基于层次分析法的个人信用评估
大数据背景下个人信用评估体系建设和评估模型构建
单一导致评估过程中个别维度权重设定过高,无法 有效利用全部信息。
传统信用评估体系缺乏动态性,互联网信用评 估依赖间接评估,并且由于数据源单一导致维度依 赖。基于大数据的个人信用评估体系需要综合利用 上述两种信用评估体系的优势,弥补各自缺陷,方能 得到科学合理的评估结果。
(二)基于大数据的个人信用评估体系 本文的创新点在于,综合传统银行信用评估体 系和当前互联网信用评估体系,充分考虑数据丰富 的线上、线下获取途径,提出更具合理性和实践性的 信用评估体系,所提岀的信用评估体系共有六个维 度,包括个人特征、经济能力、消费偏好、社交网络、 信用情况和风险信息,分别由不同的数据源获取,评 估系统更加完善和科学。主要具有以下三个特征: 一是评估动态性。以芝麻信用为例,其评估体系中 除个人特征等静态信息外,还具有支付记录、人脉信 息和网购偏好等动态信息,动态指标使得个人信用 评估具有动态时变性,个人收入情况和信用情况的 动态性能够得以体现,信用评估结果具有时效性,更 加准确和科学。二是指标全面性。除包含银行信用 评估所涉及的比如个人收入和资产信息外 ,人脉关 系是大数据信用评估引入的一个重要指标,能够从 侧面反映个人经济状况和信用记录。三是场景丰富 性。接入互联网平台的用户使用数据 ,譬如购买记 录、网贷信息等,涵盖多种使用场景,可以客观反映 并动态检测用户信用状况。 1. 个人特征 个人特征具体包括年龄、性别、家庭、受教育程 度以及工作情况等,这部分信息需要用户自己填写 , 进行定期核实。 2. 经济能力 收入和资产可以准确判断个人的经济能力,因 此需要获取月收入、固定资产(房产和汽车)以及金 融投资(如股票和债券)信息。月收入信息可以通过 社保和公积金网站获取,房产和汽车信息可以通过 房管局和车管所获得。金融投资(如股票和债券)信 息可以通过证券公司、基金公司获取。 3. 消费偏好 消费偏好主要包括消费层次和购物习惯。这部 分信息可以通过电商渠道获得,也可以通过信用卡、
图书馆读者信用评价模型
以图书借 阅者 的平 时违反 十种 规定 的情况 为 评价 目标 , 定 评价 标 准 。 制 构造 层 次 结构 . 决 策 将 问题 分解为 3个层 次 , 最上 层 为 目标 层 , 即读者信 用等 级 评定 , 下层 为二 级指 标 层 , 补还 书籍 、 最 有 赔偿 书籍 、 丢失无偿 、 期未还 、 短 长期 未还 、 画书 涂 籍、 轻微 损坏 、 中等损 坏 、 严重 损坏 和毁 坏书籍 , 中 间为一 级指标 层 , 丢失 书籍 、 期未还 和破 坏书 有 逾 籍, 具体 的关 系如 图 1所示 .
好 运作 , 学校 的规章制 度得 以实 现 , 同时培 养读者
收 稿 日期 :0 80-0 2 0—91 .
基 金 项 目 : 山市 科 技 发展 专 项 基 金 (0 5 7 0 1 . 佛 20 0 0 2 ) 作者 简 介 : 曲军 恒 (9 7)男 , 南 南 阳 人 , 山科 学 技 术 学 院讲 师 , 士 , 要 从 事 金 融数 学研 究 . 1 7- 。 河 佛 硕 主
后 补还 书籍 、 赔偿 书籍 和丢失 无偿 三种 详细 情况 ; 逾期 未还 书籍也 可 以分为短 期未 还和 长期未还 两 种 情 况 } 坏 书 籍 则 可 以分 为 涂 画 书 籍 、 微 损 破 轻 坏、 中等损 坏 、 重损 坏 和毁 坏 书籍 等 五 种情 况. 严
定 的漏 洞 , 使高 图 书馆馆 藏污损 、 致 丢失 现 象
者 的服务 质量 .
那 么影 响个 人信 用 的规 定 大概 可 分 为 十种 情 况 t
借 助层 次分析 法可得 出每 种规 定对个 人信 用等级
评 定 的影响 程度.
本 文运厅j 次: 析法给 出了一种评 价 图书馆 层 分
助学贷款中大学生个人信用评级体系研究——基于AHP、FUZZY评价方法
息, 例如 大学生 的基 本情 况、 收入情 况 、 资产 情况等 , 包括 能够体 现其 偿付 意 愿 的历 史 还 信 息, 大学生拖 欠应交 费用的记录、 学生 如 大 主动 归还贷款记 录和 其他 不 良记录等 社会信 用信息。 由此可 以得知 , 大学 生信 用评价 应
该 是 一 种 综 合 评 价 。 即 它 的 评 价 值 并 不 只 也 是 受 到 一 个 因素 的 影 响 。 是 要 受 到 众 多 因 而 素 的 影 响 , 仅 如 此 , 个 因 素 之 间也 不 是 平 不 各
一
是 容 易 获 得 的 , 则 。 模 型 就 失 去 了 实 用 否 该 性 。本 文 所 建 立 的 模 型 , 指 标 数 据 一 般 可 其
中 田 分 类 号 :8 0 5 9 F 3 8 文献标识码 : A
、
文章编 号 :0 4—4 1 2 0 ) 1 0 10 9 4(0 6 0 —19—
构成 , 是 大 学 生 个 人 资 金 实 力 评 价 指 标 体 一 系 , 是 大 学 生个 人 信 誉 评 价 指 标 体 系。 ( ) 二 3 可行 性 。所 设 指 标 要 比 较 容 易 取 得 。 求 使 力 指标设 置在 科 学 完 整 的基 础 上, 简便 易行 。
大 学生 信 用 评 价 模 型 中的 各 项 指 标 数 据 必 须
方 。 价 机 构 和 评 价 人 员 必 须 态度 公 正 、 评 评 价 客 观 、 事 实 为 依 据 , 不 能 根 据 个 人 爱 以 决
一
好 , 意 改 变 指 标 项 目、 算 方 Biblioteka 和 评 价 标 任 计准。
与一般 消费信 贷不 同, 这种 贷款 业 务有 着许
30多种信用评级方法
30多种信用评级方法不同的信用评级方法在金融领域中起着重要的作用,可以帮助金融机构和投资者评估借款人或发行人的信用风险。
本文将介绍30多种常见的信用评级方法,以帮助读者更好地了解这些方法的特点和应用。
一、经典信用评级方法1. 标准普尔评级:由标准普尔全球评级服务公司(S&P)提供,使用字母等级(如AAA、BBB等)对借款人或发行人进行评级。
2. 穆迪评级:由穆迪投资者服务公司提供,使用字母等级(如Aaa、Baa等)对借款人或发行人进行评级。
3. 惠誉评级:由惠誉全球投资者服务公司提供,使用字母等级(如AAA、BBB等)对借款人或发行人进行评级。
4. 中国评级:由中国评级公司提供,使用字母等级(如AAA、AA 等)对借款人或发行人进行评级。
二、基于概率的评级方法5. KMV模型:基于概率论和统计学原理,通过计算违约概率来评估借款人的信用风险。
6. Merton模型:基于期权定价理论,通过计算违约概率来评估借款人的信用风险。
