基於大數據的用戶金融信用評價系統

2023-05-13 21:05:03

1.本發明涉及金融信用領域，特別涉及基於大數據的用戶金融信用評價系統。


背景技術：

2.信用是社會經濟發展的必然產物，是現代經濟社會運行中必不可少的一環。維持和發展信用關係，是保護社會經濟秩序的重要前提，隨著經濟體制的建立，為防範信用風險，維護正常的經濟秩序，信用評價的重要性日趨明顯。金融信用，即提供貸款和產生債務，在許多場合，金融信用也可以指借債方償還債務的信譽和能力。信用評價也稱為信用評估、信用評級、資信評估、資信評級，是以一套相關指標體系為考量基礎，標示出個人或企業償付其債務能力和意願的過程。大數據分析是指對規模巨大的數據進行分析。當前，人們越來越重視信用，小到個人信用，大到企業和國家的信用，然而如果沒有一個衡量標準，那麼人們很難在越來越繁雜的網絡和大資訊時代獲取準確的信用信息，例如個人與個人、個人與企業和企業與企業之間進行合作時，在不清楚對方的信用評價時，是很難做出合作的決定，這對企業和個人的發展帶來很大的困擾。基於因為大數據的繁雜，所以很難在海量的大數據中得出準確想要的消息，這給個人和企業對目標信用的考量很難把握，針對上述缺陷，為此我們提出了基於大數據的用戶金融信用評價系統，是很有必要的。


技術實現要素：

3.本發明的目的在於提供基於大數據的用戶金融信用評價系統，通過人機互動界面與信用評價系統互動，大數據實時採集金融機構或用戶在當前時間段內的數據，通過信用評價系統隨時調取數據進行金融信用評價，信用評價系統相關數據並對數據進行數據清洗，將清洗後的數據結果進行數據特徵提取，得到金融機構或用戶在當前時間段內的數據集合的數據特徵集合，數據特徵集合更能反映數據本身，有效提升了後續基於該數據特徵進行信用評價的準確性，以解決上述背景技術中提出的問題。
4.為實現上述目的，本發明提供如下技術方案：
5.基於大數據的用戶金融信用評價系統，包括人機互動界面、信用評價系統和大資料庫，其中
6.人機互動界面，用於金融機構或用戶與所述信用評價系統互動，用於金融機構或用戶查詢評價結果；
7.大資料庫，用於採集金融機構或用戶的數據並將採集到的數據發送給所述信用評價系統，採集的金融機構或用戶數據存儲在大資料庫內；
8.信用評價系統，用於從採集到的金融機構或用戶的數據中獲取數據集合，基於金融機構或用戶在當前時間段內的數據集合的數據特徵集合，使用預建立的評價模型，生成被金融機構或用戶的信用評價結果。
9.進一步地，所述人機互動界面，包括：
10.用戶管理單元，用於管理使用所述人機互動界面的金融機構或用戶。
11.進一步地，所述用戶管理單元，包括：
12.用戶登錄註冊模塊，用於金融機構或用戶在所述人機互動界面進行登錄和註冊，通過登錄和註冊可進行金融信用評價；
13.信息錄入模塊，用於金融機構或用戶錄入信息，使金融機構或用戶的信息更加完善，可以更好地進行信用評價；
14.提交申請模塊，用於金融機構或用戶提交金融信用評價申請，金融機構或用戶錄入完成信息可提交金融信用評價申請。
15.進一步地，信息錄入模塊，包括：
16.數據獲取單元，用於獲取金融機構或用戶基於人機互動界面提交的登錄信息，並對登錄信息進行分析，提取金融機構或用戶登錄信息對應的目標關鍵數據片段，且確定目標關鍵數據片段對應的數據特徵向量；
17.數據調取單元，用於將數據特徵向量輸入預設交互信息識別模型中進行分析，得到金融機構或用戶對應的身份標識，並基於身份標識對預設存儲資料庫中的歷史錄入信息進行檢索，得到各歷史錄入信息與身份標識的歸屬概率；
