[发明专利]一种基于模糊Logistic回归的贷款用户信用评估方法

权利要求书

1.一种基于模糊Logistic回归的贷款用户信用评估方法，其特征在于：其评估方法包括以下操作步骤：

步骤1：收集贷款用户数据，根据收集到的贷款用户数据，将各个贷款用户数据对应的信用指标利用5点李克特量表的方法评估其对应的得分；

步骤2：通过利用5点李克特量表处理信用指标后得到的得分，应用模糊集理论中的三角模糊数表示其与每个信用指标得分相关的模糊性，即模糊解释变量；

步骤3：根据贷款用户是否按时还贷的行为来表示贷款用户的信用状况，使用好坏来区分贷款用户是否违约的信用状况，应用三角模糊数对贷款违约的取值进行模糊化，即模糊响应变量；

步骤4：将模糊解释变量和模糊响应变量应用于经过logit转换的Logistic回归模型中，构建新的模糊Logistic回归模型，利用模糊最小二乘法来估计新的模糊Logistic回归模型的系数；

步骤5：根据用户输入的信用指标信息，基于针对新的模糊Logistic回归进行预测，并对预测结果归一化处理，获取评估的用户信用结果。

2.根据权利要求1所述的一种基于模糊Logistic回归的贷款用户信用评估方法，其特征在于：根据步骤2中所述的模糊解释变量，包含有论域，所述的论域为一个数学系统，即任何科学理论都有其研究对象，所述研究对象构成一个不空的集合，称为论域；所述论域分为原始域和非原始域，假设论域R上的三角模糊数为M，若M的隶属度函数u_M使得R→[0,1],表示为下式：

其中，u_M(x)表示三角模糊函数；M表示(s,m,u)，s和u分别表示模糊的下确界和上确界,m为M的隶属度为1的中值，当x＝m时，x完全属于M；应用三角模糊数对步骤1中经过5点李克特量表处理的信用指标得分进行模糊化处理，即若应用5点李克特量表评估的指标得分为a时，则利用三角模糊数可表示为(a-x_L,a,a+x_R)，x_L和x_R是指标得分的模糊程度。

3.根据权利要求1所述的一种基于模糊Logistic回归的贷款用户信用评估方法，其特征在于：其特征在于：根据步骤3中所述的模糊响应变量，即用b表示用户贷款违约的信用状况，三角模糊数表示为(b-y_L,b,b+y_R)，y_L和y_R是贷款违约结果的模糊程度。

4.根据权利要求1所述的一种基于模糊Logistic回归的贷款用户信用评估方法，其特征在于：所述步骤4中利用模糊最小二乘估计法估计新的模糊Logistic回归模型的系数，其具体操作步骤如下：

步骤1：构建新的模糊Logistic回归模型，其具体构建过程如下：

(1)、设μ_i,i＝1,2,…m，是第i个贷款用户的违约情况，比值是第i个用户经过转化后的违约情况；贷款用户信用状况由μ_i∈{差，好}来代替，μ_i为LR-型模糊数，即所述的三角模糊数，已由步骤3给出；

(2)、对对数转化得到当做观测结果，所述观测结果的隶属函数通过扩张原理以及μ_i的隶属函数来确定，如下：

其中，是一对一的函数，因此，

(3)、设一组模糊的解释变量以及模糊的观测结果为用解释变量回归对数转化后的即新的模糊Logistic回归模型为:

步骤2：利用模糊最小二乘估计方法估计新的模糊Logistic回归模型的各个系数，其步骤如下：

(1)、假设模糊输入解释变量和模糊输出响应变量则模糊最小二乘估计方法公式如下：

(2)、Q为1×(m+1)的一个系数矩阵，Q的每行β_j都是一个三角模糊数，表示第i个用户的第j个信用指标；表示每个用户的贷款违约情况；对于引入的模糊最小二乘估计法的度量公式，将其与提出的模糊Logistic回归方程结合可得：

通过最小化Q＝Q(β₀,β₁,…,β_m)来获得对每个求偏导即可得到该方程具有j个解,其中0≤j≤m；按照估计出的将其带入模糊Logistic回归模型中，得到求解后的新的模糊Logistic回归模型。