7. Vasicek模型:基于随机过程理论,通过计算违约概率来评估借款人的信用风险。
8. CreditMetrics模型:基于统计学和金融工程学原理,通过计算违约概率来评估借款人的信用风险。
三、基于市场数据的评级方法9. 债券到期收益率:通过债券市场上的到期收益率反映借款人的信用风险水平。
10. 债券违约概率衍生指标:通过分析债券违约概率衍生指标(如CDS溢价)来评估借款人的信用风险。
11. 股票波动率:通过分析股票市场上的波动率反映借款人的信用风险水平。
四、定量评级方法12. Altman Z-score模型:通过计算借款人的财务指标来评估其破产风险。
13. Ohlson模型:通过计算借款人的财务指标来评估其破产风险。
14. Springate模型:通过计算借款人的财务指标来评估其破产风险。
五、基于评级模型的评级方法15. Logit模型:通过建立评级模型来评估借款人的信用风险。
个体人力资本价值评估的“四CAI”模型理念及思路
中共济南市委党校学报•5/2020个体人力资本价值评估的CAI"模型:理念及思路王静张维国韩俊杰摘要:人力资本是现代经济增长和技术进步的核心驱动要素,但对其价值的衡量一向是个难题。
基于过去、现在和未来,采用新的思賂构建起对人力资本价值评估的新的模型和指导体系,具有重要意义。
这将有助于实现人力资本价值的货币化、市场化,为人力与资本的融合开辟新路径,也可以为金融机构改革提供参考,切实培育新动能。
关键词:个体人力资本价值评估;身价;四CAI模型作者简介:王静,山东财经大学教授,济南人力资本产业研究院特聘研究员,硕士生导师,博士(邮政编码250014);张维国,济南人力资本产业研究院代理院长(邮政编码250002);韩俊杰,济南人力资本产业研究院副院长(邮政编码250002)中图分类号:C962文献标识码:A文章编号:1672-6359(2020)05-0030-07十九大报告指出,要“在人力资本服务等领域培育新增长点、形成新动能”。
2019年10月3OH,国家发改委颁布了《产业结构调整指导目录(2019年)》,把人力资本产业化提到了国家战略的高度。
在这一背景下,人力资本价值的构成、测评、保值、提升、交易等都是值得研究的理论课题。
其中,评测定价是一个关键点。
科学、准确、及时地评定人力资本价值,既是对人力资本价值形成的结果,又是人力资本价值兑付的依据,保值和提升的基础,实现交易的前提。
我们在对既有理论和方法进行梳理的前提下,对个体人力资本价值评估的可能性和评估的方法进行了创新性的理论探索和实践尝试。
人力资本衡量的学科视野自从西奥多•舒尔茨1961年提出人力资本的概念以来,人力资本在学术研究和政策分析中已被广泛应用。
学界致力于探讨人力资本对经济增长的意义,建立了人力资本理论的基本逻辑和框架。
其中,人力资本的衡量历来被认为是一个难题,但是学术界对这一难题的研究从来就没有停止过。
关于人力资本价值衡量的研究,主要沿着经济学和管理学两个路径开展。
基于人效评估的个人平衡计分卡(PBSC)
平衡计分卡(BSC)的定义 和解释 平衡计分卡是从财务、客户、内部运营、 学习与成长四个角度,将组织的战略落实为可 操作的衡量指标和目标值的一种新型绩效管理 体系。
平衡计分卡(BSC)首先是一套方法论,更重要的它是自成体系的管理思想
个人平衡计分卡(PBSC)解释
个人平衡计分卡 (PBSC)是平衡计分卡 ( BSC ) 通 过 分 解 后 , 在岗位/个人层面的 呈现与应用,是个人 绩效管理的工具!
部门层级平衡计分卡
2016年岗位目标绩效管理卡
姓名
职位
部门经理
汇报上级
指标属性 权重
目标值
评价/核算方法
数据来源
考核指标完成情 况
评估得分
备注
突破类
10%
完定成改盘进点计,划制低统于计8每5%季不度得实最分际高,完不高成超于情过8况150%,0,分与同计比划例对得比分,,产踪业后集确团认跟
完成盘点10项, 制定改进计划
资产净利率 降低成本,控制费用
提高资金周转效率
开发直销客户,促进氧 合器新产品等直销
开发经销商, 配合跟进客户上量
利用威高资源促进新老产品物 价及收费项目
客
增强威高品牌影响力
户
市
学术引领,销售跟进。建立多中 心研究,以省部级年会、专业杂
场
志、代言人为载体进行学术、市
标杆客户开发,战略客户 维护
服务促进经销商满意
协同指标
跨岗位的协同性指标
岗位:PMC
交货及时率
岗位:采购员
采购及时率
3 如何编制PBSC
PBSC指标来源2
绩效指标库
PBSC指标来源
根据岗位职责要求,提取指标
以个人信用分提升信用评价
作者单位:浙江省信用中心
注重开发宽领域应用场景。如果说评价是一项基础性工 作,那么应用才是关键的核心,决定评价的“生命力”。各地的 丰富实践为浙江自然人公共信用评价的应用提供了宝贵经 验。浙江也应注重开发宽领域的应用场景。首先是实现查询 应用,使得全省户籍人口能够通过线上或线下渠道查询到本人 的信用分;其次是扩展应用场景,可借鉴宿迁经验出台应用的 制度文件,逐步构建“信易+”体系。当然,在应用场景的侧重方 面,全省层面的应用可能无法完全复制公共出行、图书借还等 具有城市特点的应用,应更加侧重于全省范围的大应用,如探 索在“最多跑一次”改革中的应用。
从指标构成来看,各地个人信用分主要分为两大类。桂花 分包含了工作状况、住房状况等能力指标,其余信用分主要以 公共信用活动为基础。此外,各地在指标设置上还有一些亮 点。茉莉分设置了年度信用指标,对每年无不良信用的个人奖 励得分。白鹭分将信用修复纳入指标体系,当个人通过事后主 动履约、参与社会服务与公益活动等方式修复信用后,信用分 将会相应增加。
浙江自然人公共信用评价作为“531X”体系的重要组成部 分,形成了以身份特质、履约能力、遵纪守法、经济行为和社会 公德为 5 大维度的指标体系,并且已完成对全省户籍人口的公 共信用评价。下一步的重点是对评价的迭代优化和应用场景 的开发。因此,各地个人信用分的宝贵经验对进一步提升浙江 自然人公共信用评价有着较好的借鉴意义。
基于BP神经网络的个人信用评估模型
11 人 工神 经 网络 介 绍 人 工 神 经 网络 ( rfi er e. . A t c l ua N t i aN i l w r。 称 A N 是由 大■ 神经 元 按照 一 定的方 式组 合 而成 的网 ok 筒 N ) 络, 是对 人脑 的抽 象 、 简化 和模拟 。 映人脑 的基本 特性 。除网 络中 反 单个神经 元的特 性外 。 网络 的拓扑结 构也对 网络的 特性 有重要 的 影 晌。根据 网络 中神 经 元 的 连 接 方 式 , 经 网 络 可 分 为 前 向 网 络 神
维普资讯
基 于 B 神 经 网络 的个 人 信 用评 估 模 型 P
张 道宏