18.數據分析單元，用於當歸屬概率超出預設閾值時，確定歸屬概率對應的歷史錄入信息為金融機構或用戶對應的目標錄入信息，同時，獲取對金融機構或用戶的金融信用評價標準，並基於金融信用評價標準對目標錄入信息的屬性信息進行分析，得到目標錄入信息的目標時效，且當目標時效失效時，將目標錄入信息對應的描述符修改為無效值，同時，生成錄入信息更新請求；
19.交互單元，用於將錄入信息更新請求基於人機互動界面向金融機構或用戶進行反饋，並基於反饋結果接收金融機構或用戶提交的目標更新數據，同時，確定目標更新數據對應的目標錄入信息以及與目標錄入信息相關聯的關聯錄入信息，並基於目標更新數據對目標錄入信息以及關聯錄入信息進行同步更新；
20.所述交互單元，還用於基於同步更新結果確定金融機構或用戶的實時金融信用評價，並在接收到金融機構或用戶的交互請求後，對交互請求進行解析，得到金融機構或用戶的系統操作行為類型；
21.展示單元，用於將系統操作行為類型與預設操作行為類型進行匹配，並當系統操作行為類型與預設操作行為類型匹配時，將實時金融信用評價在人機互動界面向定金融機構或用戶進行展示。
22.進一步地，所述大資料庫，包括：
23.信息採集模塊，用於採集金融機構或用戶的數據，根據金融機構或用戶的註冊信息，以及金融機構或用戶錄入的信息，實時採集金融機構或用戶在當前時間段內的數據；
24.信息存儲模塊，用於將採集的金融機構或用戶數據進行存儲，方便所述信用評價系統隨時從所述大資料庫中調取。
25.當金融機構或用戶通過所述人機互動界面與所述信用評價系統互動，所述大資料庫根據金融機構或用戶的信息，通過信息採集模塊實時採集金融機構或用戶在當前時間段內的數據，並將實時採集到的所述當前時間段內的數據存儲在所述大資料庫中，便於金融機構或用戶，隨時通過所述信用評價系統調取數據進行金融信用評價。
26.進一步地，所述信息採集模塊，包括：
27.政務數據，用於從對接的政府政務系統獲取，更新信用評價時的所需的政策指標，並且從中採集官方授權獲取的信息，比如行政處罰行為數據和質監信息數據；
28.銀行數據，用於從對接的銀行系統獲取，採集金融機構或用戶在銀行中授權獲取的信息，比如借貸數據和流水數據；
29.網際網路數據，用於從網際網路中獲取當下金融機構或用戶的指標數據，比如有無網絡借貸數據。
30.進一步地，所述信用評價系統，包括：
31.獲取單元，用於獲取金融機構或用戶在當前時間段內的數據集合，其中，所述數據集合至少包括政務數據、銀行數據和網際網路數據；
32.數據處理單元，用於對所述數據集合中的數據進行數據清洗，對所述數據集合中的無用數據進行清洗，將清洗後的數據結果進行數據特徵提取，得到金融機構或用戶在當前時間段內的數據集合的數據特徵集合；
33.信用評價單元，用於基於被金融機構或用戶在當前時間段內的合規數據集合的數據特徵集合，使用預建立的評價模型，生成被金融機構或用戶的信用評價結果。
34.當金融機構或用戶需要金融信用評價時，通過獲取單元獲取所述大資料庫內關於金融機構或用戶的相關數據，將獲取到的相關數據通過數據處理單元進行數據清洗，對所述數據集合中的無用數據進行清洗，將清洗後的數據結果進行數據特徵提取，得到金融機構或用戶在當前時間段內的數據集合的數據特徵集合，所述數據特徵集合更能反映數據本身，有效提升了後續基於該數據特徵進行信用評價的準確性。
35.進一步地，所述信用評價單元，包括：
36.預測模塊，用於從大資料庫內獲取的數據，預測金融機構或用戶的貸款風險，並輸出預測信息；
