CN111523997A - 客户风险评估方法和装置、以及电子设备和可读存储介质 - Google Patents
客户风险评估方法和装置、以及电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN111523997A CN111523997A CN202010319526.1A CN202010319526A CN111523997A CN 111523997 A CN111523997 A CN 111523997A CN 202010319526 A CN202010319526 A CN 202010319526A CN 111523997 A CN111523997 A CN 111523997A
- Authority
- CN
- China
- Prior art keywords
- customer
- information
- asset
- attribute
- financial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本公开提供了一种客户风险评估方法和装置、以及电子设备和可读存储介质。客户风险评估方法包括:获取客户信息;获取针对客户信息的至少两个评分模型;根据客户信息确定至少两个评分模型各自针对客户的评价分数,以得到至少两个评价分数;以及根据至少两个评价分数的加权和,确定针对客户的评价等级,该评价等级用于表征客户的风险程度。
Description
技术领域
本公开涉及电子技术领域,更具体地,涉及一种客户风险评估方法和装置、以及电子设备和可读存储介质。
背景技术
随着信贷融资业务日益频繁,对客户风险控制要求越来越高,对客户的风险评估迫切需求科学的、***的、高效的方法。
相关技术中,对客户进行风险评估的方法往往需要多方工作人员参与,存在评估不及时、评价不全面不客观的问题。评估过程中考量的因素往往较为单一,且即使考量因素较多,也仅仅根据一个评分模型来确定最终的评估结果。这无疑会影响评估结果的准确性,在一定程度上使得评估结果的准确性对评分模型的精确度依赖性较高,评估结果不够客观。
发明内容
有鉴于此,本公开提供了一种能够使得评估全面客观、提高评估准确性的客户风险评估方法和装置、以及电子设备和可读存储介质。
本公开的一个方面提供了一种客户风险评估方法,该方法包括:获取客户信息;获取针对客户信息的至少两个评分模型;根据客户信息确定至少两个评分模型各自针对客户的评价分数,以得到至少两个评价分数;以及根据至少两个评价分数的加权和,确定针对客户的评价等级,该评价等级用于表征客户的风险程度。
根据本公开的实施例,上述客户风险评估方法还包括:确定客户信息中是否存在目标运营信息;在客户信息中存在目标运营信息的情况下,根据目标运营信息所属类型调整评价等级,以得到针对客户的最终评价等级,目标运营信息所属类型包括运营放缓类型或运营异常类型。
根据本公开的实施例,上述根据目标运营信息所属类型调整评价等级包括:在目标运营信息所属类型为运营放缓类型的情况下,基于针对目标运营信息的修正策略,降低评价等级;并且/或者在目标运营信息所属类型为运营异常类型的情况下,基于针对目标运营信息的限定策略,限定评价等级不高于预设等级。
根据本公开的实施例,上述客户风险评估方法还包括:在获取针对客户信息的至少两个评分模型之前:确定客户信息是否包括客户财务报表;在客户信息包括客户财务报表的情况下,确定客户财务报表的类型,客户财务报表类型包括审计通过类型和审计未通过类型。其中,针对客户信息的至少两个评分模型与客户财务报表的类型相匹配。
根据本公开的实施例,上述客户信息包括客户属性信息、客户资产信息和客户财务信息,客户财务信息包括客户财务报表;其中:在财务报表的类型为审计通过类型的情况下,至少两个评分模型包括:针对客户属性信息的第一属性评分模型、针对客户资产信息的第一资产评分模型、以及针对客户财务信息的财务评分模型;在财务报表的类型为审计未通过类型的情况下,至少两个评分模型包括:针对客户属性信息的第二属性评分模型、以及针对客户资产信息的第二资产评分模型。
根据本公开的实施例,第一属性评分模型所涉及的属性指标与第二属性评分模型所涉及的属性指标至少部分不同,客户属性信息能够表征属性指标;并且/或者第一资产评分模型所涉及的资产指标与第二资产评分模型所涉及的资产指标至少部分不同,客户资产信息能够表征资产指标。
根据本公开的实施例,客户属性信息能够表征多个属性指标;确定所述第一属性评分模型针对所述客户的评价分数包括:获取与多个属性指标中的至少两个属性指标分别对应的第一权重系数;确定针对至少两个属性指标中各属性指标的得分值;根据与至少两个属性指标分别对应的第一权重系数,确定针对至少两个属性指标的得分值的加权和,以得到第一属性评分模型针对客户的评价分数,其中,采用与确定第一属性评分模型针对客户的评价分数的方式相同的方式确定第二属性评分模型针对客户的评价分数。