( 西安理工 大学工商 管理学 院 西安 7 0 4 ) 10 8
摘
张
璇 成果
( 西北大学经济管理学 院 西安 7 0 6 ) 10 9
要 由于 我 国 个 人 信 用 评 估 体 系的 不 完 善 , 银 行 面 临 巨 大 的 信 用 风 险 。 通 过 提 出基 于神 经 网络 的 个 人 信 用评 使
1 P神 缝网络殛算 法介绍 B
f 巩=∑ 一
【k ( . = ) Y
其中 , 为圃定输 入 , ~ 0 。 为输 入信号 。 为输 出信号 ,* m 为连 接权 值 , 为阈值 。 励函 数( ) 以 为囤 值函 数 、 段线 激 ( 可 分
形 函数和 Sg o im i 数等形式 。 d函
情, 找出适台我国现阶段经济发展和个人经济行为的信用评估模
型 。 能达到降低银 行风险 。 广个人信 用贷款 , 而促进个 人信 用 才 推 从
经济发 展的 目标 。我 国现有 的消费者评 分体系 。 主要是借鉴 国外 银 行 的消费者信 用评分体系 。 再结合我 国实际 情况调整后形 成的评 分 体 系。但是这一体 系 的建 立 是基 于 传 统的 分 析 模型 , 观 因素 很 主
《信用等级评估》课件
信用等级评估是一种评估个人或企业信用状况的方法,通过分析指标来判定 信用等级, 从而为各种金融市场提供重要的参考依据。
什么是信用等级评估
信用等级评估是确定个人或企业信用状况的过程, 它对银行、金融机构和投资者在借贷、投资和风险管理方面起到重要的指导 作用。
信用等级评估的指标
2 保险市场
保险公司使用信用等级评估来制定保费和理 赔政策
3 融资市场
投资者使用信用等级评估来决定是否投资某 个项目或公司
4 外贸市场
国际贸易中,信用等级评估是信任和合作的 基础
信用等级评估的风险和挑战
风险
信息不对称,评估标准不统一,非标准化债权
挑战
技术进步,信用等级互联互通,多层次金融市场
总结
信用等级评估的重要性
为金融市场提供参考依据,降低 风险,保护投资者权益
未来发展趋势
技术驱动的数字化转型,智能评 估模型的应用
发展前景
信用等级评估在全球范围内更 加普及和标准化
参考文献
• XXXX • XXXX • XXXX 注:本PPT参考了以下文献 • XXXX • XXXX • XXXX
个人信用评估的指标
历史信用记录,支付能力,负债率
企业信用评估的指标
财务状况,经营状况,市场竞争力
信用等级评估的方法
定性方法
基于专家判断和经验的主观评估
定量方法
利用数学模型和统计方法进行 客观评估
综合评估方法
将定性和定量方法结合,综合 评估个人或企业信用
信用等级评估的应用领域
1 借贷市场
银行和其他金融机构用信用等级评估来决定 是否借款
个人信用卡申请风险评估模型
申请风险评估模型是指通过对消费信贷申请人的资信状况进行评估来预测其未来严重拖欠和坏账概率的模型。
申请风险评估模型在信贷风险管理中有着非常重要的作用,因为其评估结果是信贷审批的主要依据之一。
与国外银行信用卡业务相比,我国各商业银行的信用卡业务的风险管理水平较低,管理手段与方法比较落后。
缺乏一套有效的申请评估方法是阻碍个人信用卡业务进一步开展的主要因素之一。
如何提高我国商业银行信用卡的信用风险管理水平,从而提高信用卡的盈利能力,使其在与外资银行的竞争中处于不败之地是本文的出发点。
本文尝试利用层析分析法(AHP)和BP神经网络相结合的组合评价方法对信用卡申办人进行信用等级评估,寻求降低信用卡的信用风险的有效措施。
一、AHP-BP神经网络模型1.模型构建的出发点传统的B P神经网络模型研究的重点是围绕着如何确定网络的输入、输出层维数的建模问题。
然而,当研究复杂系统建模时,由于影响因素过多,不能确定冗余因素和有用因素,不能将输入的因素简化,这样在输入信息空间维数较大时,网络不仅结构复杂,而且训练时间也很长,从而降低网络性能,影响计算准确度。
因此,本文尝试利用层析分析法作为B P神经网络的前处理,通过已有的专家判断、比较、评价等手段将多个变量的重要程度数量化,以其结果作为B P神经网络的输入值,以减小B P神经网络的结构的复杂性,从而缩短训练时间,并充分利用B P 神经网络强大的容错能力和抗干扰能力,提高模型的效率。
2.两种方法集成的可行性分析以往国内商业银行对信用风险评估相关的数据重视不足,造成有效信息的缺失,而A H P-B P神经网络模型仍具有神经网络采用分布式存储结构的特点,具有很强的容错能力,少量单元的局部缺损不会造成整个网络的瘫痪,适合实际操作。
信用卡风险评估是一个较为复杂的过程,涉及各方面的因素,而且各影响因素与衡量结果之间并不完全是线性关系。
而A H P-B P神经网络模型具有很强的非线性映射能力。
个人信用评估的评估指标权重确定方法
个人信用评估的评估指标权重确定方法随着社会经济的发展,信用日益成为人们生活中不可或缺的一部分。
在现代社会,个人信用评估已经成为金融机构、企业和个人之间进行交易和合作的重要依据。
个人信用评估的目的是评估个体在金融交易中的信用风险,包括个人还款能力、拖欠债务情况、违约记录等多个方面的指标。
而确定这些指标的权重对于个人信用评估的准确性和可靠性至关重要。
在确定个人信用评估的评估指标权重时,可以采用以下方法:1. 专家评估法:通过请相关领域的专家进行评估,根据专家的意见来确定指标的权重。
专家评估法适用于评估指标比较清晰明确的情况下,通过专家经验来确定权重可以提高评估的准确性。
但是,这种方法的缺点是受到专家主观意见的影响,存在一定的主观性。
2. 统计分析法:通过收集大量的数据,利用统计方法进行分析,从而确定指标的权重。
统计分析法适用于评估指标之间存在一定的数据关联性的情况,可以通过分析数据之间的相关性来确定权重。
然而,这种方法需要收集大量的数据,数据质量和可靠性对结果影响较大。
3. 层次分析法:层次分析法是一种层次递进的比较判断方法,通过构建层次结构来确定指标的权重。
首先确定评估指标的层次结构,然后利用专家判断或数据分析的方法对每个层次的指标进行两两比较,最终通过计算得出各个指标的权重。
层次分析法考虑了不同指标之间的相对重要性,可以较为客观地确定权重。
4. 回归分析法:回归分析法是一种基于统计学原理的方法,通过建立数学模型来确定指标的权重。
通过收集相关数据,建立回归方程,根据回归系数来确定指标的权重。
回归分析法适用于指标之间存在一定函数关系的情况,可以利用样本数据得出较准确的权重。
总的来说,个人信用评估的评估指标权重确定方法可以通过专家评估法、统计分析法、层次分析法和回归分析法等多种方法来确定。
这些方法各有优缺点,可以根据评估指标的具体情况选择合适的方法。
在实际应用中,还可以结合多种方法进行综合分析,以提高个人信用评估的准确性和可靠性。
基于大数据的个人征信评级模型