37.評價模塊，通過所述數據特徵集合評價金融機構或用戶信用，並輸出評價信息。
38.進一步地，所述預測模塊，包括：
39.案例庫，用於實現存儲金融信用評價案例，可定期或者不定期的對案例庫中的案例進行更新；
40.案例推理模塊，藉助案例庫中的所述金融信用評價案例，將從大資料庫內獲取的數據與所述金融信用評價案例做比對，通過案例庫中提供的所述金融信用評價案例的支撐實現風險預測。
41.進一步地，所述評價模塊，包括：
42.信用評價模塊，用於根據從大資料庫內所獲取的數據，對金融機構或用戶進行金融信用評價，得出金融機構或用戶的評價結論；
43.匹配模塊，用於根據所述評價結論，從所述評價模塊內製定的等級評定標準和評分標準進行匹配，根據匹配結果，得到金融機構或用戶信用等級和信用評分。
44.進一步地，所述信用評價模塊，包括：
45.權重設置模塊，用於對大資料庫內的數據設置數據的權重；
46.數據項評分模塊，用於對大資料庫內所獲取的數據進行評分。
47.進一步地，信用評價系統，還包括：對金融機構的守信率進行評估，具體為：
48.準備模塊，用於分別計算當金融機構守信時，金融機構的第一收益期望值以及當
金融機構違約時，金融機構的第二收益期望值，基於第一收益期望值與第二收益期望值評估金融機構的守信率，具體包括：
49.第一計算模塊，用於根據如下公式，計算當金融機構守信時，金融機構的第一收益期望值；
50.ω
trust
＝{r2*[α*r(β
2-β0)+a]}+{(1-r2)*[α*r(β
2-β0)-r]}；
[0051]
其中，ω
trust
表示當金融機構守信時，金融機構的第一收益期望值；r2金融機構歸還應收帳款的概率；α表示金融機構應收帳款質押率；r表示金融機構的應收帳款；β2表示金融機構的投資收益率；β0表示金融機構的貸款利率；a表示金融機構的收益；(1-r2)表示金融機構違約的概率；
[0052]
第二計算模塊，用於根據如下公式，計算當金融機構違約時，金融機構的第二收益期望值；
[0053]
ω
miss
＝{r2*[α*r(β2+1)-m]}+{[1-r2)*[α*r(β2+1)-r-m]}；
[0054]
其中，ω
miss
表示當金融機構違約時，金融機構的第二收益期望值；m表示金融機構的違約損失；
[0055]
評估模塊，用於基於第一收益期望值與第二收益期望值對金融機構的守信率進行評估，獲得金融機構的目標守信率；
[0056]
信用等級評估模塊將金融機構的目標守信率與預設守信率區間進行比較，並基於比較結果確定金融機構的信用等級；
[0057]
其中，當金融機構的目標守信率大於預設守信率區間時，則判定金融機構的信用等級為第一等級；
[0058]
當金融機構的目標守信率屬於預設守信率區間時，則判定金融機構的信用等級為第二等級；
[0059]
否則，則判定金融機構的信用等級為第三等級。
[0060]
與現有技術相比，本發明的有益效果是：
[0061]
1、本發明的基於大數據的用戶金融信用評價系統，金融機構或用戶通過人機互動界面與信用評價系統互動，金融機構或用戶可通過用戶管理單元進行用戶登錄/註冊、信息錄入和提交金融信用評價申請，大資料庫通過金融機構或用戶在與信用評價系統互動時，實時抓取金融機構或用戶的登錄/註冊信息和錄入的信息，並根據這些抓取到的信息，通過信息採集模塊實時採集金融機構或用戶在當前時間段內的數據，即採集金融機構或用戶在當前時間段的政務數據、銀行數據和網際網路數據，並將實時採集到的當前時間段內的數據存儲在大資料庫中，便於金融機構或用戶提交金融信用評價申請後，信用評價系統隨時通過大資料庫調取數據進行金融信用評價。