根据本公开的实施例,客户资产信息能够表征多个资产指标;确定第一资产评分模型针对客户的评价分数包括:获取与多个资产指标中的至少两个资产指标分别对应的第二权重系数;确定针对至少两个资产指标中各资产指标的得分值;根据与至少两个资产指标分别对应的第二权重系数,确定针对至少两个资产指标的得分值的加权和,以得到第一资产评分模型针对客户的评价分数。其中,采用与确定第一资产评分模型针对客户的评价分数的方式相同的方式确定第二资产评分模型针对客户的评价分数。
根据本公开的实施例,上述客户财务信息能够表征多个财务指标;确定财务评分模型针对所述客户的评价分数包括:获取与多个财务指标中的至少两个财务指标分别对应的第三权重系数;确定针对至少两个财务指标中各财务指标的得分值;根据与至少两个财务指标分别对应的第三权重系数,确定至少两个财务指标的得分值的加权和,以得到财务评分模型针对客户的评价分数。
根据本公开的实施例,上述客户风险评估方法还包括:在客户信息不包括财务报表的情况下,发出提醒信息,以获取输入的针对客户的财务报表。
本公开的另一方面提供了一种客户风险评估装置,该装置包括:信息获取模块,用于获取客户信息;模型获取模块,用于获取针对客户信息的至少两个评分模型;评价分数确定模块,用于根据客户信息确定至少两个评分模型各自针对客户的评价分数,以得到至少两个评价分数;等级确定模块,用于根据至少两个评价分数的加权和,确定针对客户的评价等级,该评价等级用于表征客户的风险程度。
本公开另一方面提供了一种电子设备,包括:一个或多个处理器;以及存储装置,用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器执行上述的客户风险评估方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被处理器执行时用于执行如上所述的客户风险评估方法。
本公开的另一方面提供了一种计算机程序,所述计算机程序包括计算机可执行指令,所述指令在被执行时用于实现如上所述的客户风险评估方法。
根据本公开的实施例,可以至少部分地解决风险评估的精度依赖于单个评分模型准确性的技术问题。本公开实施例通过获取至少两个评分模型,并根据两个评分模型的评价分数的加权和来确定客户的评价等级,可以至少部分地提高确定的客户风险程度的准确性,从而便于为客户提供更好的信贷服务,避免遇到客户没有能力偿还贷款的情况。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的客户风险评估方法和装置、以及电子设备和可读存储介质的应用场景;
图2示意性示出了根据本公开示例性实施例一的客户风险评估方法的流程图;
图3示意性示出了根据本公开示例性实施例二的客户风险评估方法的流程图;
图4示意性示出了根据本公开示例性实施例三的客户风险评估方法的流程图;
图5示意性示出了根据本公开实施例的确定属性评分模型针对客户的评价分数的流程图;
图6示意性示出了根据本公开实施例的确定资产评分模型针对客户的评价分数的流程图;
图7示意性示出了根据本公开实施例的确定财务评分模型针对客户的评价分数的流程图;
图8示意性示出了根据本公开示例性实施例四的客户风险评估方法的流程图;
图9示意性示出了根据本公开实施例的客户风险评估装置的结构框图;
图10示意性示出了根据本公开另一实施例的客户风险评估装置的结构框图;以及
图11示意性示出了根据本公开实施例的适于实现客户风险评估方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。
本公开的实施例提供了一种客户风险评估方法,该方法包括:获取客户信息;获取针对客户信息的至少两个评分模型;根据客户信息确定至少两个评分模型各自针对客户的评价分数,以得到至少两个评价分数;以及根据至少两个评价分数的加权和,确定针对客户的评价等级,评价等级用于表征客户的风险程度。
图1示意性示出了根据本公开实施例的客户风险评估方法和装置、以及电子设备和可读存储介质的应用场景。需要注意的是,图1所示仅为可以应用本公开实施例的应用场景的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、***、环境或场景。
如图1所示,根据该实施例的应用场景100可以包括终端设备101、102、103,网络104和数据库105。网络104用以在终端设备101、102、103和数据库105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线或者无线通信链路等等。
在金融领域中,数据库105中例如可以存储有客户信息,该客户信息例如可以通过客户在金融机构进行的注册、交易、结算等操作获取得到。终端设备101、102、103例如可以为金融机构的工作人员(例如客户经理)使用的终端设备。工作人员通过该终端设备例如可以录入需要评估的客户清单,以及评估所需的参数。