一、引言在当今的大数据时代,个人征信评级的数据来源于人们的生活细节,最终也将用到人们的生活点滴中去。
我们日常贷款需要进行信用评级来让金融机构判断是否可以为你办理贷款业务、该以怎样的利率贷款给你、贷款的额度是多少,贷款期限是多长等等,这一系列涉及双方利益的问题都是从信用数据中找到的答案。
而在信用评级制度不健全的时候,这些数据都处于缺失状态,需要金融机构通过电话访问的方式是一项一项地了解与核实,这就大大增加了金融机构的工作量,同时信息的准确性也难以保证。
然而目前为止,我国在大数据个人征信评级实用性模型方面的探讨还不多,由此可见,建立一个短期内可行的基于大数据的个人征信评级模型具有必要性和迫切性。
二、个人征信评级模型的建立1.原始信息选择在大数据时代,获取信息的方式五花八门,几乎每个人都生产了海量的数据,这些数据可能是你的消费记录,也可能是位置信息,甚至是通话记录等等。
为选择出满足个人征信要求的信息,我们分别对识别欺诈和确定还款能力这两个方向进行探究。
2.信息筛选为了将原始信息处理成可用的征信信息,我们需要采用分布式爬虫技术进行所需有效信息的提取。
基本原理是:从数据仓库中取出URL,利用HttpClient 进行下载,对下载后的页面内容使用HtmlCleaner 和xPath 等工具进行页面解析,这时,我们解析的页面可能是列表页面,也有可能是详细页面。
如果是列表页面,则需要解析出页面中详细页面的URL,并放入Redis 数据仓库,进行后期解析;如果是详细页面,则存入我们的MySQL数据。
3.信息处理如何将我们筛选出的信息转换为最终的信用分或者信用评级呢?这就需要我们用到大数据分析的方法。
本团队在这里借鉴阿里京东等企业的风控模型,给出一个互联网金融风控的一般方法。
(1)防欺诈风控系统①根据以往的业务系统数据可以建立黑名单、白名单白名单:通过建立数据模型进行数据挖掘,并利用机器学习相关算法进行优质用户的挖掘。
基于银行流水数据的个人客户信用风险评估
Finance 金融, 2021, 11(1), 1-9Published Online January 2021 in Hans. /journal/finhttps:///10.12677/fin.2021.111001基于银行流水数据的个人客户信用风险评估赵胜利1,张力芝1,钟妤玥21重庆理工大学理学院,重庆2重庆市渝高中学,重庆收稿日期:2020年11月25日;录用日期:2021年1月6日;发布日期:2021年1月13日摘要对客户进行信用风险评级,是当前几乎所有银行降低信贷风险的方法。
现行的客户风险评级方法大多是根据客户个人信息、历史信用信息以及财务状况等数据展开的,而这些数据结构不统一,形式复杂,无法进行批处理,增加了银行的审核时间,容易导致客户的流失。
但客户的流水数据结构统一,形式相对简单,可以用批处理的方式提取包含在其中的信息,并在此基础上进行初步的个人信用风险评级,为进一步精确评级做准备。
根据重庆市某商业银行个人客户的流水数据,构建了银行个人客户信用风险评价指标体系,通过因子分析法对指标进行降维,建立了新的个人风险评价指标体系,然后运用熵值法对评价指标进行赋权,对各个评价指标进行加权求和得到综合风险值,最后根据综合风险值对银行客户进行了分类。
依据综合风险的大小,可以将客户分为优质客户、普通客户和不良客户三类,而三类客户对银行产生的利润比率符合帕累托80/20法则。
关键词个人信用风险,因子分析法,熵值法,帕累托80/20法则,风险评估模型Personal Customer Credit RiskAssessment Based on Bank FlowDataShengli Zhao1, Lizhi Zhang1, Yuyue Zhong21School of Science, Chongqing University of Technology, Chongqing2Chongqing Yugao Middle School, ChongqingReceived: Nov. 25th, 2020; accepted: Jan. 6th, 2021; published: Jan. 13th, 2021赵胜利 等AbstractCredit risk rating of customers is the current method of almost all banks to reduce credit risk. Most of the current customer risk rating methods are based on the personal information, histori-cal credit information and financial status of bank customers. However, these data are not only disunion in structure, but also complex in form. Therefore, they cannot be processed in batches, which increases the audit time of banks and easily leads to the loss of customers. The flow data of customers are not only unified in structure, but also relatively simple in form, so the information contained in it can be extracted by batch processing, and the preliminary personal credit risk rat-ing can be carried out on this basis to prepare for further accurate rating. According to the flow data of individual customers of a commercial bank in Chongqing, an evaluation index system of credit risk of bank individual customers is constructed. The factor analysis is used to optimize and reduce the dimensions of the index system, and then to establish a new evaluation index system of