[0062]
2、本發明的基於大數據的用戶金融信用評價系統，當金融機構或用戶需要金融信用評價時，信用評價系統通過獲取單元獲取大資料庫內關於金融機構或用戶的當前時間段內的數據集合，將獲取到的當前時間段內的數據集合通過數據處理單元進行數據清洗，對數據集合中的無用數據或者不合規的數據進行清洗，將清洗後的數據結果進行數據特徵提取，得到金融機構或用戶在當前時間段內的數據集合的數據特徵集合，數據特徵集合更能反映數據本身，有效提升了後續基於該數據特徵進行信用評價的準確性。
[0063]
3、通過對金融機構或用戶的登錄信息進行分析，實現根據分析結果對金融機構或
用戶的歷史錄入信息進行調取，其次，通過根據金融機構或用戶的金融信用評價標準對歷史錄入信息的時效性進行分析，且在時效性失效時，及時對系統中金融機構或用戶的錄入信息進行更新，保障了金融機構或用戶的金融信用評價的有效性，最後，通過對金融機構或用戶的系統操作行為類型進行核驗，且在滿足要求時，將最終的實時金融信用評價結果通過人機互動界面進行展示，保障了人機互動的可靠性，同時，也保障了對金融機構或用戶金融信用評價的準確性。
[0064]
4、通過分別計算當金融機構守信時，金融機構的第一收益期望值以及當金融機構違約時，金融機構的第二收益期望值，從而有利於基於第一收益期望值與第二收益期望值對金融機構的守信率進行評估，從而對金融機構的信用等級進行評判，有利於將等級評判結果作為對金融機構進行信用評價時的參考依據，從而使得對金融機構的信用評價更具有真實性。
附圖說明
[0065]
圖1為本發明的整體結構示意圖；
[0066]
圖2為本發明的用戶管理單元示意圖；
[0067]
圖3為本發明的大資料庫示意圖；
[0068]
圖4為本發明的信用評價系統示意圖；
[0069]
圖5為本發明的信用評價單元示意圖；
[0070]
圖6為本發明的整體流程示意圖。
具體實施方式
[0071]
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基於本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本發明保護的範圍。
[0072]
為了解決現有技術中不清楚對方的信用評價時，是很難做出合作的決定，對企業和個人的發展帶來很大的困擾，並且因為大數據的繁雜，從而很難在海量的大數據中得出準確想要的消息，容易使個人和企業很難把握對目標信用考量的技術問題，請參閱圖1-圖6，本實施例提供以下技術方案：
[0073]
基於大數據的用戶金融信用評價系統，包括人機互動界面、信用評價系統和大資料庫，其中人機互動界面，用於金融機構或用戶與所述信用評價系統互動，用於金融機構或用戶查詢評價結果；大資料庫，用於採集金融機構或用戶的數據並將採集到的數據發送給所述信用評價系統，採集的金融機構或用戶數據存儲在大資料庫內；信用評價系統，用於從採集到的金融機構或用戶的數據中獲取數據集合，基於金融機構或用戶在當前時間段內的數據集合的數據特徵集合，使用預建立的評價模型，生成被金融機構或用戶的信用評價結果。
[0074]
所述人機互動界面，包括用戶管理單元，用於管理使用所述人機互動界面的金融機構或用戶。
[0075]
所述用戶管理單元，包括用戶登錄註冊模塊，用於金融機構或用戶在所述人機交
