CN108805699A - 一种信贷风控决策方法及装置 - Google Patents

Abstract

本发明提供一种信贷风控决策方法及装置，包括：根据信贷评估大数据构建基于人工智能的信用评估模型，以及根据风控决策大数据构建基于人工智能的风控决策模型，其中，信用评估模型用于评估用户的信贷情况，风控决策模型用于生成决策数据；获取用户的基本信息，并判断基本信息是否为真实信息；如果是，从同业金融信贷机构获取用户的同业信贷数据，并以信用评估模型和同业信贷数据为依据评估用户的信贷情况；以风控决策模型和信贷情况为依据生成决策数据并输出。本发明提供的信贷风控决策方法，能够自动对用户信息进行评估，并作出相应的决策，效率高，准确率高。

Description

一种信贷风控决策方法及装置

技术领域

本发明涉及电子商务领域，具体而言，涉及一种信贷风控决策方法及装置。

背景技术

随着社会经济的高速发展，传统小贷信贷机构、互联网小贷公司能够从不同的场景出发，提供灵活的金融服务，实时授信、实时放款、贷前风险评估、贷中风险管理、贷后风险预警实现小贷业务互联网化。现有的信贷的申请贷款过程中，通常要经过资料真实性校验、信用评估、决策等步骤。然而，在实践中发现，在对用户的信用评估和决策的过程中，现有都是采用人工评估和决策的方式，效率低、评分误差大、耗费人力物力。

发明内容

鉴于上述问题，本发明提供了一种信贷风控决策方法及装置，能够自动对用户信息进行评估，并作出相应的决策，效率高，准确率高。

为了实现上述目的，本发明采用如下的技术方案：

第一方面，本发明提供了一种信贷风控决策方法，包括：

根据信贷评估大数据构建基于人工智能的信用评估模型，以及根据风控决策大数据构建基于人工智能的风控决策模型，其中，所述信用评估模型用于评估用户的信贷情况，所述风控决策模型用于生成决策数据；

获取用户的基本信息，并判断所述基本信息是否为真实信息；

如果是，从同业金融信贷机构获取所述用户的同业信贷数据，并以所述信用评估模型和所述同业信贷数据为依据评估所述用户的信贷情况；

以所述风控决策模型和所述信贷情况为依据生成决策数据并输出。

作为一种可选的实施方式，所述判断所述基本信息是否为真实信息，包括：

从第三方对接机构获取所述用户的用户信息，并获取所述用户的行为信息，所述用户信息包括用户的联系信息、用户的地理信息和用户相关的人口统计信息中的一种或者多种，所述行为信息包括用户购买服务或产品的记录、用户的服务或产品的消费记录、用户与企业的联络记录、用户的消费行为、用户的偏好和生活方式中的一种或者多种；

以所述用户信息和所述行为信息为依据判断所述基本信息是否为真实信息。

作为一种可选的实施方式，在判断出所述基本信息为真实信息之后，所述方法还包括：

判断存储的用户数据库是否包括所述用户的用户标识；

如果所述用户数据库包括所述用户标识，将所述用户标识对应的原始信息更新为所述基本信息。

作为一种可选的实施方式，所述方法还包括：

如果所述用户数据库不包括所述用户标识，将所述用户标识和所述基本信息进行关联，并将所述用户标识和所述基本信息存储至所述用户数据库。

作为一种可选的实施方式，所述信贷情况包括资产负债状况、信用评分、还款能力评分中的一种或者多种。

第二方面，本发明提供了一种信贷风控决策装置，包括：

构建模块，用于根据信贷评估大数据构建基于人工智能的信用评估模型，以及根据风控决策大数据构建基于人工智能的风控决策模型，其中，所述信用评估模型用于评估用户的信贷情况，所述风控决策模型用于生成决策数据；

获取模块，用于获取用户的基本信息；

信息判断模块，用于判断所述基本信息是否为真实信息；

评估模块，用于当所述信息判断模块判断出所述基本信息为所述真实信息时，从同业金融信贷机构获取所述用户的同业信贷数据，并以所述信用评估模型和所述同业信贷数据为依据评估所述用户的信贷情况；