终端设备101、102、103例如可以是具有显示屏并且具有处理能力的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。该终端设备101、102、103例如可以根据评估所需的参数对客户清单中的各个客户进行风险评估,以得到各个客户的评价等级。
在一实施例中,数据库105中还可以存储有多个评分模型,在对不同的类型的客户进行评分时,可以采用不同的评分模型。其中,客户类型例如可以包括央企、国企、民企等,也可以包括大型企业、中型企业和小微型企业等。其中,针对每个类型的客户,可以存储有针对不同维度指标的多个评分模型,采用该些评分模型对客户进行评分时需要采用前述评估所需的参数,以及数据库105中存储的用于表示各个不同维度的指标的客户信息。
终端设备101、102、103在对各个客户进行风险评估时,例如可以根据客户的标识信息从数据库105中获取客户信息,并通过分析获取的客户信息来从数据库105中获取针对该客户信息的评分模型,通过运行该评分模型得到对客户的评价分数及评价等级,以便于确定客户的风险程度。
在一实施例中,该终端设备101、102、103上例如还可以安装有各种客户端应用,例如信贷等级评估应用、搜索类应用、即时通信工具、邮箱客户端等(仅为示例)。
需要说明的是,本公开实施例所提供的客户风险评估方法一般可以由终端设备101、102、103执行。相应地,本公开实施例所提供的客户风险评估装置一般可以设置于终端设备101、102、103中。
应该理解,图1中的终端设备、网络和数据库的数目和类型仅仅是示意性的。根据实现需要,可以具有任意数目和类型的终端设备、网络和数据库。
以下将结合图2~图8对本公开实施例的资产评估方法进行详细描述。
图2示意性示出了根据本公开示例性实施例一的客户风险评估方法的流程图。
如图2所示,该实施例的客户风险评估方法包括操作S210~操作S240。
在操作S210,获取客户信息。
先接收客户经理等工作人员输入的客户清单。从该客户清单中依次获取需要进行风险评估的客户的标识信息(该标识信息例如可以客户的开户账号、客户的执业许可证号等)。最后根据该标识信息从数据库105中获取客户信息。该客户信息例如可以包括客户的属性信息、运营信息、财务信息和资产信息等。该些客户信息可以是客户在金融机构进行注册、交易、结算等操作时提供或产生的。其中,在客户为小型企业时,该属性信息例如可以包括企业类型、企业经营者的行业经验、企业产品的竞争实力等;运营信息例如可以包括运营所涉及的行业类型、运营耗电量等;财务信息例如可以包括销售收入情况、运营资金等;资产信息例如可以包括存贷比情况、余额变动情况等。可以理解的是,对于不同类型的客户,该些客户信息的类型基本相同。
在操作S220,获取针对客户信息的至少两个评分模型。
该操作S220可以包括:根据客户信息确定客户类型(例如可以为大型企业、中型企业或小微型企业),从而获取与客户类型匹配的评分模型。该评分模型为至少两个,每个评分模型用于对客户进行一个维度的评分。至少两个评分模型所对应的维度例如可以包括:定性维度、定量维度和交易维度中的至少两个。
在一实施例中,定性维度考虑的因素例如可以包括属性信息所表征的指标,定量维度考虑的因素例如可以包括财务信息所表征的指标,交易维度考虑的因素例如可以包括资产信息所表征的指标。其中,每个维度考虑的具体指标可以根据实际需求进行设定,对于不同类型的客户,所考虑的具体指标例如可以不同。同一维度考虑的指标也并非仅由同一类信息来表征,例如,在实际需求中,定性维度考虑的因素除了包括属性信息所表征的指标外,还可以包括资产信息所表征的指标。在一实施例中,不同维度考虑的指标例如可以没有交叉,即一个指标仅能作为多个维度中一个维度所考虑的因素。
根据本公开的实施例,该些评分模型例如可以预先设置后存储于数据库105中,该些评分模型可以由行业内的专家进行设定,本公开对该具体设定方法不作限定。
在操作S230,根据客户信息确定至少两个评分模型各自针对客户的评价分数,以得到至少两个评价分数。
采用至少两个评分模型中的每个评分模型来确定客户的评价分数。例如在至少两个评分模型中包括用于进行定性维度评分的属性评分模型、用于进行定量维度评分的财务评分模型和用于进行交易维度评分的资产评分模型时,采用属性评分模型可以得到属性评价分数,采用财务评分模型可以得到财务评价分数,采用资产评分模型时可以得到资产评价分数。因此,通过操作S230得到的至少两个评价分数即为:属性评价分数、财务评价分数和资产评价分数。
根据本公开的实施例,为了提高各个评分模型确定评价分数的准确性,每个评分模型考虑的因素例如可以为至少两个指标。每个评分模型可以为其所考虑的至少两个指标中的每个指标进行评分,最终将对该至少两个指标的评分进行加权求和,将该加权求和得到的值作为该每个评分模型针对客户的评价分数。其中,加权求和时所使用的权重例如可以根据实际需求进行设定,或者可以通过对评分模型的训练得到,本公开对此不作限定。具体地,属性评分模型、资产评分模型和财务评分模型针对客户的评价分数例如可以分别通过图5~图7所示的流程来确定,在此不再详述。