互界面進行登錄和註冊，通過登錄和註冊可進行金融信用評價；信息錄入模塊，用於金融機構或用戶錄入信息，使金融機構或用戶的信息更加完善，可以更好地進行信用評價；提交申請模塊，用於金融機構或用戶提交金融信用評價申請，金融機構或用戶錄入完成信息可提交金融信用評價申請。
[0076]
需要說明的是，金融機構或用戶可利用智能終端和移動端與信用評價系統互動，金融機構或用戶在登錄/註冊時，可通過手機號簡訊驗證登錄/註冊，在登錄/註冊的過程中可主動獲取金融機構或用戶的信息，登錄/註冊以後，可再將金融機構或用戶的信息進行錄入，使信息更加完善，便於後續提交申請工作，如金融機構或用戶的信息不完善，提交的申請將被駁回，不會進行信用評價，可返回信息錄入模塊重新進行信息錄入。
[0077]
所述大資料庫，包括信息採集模塊，用於採集金融機構或用戶的數據，根據金融機構或用戶的註冊信息，以及金融機構或用戶錄入的信息，實時採集金融機構或用戶在當前時間段內的數據；信息存儲模塊，用於將採集的金融機構或用戶數據進行存儲，方便所述信用評價系統隨時從所述大資料庫中調取。
[0078]
所述信息採集模塊，包括政務數據，用於從對接的政府政務系統獲取，更新信用評價時的所需的政策指標，並且從中採集官方授權獲取的信息，比如行政處罰行為數據和質監信息數據；銀行數據，用於從對接的銀行系統獲取，採集金融機構或用戶在銀行中授權獲取的信息，比如借貸數據和流水數據；網際網路數據，用於從網際網路中獲取當下金融機構或用戶的指標數據，比如有無網絡借貸數據。
[0079]
所述信用評價系統，包括獲取單元，用於獲取金融機構或用戶在當前時間段內的數據集合，其中，所述數據集合至少包括政務數據、銀行數據和網際網路數據；數據處理單元，用於對所述數據集合中的數據進行數據清洗，對所述數據集合中的無用數據進行清洗，將清洗後的數據結果進行數據特徵提取，得到金融機構或用戶在當前時間段內的數據集合的數據特徵集合；信用評價單元，用於基於被金融機構或用戶在當前時間段內的合規數據集合的數據特徵集合，使用預建立的評價模型，生成被金融機構或用戶的信用評價結果。
[0080]
具體的，當金融機構或用戶通過所述人機互動界面與所述信用評價系統互動，所述大資料庫根據金融機構或用戶的信息，通過信息採集模塊實時採集金融機構或用戶在當前時間段內的數據，當前時間段內的數據包括採集政務數據、採集銀行數據和採集網際網路數據，從中獲取金融機構或用戶的行政處罰行為數據和質監信息數據；借貸數據和流水數據；有無網絡借貸數據，將實時採集到的所述當前時間段內的數據存儲在所述大資料庫中，便於金融機構或用戶，隨時通過所述信用評價系統調取數據進行金融信用評價。
[0081]
所述信用評價單元，包括預測模塊，用於從大資料庫內獲取的數據，預測金融機構或用戶的貸款風險，並輸出預測信息；評價模塊，通過所述數據特徵集合評價金融機構或用戶信用，並輸出評價信息。
[0082]
所述預測模塊，包括案例庫，用於實現存儲金融信用評價案例，可定期或者不定期的對案例庫中的案例進行更新；案例推理模塊，藉助案例庫中的所述金融信用評價案例，將從大資料庫內獲取的數據與所述金融信用評價案例做比對，通過案例庫中提供的所述金融信用評價案例的支撐實現風險預測。
[0083]
所述評價模塊，包括信用評價模塊，用於根據從大資料庫內所獲取的數據，對金融機構或用戶進行金融信用評價，得出金融機構或用戶的評價結論；匹配模塊，用於根據所述
評價結論，從所述評價模塊內製定的等級評定標準和評分標準進行匹配，根據匹配結果，得到金融機構或用戶信用等級和信用評分。
[0084]
所述信用評價模塊，包括權重設置模塊，用於對大資料庫內的數據設置數據的權重；數據項評分模塊，用於對大資料庫內所獲取的數據進行評分。