personal credit risk. Subsequently, using the entropy method to obtain the weight of each evalua-tion index, and the comprehensive evaluation value is obtained by weighted sum. Finally, the bank customers are classified according to the comprehensive evaluation value. According to the level of comprehensive risk, the bank customers can be divided into good customers, ordinary custom-ers and bad customers, and the profit ratios generated by the three categories of customers to the bank conforms to the Pareto 80/20 rule.KeywordsPersonal Credit Risk, Factor Analysis, Entropy Method, Pareto 80/20 Rule, Risk Assessment ModelCopyright © 2021 by author(s) and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). /licenses/by/4.0/1. 引言近年来,随着中国经济的飞速发展,住房按揭、商业贷款以及信用卡消费等各种业务逐渐增多,个人信贷业务的规模迅速扩大,已经成为商业银行获取利益的重要途径之一。
基于AHP、GEM综合算法的个人信用评价体系
( 各 指 标 相 对 于 个 人 价 值 的 n) 权 重 分 配 : 由 4 专 家 对 个 人 价值 位
体 系下的 6 个指标进行打分,得到
如下的评分矩阵 .( 见表 3 )
按照与 () iΒιβλιοθήκη 类似 的做法 ,我们 可 以 求 出 这 一 评 分 矩 阵 的 特 征 向
具体评价指标 及模型 层次结构
依 据上 述 原 则 , 们 一 共 选 取 我 了十 三 个 指 标 、 建立 递 阶 层 次 结 构 图 ( 图 1。 见 )
维普资讯
在多层 次、多指标 的评价体 系中 .切忌指标 信息重叠 、逻辑混乱 .使评价 结果失真。
用幂迭代法的各次结果 ( E= . 取 0
0 0 )见 表 2 01
由表 的 最 后 一 列 查 出,特 征 向 量 = ( . 4, 07 2 T, 将 其 07 叭 .18) 归一 化 可 得: 个人 价 值 、个人 信 誉
表4 :奋指 标相对于个人信 誉的评 分矩 阵
相对于个人信用综台评价的权重分
计算过程如下: ()建 立 递 阶 层 次 结 构 ,把 问 i 题 条理 化 、 次 化 , 是 AHP 析 层 这 分 问 题 的首 要 步 骤
(i 构造专家评分矩阵,假定 i )
以上 一 层 元素 A为 准 则 , 所支 配 的 下 一 层 元 素为 u ,2 l ,…Ul u l ,让 专 家 对 u ,2 1 ,…U l 接 打分 , 得 到 u g直 专家评分矩阵; ( )按 照 G M 的算 法 ,计 算 E 出单 一准 则下 元 素 的 排 序 .归一 化
在 多层 次 、 指 标 的 评价 体 系 多
信用等级评定标准
信用等级评定标准信用等级评定标准是指根据个人或者机构在经济活动中所表现出的信用水平,通过一定的评定标准对其进行评定,并给予相应的信用等级。
信用等级评定在金融、贸易、社会生活等领域都有着广泛的应用,对于提高经济效益、促进社会诚信建设具有重要意义。
下面将从个人信用和机构信用两个方面,介绍信用等级评定标准。
一、个人信用等级评定标准。
个人信用等级评定标准主要包括个人的信用记录、收入状况、财产状况、社会关系等方面的评定。
具体包括以下几个方面:1. 信用记录,主要包括个人的信用卡还款记录、贷款还款记录、逾期情况等。
良好的信用记录可以提高个人信用等级。
2. 收入状况,个人的收入状况也是评定信用等级的重要指标,收入稳定、来源合法的个人会获得更高的信用等级。
3. 财产状况,包括个人的房产、车辆等财产状况,以及个人的投资理财情况等。
4. 社会关系,个人的社会关系也是评定信用等级的重要因素,包括个人的社会交往、社会声誉等。
以上是个人信用等级评定的主要标准,通过对这些方面的评定,可以综合评定个人的信用等级,为个人的金融、贸易活动提供参考依据。
二、机构信用等级评定标准。
机构信用等级评定标准主要包括机构的经营状况、财务状况、社会责任等方面的评定。
具体包括以下几个方面:1. 经营状况,包括机构的经营规模、经营历史、经营业绩等,良好的经营状况可以提高机构的信用等级。
2. 财务状况,机构的财务状况是评定其信用等级的重要指标,包括资产负债情况、盈利能力、偿债能力等。
3. 社会责任,机构的社会责任履行情况也是评定其信用等级的重要因素,包括环保、公益慈善、员工福利等。
以上是机构信用等级评定的主要标准,通过对这些方面的评定,可以综合评定机构的信用等级,为其在金融、贸易活动中提供参考依据。
综上所述,信用等级评定标准对于个人和机构都具有重要意义,它可以促进经济活动的健康发展,提高社会诚信意识,保护各方利益。
因此,对于个人和机构来说,维护良好的信用等级是非常重要的,需要不断提高自身的信用水平,遵守法律法规,诚实守信,努力提高自身的信用等级。
个人信用卡申请的风险评估模型
摘要随着我国金融市场的迅猛发展,我国信用卡业务正处于蓬勃发展阶段,目前信用风险控制成为金融风险控制的一项重要内容。
信用卡的发放本质属于信贷业务。
通过剖析信用卡业务风险成因,建立完善的风险控制机制,并挖掘出高效的风险控制技术,对于化解商业银行信用卡业务风险具有十分重要的现实意义。
当前我国商业银行面临的信用风险问题,不仅影响商业银行的稳健经营,而且滋生出金融风险的许多内在隐患。
信用风险对金融市场的危害最大,它直接影响着现代经济生活中的各种活动,影响到国家的宏观决策和社会经济的发展。
因此,建立一个高效的预测模型,准确地分析与把握商业银行经营风险并有效防范信用风险对于提高信贷风险监控的效率,对于保证我国金融体系稳健、高效运行,实现经济的可持续发展具有重要意义。
与国外银行信用卡业务相比,我国各商业银行的信用卡业务的风险管理水平较低,管理手段与方法比较落后,缺乏一套有效的申请风险评估方法是阻碍个人信用卡业务进一步开展的主要因素之一。
