CN105046560A - 一种第三方信贷监管和风险评估的***及方法 - Google Patents

Abstract

本发明公开一种第三方信贷监管和风险评估的***，包括申请贷款客户端、发放贷款客户端、担保客户端和监管服务端，所述监管服务器包括指标体系模块，用于根据采集的数据进行大数据分析建立数据训练集；PCA与因子分析模块，用于采用SPSS因素分析模块中的主成分法对连续变量进行因素分析；信用风险因子体系模块，用于对经过主成分分析的数据进行整理，生成对用于信用评价的因子体系；企业信用评估模块，用于根据指标体系对采集的数据进行处理生成用户的信用风险评估数据。本发明还提供一种第三方信贷监管和风险评估的方法。本发明采用大数据智能分析方法，筛选、甄别了假数据，保证了评估的正确和准确性。

Description

一种第三方信贷监管和风险评估的***及方法

技术领域

本发明涉及一种监管和风险评估的***和方法，更具体的说，涉及一种第三方信贷监管和风险评估的***及方法。

背景技术

目前，经济环境变化较快，市场的不断变动导致客户的经营财务状况不断变化。对银行贷后管理的专业性、风险预警与应对能力以及决策水平和效率提出更高的要求。可能在审批授信时客户经营财务状况良好，但由于行业政策的影响、客户投资失误的影响，供需关系变动的影响会引起客户的经营财务状况发生较大不利变化。企业经营多元化趋势加强，企业经营领域、经营规模以及经营区域都在日益扩大，跨业经营、跨区域经营和跨国经营越来越频繁。企业使用的银行产品特别是金融创新产品日益增多，这些都使得贷后管理的宽度与深度大幅增加，贷后管理覆盖范围必须跟随企业的发展不断扩大，对企业从事的创新业务风险也必须予以关注。金融机构竞争加剧，银行竞争日趋激烈，信贷市场已经转变为买方市场，银行间的无序竞争时有发生，造成客户逆向选择，一些道德风险、过度融资等问题亦由此而生。社会信用信息缺失，银行对企业在交易背景核实、项目合规手续查询、资金流向监控等方面缺乏统一的信息***支持，对集团客户以及关联客户的识别困难，加上企业诚信记录和风险信息共享沟通不够，严重制约了银行贷后管理水平。

发明内容

发明目的：本发明目的在于针对现有技术的不足，提供一种第三方信贷监管和风险评估的***，筛选甄别了假数据，保证了评估的正确和准确性。

同时，本发明还提供了一种解决上述问题的一种第三方信贷监管和风险评估的方法。

技术方案：本发明所述一种第三方信贷监管和风险评估的***，包括申请贷款客户端、发放贷款客户端、担保客户端和监管服务端，所述申请贷款客户端、所述担保客户端和所述发放贷款客户端分别与所述监管服务器双向通信，所述监管服务器包括

指标体系模块，用于根据采集的数据进行大数据分析建立数据训练集，并根据数据训练集的采样分析对指标体系的数值进行反馈控制调整生成对未来数据进行处理的指标体系；

PCA与因子分析模块，用于采用SPSS因素分析模块中的主成分法(PrincipalComponentsAnalysis,PCA)对连续变量进行因素分析，对经过指标体系处理的数据进行主成分分析；

信用风险因子体系模块，用于对经过主成分分析的数据进行整理，生成对用于信用评价的因子体系；

企业信用评估模块，用于根据指标体系对采集的数据进行处理生成用户的信用风险评估数据。

本发明技术方案的进一步限定为，所述监管服务器还包括机器学习建模模块，用于提供API接口与所述指标体系模块、所述信用风险因子体系模块连接，并对接收的数据进行机器学习的算法处理。

进一步地，所述监管服务器还包括差异显著性检验模块，用于采用训练集和差异显著性检验形式对所述指标体系模块的指标体系进行调整和完善。

本发明提供的另一技术方案为：一种第三方信贷监管和风险评估方法，包括申请贷款客户端申请贷款步骤、发放贷款客户端发放贷款步骤、担保客户端提供担保步骤和监管客户端提供信用监管和评估步骤，所述监管客户端提供信用监管和评估步骤按如下步骤进行：