[0085]
具體的，當金融機構或用戶需要金融信用評價時，通過獲取單元獲取所述大資料庫內關於金融機構或用戶的相關數據，將獲取到的相關數據通過數據處理單元進行數據清洗，對所述數據集合中的無用數據進行清洗，將清洗後的數據結果進行數據特徵提取，得到金融機構或用戶在當前時間段內的數據集合的數據特徵集合，所述數據特徵集合更能反映數據本身，有效提升了後續基於該數據特徵進行信用評價的準確性，提取出的數據特徵集合發送至信用評價單元，通過預測模塊，將數據特徵集合與所述預存的金融信用評價案例做比對，藉助案例庫中的金融信用評價案例提供支撐，從而實現風險預測，而通過評價模塊，基於數據特徵集合對金融機構或用戶進行金融信用評價並得出評價結論，再根據所述評價結論與制定的等級評定標準和評分標準進行匹配，根據匹配結果，得到金融機構或用戶信用等級和信用評分，根據預測模塊和評價模塊，最終得出金融機構或用戶的評價結果，評價結果顯示在人機互動界面上，方便金融機構或用戶查看。
[0086]
綜上所述，本發明的基於大數據的用戶金融信用評價系統，金融機構或用戶通過手機號簡訊驗證登錄/註冊並將信息進行錄入，然後提交金融信用評價的申請，大資料庫通過金融機構或用戶登錄/註冊信息和錄入的信息，通過信息採集模塊實時採集金融機構或用戶在當前時間段內的數據，並將實時採集到的當前時間段內的數據存儲在大資料庫中，當信用評價系統接收到金融機構或用戶提交的申請後，通過獲取單元從大資料庫內獲取關於金融機構或用戶的相關數據集合併進行數據清洗，將清洗後的數據結果進行數據特徵提取並得到金融機構或用戶的數據特徵集合，數據特徵集合可以更好地反映數據本身，可有效提升後續基於該數據特徵進行信用評價的準確性，提取出的數據特徵集合發送至信用評價單元，通過預測模塊，藉助案例庫中的金融信用評價案例提供支撐，從而實現風險預測，通過評價模塊，基於數據特徵集合進行金融信用評價並得出評價結論，再根據評價結論與制定的等級評定標準和評分標準進行匹配並得到信用等級和信用評分，根據預測模塊和評價模塊，最終得出金融機構或用戶的評價結果，評價結果顯示在人機互動界面上，方便金融機構或用戶查看。
[0087]
本實施例提供了一種基於大數據的用戶金融信用評價系統，信息錄入模塊，包括：
[0088]
數據獲取單元，用於獲取金融機構或用戶基於人機互動界面提交的登錄信息，並對登錄信息進行分析，提取金融機構或用戶登錄信息對應的目標關鍵數據片段，且確定目標關鍵數據片段對應的數據特徵向量；
[0089]
數據調取單元，用於將數據特徵向量輸入預設交互信息識別模型中進行分析，得到金融機構或用戶對應的身份標識，並基於身份標識對預設存儲資料庫中的歷史錄入信息進行檢索，得到各歷史錄入信息與身份標識的歸屬概率；
[0090]
數據分析單元，用於當歸屬概率超出預設閾值時，確定歸屬概率對應的歷史錄入信息為金融機構或用戶對應的目標錄入信息，同時，獲取對金融機構或用戶的金融信用評價標準，並基於金融信用評價標準對目標錄入信息的屬性信息進行分析，得到目標錄入信息的目標時效，且當目標時效失效時，將目標錄入信息對應的描述符修改為無效值，同時，
生成錄入信息更新請求；
[0091]
交互單元，用於將錄入信息更新請求基於人機互動界面向金融機構或用戶進行反饋，並基於反饋結果接收金融機構或用戶提交的目標更新數據，同時，確定目標更新數據對應的目標錄入信息以及與目標錄入信息相關聯的關聯錄入信息，並基於目標更新數據對目標錄入信息以及關聯錄入信息進行同步更新；
