[发明专利]一种基于IFOA‑SVM的个人信用风险评估方法

摘要

本发明公开了一种基于IFOA‑SVM的个人信用风险评估方法，通过对传统的果蝇算法进行改进，可以提高算法寻优效率的同时有效地保证算法的寻优精度。IFOA是找出当前味道浓度较优的n个精英果蝇位置,对这些位置进行加权处理,得到一个最优加权位置，让果蝇群向该位置飞去。放飞操作进行n次,选择味道浓度均值最优的一次放飞。改进的果蝇算法不仅提高了找到最优解的概率，也使找到最优解的速度得到了加快，将其运用到信用风险评估中，得到较好的评估结果，并且通过对样本数据中信用评价指标的量化处理，提高了预测性能，具有较强的实用性，为银行等金融机构明确贷款客户信用，降低贷款风险提供有效的依据。

主权项

一种基于IFOA‑SVM的个人信用风险评估方法，其特征在于，包括：步骤1)，根据贷款人的个人数据对信用评价指标进行量化，确定基于IFOA‑SVM个人信用风险评价模型的目标函数；步骤2)，基于支持向量机建立用来对贷款人进行信用评估的SVM模型，判别函数为其中K(xi,yj)为核函数，b为常数，ai为拉格朗日因子i＝1,2...n；步骤3)，对果蝇算法进行改进；步骤4)，采用改进的果蝇算法优化SVM参数，用改进的果蝇算法对惩罚因子C和核函数g进行全局寻优，得到两个参数的最优解；最优解参数代入到步骤2中的SVM模型进行学习训练，建立基于IFOA‑SVM的个人信用风险评估模型；步骤5)，将步骤1中的部分用作测试的贷款人数据带入到步骤4)中的基于IFOA‑SVM的个人信用风险评估模型，并与网格法搜索参数的SVM、GA‑SVM和FOA‑SVM的评估效果进行对比。