在操作S240,根据至少两个评价分数的加权和,确定针对客户的评价等级,评价等级用于表征客户的风险程度。
通过将操作S230得到的至少两个评价分数计算加权和得到最终的评价分数,然后根据预定的评价分数与评价等级的对应关系,确定最终的评价分数所对应的评价等级为针对客户的评价等级。该评价等级越高,则表征客户的风险程度越低,评价等级越低,表征客户的风险程度越高。
根据本公开的实施例,在计算至少两个评价分数的加权和时,首先需要获取为该两个评价分数分配的权重,该分配的权重例如可以由行业内的专家预先设定,或者可以通过预先的训练得到。考虑到评价分数是与评分模型一一对应的。因此,该为两个评价分数分配的权重可以是针对每个评分模型的权重。该针对每个评分模型的权重可以根据每个评分模型的准确率或者重要程度来设定,例如,为属性评分模型分配的权重可以为30%,为财务评分模型分配的权重可以为30%,为资产评分模型分配的权重可以为40%。
考虑到企业的运营情况可以在一定程度上反映贷款给企业的风险程度,例如,若企业当前运营情况不佳,则风险程度较高。因此,在确定客户的评价等级时,还可以考虑客户的运营信息,以此进一步地提高评价等级的精确度。例如,可以预设定一些表征运营不佳或运营异常的目标运营信息,当客户信息中有该些目标运营信息时,对客户的评价等级进行适应性地调整。
图3示意性示出了根据本公开示例性实施例二的客户风险评估方法的流程图。
如图3所示,该实施例的客户风险评估方法除了操作S210~操作S240外,还可以包括操作S350~操作S360。该操作S350~操作S360例如可以在操作S240之后执行。
在操作S350,确定客户信息中是否存在目标运营信息。
根据本公开的实施例,目标运营信息例如可以根据客户的类型进行预先设定。例如,对于小企业,该目标运营信息例如可以包括:现金流异常、工资发放异常、日常经营用电量骤降、日常经营用水量骤降、主要股东超能力对外担保等表征运营放缓的运营信息,以及贷款信用不佳、经营者具有吸毒或赌博等不良嗜好、经营者在股票、房地产等与企业运营领域不相关的领域进行风险投资等表征运营异常的运营信息。
在操作S360,在客户信息中存在目标运营信息的情况下,根据目标运营信息所属类型调整评价等级,以得到针对客户的最终评价等级。
根据本公开的实施例,目标运行信息所属类型例如可以为:前述用于表征运营放缓的运营放缓类型、或前述用于表征运营异常的运营异常类型。
在一实施例中,在目标运行信息所属类型为运营放缓类型的情况下,该操作S360例如可以包括:基于针对目标运营信息的修正策略,降低评价等级。其中,针对目标运营信息的修正策略例如可以根据该目标运营信息为正常运营带来的负面影响的大小来确定。例如,若目标运营信息为工资发放异常,则修正策略为:工资发放异常持续时长越长,评价等级的降低程度越大。
在一实施例中,在目标运营信息所属类型为运营异常类型的情况下,该操作S360例如可以包括:基于针对目标运营信息的限定策略,限定评价等级不高于预设等级。其中,针对目标运营信息的限定策略例如可以根据该目标运营信息的性质来确定。例如,若经营者具有吸毒或赌博等不良嗜好,则设定的预设等级可以相对较低,若经营者在房地产等发展较为稳定的领域进行投资,则设定的预设等级可以相对较高。
综上可知,本公开实施例通过上述目标运营信息的设定,以及根据目标运营信息对评价等级进行调整,可以在一定程度上提高评价等级的准确度,从而进一步避免客户没有能力偿还贷款的情况。
根据本公开的实施例,考虑到客户的财务报表能够在一定程度上反映向客户提供借贷风险。因此,获取的客户信息中的财务信息例如可以包括有该财务报表,若没有财务报表,则可以提醒用户上传该客户的财务报表。
图4示意性示出了根据本公开示例性实施例三的客户风险评估方法的流程图。
如图4所示,本公开实施例的客户风险评估方法除了操作S210~操作S240外,还可以包括操作S470和操作S480。该操作S470~操作S480可以在操作S210与操作S220之间执行。
在操作S470,判断客户信息是否包括客户财务报表。
在操作S480,在客户信息不包括客户财务报表的情况下,发出提醒信息,以获取输入的针对客户的财务报表。
根据本公开的实施例,在客户信息不包括客户财务报表的情况下,例如可以通过终端设备101、102、103的显示屏跳出提醒窗口(作为提醒信息),该提醒窗口例如可以显示有当前评估的客户的标识信息,以及提醒用户导入/上传当前评估的客户的财务报表。
根据本公开的实施例,在确定客户信息包括客户财务报表之后,即可获取评分模型。其中,考虑到客户财务报表没有经过审计时,该财务报表中信息的真实性无法保证。若确定客户的评价分数时考虑该真实性无法保证的财务报表,则可能会影响到评价分数的准确性。因此在确定客户信息包括客户财务报表之后,可以先确定该客户财务报表是否经过审计。在确定客户的评价分数时,可以仅在财务报表经过审计时在定量维度考虑财务信息所表征的指标,而财务报表未经过审计时则不进行定量维度的评价。如图4所示,该实施例的客户风险评估方法还包括操作S490。相应地,在该实施例中,图2中的操作S220可以通过操作S420来实现。