决策模块，用于以所述风控决策模型和所述信贷情况为依据生成决策数据并输出。

作为一种可选的实施方式，所述信息判断模块包括：

第一子模块，用于从第三方对接机构获取所述用户的用户信息，并获取所述用户的行为信息，所述用户信息包括用户的联系信息、用户的地理信息和用户相关的人口统计信息中的一种或者多种，所述行为信息包括用户购买服务或产品的记录、用户的服务或产品的消费记录、用户与企业的联络记录、用户的消费行为、用户的偏好和生活方式中的一种或者多种；

第二子模块，用于以所述用户信息和所述行为信息为依据判断所述基本信息是否为真实信息。

作为一种可选的实施方式，还包括：

存储判断模块，用于在判断出所述基本信息为真实信息之后，判断存储的用户数据库是否包括所述用户的用户标识；

更新模块，用于当所述存储判断模块判断出所述用户数据库包括所述用户标识时，将所述用户标识对应的原始信息更新为所述基本信息。

第三方面，本发明提供了一种用户终端，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述用户终端执行上述的信贷风控决策方法。

第四方面，本发明提供了一种计算机可读存储介质，其存储有上述用户终端中所使用的计算机程序。

根据本发明提供的信贷风控决策方法及装置，先根据根据信贷评估大数据构建基于人工智能的信用评估模型，以及根据风控决策大数据构建基于人工智能的风控决策模型；然后获取用户的基本信息，并判断基本信息是否为真实信息；如果基本信息为真实信息，则从同业金融信贷机构获取用户的同业信贷数据，并以该信用评估模型和同业信贷数据为依据评估用户的信贷情况；最后，以风控决策模型和信贷情况为依据生成决策数据并输出。可见，实施本发明的技术方案，通过依据大数据构建的信用评估模型与风控决策模型，能够自动对用户信息进行评估，并作出相应的决策，效率高，准确率高，同时避免了人为因素的干扰。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明范围的限定。

图1是本发明实施例一提供的信贷风控决策方法的流程示意图；

图2是本发明实施例二提供的信贷风控决策方法的流程示意图；

图3是本发明实施例三提供的信贷风控决策装置的结构示意图；

图4是本发明实施例四提供的信贷风控决策装置的结构示意图。

具体实施方式

下面将结合本实施例中附图，对本实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

针对现有技术中的问题，本发明提供了一种信贷风控决策方法及装置，先根据信贷评估大数据构建基于人工智能的信用评估模型，以及根据风控决策大数据构建基于人工智能的风控决策模型；然后获取用户的基本信息，并判断基本信息是否为真实信息；如果基本信息为真实信息，则从同业金融信贷机构获取用户的同业信贷数据，并以该信用评估模型和同业信贷数据为依据评估用户的信贷情况；最后，以风控决策模型和信贷情况为依据生成决策数据并输出。可见，通过依据大数据构建的信用评估模型与风控决策模型，能够自动对用户信息进行评估，并作出相应的决策，效率高，准确率高，同时避免了人为因素的干扰。并且，该技术可以采用相关的软件或硬件实现，下面通过实施例进行描述。

实施例1

请参阅图1，图1是本发明实施例一提供的信贷风控决策方法的流程示意图。如图1所示，该信贷风控决策方法可以包括以下步骤：

S101、根据信贷评估大数据构建基于人工智能的信用评估模型，以及根据风控决策大数据构建基于人工智能的风控决策模型。

本实施例中，信用评估模型用于评估用户的信贷情况，风控决策模型用于生成决策数据。通过采用通过信用评估模型和风控决策模型来进行风控决策，使得到的决策结果更加客观。

本实施例中，在根据大数据构建信用评估模型和风控决策模型之后，还可以根据需要对信用评估模型和风控决策模型进行快速更新，更新周期可以人为设定，也可以根据大数据的不断变化进行实时更新等，本发明实施例不作限定。

S102、获取用户的基本信息。

本实施例中，可以从借贷APP、第三方机构等平台获取用户上传提交的基本信息，本发明实施例不作限定。

S103、判断基本信息是否为真实信息，如果是，执行步骤S104，如果否，结束本流程。

作为一种可选的实施方式，当判断出基本信息不为真实信息之后，还可以包括以下步骤：

获取用户的历史校验总次数以及校验出用户提供的基本信息不为真实信息的次数；

判断用户提供的基本信息不为真实信息的次数是否超过预设次数阈值：

如果超过，将用户加入黑名单，并输出黑名单增员提示信息。

实施上述实施方式，能够有效避免恶意提交数据的行为，净化了信息通信环境，同时也提升了信息通信环境的安全性。

本实施例中，用户(借款人)可以自行上传提交自己的基本信息，同时，结合行为信息以及从第三方机构获取到的数据，相互交叉验证，来校验客户信息的真实性，能够有效提升验证的准确性。