S1、指标体系模块根据采集的数据进行大数据分析建立数据训练集，并根据数据训练集的采样分析对指标体系的数值进行反馈控制调整生成对未来数据进行处理的指标体系；

S2、PCA与因子分析模块采用SPSS因素分析模块中的主成分法(PrincipalComponentsAnalysis,PCA)对连续变量进行因素分析，对经过指标体系处理的数据进行主成分分析；

S3、信用风险因子体系模块对经过主成分分析的数据进行整理，生成对用于信用评价的因子体系；

S4、企业信用评估模块根据指标体系对采集的数据进行处理生成用户的信用风险评估数据，并将评估数据传递到发放贷款客户端和担保客户端。

本技术方案的进一步限定为，所述监管客户端提供信用监管和评估步骤还包括机器学习步骤，具体为：机器学习建模模块提供API接口与所述指标体系模块、所述信用风险因子体系模块连接，并对接收的数据进行机器学习的算法处理。

进一步地，所述监管客户端提供信用监管和评估步骤还包括差异显著性检验步骤，具体为差异显著性检验模块采用训练集和差异显著性检验形式对所述指标体系模块的指标体系进行调整和完善。

有益效果：本发明提供的一种第三方信贷监管和风险评估***及方法，采用大数据智能分析方法，筛选、甄别了假数据，保证了评估的正确和准确性，机器人智能学***变为可评估的客观结论；本发明排除了人为主观因素，使得贷后管理报告更客观，把专业财务人员从简单重复劳动中解放出来，节省了大量的高端人才成本，极大的提高了贷后管理水平和工作效率。

附图说明

附图1、本发明提供的一种第三方信贷监管和风险评估***的监管服务器的架构图。

具体实施方式

下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

实施例1：一种第三方信贷监管和风险评估的***，包括申请贷款客户端、发放贷款客户端、担保客户端和监管服务端，所述申请贷款客户端、所述担保客户端和所述发放贷款客户端分别与所述监管服务器双向通信。

所述申请贷款客户端包括基本信息模块，用于录入和管理公司的基本信息；财务信息模块，用于上传和下载公司的财务报表；风险评级模块，用于查询贷款风险评级和评级的原因及建议；贷款申请模块，用于申请贷款并管理已申请贷款的基本信息和状态。

所述发放贷款客户端包括贷款申请审核模块，用于管理申请贷款的信息并审批贷款；已发放贷款监管模块，用于管理已发放贷款的信息、审核已发放贷款客户的财务报表及风险评级。

所述担保客户端包括贷款保险审核模块，用于管理申请投保的信息并审批贷款投保；已投保贷款监管模块，用于管理已投保的信息，并进行已投保的续约。

所述监管服务器的架构图如图1所示，包括指标体系模块，用于根据采集的数据进行大数据分析建立数据训练集，并根据数据训练集的采样分析对指标体系的数值进行反馈控制调整（feedbackmechanism)生成对未来数据进行处理的指标体系，对于未来的数据采用指标体系进行处理，基本原理采用数据挖掘的predictivemodeling算法。PCA与因子分析模块，用于采用SPSS因素分析模块中的主成分法(PrincipalComponentsAnalysis,PCA)对连续变量进行因素分析，对经过指标体系处理的数据进行主成分分析。对于主成分的提取，我们采用k-means集群分析算法(clustering),对主体元素进行提取。(Centroits)。信用风险因子体系模块，用于对经过主成分分析的数据进行整理，生成对用于信用评价的因子体系。企业信用评估模块，用于根据指标体系对采集的数据进行处理生成用户的信用风险评估数据。该模块最为最上层的模块用来接受客户端传递的金融参数，并调用底层API如机器学习API,差异显著性检验API等，生成最终的企业信用评估分数。

所述监管服务器还包括机器学习建模模块，用于提供API接口与所述指标体系模块、所述信用风险因子体系模块连接，并对接收的数据进行机器学习的算法处理。机器学习建模模块整合了反馈控制，k-meansclusters,PCA分析等多个功能插件于一个模块中，提供多个API接口供调用。