在操作S490,在客户信息包括客户财务报表的情况下,确定客户财务报表的类型,客户财务报表类型包括审计通过类型和审计未通过类型。该操作S490即为确定客户财务报表是否经过了审计。
在操作S420,获取针对客户信息、且与客户财务报表的类型相匹配的至少两个评分模型。从而使得获取的针对客户信息的至少两个评分模型与客户财务报表的类型相匹配。
根据本公开的实施例,在财务报表的类型为审计通过类型的情况下,为了保证评估的全面性,获取的至少两个评分模型包括:针对客户属性信息的第一属性评分模型、针对客户资产信息的第一资产评分模型、以及针对客户财务信息的财务评分模型。
根据本公开的实施例,在财务报表的类型为审计未通过类型的情况下,由于为了提高评估准确性,不对财务信息所表征的指标进行定量维度的评估,因此至少两个评分模型包括:针对客户属性信息的第二属性评分模型、以及针对客户资产信息的第二资产评分模型。此种情况下,相对于审计通过的情况,不考虑针对客户财务信息的财务评分模型。
其中,为了在客户财务报表未通过时,可以尽可能地提高评价分数的准确性,可以考虑较多的属性信息和/或财务信息,或者考虑与财务报表通过时所考虑的指标不同的指标。因此,前述实施例中,第一属性评分模型所涉及的属性指标与第二属性评分模型所涉及的属性指标至少部分不同,属性指标即为客户属性信息所表征的指标。并且/或者,第一资产评分模型所涉及的资产指标与第二资产评分模型所涉及的资产指标至少部分不同,资产指标即为客户资产信息所表征的指标。
在一实施例中,在客户财务报表为审计通过类型时,第一属性评分模型例如不仅涉及属性指标,还可以涉及资产指标,此时,涉及的指标例如可以包括:账户行为(例如资金往来情况、交易数据和归行率等)和担保情况(抵押资产情况/金融机构的融资情况)。在客户财务报表为审计未通过类型时,第二属性评分模型涉及的指标例如除了前述的账户行为和担保情况外,还可以包括资产实力、企业竞争实力等属性指标。其中,在财务报表为审计未通过类型时,虽然不对客户财务报表进行定量维度的评估,但该客户财务报表例如可以作为确定该第二属性评分模型涉及的部分指标的评分结果的依据。其中,部分指标例如可以为账户行为、资产实力等。该部分指标可以根据实际需求进行设定。
在一实施例中,在客户财务报表为审计通过类型时,第一资产评分模型涉及的指标例如可以包括:存贷比、客户贡献度(可以包括贡献度值和贡献度变动情况)。在客户财务报表为审计未通过类型时,第二资产评分模型涉及的指标例如可以包括:余额(可以包括总余额和余额变动情况等)、客户贡献度(可以包括贡献度值和贡献度变动情况等)。
为了提高各个模型得到的评价分数的准确性,各个模型中涉及的指标例如可以为至少两个,各模型通过分别对其所涉及的至少两个指标中的各指标进行打分,并以对各指标评估的分值的加权和来作为其针对客户的评价分数。
以下将结合图5~图7对确定各评分模型对客户的评价分数的方法进行详细描述。
图5示意性示出了根据本公开实施例的确定属性评分模型针对客户的评价分数的流程图。
如图5所示,确定第一属性评分模型针对客户的评价分数的方法例如可以包括操作S531~操作S533。其中,客户属性信息所表征的属性指标例如可以为多个,该第一属性评分模型例如可以仅涉及多个属性指标中的至少两个属性指标。
在操作S531,获取与至少两个属性指标分别对应的第一权重系数。
根据本公开的实施例,每个属性指标的第一权重系数例如可以由行业内的专家预先设定。例如,客户属性信息所表征的属性指标及各属性指标对应的第一权重系数的范围列举如下:资产实力(第一权重系数:0%~30%),经营者从业经验(第一权重系数:0%~30%)、账户行为(第一权重系数:10%~60%)、企业竞争实力(例如可以包括产品技术高度、生产管理效率、产品市场竞争力等,第一权重系数:20%~50%)、担保情况(可以包括押品价值率、押品量、担保价值率等,第一权重系数:30%~70%)。可以根据实际需求选择上述多个属性指标中的任意指标组合,对应的权重可以在所对应的第一权重系数所在范围内选择,被选择的属性指标的第一权重系数之和为1。可以理解的是,上述各属性指标的第一权重系数的取值范围仅作为示例以利于理解本公开,本公开对此不作限定。
在操作S532,确定针对至少两个属性指标中各属性指标的得分值。
该操作可以采用第一属性评分模型来计算得到针对每个属性指标的得分值。该第一属性评分模型例如可以依据属性指标的取值与得分值的对照关系表来确定针对各属性指标的得分值,也可以通过将属性指标的取值代入行业内的专家设定的算法,计算得到针对各属性指标的得分值。本公开对该操作S532的具体实施方式及设定的算法不作限定,可以采用相关技术中的任意方法来确定针对各属性指标的得分值。在一实施例中,该针对各属性指标的得分值例如也可以由客户经理等工作人员输入得到。
在操作S533,根据与至少两个属性指标分别对应的第一权重系数,确定针对至少两个属性指标的得分值的加权和,以得到第一属性评分模型针对客户的评价分数。