S104、从同业金融信贷机构获取用户的同业信贷数据，并以信用评估模型和同业信贷数据为依据评估用户的信贷情况。

本实施例中，通过同业信贷数据，可以全方位评估用户的信贷情况，其中，信贷情况可以包括违约次数、负债状况、信用评分、还款能力评分、月收支情况中的一种或者多种，本发明实施例不作限定。

本实施例中，可以从同业金融信贷机构获取用户的同业信贷数据。例如，用户在同业金融机构A的违约次数为3次，负债状况为1000元，信用评分78(设信用总分为100分)，还款能力评分为7分(设还款能力评分为10分)。

本实施例中，信用评估模型为人工智能模型，将同业信贷数据输入至该信用评估模型中，将输出用户的信贷情况。

在本实施例中，机器学习为人工智能中的一部分，用于按照预设的算法对大数据进行相应的学习，得到基于人工智能的信用评估模型与风控模型，从而将人工智能与风控决策相结合，得到了一种准确可靠又没有人为干涉的决策方法。其中，机器学习是一门多领域交叉学科，它涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科；机器学习专门用于研究、模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能；

在本实施例中，机器学习与风控决策相结合，从而具有了客观的判断能力，进而提高了风控决策方法的准确性和客观性。

本实施例中，机器学习是人工智能的核心，该机器学习是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，并且机器学习主要使用归纳、综合而不是演绎；在本实施例中，机器学习可以使信贷风控决策方法可以更加准确客观，从而降低逾期坏账率并改善其他相关的决策问题。

S105、以风控决策模型和信贷情况为依据生成决策数据并输出。

本实施例中，风控决策模型为人工智能模型，将信贷情况输入至该风控决策模型中，将自动生成决策数据并输出。

本实施例中，以信用评估模型和同业信贷数据为依据来评估用户的信贷情况，能够降低信贷风控审核过程中人工审核干预度，能有效的避免人工审核过程中出现的审核失误以及内部风险。同时，还能够通过大数据机器学习，不断更新信用评估模型与风控模型，以风控决策模型为依据来进行风控决策，客观的对借款人数据做出决策，能有效降低逾期坏账率。

本实施例中，决策数据可以被信贷风控决策装置存储，并以大数据和决策数据为新的数据信息，形成新的风控决策方法，从而实现信贷风控决策方法的自动更新迭代，进而提高该方法的自主性与强化能力，并作出相应的决策，效率高，准确率高的风控决策。

在图1所描述的信贷风控决策方法中，可以先根据大数据构建信用评估模型和风控决策模型；然后获取用户的基本信息，并判断基本信息是否为真实信息；如果基本信息为真实信息，则获取用户的同业信贷数据，并以该信用评估模型和同业信贷数据为依据评估用户的信贷情况；最后，以风控决策模型和信贷情况为依据生成决策数据并输出。

可见，通过依据大数据构建的信用评估模型与风控决策模型，能够自动对用户信息进行评估，并作出相应的决策，效率高，准确率高，同时避免了人为因素的干扰。

实施例2

请参阅图2，图2是本发明实施例二提供的信贷风控决策方法的流程示意图。如图2所示，该信贷风控决策方法可以包括以下步骤：

S201、根据信贷评估大数据构建基于人工智能的信用评估模型，以及根据风控决策大数据构建基于人工智能的风控决策模型。

本实施例中，信用评估模型用于评估用户的信贷情况，风控决策模型用于生成决策数据。

S202、获取用户的基本信息。

本实施例中，用户信息包括用户的联系信息、用户的地理信息和用户相关的人口统计信息中的一种或者多种，本实施例不作限定。

S203、从第三方对接机构获取用户的用户信息，并获取用户的行为信息。

本实施例中，用户信息包括用户的联系信息、用户的地理信息和用户相关的人口统计信息中的一种或者多种，行为信息包括用户购买服务或产品的记录、用户的服务或产品的消费记录、用户与企业的联络记录、用户的消费行为、用户的偏好和生活方式中的一种或者多种，本实施例不作限定。

