技術(shù)特征：

1.一種征信系統(tǒng)的穩(wěn)定性指標(biāo)生成方法，其特征在于，包括：

在征信系統(tǒng)中選定樣本用戶集，抽樣采集所述樣本用戶集中的樣本用戶賬號在預(yù)設(shè)的信用數(shù)據(jù)類型下的樣本信用數(shù)據(jù)；

對于所述樣本用戶集中的每個樣本用戶賬號，根據(jù)預(yù)設(shè)的回歸算法，計算該樣本用戶賬號在預(yù)設(shè)的信用數(shù)據(jù)類型下的樣本信用數(shù)據(jù)隨時間變化的穩(wěn)定性特征函數(shù)，所述穩(wěn)定性特征函數(shù)包括本底趨勢變化部分、周期性變化部分和隨機(jī)變化部分；

計算所述樣本用戶集中的樣本用戶賬號在所述預(yù)設(shè)的信用數(shù)據(jù)類型下的穩(wěn)定性特征函數(shù)的特征參數(shù)的分布，計算所述分布在預(yù)設(shè)的分布特征類型下的特征值；

對在所述預(yù)設(shè)的信用數(shù)據(jù)類型下的每個特征參數(shù)在的每個預(yù)設(shè)的分布特征類型下的每個特征值進(jìn)行歸一化并加權(quán)后得到與所述預(yù)設(shè)的信用數(shù)據(jù)類型對應(yīng)的穩(wěn)定性指標(biāo)。

2.根據(jù)權(quán)利要求1所述的征信系統(tǒng)的穩(wěn)定性指標(biāo)生成方法，其特征在于，所述計算該樣本用戶賬號在預(yù)設(shè)的信用數(shù)據(jù)類型下的樣本信用數(shù)據(jù)隨時間變化的穩(wěn)定性特征函數(shù)還包括：

通過卡爾曼濾波器和降采樣的方法在所述樣本用戶賬號在預(yù)設(shè)的信用數(shù)據(jù)類型下的樣本信用數(shù)據(jù)中分離出與所述本底趨勢變化部分對應(yīng)的數(shù)據(jù)，通過線性擬合或多項式擬合的方式得到穩(wěn)定性特征函數(shù)的本底趨勢變化部分。

3.根據(jù)權(quán)利要求2所述的征信系統(tǒng)的穩(wěn)定性指標(biāo)生成方法，其特征在于，所述通過卡爾曼濾波器和降采樣的方法在所述樣本用戶賬號在預(yù)設(shè)的信用數(shù)據(jù)類型下的樣本信用數(shù)據(jù)中分離出與所述本底趨勢變化部分對應(yīng)的數(shù)據(jù)之后還包括：

通過傅里葉分析或小波分析分離出與周期性變化部分對應(yīng)的數(shù)據(jù)，對該數(shù)據(jù)通過多項式擬合得到穩(wěn)定性特征函數(shù)的周期性變化部分，根據(jù)剩余部分的數(shù)據(jù)得到穩(wěn)定性特征函數(shù)的隨機(jī)變化部分。

4.根據(jù)權(quán)利要求1至3任一項所述的征信系統(tǒng)的穩(wěn)定性指標(biāo)生成方法，其特征在于，所述回歸算法中的穩(wěn)定性特征函數(shù)為：

S＝f(t)+T(t)+ε

其中，f(t)為本底趨勢變化部分：

$f\left(t\right)=C+{\mathrm{\Σ}}_i^n{a}_i{t}^i$

T(t)為周期性變化部分：

$T\left(t\right)={\mathrm{\Σ}}_i^n{a}_{ti}{g}_i\left(t\right)$

g_i(t)為預(yù)設(shè)的周期函數(shù)；

ε為服從均值為0的正態(tài)分布的隨機(jī)變量；

所述穩(wěn)定性特征函數(shù)的特征參數(shù)包括C、a_i、a_ti和ε中的至少一個。

5.根據(jù)權(quán)利要求1所述的征信系統(tǒng)的穩(wěn)定性指標(biāo)生成方法，其特征在于，所述預(yù)設(shè)的信用數(shù)據(jù)類型包括至少一個；

所述方法還包括：

根據(jù)所述預(yù)設(shè)的信用數(shù)據(jù)類型下的樣本信用數(shù)據(jù)計算所述預(yù)設(shè)的信用數(shù)據(jù)類型的穩(wěn)定性指標(biāo)的相關(guān)度。