本文主要是围绕如何通过模型的计算来控制申请信用卡时的信用风险。
申请信用卡时需填写表格,总共可归纳为17个因素,通过把这17个因素值输入模型,最后得到一个输出值,根据这个输出值来判断信用风险的大小,最后决定是否发卡,额度为多少等。
目前控制申请风险模型主要有层次分析法模型,基于决策树的方法过程的模型以及VaR方法等。
然而,上述的17个因素有些时候难免不全,所以运用这些模型就比较容易出错,故本文选择了容错能力比i较强的神经网络模型。
传统的神经网络模型研究的重点是围绕着如何确定网络的输入、输出层维数的建模问题。
但是,当研究复杂系统建模时,由于影响因素过多,不能确定冗余因素和有用因素,不能将输入的因素简化,这样在输入信息空间维数较大时,网络不仅结构复杂,而且训练时间也很长,从而降低网络性能,影响计算准确度。
因此,本文尝试利用层次分析法作为BP神经网络的前处理,通过已有的专家判断、比较、评价等手段将多个变量的重要程度数量化,以其结果作为BP神经网络的输入值,以减zJ,Bp神经网络的结构的复杂性,从而缩短训练时间,并充分利用BP神经网络强大的容错能力和抗干扰能力,提高模型的效率。
个人信用综合评分标准
个人信用综合评分标准个人信用综合评分是指通过对个人信用行为进行综合评估,以评定个人信用状况的一种标准。
在现代社会,个人信用已经成为了社会交往中不可或缺的一部分,而个人信用综合评分标准的建立和实施,对于促进社会诚信建设、规范市场秩序、保护消费者权益具有重要意义。
本文将从个人信用综合评分的意义、构成要素、评分标准等方面展开探讨。
首先,个人信用综合评分的意义不言而喻。
个人信用综合评分是对个人信用状况的客观评价,能够直观地反映一个人的信用水平和信用风险。
在金融、消费、就业、社会交往等方方面面,个人信用都扮演着重要角色。
一个良好的个人信用综合评分不仅有利于个人获得更多的信用资源和便利,还能够提高个人的社会地位和获得更多的发展机会。
因此,建立科学合理的个人信用综合评分标准,对于个人和整个社会都具有重要意义。
其次,个人信用综合评分的构成要素主要包括个人基本信息、信用历史、信用行为、社会关系和信用调查等几个方面。
个人基本信息主要包括个人的身份信息、联系方式等,这是个人信用综合评分的基础。
信用历史是评定个人信用的重要依据,包括个人的信用记录、信用报告等。
信用行为是指个人在金融、消费等方面的信用表现,包括个人的还款情况、消费习惯等。
社会关系是指个人在社会交往中的关系网络,包括个人的社交活动、社会声誉等。
信用调查是指对个人信用状况的调查核实,包括对个人信用信息的真实性和准确性进行核实。
这些构成要素共同构成了个人信用综合评分的基本框架,也是评定个人信用状况的重要依据。
最后,个人信用综合评分标准主要包括信用评级、信用评分和信用报告等几个方面。
信用评级是对个人信用状况进行等级划分,一般包括优秀、良好、一般、较差等几个等级。
信用评分是对个人信用状况进行具体分值评定,一般以一定的分值范围来评定个人的信用水平。
信用报告是对个人信用状况进行详细记录和说明,一般包括个人的信用历史、信用行为、社会关系等方方面面的信息。
这些标准共同构成了个人信用综合评分标准的基本内容,也是评定个人信用状况的具体依据。
信用评级的影响因素与权重分配方法
信用评级的影响因素与权重分配方法信用评级是金融领域中重要的风险管理工具之一,用于评估个人、企业或国家的信用风险水平。
在进行信用评级过程中,需要考虑多种因素,并将它们按一定的权重进行分配。
本文将探讨信用评级的影响因素以及常用的权重分配方法。
一、信用评级的影响因素1. 个人信用评级的影响因素个人信用评级通常涉及以下几个主要方面:(1) 历史还款记录:包括个人贷款、信用卡等信用行为的还款情况。
还款记录良好的个人通常会得到更高的信用评级。
(2) 个人收入和就业情况:个人的收入水平以及是否稳定就业也是评估其信用风险的重要指标。
(3) 个人资产负债情况:个人的资产负债情况反映了其财务状况稳定性,也会影响信用评级结果。
(4) 个人征信报告:征信报告中包含了个人的信用记录、逾期记录、债务信息等,是评估个人信用风险的重要依据。
2. 企业信用评级的影响因素企业信用评级主要考虑以下几个方面:(1) 财务状况:企业的财务报表是评估其财务状况的重要依据,包括利润表、资产负债表等。
(2) 行业竞争力:评级机构还会考虑企业所在行业的竞争力,包括市场份额、行业增长率等因素。
(3) 经营风险:企业的经营风险涉及市场需求、竞争态势、产品质量等,也是评估信用风险的重要因素。
(4) 法律合规情况:企业是否遵守法律法规以及是否存在违法违规行为也会对信用评级产生影响。
二、权重分配方法在进行信用评级时,为了准确评估风险,需要对影响因素进行权重分配。
以下是常见的权重分配方法:1. 主观分配法主观分配法是基于专家经验和判断进行权重分配。
评级机构根据历史数据和行业知识,依靠专家的主观判断来确定各个影响因素的权重。
2. 统计分析法统计分析法是基于历史数据的分析,通过回归分析、因子分析等统计工具来确定权重。
该方法更加客观,能够提取数据中的主要影响因素,并量化它们的作用。
3. 层次分析法层次分析法是一种将评估问题逐层划分,通过构建判断矩阵,根据各项因素之间的相对重要性进行权重分配的方法。
个人信用等级评定标准
个人信用等级评定标准个人信用等级评定标准是指对个人信用状况进行评定,以确定个人在金融、消费、社会交往等方面的信用水平。
个人信用等级评定标准的建立,有利于规范个人信用行为,提高社会信用环境,促进经济社会的健康发展。
首先,个人信用等级评定标准包括以下几个方面:1. 信用记录,个人的信用记录是评定个人信用等级的重要依据。
包括个人的还款记录、逾期记录、信用卡使用记录等。
良好的信用记录会提高个人的信用等级,而不良的信用记录则会降低个人的信用等级。
2. 收入状况,个人的收入状况也是评定个人信用等级的重要因素。
稳定的收入来源和较高的收入水平会提高个人的信用等级,因为这意味着个人有能力偿还债务。
3. 社会交往,个人在社会交往中的表现也会影响个人的信用等级。
包括个人在社交媒体上的言行举止、社会活动参与度等。
积极向上的社会交往会提高个人的信用等级。
其次,个人信用等级评定标准的作用:1. 金融信贷,个人信用等级评定标准对于金融机构的信贷业务具有指导作用。
金融机构可以根据个人的信用等级,决定是否给予贷款,以及贷款的额度和利率等。
2. 消费信用,个人信用等级评定标准也对个人的消费信用产生影响。
一些商家会根据个人的信用等级,决定是否给予信用消费、分期付款等服务。
3. 社会评价,个人信用等级也会影响个人在社会中的评价。
信用良好的个人会受到社会的尊重和认可,而信用不良的个人则会受到社会的质疑和排斥。
