
[0056] 步驟3:信用等級劃分
[0057] 利用基于信用相似度最大的信用等級劃分優(yōu)化算法，對客戶進行信用等級劃分， 并將劃分結(jié)果直接顯示于Excel界面。其中，信用評級結(jié)果包括:各信用等級的客戶數(shù)mk、各 信用等級的違約損失率LGDk化=1，2,3,4,5,6,7,8,9)、各信用等級的信用風(fēng)險評價得分區(qū) 間、目標(biāo)函數(shù)值，各信用等級違約損失率金字塔分布，如圖1所示。
[0058] 基于信用相似度最大的信用等級劃分優(yōu)化算法包括：
[0059] (1)目標(biāo)函數(shù)1: W同一等級中客戶信用風(fēng)險評價得分的組內(nèi)離差最小，即:min fi =邑1誠而1)，其中，5讀示第1^個信用等級所有客戶信用風(fēng)險評價得分的均值，51^康示第1^ 個信用等級中第i個客戶的信用風(fēng)險評價得分，k=l，2,3,4,5,6,7,8,9，i = l，2,…。
[0060] 目標(biāo)函數(shù)1確保信用風(fēng)險評價得分越相近的客戶越能劃分為同一信用等級，避免 將信用風(fēng)險評價得分差異大的客戶劃分為同一信用等級引起信用風(fēng)險評價得分區(qū)間長度 過大，導(dǎo)致信用等級劃分區(qū)間不具有區(qū)分度。
[0061] 目標(biāo)函數(shù)2: W不同信用等級中客戶信用風(fēng)險評價得分的組間離差最大，即：max f2 = g2(Sk，S)，其中，Sk表示第k個信用等級所有客戶信用風(fēng)險評價得分的均值，S表示全部9 個等級所有客戶信用風(fēng)險評價得分的均值，k=l，2,3,4,5,6,7,8,9。
[0062] 目標(biāo)函數(shù)2確保不同信用等級間的信用風(fēng)險評價得分差異盡可能大，避免信用風(fēng) 險評價得分區(qū)間長度過小而導(dǎo)致的客戶的信用狀況稍微發(fā)生變化，信用等級也將發(fā)生變化 的過于敏感、穩(wěn)定性不足的弊端。
[0063] (2)約束條件1:信用等級從高到低違約損失率嚴(yán)格遞增，即0<LGDi<LG^<LGD3< LGD4<LGD5<LGD6<LGD7<LGD8<LGD9《1。
[0064] 約束條件1通過設(shè)定信用等級從高到低違約損失率嚴(yán)格遞增的約束，保證了信用 評級結(jié)果滿足"信用等級越高、違約損失率越低"的信用本質(zhì)屬性，改變了現(xiàn)有評級體系可 能導(dǎo)致的信用等級很高、但違約損失率反而不低的怪現(xiàn)象。
[0065] 約束條件2:第k個信用等級違約損失率LGDk計算的等式約束，目化GDk = h(Lki，Rki); 其中，Lki表示第k個等級第i個貸款客戶的應(yīng)收未收本息，化1表示第k個等級第i個貸款客戶 的應(yīng)收本息，k=l，2,3,4,5,6,7,8,9，i = l，2,…。
[0066] 約束條件2通過貸款客戶的應(yīng)收未收本息Lki和應(yīng)收本息Rik的對比關(guān)系，計算各信 用等級貸款客戶的違約損失率。保證了違約損失率的測算能真實的反映銀行的損失。
[0067] 應(yīng)該指出：如果不采用本發(fā)明中W信用風(fēng)險評價得分為基礎(chǔ)的目標(biāo)函數(shù)，僅采用 已有專利(專利號為:201210201461.6和2012102001114.3)的劃分方法，會導(dǎo)致信用等級劃 分結(jié)果不具有評分區(qū)間穩(wěn)定性的優(yōu)點，即會導(dǎo)致信用風(fēng)險評價得分區(qū)間長度長短不一、過 大或過小。如果信用風(fēng)險評價得分區(qū)間長度過小，客戶的信用風(fēng)險評價得分稍微變化，客戶 的信用等級也會發(fā)生變化，即信用風(fēng)險評價得分區(qū)間過于敏感。如果信用風(fēng)險評價得分區(qū) 間長度過大，客戶的信用風(fēng)險評價得分發(fā)生較大變化，客戶的信用等級也不會發(fā)生變化，即 信用風(fēng)險評價得分區(qū)間不具有區(qū)分度。
[0068] W中國某地區(qū)性商業(yè)銀行分布在京津滬渝等28個城市的1814筆工業(yè)小企業(yè)貸款 數(shù)據(jù)為實證樣本，利用本發(fā)明所述等級劃分方法進行信用等級劃分，得到的基于信用相似 度最大的信用等級劃分結(jié)果，如表2所示。
[0069] 表2各信用等級的評分區(qū)間及違約損失率
[0070]
[0071] 其中，表2第3列是每個信用等級的信用風(fēng)險評價得分區(qū)間，表2第4列是根據(jù)第3列 確定的信用風(fēng)險評價得分區(qū)間長度。其中評分區(qū)間長度最小值是1.05,是運1814個貸款客 戶中相鄰兩個客戶信用風(fēng)險評價得分差的均值0.04的26倍，因此信用風(fēng)險評價得分區(qū)間具 有一定的區(qū)分度。