所述监管服务器还包括差异显著性检验模块，用于采用训练集和差异显著性检验形式对所述指标体系模块的指标体系进行调整和完善。显著性检验就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（原假设）是否合理，即判断总体的真实情况与原假设是否有显著性差异。或者说，显著性检验要判断样本与我们对总体所做的假设之间的差异是纯属机会变异，还是由我们所做的假设与总体真实情况之间不一致所引起的。在本软件中，我们采用训练集形式对指标体系进行调整，再次会引入样本对总体的偏差。我们采用差异显著性检验对此偏差进行调校，针对我们对总体所做的假设做检验，其原理就是“小概率事件实际不可能性原理”来接受或否定假设。

上述第三方信贷监管和风险评估的***的工作方法包括申请贷款客户端申请贷款步骤、发放贷款客户端发放贷款步骤、担保客户端提供担保步骤和监管客户端提供信用监管和评估步骤，所述监管客户端提供信用监管和评估步骤按如下步骤进行：

S1、指标体系模块根据采集的数据进行大数据分析建立数据训练集，并根据数据训练集的采样分析对指标体系的数值进行反馈控制调整生成对未来数据进行处理的指标体系；

S2、PCA与因子分析模块采用SPSS因素分析模块中的主成分法(PrincipalComponentsAnalysis,PCA)对连续变量进行因素分析，对经过指标体系处理的数据进行主成分分析；

S3、信用风险因子体系模块对经过主成分分析的数据进行整理，生成对用于信用评价的因子体系；

S4、企业信用评估模块根据指标体系对采集的数据进行处理生成用户的信用风险评估数据，并将评估数据传递到发放贷款客户端和担保客户端。

所述监管客户端提供信用监管和评估步骤还包括机器学习步骤，具体为：机器学习建模模块提供API接口与所述指标体系模块、所述信用风险因子体系模块连接，并对接收的数据进行机器学习的算法处理。

所述监管客户端提供信用监管和评估步骤还包括差异显著性检验步骤，具体为差异显著性检验模块采用训练集和差异显著性检验形式对所述指标体系模块的指标体系进行调整和完善。

本实施例提供的第三方信贷监管和风险评估的***的工作场景如下，

一、用户注册场景分析：

A.公司代表注册Registration:

(1)公司管理员注册：

如某公司(申请贷款公司，银行，保险业等)属于第一次进入本***注册，需由公司管理员在注册界面提交管理员基本资料以及隶属公司基本资料。提交成功后，由我方审核员对资料进行审核，如果通过，则将公司信息和管理员信息录入后台记录，通过手机短信或邮件通知返回注册成功信息。

(2)公司其他成员注册：

如果某公司除管理员外，需要申请多个其他账号注册。此场景需由公司管理员管理隶属公司的账号：管理员生成一个多位数并唯一的邀请码(UUID),并通知注册者通过邀请码完成注册。此注册过程由某公司承担责任，请通过安全渠道转发邀请码。

B.公司代表登陆Login

公司代表在注册之后可凭借传统方式用户名密码登陆本***。为了加强***的保密性，本***采用了手机验证码的方式进行二级认证。

C.贷款公司场景分析

贷款公司员工登陆后，会进入隶属公司的信息面板(dashboard)。信息面板应当具备如下信息：

(1).公司基本信息

公司基本信息包括公司成立时间，注册地址，生产地址，企业注册资本，法定代表人列表等信息。此信息在首次登记后仅公司管理员可以更改。

(2).公司财务信息

公司财务信息按照月度进行更新，在每月5日前可以上传，10日前可以修改。过往的月度报表以pdf电子文档模式进行存档。

1/上传当前月财务报表。

本场景需支持公司员工上传本月财务报表。与传统的手工统计财务报表相比较，需要体现界面简洁易用性和数据统一性。

注：填写模块分为一上三个大步骤，每个步骤又细分为数个子步骤。用户可以在完成每个子步骤后对已经完成填写的资料进行保存，方便日后继续填写。已经填写完成的部分用绿色代表已完成，未完成的部分用红色引导用户继续填写。