最后,个人信用等级评定标准的建立和完善:1. 完善信用记录系统,建立健全的信用记录系统,包括个人的还款记录、逾期记录、信用卡使用记录等,提高信用记录的全面性和准确性。
2. 加强信用教育,加强对个人信用意识的培养和教育,引导个人自觉维护个人信用,提高整体社会信用水平。
3. 完善信用奖惩机制,建立完善的信用奖惩机制,对信用良好的个人给予相应的奖励和优惠,对信用不良的个人给予相应的惩罚和限制,形成良好的信用环境。
综上所述,个人信用等级评定标准对于个人和社会都具有重要意义。
基于深度学习技术的信用评级体系与实践
基于深度学习技术的信用评级体系与实践随着互联网金融逐渐普及,信用评级成为了重要的金融基础设施之一。
传统的信用评级方法基于统计学方法和经验,但是受限于数据维度和精确度,这些方法的评级精度难以满足当下快速变化的金融环境和更严格的监管要求。
基于深度学习技术的信用评级体系应运而生。
一、深度学习技术在信用评级中的应用在传统的信用评级中,往往基于收集的数据手动设定特征,进行统计分析和预测模型构建。
但是,由于数据维度和数据精度的局限性,这种方法的准确性和可用性存在很大的局限性。
而深度学习技术则采用人工神经网络等方式,通过学习大量数据样本,自动抽象、总结和学习出特征,从而实现对信用评级的更加准确和可预测的评估。
具体而言,深度学习技术在信用评级中可以采用以下方法:1.基于神经网络的信用评级模型在神经网络中,通过多层次的前向传递和反向传递,可以自动学习出借款人的历史信用记录、收支情况、工作和人口信息等特征,从而实现对借款人信用水平的综合评估。
2.基于自然语言处理的信用评级模型在自然语言处理中,可以通过分析借款人的文字信息,比如社交网络、聊天记录、评论等,将其转化为结构化的评级特征,从而实现更加准确的信用评级。
二、实践案例:阿里云信用评级系统阿里云信用评级系统是基于深度学习技术的个人信用评级系统,该系统采用了全链路计算、大数据平台和多模型融合等技术手段,为广大金融机构、信贷公司、消费金融和保险公司等提供普惠金融服务。
具体而言,阿里云信用评级系统的主要特点在于:1.采用深度神经网络技术,可以自动学习和识别重要的行为和信用特征,并对信用水平进行评估;2.通过多个评估算法和模型融合,可以获得更加准确和可靠的信用评级结果;3.具有高可伸缩性、高并发性和高可用性,可以满足各类金融服务的实时需求。
三、深度学习技术在信用评级中的挑战和未来发展尽管深度学习技术在信用评级中已经得到了广泛应用,但是仍存在一些挑战和未来发展方向:1.数据隐私和安全:在深度学习中,需要大量的数据样本才能得到准确的评级模型,但是这些数据涉及到用户的隐私和安全,如何保证数据的安全和用户的隐私是一个重要的问题。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
基于层次分析法的个人信用评估体系李立兵,曾志伟河海大学,南京(210098)E-mail:libing_li2004@摘要:本文在层次分析法的基础上建立个人信用的评价指标体系对个人信用进行评估。
关键词:层次分析法,评估指标体系,个人信用评估从古到今,信用都不是孤立的概念,它必须依附于当时的经济、政治和文化背景,个人信用,是自然人个人的信用,是个人的无形资产,信用资产质量好,拥有良好的信用记录,则意味着更多的发展机会,更高的发展效率。
个人信用问题已经是我国经济体制改革和发展中不可回避的重要问题。
但是我国的个人信用体系还不完善,基本上属于空白。
目前我国居民个人信用资料缺乏,他们能提供的信用证明文件只有身份证和户籍证明、所在单位的工作证明;在个人储蓄实名制实施以后,又增加了个人存单和实物资产。
国内虽然已有相关机构对个人的信用进行评估,但是由于在评估定位、评估要素的选取以及评估手段方面的不足,使得个人信用评估结果的可信度大大降低。
如何建立科学的个人信用评估方法、如何建立一个规范化并和国际接轨的个人信用评估制度体系已成为一个亟待解决的重要课题。
本文选取个人资质评价指标情况、个人资产评价指标、家庭评价指标及个人的信用历史等一系列的指标,利用层次分析法来建立个人信用评估体系,对个人信用进行评估。
1. 层次分析法概述⑴、⑵、⑶层次分析法(Analytical Hierarchy Process,AHP)是美国匹兹堡人学教授A. L. Saaty 于20世纪70年代提出的一种系统分析方法。
它是一种能将定性分析与定量分析相结合的系统分析方法。
其解决问题的基本思路和基本原理是:首先,把要解决的问题分层系列化,即根据问题的性质和要达到的目标,将问题分解为不同的组成因素,按照因素之间的相互影响和隶属关系将其分层聚类组合,形成一个递阶的、有序的层次模型。
然后,对模型中每一层次因素的相对重要性,依据人们对客观现实判断给予定量表述,再利用数学方法确定每一层次全部因素相对重要性次序的权值。
最后,通过综合训算各因素相对重要性的权值,得到最低层(方案层)相对最高层(总日标)相对重要性次序的组合权值,以此作为评价和选择方案的依据。
层次分析法处理问题的基木步骤简述如下:①确定评价目标,再明确方案评价的准则。
根据评价目标、评价准则构造递阶层次结构模型。
递阶层次结构模型一般分为3层:目标层、准则层和方案层;②应用两两比较法构造所有的判断矩阵。
具体如下:1.1 建立判断矩阵对本级的要素进行两两比较来确定判断矩阵A的儿素,a ij是要素a i对a j的相对重要性其值是由专家根据资料数据以及自己的经验和价值观用判断尺度来确定判断尺度表示要素要素a i对a j相对重要性的数量尺度。
采用的判断尺度见表1。
表1.两两比较法的标度判断尺度具体含义9 7 5 3 1 2、4、6、8i 因素比j 因素绝对重要 i 因素比j 因素重要得多 i 因素比j 因素重要 i 因素比j 因素稍微重要 i 因素比j 因素一样重要i 因素j 因素的重要程度介于上述各数值之间根据判断尺度建立n 阶的判断矩阵An×n :111212122212.....................n n n n n n a a a a a a A a a a ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦其中:0ij a >,1/ij ji a a =,1ii a =,,i j =1、2、…、n ;1.2 确定各要素的相对重要程度①计算判断矩阵的特征向量W,然后进行归一化处理即得到相对重要程度向量:11()nni ij j W a ==∏ ,i =1、2、…、n ; (1)②一致性判断。