[0072] W表2第5列的違約損失率LGDk為橫軸，表2第2列的信用等級k為縱軸，得到各信用 等級違約損失率金字塔分布圖，如圖1所示。其中，圖1滿足信用等級越高、違約損失率越低 的違約金字塔標(biāo)準(zhǔn)，運從表2第5列中不同等級的違約損失率數(shù)值可W看出。由表2第4列的 信用等級評分區(qū)間長度、即相鄰兩個信用等級得分最大值之差的均勻分布結(jié)果可W看出， 信用等級劃分結(jié)果滿足信用風(fēng)險評價得分越相近的客戶越易劃分為相同等級、信用風(fēng)險評 價得分差異越大的客戶越易劃分為不同等級，即不同信用等級的信用風(fēng)險評價得分區(qū)間長 度分布穩(wěn)定。
[0073] 本發(fā)明尚有多種具體的實施方式，凡采用本發(fā)明所述"基于信用相似度最大的信 用等級最優(yōu)劃分方法"等同替換、或者等效變換而形成的所有技術(shù)方案，均落在本發(fā)明要求 保護的范圍內(nèi)。
【主權(quán)項】
1. 一種基于信用相似度最大的信用等級最優(yōu)劃分方法，其特征在于，步驟如下： 步驟1:確定信用風(fēng)險評價得分& 步驟2:數(shù)據(jù)導(dǎo)入 將步驟1中得到待劃分的所有客戶的信用風(fēng)險評價得分Si、應(yīng)收未收本息Lki、應(yīng)收本息 1^的源數(shù)據(jù)導(dǎo)入到Excel文件中，按照信用風(fēng)險評價得分從高到低降序排列； 步驟3:信用等級劃分 利用基于信用相似度最大的信用等級劃分優(yōu)化算法，對客戶進行信用等級劃分，并將 劃分結(jié)果直接顯示于Excel界面； 基于信用相似度最大的信用等級劃分優(yōu)化算法包括： (1) 目標(biāo)函數(shù)1:以同一等級中客戶的信用風(fēng)險評價得分組內(nèi)離差最小，即:min f1 = gl (Sk，Skl)，其中，Sk表示第k個信用等級中所有客戶信用風(fēng)險評價得分的均值，S kl表示第k個 信用等級中第i個客戶的信用風(fēng)險評價得分，k=l，2,3,4,5,6,7,8,9，i = l，2，···； 目標(biāo)函數(shù)2:以不同信用等級中客戶信用風(fēng)險評價得分的組間離差最大，即:max f2 = g2 (Sk，S)，其中，Sk表示第k個信用等級中所有客戶信用風(fēng)險評價得分的均值，S表示9個信用等 級中所有客戶信用風(fēng)險評價得分的均值，k=l，2,3,4,5,6,7,8,9; (2) 約束條件1:各信用等級從高到低違約損失率嚴(yán)格遞增 即 0〈LGDi〈L⑶2<LGD3<LGD4<L⑶5<LGD6<LGD7<L⑶8〈LGD9彡1; 約束條件2:第k個信用等級違約損失率LGDk計算的等式約束，即LGDk = h(Lki，Rki);其 中，Lki表示第k個信用等級中第i個客戶的應(yīng)收未收本息，Rki表示第k個信用等級中第i個客 戶的應(yīng)收本息，k=l，2,3,4,5,6,7,8,9，i = l，2，···； 通過確定步驟3所述目標(biāo)函數(shù)1、目標(biāo)函數(shù)2、約束條件1和約束條件2組成的多目標(biāo)規(guī)劃 模型，通過多目標(biāo)規(guī)劃模型的求解得到最優(yōu)的信用等級劃分，使得信用等級劃分結(jié)果在滿 足信用等級越高、違約損失率越低的違約金字塔標(biāo)準(zhǔn)下，保證信用狀況相似的客戶劃分為 同一個等級，信用狀況差異大的客戶劃分為不同的等級。2. 根據(jù)權(quán)利要求1所述的信用等級最優(yōu)劃分方法，其特征在于， 客戶信用風(fēng)險評價得分&的計算方式： 1) 建立信用風(fēng)險評價指標(biāo)體系：首先通過Fisher判別的方法在海選指標(biāo)中遴選顯著區(qū) 分違約與非違約客戶的指標(biāo);再通過相關(guān)分析法從上述顯著區(qū)分違約與非違約客戶的指標(biāo) 中刪除反映信息重復(fù)的指標(biāo)，得到信用風(fēng)險評價指標(biāo)體系； 2) 賦權(quán)信用風(fēng)險評價指標(biāo):通過均方差方法對步驟1)得到信用風(fēng)險評價指標(biāo)體系中指 標(biāo)賦權(quán)，指標(biāo)的均方差越大，權(quán)重越大； 3) 建立客戶信用風(fēng)險評價方程:對信用風(fēng)險評價指標(biāo)體系中指標(biāo)與指標(biāo)的權(quán)重進行線 性加權(quán)，建立客戶信用風(fēng)險評價方程S1=Σωp 1p確定第i個客戶的信用風(fēng)險評價得分S1; 其中，ω」第j個指標(biāo)的權(quán)重，Xij第j個指標(biāo)下第i個客戶的數(shù)值，i = l，2，H_n，j = l，2，~m，n 為待劃分信用等級的全部客戶數(shù)目，m為信用風(fēng)險評價指標(biāo)體系中指標(biāo)的個數(shù)。
【文檔編號】G06Q40/02GK105956915SQ201610244983
【公開日】2016年9月21日
【申請日】2016年4月19日
【發(fā)明人】遲國泰, 趙志沖
【申請人】大連理工大學(xué)