[0092]
所述交互單元，還用於基於同步更新結果確定金融機構或用戶的實時金融信用評價，並在接收到金融機構或用戶的交互請求後，對交互請求進行解析，得到金融機構或用戶的系統操作行為類型；
[0093]
展示單元，用於將系統操作行為類型與預設操作行為類型進行匹配，並當系統操作行為類型與預設操作行為類型匹配時，將實時金融信用評價在人機互動界面向定金融機構或用戶進行展示。
[0094]
該實施例中，登錄信息可以是金融機構或用戶在進入金融信用評價系統時的登錄用戶名以及登錄帳號等。
[0095]
該實施例中，目標關鍵數據片段可以是登錄信息能夠表明金融機構或用戶身份信息的數據段。
[0096]
該實施例中，數據特徵向量可以是目標關鍵數據片段的數據取值範圍以及對應的數據關聯關係等。
[0097]
該實施例中，預設交互信息識別模型是提前設定好的，用於對目標關鍵數據片段對應的數據特徵向量進行分析處理，實現對登錄信息對應的身份標識進行確定。
[0098]
該實施例中，身份標識可以是能夠表徵金融機構或用戶具體身份情況的一種表徵數據，通過該標識課快速準確的確定登錄信息對應的用戶身份。。
[0099]
該實施例中，預設存儲資料庫是提前設定好的，用於存儲不同金融機構和用戶提前錄入的金融行為信息。
[0100]
該實施例中，歷史錄入信息是提前在金融信用評價系統中錄入好的，是表徵金融機構和用戶金融行為的數據。
[0101]
該實施例中，歸屬概率是用於表徵歷史錄入信息與身份標識的的匹配程度，取值越大二者越匹配。
[0102]
該實施例中，預設閾值是提前設定好的，用於表徵歸屬概率的最低取值。
[0103]
該實施例中，目標錄入信息可以是表徵當前歸屬概率對應的歷史錄入信息即為金融機構或用戶對應的歷史錄入信息。
[0104]
該實施例中，金融信用評價標準是提前設定好的，用於表徵對金融機構或用戶進行金融信用評價的標準或條件。
[0105]
該實施例中，屬性信息可以是能夠表徵目標錄入信息的錄入時間以及錄入量等信息。
[0106]
該實施例中，目標時效可以是表徵目標錄入信息的時效性，即能不能表徵金融機構或用戶在當前時間段下的金融信用。
[0107]
該實施例中，描述符可以是目標錄入信息對應的具體字符串。
[0108]
該實施例中，目標更新數據可以是金融機構或用戶在收到錄入信息更新請求後重新錄入的金融信息。
[0109]
該實施例中，關聯錄入信息可以是與目標錄入信息存在聯繫的其他錄入信息，目的是為了將與目標錄入信息相關聯的所有錄入信息進行及時更新，從而便於確保當前金融信用評價的有效性。
[0110]
該實施例中，實時金融信用評價可以是對金融機構或用戶的錄入信息進行更新後，得到金融機構或用戶對應的最新的金融信用評價。
[0111]
該實施例中，交互請求可以是金融機構或用戶想要與金融信用評價系統進行交互的目的。
[0112]
該實施例中，系統操作行為類型可以是表徵金融機構或用戶對金融信用評價系統的操作行為的類型，從而便於對系統操作行為的合規性進行校驗。
[0113]
該實施例中，預設操作行為類型是提前設定好的，是能夠對金融信用評價進行調取的標準操作行為。
[0114]
上述技術方案的工作原理及有益效果是：通過對金融機構或用戶的登錄信息進行分析，實現根據分析結果對金融機構或用戶的歷史錄入信息進行調取，其次，通過根據金融機構或用戶的金融信用評價標準對歷史錄入信息的時效性進行分析，且在時效性失效時，及時對系統中金融機構或用戶的錄入信息進行更新，保障了金融機構或用戶的金融信用評價的有效性，最後，通過對金融機構或用戶的系統操作行為類型進行核驗，且在滿足要求時，將最終的實時金融信用評價結果通過人機互動界面進行展示，保障了人機互動的可靠性，同時，也保障了對金融機構或用戶金融信用評價的準確性。