6.一種征信系統(tǒng)的穩(wěn)定性指標(biāo)生成裝置，其特征在于，包括：

樣本信用數(shù)據(jù)采集模塊，用于在征信系統(tǒng)中選定樣本用戶集，抽樣采集所述樣本用戶集中的樣本用戶賬號在預(yù)設(shè)的信用數(shù)據(jù)類型下的樣本信用數(shù)據(jù)；

穩(wěn)定性特征函數(shù)計算模塊，用于對于所述樣本用戶集中的每個樣本用戶賬號，根據(jù)預(yù)設(shè)的回歸算法，計算該樣本用戶賬號在預(yù)設(shè)的信用數(shù)據(jù)類型下的樣本信用數(shù)據(jù)隨時間變化的穩(wěn)定性特征函數(shù)，所述穩(wěn)定性特征函數(shù)包括本底趨勢變化部分、周期性變化部分和隨機(jī)變化部分；

特征值計算模塊，用于計算所述樣本用戶集中的樣本用戶賬號在所述預(yù)設(shè)的信用數(shù)據(jù)類型下的穩(wěn)定性特征函數(shù)的特征參數(shù)的分布，計算所述分布在預(yù)設(shè)的分布特征類型下的特征值；

穩(wěn)定性指標(biāo)計算模塊，用于對在所述預(yù)設(shè)的信用數(shù)據(jù)類型下的每個特征參數(shù)在的每個預(yù)設(shè)的分布特征類型下的每個特征值進(jìn)行歸一化并加權(quán)后得到與所述預(yù)設(shè)的信用數(shù)據(jù)類型對應(yīng)的穩(wěn)定性指標(biāo)。

7.根據(jù)權(quán)利要求6所述的征信系統(tǒng)的穩(wěn)定性指標(biāo)生成裝置，其特征在于，所述穩(wěn)定性特征函數(shù)計算模塊還用于通過卡爾曼濾波器和降采樣的方法在所述樣本用戶賬號在預(yù)設(shè)的信用數(shù)據(jù)類型下的樣本信用數(shù)據(jù)中分離出與所述本底趨勢變化部分對應(yīng)的數(shù)據(jù)，通過線性擬合或多項式擬合的方式得到穩(wěn)定性特征函數(shù)的本底趨勢變化部分。

8.根據(jù)權(quán)利要求7所述的征信系統(tǒng)的穩(wěn)定性指標(biāo)生成裝置，其特征在于，所述穩(wěn)定性特征函數(shù)計算模塊還用于通過傅里葉分析或小波分析分離出與周期性變化部分對應(yīng)的數(shù)據(jù)，對該數(shù)據(jù)通過多項式擬合得到穩(wěn)定性特征函數(shù)的周期性變化部分，根據(jù)剩余部分的數(shù)據(jù)得到穩(wěn)定性特征函數(shù)的隨機(jī)變化部分。

9.根據(jù)權(quán)利要求6至8任一項所述的征信系統(tǒng)的穩(wěn)定性指標(biāo)生成裝置，其特征在于，所述回歸算法中的穩(wěn)定性特征函數(shù)為：

S＝f(t)+T(t)+ε

其中，f(t)為本底趨勢變化部分：

$f\left(t\right)=C+{\mathrm{\Σ}}_i^n{a}_i{t}^i$

T(t)為周期性變化部分：

$T\left(t\right)={\mathrm{\Σ}}_i^n{a}_{ti}{g}_i\left(t\right)$

g_i(t)為預(yù)設(shè)的周期函數(shù)；

ε為服從均值為0的正態(tài)分布的隨機(jī)變量；

所述穩(wěn)定性特征函數(shù)的特征參數(shù)包括C、a_i、a_ti和ε中的至少一個。

10.根據(jù)權(quán)利要求6所述的征信系統(tǒng)的穩(wěn)定性指標(biāo)生成裝置，其特征在于，所述預(yù)設(shè)的信用數(shù)據(jù)類型包括至少一個；

所述裝置還包括穩(wěn)定性指標(biāo)相關(guān)性分析模塊，用于根據(jù)所述預(yù)設(shè)的信用數(shù)據(jù)類型下的樣本信用數(shù)據(jù)計算所述預(yù)設(shè)的信用數(shù)據(jù)類型的穩(wěn)定性指標(biāo)的相關(guān)度。