为了检验判断矩阵的一致性,根据AHP原理,可以利用max λ与n 之差来检验一致性,定义一致性计算指标为:....C I CR C R =(2) 其中max ..1nC I n λ−=−,max λ为判断矩阵A的最大特征值;C.R.为随机性指标,是通过构造最不一致的情况,对不同的n 阶比较矩阵中的元素,采取随机取数的方式进行赋值,并且对不同的n 取多个子样,先计算出C.I.的值,再求得其平均值,记为C.R.,见表2。
表2. 随机性指标C.R.数值n 1 2 3 4 5 6 7 8 9 10 11 C.R. 0 0 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49 1.51一致时,C.I.=0;不一致时,一般有max λ>n ,因此C.I. >0,故在一般情况下,当CR <0.1时就可以认为判断矩阵具有一致性,据此而计算的值是可以接受的;若不满足CR <0.1,则认为判断矩阵不符合一致性要求,需要专家重新按判断尺度表进行判断,建立判断矩阵进行相应计算,直到一致性检验通过。
2. 个人信用评估体系的建立现阶段,我国的个人信用评估主要以银行为主,目的是个人消费贷款的审批,各银行收集和管理本分行客户的信用资料,根据评估目的进行评估,来决定是否发放贷款和发放贷款的额度,但是随着我国经济的发展、与世界的接轨,对个人信用的评估将不再仅仅局限于银行,而是会扩展到其他许多领域中,所以有必要建立一套客观、定量的、适用范围更广的个人资信评估指标体系及评估模型。
首先来建立个人信用评估的指标体系。
在本文中,通过设立个人资质、个人资产状况、家庭状况、个人信用历史四个方面共同构成了个人信用评估的一级指标,每个一级指标下可划分出若干次级指标见表3。
表3. 个人信用评估指标体系大类指标权重 次级指标 权重得分年龄A1 性别A2 教育程度A3 职业与单位A4 职务与职称A5 执业资格A6 婚姻状况A7个人资质评价指标A现单位工作年限A8住房B1 个人年收入B2 交通工具B3 信用卡B4 有价证券B5 银行存款B6 保险B7 个人资产评价指标B负债B8家庭成员人数C1 成员人均年收入C2 成员年龄构成C3 成员就业情况C4 家庭评价 指标C成员福利情况C5与银行发生业务的数量D1 个人信用与银行发生业务的总金额D2历史D 失信次数D3总和从表3中可以看出上面体系的基础上利用层次分析法,能够对个人的信用进行评分,但是利用上面的体系在实际操作中,由于次级指标没有进行细化,特别是个人资质的次级指标,处理起来很不方便,不易进行操作,所以在上面体系的基础上,本文进一步的然后对个人资质这个次级指标进行了细化,在每个二级指标下又划分出若干分项指标,这样在操作的时候就简单易行。
例如在年龄这个二级指标下面又可以分为18周岁以下、19~24周岁、25~29周岁、30~34周岁、35~44周岁、45~52周岁、53~59周岁、60周岁以上等不同的指标,所有指标构成了个人信用评估的指标体系具体划分见表4-表11。
表4.年龄指标分解表表5.性别指标分解表表6.教育程度指标分解表次级指标 权重分项指标 权重得分18周岁以下A11 19~24周岁A12 25~29周岁A13 30~34周岁A14 35~44周岁A15 45~52周岁A16 53~59周岁A17 年龄A160周岁以上A18次级指标 权重分项指标权重 得分 男A21 性别A2女A22次级指标 权重 分项指标权重 得分 硕士研究生或以上A31 大学本科A32 大专A33高中(中专)A34 初中或初中以下A35 教育程度A3不确定A36表8.职位或职称指标分解表次级指标 权重 分项指标权重 得分 厅局级干部及以上A51高级管理人员、总公司总经理A52 处级干部A53中级管理人员、公司或分公司总经理A54科级干部A55一般管理人员、部门经理A56一般员工、工人、科员;国家机关、事业单位 和国有企业离退休人员、士兵A57职位或 职称A5待业人员、学生和职位不确定的其他人员A58表9. 执业资格工资指标分解表次级指标 权重 分项指标权重 得分 高级职称人员A61 中级职称人员A62初级职称A63 有执业资格A64执业资格工资A6无职称、无执业资格、不确定A65表10. 现单位工作时间指标分解表次级指标 权重分项指标 权重 得分 5年以上A71 3~5年(含)A72 1~3年(含)A73 1年(含)以下A74 现单位工作时间A7无单位、单位不确定A75次级 指标权重 分项指标权重 得分 国家机关公务员;事业单位员工A41 金融机构员工(不含保险公司)A42人民警察、武装警察部队、中国人民解放军A43国家机关、事业单位和国有企业离退休人员;优质公用事业单位 (邮政、电力、电信、报业、广播电视、民航、机场等)A44 一般上市公司(ST 、PT 和亏损公司除外)员工A45 一般国有企业、股份公司、私营企业员工;个体户;专业人员A45职业、 单位A4学生;待业或无业人员;其他职业或职业不确定的A46次级指标 权重分项指标 权重 得分 已婚有子女A81 已婚无子女A82 丧偶A83 未婚A84 离婚A85 婚姻状况A8不确定A86对个人资质类次级指标进行这样的分解后,在操作时完全可以进行量化,并可以直接利用加、减法进行计算。
但是在对其他几外次级指标进行评估时,对各次级指标赋予权重需要参考相关的信息,可以量化的就直接给出最后的得分,不可以量化的,采取德菲尔法,集中专家意见赋予权重(百分制),再根据具体的评分标准计算出总分。
但是为了防止某个异常指标值对总分的影响,在给每个指标评分时,应规定上限和下限,以减少个别指标异常时对总分造成不合理的影响。
具体可以这样来做:上限定为正常评分值注1的150%,下限定为正常评分值的50%。
此外,给分时不采用“乘”的关系,而采用“加”或“减”的关系来处理。
具体处理方法是:先利用分项指标的评分结果以及层次分析法所得到的各分项指标的权重计算得到每个次级指标的得分,再与层次分析法中所得到的结果权重进行同样的计算即可以得到各次级指标的得分,最后得到每个大类指标的得分,最后进行加总就得到每个个案的总得分。
3. 信用评估当个人信用评估体系建立以后,对个人的信用评估就变得容易了。
利用前面通过层次分析法以及德尔菲法中给个人的信用进行评分的结果,就可以对个人的信用进行评级,确定个人信用的隶属级别,进而可以利用这个信用评级的结果进行各项决策。
设个人资质指标、个人资产指标、家庭指标、个人信用历史指标的权重分别是1a ,2a ,3a ,4a ,它们的分项指标的权重为1i a ,2i a ,3i a ,…,ji a ( i ,j=1, .....),分项指标的得分分别为1i k ,2i k ,3i k ,…,ji k ( i ,j=1, .....),总得分为N ,所以有11m j n imn mn m n N ak=====∑∑ i ,j =1,2, (3)确定个人信用得分后,再将这个得分与表4中的信用分数与信用等级的对照关系来确定个人的信用等级归属,见表12。