2/下载过往月财务报表。

本场景支持公司员工下载过去月财务报表信息。考虑到员工没有权限修改公司过去已经完成上传的财务报表信息，过去月财务报表信息用电子文档pdf的形式存档在***中，类似于银行financialstatement的形式。

(3)公司贷款风险评级

在醒目位置，呈现公司目前的贷款风险评级。点击评级按钮，用户可以了解具体的评级原因和建议。

(4)公司已接受贷款和投保信息

本列表信息存放公司已经接受的贷款和投保保险公司的信息。表格设计如表1所示：

表1

贷款序号

贷款金额

开始时间

结束时间

放贷银行

贷款利率

投保单位

保险信息

(5)公司已申请贷款信息

本列表信息存放公司正在申请的贷款和申请状态。申请状态包括：

1/银行审批：贷款申请已经提交，等候多家银行审批。

2/银行反馈：贷款申请已得到一家或多家银行反馈，如果所有备选银行反馈均为拒绝，则不安排后续步骤。否则反馈意见包括贷款金额，贷款利率等信息。反馈银行的信息需要加密，在用户上交服务费前，用户无法直接接触银行信息。

3/投保申请：当公司完成与某家放贷银行的接洽后，申请状态改为选择投保。点击“贷款保险评估”按钮，会进入保险估值页面。此页面包括已录入本***的各大保险公司(以logo方式呈现),公司可以选择多家保险公司上交保险申请，申请会呈现在保险公司管理页面上等待审核。

4/选择投保：当一家或多家保险公司完成审核后，会返回保险公司的报价（全险保费，半险保费或者拒绝投保）。公司点击状态栏后会再次进入保险估值页面，看到所有保险公司的报价，可以再其中选择一家进行贷款投保。

5/银行终审：银行对此贷款申请和投保信息进行最终审核和确认。

6/上缴服务费：当公司与银行接洽完成并完成与保险公司对接后，申请状态转换为上缴服务费。在公司上缴服务费前，本次贷款申请仍处于未完成状态。当公司点击上缴服务费按钮时，公司会得到一个***生成的case案件号，公司凭借案件号去指定银行进行缴费。

7/贷款完成：当公司在指定银行完成缴费后，会得到一个独立的收据号(receiptnumber),公司在上缴服务费页面输入收据号，如果***验证通过，则贷款申请状态显示为完成，整个贷款申请过程结束。

D.银行业管理场景分析

银行业管理员或员工登陆后，享有比公司更多的权限。银行业管理员能够浏览所放贷企业、公司的基本信息和财务报表，并能管理隶属银行所有的现行贷款。银行业管理员或员工登陆后，***需要支持如下功能：

1.管理已发放贷款公司

（1）浏览公司基本信息：银行职员可以浏览公司的基本信息如注册资金，法人信息等。无修改权限。

（2）审核公司月财务报表上传：秉着杜绝虚假信息的原则，银行职员可以审核公司当月上缴的财务对接表，如果财务对接表是真实可信的，银行返回确认信息。第三方***即可以对该公司月财务报表进行风险评级。

（3）浏览贷款信息：对于公司已发放的贷款，银行可以浏览贷款所有信息，如贷款额度，贷款利率以及贷款保险信息如投保公司，投保保费等。

2.审核公司贷款申请

（1）浏览贷款基本信息：银行可以浏览申请贷款的公司基本信息，过往月财务报表以及申请贷款额度。

（2）审批贷款：银行可以对贷款申请进行审批，如果审批通过，银行可以通过放款网页填写放款金额，贷款利率和相应审批文件。

（3）贷款终审：当公司完成与保险公司的接洽后，公司上传保险公司投保文件。银行对贷款和相关保险信息进行终审，决定是否放款。

E.保险业管理场景分析

保险业管理员或者员工登陆后，拥有和银行业管理员/职员类似的权限。保险业管理员能够浏览所投保公司、企业的基本信息和财务报表，并能管理隶属保险公司的所有现行投保信息。***需要支持如下功能：