S204、以用户信息和行为信息为依据判断基本信息是否为真实信息，如果是，执行步骤S205，如果否，结束本流程。

本实施例中，用户(借款人)可以自行上传提交自己的基本信息，同时，结合行为信息以及从第三方机构获取到的数据，相互交叉验证，来校验客户信息的真实性，能够有效提升验证的准确性。

S205、判断存储的用户数据库是否包括用户的用户标识，如果包括，执行步骤S206；如果不包括，执行步骤S207。

S206、将用户标识对应的原始信息更新为基本信息。

S207、将用户标识和基本信息进行关联，并将用户标识和基本信息存储至用户数据库。

本实施例中，步骤S205～步骤S207既可以发生在步骤S208之前也可以发生在步骤S208之后，本发明实施例不作限定。

S208、从同业金融信贷机构获取用户的同业信贷数据，并以信用评估模型和同业信贷数据为依据评估用户的信贷情况。

本实施例中，通过获取到的同业信贷数据，可以对用户(借款人)的资产负债状况、信用评分、还款能力评分等多方面信息进行全面的分析与评估，能有效的避免欺诈、骗贷情况的发生。

本实施例中，该信贷情况包括资产负债状况、信用评分、还款能力评分中的一种或者多种，本发明实施例不作限定。

S209、以风控决策模型和信贷情况为依据生成决策数据并输出。

可见，实施如图2所描述的信贷风控决策方法，通过依据大数据构建的信用评估模型与风控决策模型，能够自动对用户信息进行评估，并作出相应的决策，效率高，准确率高，同时避免了人为因素的干扰。

实施例3

请参阅图3，图3是本发明实施例三提供的信贷风控决策装置的结构示意图。如图3所示，该信贷风控决策装置包括：

构建模块301，用于根据信贷评估大数据构建基于人工智能的信用评估模型，以及根据风控决策大数据构建基于人工智能的风控决策模型，其中，信用评估模型用于评估用户的信贷情况，风控决策模型用于生成决策数据。

获取模块302，用于获取用户的基本信息。

信息判断模块303，用于判断基本信息是否为真实信息。

评估模块304，用于当信息判断模块303判断出基本信息为真实信息时，从同业金融信贷机构获取用户的同业信贷数据，并以信用评估模型和同业信贷数据为依据评估用户的信贷情况。

本实施例中，该信贷情况包括资产负债状况、信用评分、还款能力评分中的一种或者多种，本发明实施例不作限定。

决策模块305，用于以风控决策模型和信贷情况为依据生成决策数据并输出。

可见，实施如图3所描述的信贷风控决策装置，能够自动对用户信息进行评估，并作出相应的决策，效率高，准确率高，同时避免了人为因素的干扰。

实施例4

请参阅图4，图4是本发明实施例四提供的信贷风控决策装置的结构示意图。其中，图4所示的装置是由图3所示的装置进行优化得到的。如图4所示，信息判断模块303包括：

第一子模块3031，用于从第三方对接机构获取用户的用户信息，并获取用户的行为信息，用户信息包括用户的联系信息、用户的地理信息和用户相关的人口统计信息中的一种或者多种，行为信息包括用户购买服务或产品的记录、用户的服务或产品的消费记录、用户与企业的联络记录、用户的消费行为、用户的偏好和生活方式中的一种或者多种。

第二子模块3032，用于以用户信息和行为信息为依据判断基本信息是否为真实信息。

本实施例中，该信贷风控决策装置还包括：

存储判断模块306，用于在信息判断模块303判断出基本信息为真实信息之后，判断存储的用户数据库是否包括用户的用户标识；

更新模块307，用于当存储判断模块306判断出用户数据库包括用户标识时，将用户标识对应的原始信息更新为基本信息。

本实施例中，该信贷风控决策装置还包括：

存储模块308，用于当存储判断模块306判断出用户数据库不包括用户标识时，将用户标识和基本信息进行关联，并将用户标识和基本信息存储至用户数据库。

可见，实施如图4所描述的信贷风控决策装置，能够实时更新用户信息，保证用户数据的时效；同时还能够自动对用户信息进行评估，并作出相应的决策，效率高，准确率高，同时避免了人为因素的干扰。

此外，本发明还提供了一种用户终端，该用户终端可以包括智能电话、平板电脑、车载电脑、智能穿戴设备等。该用户终端包括存储器和处理器，存储器可用于存储计算机程序，处理器通过运行计算机程序，从而使用户终端执行上述方法或者上述信贷风控决策装置中的各个模块的功能。