根据操作S531中获取的各属性指标的第一权重系数,及操作S532中确定的针对各属性指标的得分值,可以计算得到第一属性评分模型所涉及的至少两个属性指标的得分值的加权和。例如,若第一属性评分模型涉及的至少两个属性指标包括:资产实力、竞争实力、账户行为和担保情况,针对该至少两个属性指标的得分值分别为:75,95,70和6,且该至少两个属性指标的第一权重系数分别为:10%、20%、15%和55%,则针对至少两个属性指标的得分值的加权和为:75*10%+95*20%+70*15%+6*55%=70。因此,第一属性评分模型针对客户的评价分数为70。
可以理解的是,在客户财务报表为审计未通过类型时,确定第二属性评分模型针对客户的评价分数的方式可以采用与操作S531~操作S533相同的方式。区别在于,在客户财务报表为审计未通过类型时,操作S531中的至少两个属性指标与户财务报表为审计通过类型时的至少两个属性指标可以仅部分相同。其中,在客户财务报表为审计未通过类型时,将客户财务报表作为确定第二属性评分模型涉及的部分指标的评分结果的依据例如可以为:客户经理可以浏览该客户财务报表;然后在浏览客户财务报表之后输入所述部分指标的评分值。图6示意性示出了根据本公开实施例的确定资产评分模型针对客户的评价分数的流程图。
如图6所示,确定第一资产评分模型针对客户的评价分数的方法例如可以包括操作S631~操作S633。其中,客户资产信息所表征的资产指标例如可以为多个,该第一资产评分模型例如可以仅涉及多个资产指标中的至少两个资产指标。
在操作S631,获取与至少两个资产指标分别对应的第二权重系数。
根据本公开的实施例,每个资产指标的第二权重系数例如可以由行业内的专家预先设定。例如,客户资产信息所表征的资产指标及各资产指标对应的第二权重系数的范围列举如下:存贷比(第二权重系数:30%~60%)、客户贡献度(第二权重系数:30%~50%)、余额(第二权重系数:30%~50%)等。可以根据实际需求选择上述多个资产指标中的任意指标组合,对应的权重可以在所对应的第二权重系数所在范围内选择,被选择的资产指标的第二权重系数之和为1。可以理解的是,上述各资产指标的第二权重系数的取值范围仅作为示例以利于理解本公开,本公开对此不作限定。
在操作S632,确定针对至少两个资产指标中各资产指标的得分值。
该操作可以采用第一资产评分模型来计算得到针对每个资产指标的得分值。该第一资产评分模型例如可以依据资产指标的取值与得分值的对照关系表来确定针对各资产指标的得分值,也可以通过将资产指标的取值代入行业内的专家设定的算法,计算得到针对各资产指标的得分值。本公开对该操作S532的具体实施方式及设定的算法不作限定,可以采用相关技术中的任意方法来确定针对各资产指标的得分值。例如,针对客户贡献度的得分值例如可以主要根据客户存贷款、中间业务的交易情况、通过核算收入与成本而计算得到。
在操作S633,根据与至少两个资产指标分别对应的第二权重系数,确定针对至少两个资产指标的得分值的加权和,以得到第一资产评分模型针对客户的评价分数。
根据操作S631中获取的各资产指标的第二权重系数,及操作S632中确定的针对各资产指标的得分值,可以计算得到第一资产评分模型所涉及的至少两个资产指标的得分值的加权和。该操作S633与操作S533的实现方法类似,在此不再赘述。
可以理解的是,在客户财务报表为审计未通过类型时,确定第二资产评分模型针对客户的评价分数的方式可以采用与操作S631~操作S633相同的方式。区别在于,在客户财务报表为审计未通过类型时,操作S631中的至少两个属性指标与户财务报表为审计通过类型时的至少两个属性指标可以仅部分相同。
图7示意性示出了根据本公开实施例的确定财务评分模型针对客户的评价分数的流程图。
如图7所示,确定财务评分模型针对客户的评价分数的方法例如可以包括操作S731~操作S733。其中,客户财务信息所表征的财务指标例如可以为多个,该财务评分模型例如可以仅涉及多个财务指标中的至少两个财务指标。
操作S731,获取与至少两个财务指标分别对应的第三权重系数。
根据本公开的实施例,每个财务指标的第一财务系数例如可以由行业内的专家预先设定。例如,客户财务信息所表征的财务指标及各财务指标对应的第三权重系数的范围列举如下:流动性指标(由运营资金/销售收入计算得到,对应的第三权重系数:40%~60%),杠杆比率指标(由长期资产适合率确定,对应的第三权重系数:40%~60%)。对应的权重可以根据实际需求在所对应的第三权重系数所在范围内选择,第三权重系数之和为1。可以理解的是,上述各财务指标的第三权重系数的取值范围仅作为示例以利于理解本公开,本公开对此不作限定。
操作S732,确定针对至少两个财务指标中各财务指标的得分值。
该操作可以采用财务评分模型来计算得到针对每个财务指标的得分值。该财务评分模型例如可以依据财务指标的取值与得分值的对照关系表来确定针对各财务指标的得分值,也可以通过将财务指标的取值代入行业内的专家设定的算法,计算得到针对各财务指标的得分值。本公开对该操作S732的具体实施方式及设定的算法不作限定,可以采用相关技术中的任意方法来确定针对各财务指标的得分值。