[0115]
本實施例提供了一種基於大數據的用戶金融信用評價系統，信用評價系統，還包括：對金融機構的守信率進行評估，具體為：
[0116]
準備模塊，用於分別計算當金融機構守信時，金融機構的第一收益期望值以及當金融機構違約時，金融機構的第二收益期望值，基於第一收益期望值與第二收益期望值評估金融機構的守信率，具體包括：
[0117]
第一計算模塊，用於根據如下公式，計算當金融機構守信時，金融機構的第一收益期望值；
[0118]
ω
trust
＝{r2*[α*r(β
2-β0)+a]}+{[1-r2)*[α*r(β
2-β0)-r]}；
[0119]
其中，ω
trust
表示當金融機構守信時，金融機構的第一收益期望值；r2金融機構歸還應收帳款的概率；α表示金融機構應收帳款質押率；r表示金融機構的應收帳款；β2表示金融機構的投資收益率；β0表示金融機構的貸款利率；a表示金融機構的收益；(1-r2)表示金融機構違約的概率；
[0120]
第二計算模塊，用於根據如下公式，計算當金融機構違約時，金融機構的第二收益期望值；
[0121]
ω
miss
＝{r2*[α*r(β2+1)-m]}+{[1-r2)*[α*r(β2+1)-r-m]}；
[0122]
其中，ω
miss
表示當金融機構違約時，金融機構的第二收益期望值；m表示金融機構的違約損失；
[0123]
評估模塊，用於基於第一收益期望值與第二收益期望值對金融機構的守信率進行評估，獲得金融機構的目標守信率；
[0124]
信用等級評估模塊將金融機構的目標守信率與預設守信率區間進行比較，並基於比較結果確定金融機構的信用等級；
[0125]
其中，當金融機構的目標守信率大於預設守信率區間時，則判定金融機構的信用等級為第一等級；
[0126]
當金融機構的目標守信率屬於預設守信率區間時，則判定金融機構的信用等級為第二等級；
[0127]
否則，則判定金融機構的信用等級為第三等級。
[0128]
該實施例中，基於第一收益期望值與第二收益期望值對金融機構的守信率進行評估，例如可以是將第一收益期望值與第二收益期望值相比較，當第一收益期望值等於或大於第二收益期望值時，則根據常規經驗，金融機構會選擇守信，則可以判定金融機構的守信率大，否則，則判定金融機構會選擇違約，則可以判定金融機構的守信率小。
[0129]
該實施例中，預設守信率區間可以是提前設定好的，用來衡量金融機構的信用等級。
[0130]
該實施例中，對金融機構進行信用等級評判是為了作為對金融機構進行信用評價時的參考依據，從而使得對金融機構的信用評價更具有真實性。
[0131]
上述技術方案的工作原理及有益效果是：通過分別計算當金融機構守信時，金融機構的第一收益期望值以及當金融機構違約時，金融機構的第二收益期望值，從而有利於基於第一收益期望值與第二收益期望值對金融機構的守信率進行評估，從而對金融機構的信用等級進行評判，有利於將等級評判結果作為對金融機構進行信用評價時的參考依據，從而使得對金融機構的信用評價更具有真實性。
[0132]
以上所述，僅為本發明較佳的具體實施方式，但本發明的保護範圍並不局限於此，任何熟悉本技術領域的技術人員在本發明披露的技術範圍內，根據本發明的技術方案及其發明構思加以等同替換或改變，都應涵蓋在本發明的保護範圍之內。