存储器可包括存储程序区和存储数据区，其中，存储程序区可存储操作方法、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据用户终端的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

本实施例还提供了一种计算机存储介质，用于储存上述用户终端中使用的计算机程序。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，上述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。

上述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所描述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求所描述的保护范围为准。

Claims (10)

1.一种信贷风控决策方法，其特征在于，包括：

根据信贷评估大数据构建基于人工智能的信用评估模型，以及根据风控决策大数据构建基于人工智能的风控决策模型，其中，所述信用评估模型用于评估用户的信贷情况，所述风控决策模型用于生成决策数据；

获取用户的基本信息，并判断所述基本信息是否为真实信息；

如果是，从同业金融信贷机构获取所述用户的同业信贷数据，并以所述信用评估模型和所述同业信贷数据为依据评估所述用户的信贷情况；

以所述风控决策模型和所述信贷情况为依据生成决策数据并输出。

2.根据权利要求1所述的信贷风控决策方法，其特征在于，所述判断所述基本信息是否为真实信息，包括：

从第三方对接机构获取所述用户的用户信息，并获取所述用户的行为信息，所述用户信息包括用户的联系信息、用户的地理信息和用户相关的人口统计信息中的一种或者多种，所述行为信息包括用户购买服务或产品的记录、用户的服务或产品的消费记录、用户与企业的联络记录、用户的消费行为、用户的偏好和生活方式中的一种或者多种；

以所述用户信息和所述行为信息为依据判断所述基本信息是否为真实信息。

3.根据权利要求1所述的信贷风控决策方法，其特征在于，在判断出所述基本信息为真实信息之后，所述方法还包括：

判断存储的用户数据库是否包括所述用户的用户标识；

如果所述用户数据库包括所述用户标识，将所述用户标识对应的原始信息更新为所述基本信息。

4.根据权利要求3所述的信贷风控决策方法，其特征在于，所述方法还包括：

如果所述用户数据库不包括所述用户标识，将所述用户标识和所述基本信息进行关联，并将所述用户标识和所述基本信息存储至所述用户数据库。

5.根据权利要求1所述的信贷风控决策方法，其特征在于，所述信贷情况包括资产负债状况、信用评分、还款能力评分中的一种或者多种。

6.一种信贷风控决策装置，其特征在于，包括：

构建模块，用于根据信贷评估大数据构建基于人工智能的信用评估模型，以及根据风控决策大数据构建基于人工智能的风控决策模型，其中，所述信用评估模型用于评估用户的信贷情况，所述风控决策模型用于生成决策数据；

获取模块，用于获取用户的基本信息；

信息判断模块，用于判断所述基本信息是否为真实信息；

评估模块，用于当所述信息判断模块判断出所述基本信息为所述真实信息时，从同业金融信贷机构获取所述用户的同业信贷数据，并以所述信用评估模型和所述同业信贷数据为依据评估所述用户的信贷情况；

决策模块，用于以所述风控决策模型和所述信贷情况为依据生成决策数据并输出。

7.根据权利要求6所述的信贷风控决策装置，其特征在于，所述信息判断模块包括：

第一子模块，用于从第三方对接机构获取所述用户的用户信息，并获取所述用户的行为信息，所述用户信息包括用户的联系信息、用户的地理信息和用户相关的人口统计信息中的一种或者多种，所述行为信息包括用户购买服务或产品的记录、用户的服务或产品的消费记录、用户与企业的联络记录、用户的消费行为、用户的偏好和生活方式中的一种或者多种；

第二子模块，用于以所述用户信息和所述行为信息为依据判断所述基本信息是否为真实信息。

8.根据权利要求6所述的信贷风控决策装置，其特征在于，还包括：

存储判断模块，用于在判断出所述基本信息为真实信息之后，判断存储的用户数据库是否包括所述用户的用户标识；

更新模块，用于当所述存储判断模块判断出所述用户数据库包括所述用户标识时，将所述用户标识对应的原始信息更新为所述基本信息。

9.一种用户终端，其特征在于，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述用户终端执行权利要求1至5中任一项所述的信贷风控决策方法。

10.一种计算机可读存储介质，其特征在于，其存储有权利要求9所述的用户终端中所使用的所述计算机程序。