操作S733,根据与至少两个财务指标分别对应的第三权重系数,确定至少两个财务指标的得分值的加权和,以得到财务评分模型针对客户的评价分数。
根据操作S731中获取的各财务指标的第三权重系数,及操作S732中确定的针对各财务指标的得分值,可以计算得到财务评分模型所涉及的至少两个财务指标的得分值的加权和。该操作S733与操作S533的实现方法类似,在此不再赘述。
图8示意性示出了根据本公开示例性实施例四的客户风险评估方法的流程图。
如图8所示,该实施例的客户风险评估方法包括操作S801~操作S818。
在操作S801,金融机构的客户经理登录评级业务***(终端设备101、102、103中安装的应用程序)。
在操作S802,进入评级业务***中的业务申请功能模块,以用于进行需要评估的客户信息的录入。
在操作S803,输入客户标识信息,该客户标识信息例如可以为客户编号。
在操作S804,输入对客户进行评级时需要的客户信息所对应的日期,以便于获取该日期内的客户信息进行评级。
在操作S805,选择客户评级类型,例如可以为风险评级、信用度评级等,在该实施例中,应选择的客户评级类型为风险评级。
在操作S806,根据操作S803中输入的客户标识,操作S804中选择的日期及操作S805中选择的客户评级类型,从数据库中获取客户信息,以对客户基础信息(即操作S210中获取的客户信息)进行装载。
在操作S807,判断装载的客户基础信息中是否存在客户财务报表。若不存在客户财务报表,则弹出提醒信息,以便于客户经理输入/导入财务报表信息,从而完成操作S808,补充财务报表信息,并继续执行操作S809。在存在客户财务报表的情况下,则直接执行操作S809。
在操作S809,判断客户财务报表是否通过审计。若客户财务报表未通过审计,则对客户财务报表不予考虑,并执行操作S811。若客户财务报表通过了审计,则考虑客户财务报表,并执行操作S810。
在操作S810,识别在考虑客户财务报表时需要装载的评分模型,从而得到第一属性评分模型、财务评分模型和第一资产评分模型。以采用该些模型依次分别执行操作S812~操作S814,完成对客户的评级过程。
在操作S811,识别在不考虑客户财务报表时需要装载的评分模型,从而得到第二属性评分模型和第二资产评分模型。以采用该些模型依次分别执行操作S815~操作S816,完成对客户的评级过程。
在操作S812,根据客户基础信息中的客户属性信息,采用第一属性评分模型对客户进行定性评价。该操作S812例如可以通过前述图5描述的流程得到第一属性评分模型针对客户的评价分数。随后对客户进行定量评价。
在操作S813,根据客户基础信息中的客户财务报表及其他客户财务信息,采用财务评分模型对客户进行定量评价。该操作S813例如可以通过前述图6描述的流程得到财务评分模型针对客户的评价分数。
在操作S814,根据客户基础信息中的客户资产信息,采用第一资产评分模型对客户进行交易评价。该操作S814例如可以通过前述图7描述的流程得到资产评分模型针对客户的评价分数。
在操作S815,根据客户基础信息中的客户属性信息,采用第二属性评分模型对客户进行定性评价。该操作S815例如可以通过前述图5描述的流程得到第二属性评分模型针对客户的评价分数。随后对客户进行交易评价。
在操作S816,根据客户基础信息中的客户资产信息,采用第二资产评分模型对客户进行交易评价。该操作S816例如可以通过前述图7描述的流程得到资产评分模型针对客户的评价分数。
在操作S817,在得到各评分模型针对客户的评价分数后,可以先通过图2中的操作S240得到针对客户的评价等级。然后根据客户运营信息对客户的评价等级进行调整,该调整方法例如可以通过前述图3描述的操作S350~操作S360来实现,在此不再赘述。
在操作S818,根据调整后的评价等级,得到针对客户的评级结果并输出该评级结果。
图9示意性示出了根据本公开实施例的客户风险评估装置的结构框图。
如图9所示,该实施例的客户风险评估装置900例如可以包括信息获取模块910、模型获取模块920、评价分数确定模块930和等级确定模块940。
信息获取模块910用于获取客户信息。该信息获取模块910例如可以用于执行前述的操作S210。
模型获取模块920用于获取针对所述客户信息的至少两个评分模型。该模型获取模块920例如可以用于执行前述的操作S220。
评价分数确定模块930用于根据客户信息确定至少两个评分模型各自针对客户的评价分数,以得到至少两个评价分数。该评价分数确定模块930例如可以用于执行前述的操作S230。
等级确定模块940用于根据至少两个评价分数的加权和,确定针对客户的评价等级,评价等级用于表征客户的风险程度。该等级确定模块940例如可以用于执行前述的操作S240。
