(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210696231.5 (22)申请日 2022.06.20 (71)申请人 常州工学院 地址 213031 江苏省常州市新北区辽河路 666号 (72)发明人 夏红卫　陈鑫　苏斌浩　卜宁川　 (51)Int.Cl. G06Q 40/02(2012.01) G06N 3/00(2006.01) (54)发明名称 基于主成分分析和神经网络的中小信贷策 略模型 (57)摘要 本发明涉及一种中小微 企业信贷策略模型， 特别涉及一种基于主成分分析和神经网络的中 小信贷策略模型， 充分量化企业交易票据信息， 建立了综合的信贷风险评判体系， 运用主成分分 析、 粒子群算法、 BP神经网络、 模糊综合评判法对 中小微企业进行了客观、 综合的信贷决策； 同时 对有信贷记录的企业的数据， 使用支持向量机、 随机森林、 BP神经网络进行信贷等级评判的对 比， 确定了中小微企业信贷策略模 型使用的鲁棒 性和有效性利用不同种类的数据得到数据间的 相关矩阵， 并基于相关矩阵特征值得到贷款额度 分配模型的指标贡献加权系数， 即评价指标加权 系数来源于数据本身而不依 赖于人工经验， 是科 学和准确并有效的。 权利要求书5页 说明书17页 附图3页 CN 114862563 A 2022.08.05 CN 114862563 A 1.一种基于主成分 分析和神经网络的中小信贷策略模型， 其特 征在于， 包括如下步骤： 步骤1： 建模基本假设及模型符号说明； 步骤1.1模型假设 建立； 步骤1.2建模符号 说明： i、 评价对象个 数； j、 评价指标； R、 相关系数矩阵； Zi、 企业的综合 得分； W、 各企业主成分贷款额度； Q、 年度贷款总额； loss、 损失金额； risk、 贷款损失率即顾 客流失率； rate、 年利率； V、 评语集； w、 权重； x、 各项指标； invoicetotal、 总发票数； G、 贷款 总额； 步骤2： 建立了基于主成分 分析的贷款 额度分析模型； 步骤2.1重要指标的确定原则； 信贷策略受到很多复杂的指标影响， 选取不同的影响指标， 最终的预测结果也不同； 为 了能更好的进行信贷策略的决定， 重要指标的确定应按照以下规则确立： 1)探究评判企业 给出信贷策略是一个综合性问题， 一方面考虑到各个企业的经济实力 差距所给贷款会 有所不同， 另一方面也考虑到各个企业的信誉有高有低所确定的年利率也会有所不同， 因 此本文将进行综合分析与评价； 2)确定复合 量纲因素 信贷策略受到多种因素的影响， 很多指标通常无法进行对比； 为了消除多种规模化因 素影响， 确定的重要指标要更加综合 化； 3)稳定与可靠性 影响银行信贷策略的各个指标都来自于调查与统计， 在处理各项指标的过程中， 所用 到的数据必须达 到稳定性与可靠性高的标准； 步骤2.2重要指标的确立 确立重要指标体系主要用于给出信贷策略， 在重要指标确定规则基础上， 结合销项发 票和进项发票信息数据， 得到的三级评价指标； 步骤2.3主成分 分析模型的确定 选取较少变量， 来解释大部分数据中的变异的几个新变量， 即所谓主成分， 并来解释数 据的综合 性指标； 是一种降维方法； 步骤2.4数据预处 理 利用互联网并结合各个中小微企业的经济实力不同， 获取有信贷记录企业的交易票据 信息数据， 在此基础上， 对建立的银 行信贷决策指标体系的指标层数据进行 预处理； 对于指标： 购方单位数x1、 销方单位数x2， 以附件中的一家企业涉及购方单位代号、 销方 单位代号的种类来计数； 对于指标： 平均发票数， 取附件中的一家企业所涉及的总 发票数invoicetotal与购方 单位数x1、 销方单位数x2单位数总和的商， 即 对于指标： 购方税额x4、 销方税额x5， 取附件中一家企业购方税额与销方税额 的均值来 处理； 对于指标： 销项加税合计x6、 进项价税合计x7， 取附件中一家企业 的销项加税合计与进 项价税合计的最大值；权　利　要　求　书 1/5 页 2 CN 114862563 A 2对于指标： 有效发票占比x8， 取附件中一家企业的有效发票数与总发票数的商； 对于指标： 负数发票数x9、 作废发票数x10， 以一家企业的负数发票数量和作废发票数量 来计数； 步骤2.5指标层矩阵的建立 根据银行信贷决策指标体系及数据预处理后可以得到一个123 ×10的指标层矩阵R， 矩 阵部分如式(1)所示： 步骤2.6主成分 分析模型求 解贷款额度 1)原始数据标准 化 主成分分析模型的主成分分析指标变量有10个， 分别为x1， x2，…， x10， 共有123个评价对 象， 第i个评价对象的第j个指标的取值为aij； 将各指标值aij转换成标准化指标值 即式 (2)所示 式(3)中： 即μj， sj为第j个 指标的样本均值和样本标准差； 对应地， 定义 为标准化指标变量； 2)计算相关系数矩阵 相关系数矩阵R＝(rij)10×10， 有 式(4)中： rii＝1， rij＝rji， rij为第i个指标与第j个指标的相关系数； 3)计算特 征值和特 征向量 相关系数矩阵的特征值依次是2.9927、 2.2005、 1.3180、 0.9125、 0.8656、 0.7041、 0.4373、 0.3 021、 0.138 8、 0.1283； 对应的标准 化后的特 征向量为：权　利　要　求　书 2/5 页 3 CN 114862563 A 3