管理已投保贷款信息

（1）浏览贷款基本信息：保险公司可以浏览贷款公司的基本信息和贷款风险评级。保险公司还可以浏览放贷银行的基本信息，贷款额度和利率以及投保保费和起止日期。

（2）保险续约：当某笔贷款保险快到截止日期时，保险公司可以对该公司贷款进行再次评估，并以站内信形式对公司进行通知，告知续约的保费和起止日期。

审批贷款保险申请

（1）浏览贷款基本信息：保险公司可以浏览贷款公司的基本信息和贷款风险评级。保险公司还可以浏览放贷银行的基本信息，贷款额度和利率以及投保预期起止日期。

（2）审批贷款保险：保险公司根据贷款基本资料进行保险审批，返回审批信息(quote信息)如全保保费，半保保费，20%保费以及保险起止日期。

（3）浏览投保结果：当保险公司对于某笔贷款返回审批意见后，可以在公司做出决定后浏览投保结果。如果公司和银行完成终审，则保险公司和双方进行接洽，并上传具有法律效力的相关文件。需要注意的是，无论交易达成与否，当此次贷款完成后，该保险公司可以看到所有其他保险公司的报价和接受结果。

如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上作出各种变化。

Claims (6)

1.一种第三方信贷监管和风险评估的***，包括申请贷款客户端、发放贷款客户端、担保客户端和监管服务端，所述申请贷款客户端、所述担保客户端和所述发放贷款客户端分别与所述监管服务器双向通信，其特征在于，所述监管服务器包括

指标体系模块，用于根据采集的数据进行大数据分析建立数据训练集，并根据数据训练集的采样分析对指标体系的数值进行反馈控制调整生成对未来数据进行处理的指标体系；

PCA与因子分析模块，用于采用SPSS因素分析模块中的主成分法(PrincipalComponentsAnalysis,PCA)对连续变量进行因素分析，对经过指标体系处理的数据进行主成分分析；

信用风险因子体系模块，用于对经过主成分分析的数据进行整理，生成对用于信用评价的因子体系；

企业信用评估模块，用于根据指标体系对采集的数据进行处理生成用户的信用风险评估数据。

2.根据权利要求1所述的一种第三方信贷监管和风险评估的***，其特征在于，所述监管服务器还包括机器学习建模模块，用于提供API接口与所述指标体系模块、所述信用风险因子体系模块连接，并对接收的数据进行机器学习的算法处理。

3.根据权利要求1所述的一种第三方信贷监管和风险评估的***，其特征在于，所述监管服务器还包括差异显著性检验模块，用于采用训练集和差异显著性检验形式对所述指标体系模块的指标体系进行调整和完善。

4.根据权利要求1所述的一种第三方信贷监管和风险评估***的方法，包括申请贷款客户端申请贷款步骤、发放贷款客户端发放贷款步骤、担保客户端提供担保步骤和监管客户端提供信用监管和评估步骤，其特征在于，所述监管客户端提供信用监管和评估步骤按如下步骤进行：

S1、指标体系模块根据采集的数据进行大数据分析建立数据训练集，并根据数据训练集的采样分析对指标体系的数值进行反馈控制调整生成对未来数据进行处理的指标体系；

S2、PCA与因子分析模块采用SPSS因素分析模块中的主成分法(PrincipalComponentsAnalysis,PCA)对连续变量进行因素分析，对经过指标体系处理的数据进行主成分分析；

S3、信用风险因子体系模块对经过主成分分析的数据进行整理，生成对用于信用评价的因子体系；

S4、企业信用评估模块根据指标体系对采集的数据进行处理生成用户的信用风险评估数据，并将评估数据传递到发放贷款客户端和担保客户端。

5.根据权利要求4所述的一种第三方信贷监管和风险评估的方法，其特征在于，所述监管客户端提供信用监管和评估步骤还包括机器学习步骤，具体为：机器学习建模模块提供API接口与所述指标体系模块、所述信用风险因子体系模块连接，并对接收的数据进行机器学习的算法处理。

6.根据权利要求4所述的一种第三方信贷监管和风险评估的方法，其特征在于，所述监管客户端提供信用监管和评估步骤还包括差异显著性检验步骤，具体为差异显著性检验模块采用训练集和差异显著性检验形式对所述指标体系模块的指标体系进行调整和完善。