根据本公开的实施例,上述客户风险评估装置900例如还可以包括运营信息确定模块和评价等级调整模块。运营信息确定模块用于确定客户信息中是否存在目标运营信息。评价等级调整模块用于在客户信息中存在目标运营信息的情况下,根据目标运营信息所属类型调整评价等级,以得到针对客户的最终评价等级。其中,目标运营信息所属类型包括运营放缓类型或运营异常类型。运营信息确定模块和评价等级调整模块例如可以分别用于执行前述图3所示的操作S350~操作S360,在此不再赘述。
根据本公开的实施例,上述评价等级调整模块例如可以用于:在目标运营信息所属类型为运营放缓类型的情况下,基于针对目标运营信息的修正策略,降低评价等级;并且/或者在目标运营信息所属类型为运营异常类型的情况下,基于针对目标运营信息的限定策略,限定评价等级不高于预设等级。
根据本公开的实施例,上述客户风险评估装置900例如还可以包括报表确定模块和报表类型确定模块。报表确定模块用于确定客户信息是否包括客户财务报表。报表类型确定模块用于在客户信息包括客户财务报表的情况下,确定客户财务报表的类型,客户财务报表类型包括审计通过类型和审计未通过类型。其中,针对客户信息的至少两个评分模型与客户财务报表的类型相匹配。报表确定模块和报表类型确定模块例如可以分别用于执行图4描述的操作S470和操作S490,在此不再赘述。
根据本公开的实施例,客户信息包括客户属性信息、客户资产信息和客户财务信息,客户财务信息包括客户财务报表。在财务报表的类型为审计通过类型的情况下,至少两个评分模型包括针对客户属性信息的第一属性评分模型、针对客户资产信息的第一资产评分模型、以及针对客户财务信息的财务评分模型。在财务报表的类型为审计未通过类型的情况下,至少两个评分模型包括:针对客户属性信息的第二属性评分模型、以及针对客户资产信息的第二资产评分模型。
根据本公开的实施例,第一属性评分模型所涉及的属性指标与第二属性评分模型所涉及的属性指标至少部分不同,客户属性信息能够表征属性指标;并且/或者第一资产评分模型所涉及的资产指标与第二资产评分模型所涉及的资产指标至少部分不同,客户资产信息能够表征资产指标。
根据本公开的实施例,客户属性信息能够表征多个属性指标,评价分数确定模块930例如可以包括权重获取子模块、得分值确定子模块及加权和确定子模块。权重获取子模块用于获取与多个属性指标中的至少两个属性指标分别对应的第一权重系数。得分值确定子模块用于确定针对至少两个属性指标中各属性指标的得分值。加权和确定子模块用于根据与至少两个属性指标分别对应的第一权重系数,确定针对至少两个属性指标的得分值的加权和,以得到第一属性评分模型和/或第二属性评分模型针对客户的评价分数。权重获取子模块、得分值确定子模块及加权和确定子模块例如可以分别用于执行图5描述的操作S531~操作S533,在此不再赘述。
根据本公开的实施例,客户资产信息能够表征多个资产指标。权重获取子模块用于获取与多个资产指标中的至少两个资产指标分别对应的第二权重系数。得分值确定子模块用于确定针对至少两个资产指标中各资产指标的得分值。加权和确定子模块用于根据与至少两个资产指标分别对应的第二权重系数,确定针对至少两个资产指标的得分值的加权和,以得到第一资产评分模型和/或所述第二资产评分模型针对客户的评价分数。权重获取子模块、得分值确定子模块及加权和确定子模块例如可以分别用于执行图6描述的操作S631~操作S633,在此不再赘述。
根据本公开的实施例,客户财务信息能够表征多个财务指标。权重获取子模块用于获取与多个财务指标中的至少两个财务指标分别对应的第三权重系数。得分值确定子模块用于确定针对至少两个财务指标中各财务指标的得分值。加权和确定子模块用于根据与至少两个财务指标分别对应的第三权重系数,确定至少两个财务指标的得分值的加权和,以得到财务评分模型针对客户的评价分数。权重获取子模块、得分值确定子模块及加权和确定子模块例如可以分别用于执行图7描述的操作S731~操作S733,在此不再赘述。
根据本公开的实施例,上述客户风险评估装置900例如还可以包括提醒信息发出模块,用于在客户信息不包括客户财务报表的情况下,发出提醒信息,以获取输入的针对客户的财务报表。
图10示意性示出了根据本公开另一实施例的客户风险评估装置的结构框图。
如图10所示,该实施例的客户风险评估装置1000例如可以包括待评级客户模块1001、基础信息采集模块1002、业务过程参数模块1003、定性评级模块1004、定量评级模块1005、交易评级模块1006、特例调整模块1007和结果输出模块1008。
待评级客户模块1001用于纳入需要评级的客户清单和输入/获取客户基础信息。其中,客户基础信息包含客户行业分类、财务数据等信息,以为基础信息采集模块1002提供输入信息。
基础信息采集模块1002用于对待评级客户模块1001提供的客户基础信息进行装载校验等。其中,校验用于确定客户基础信息中是否具有客户财务报表、客户财务报表是否经过审计等。其中,客户基础信息装载有两个目的,一是根据客户行业等信息适配本次需用的评级模型,针对财务报表是否审计,在后续评级中会选择不同模型进行计算;二是装载的信息对客户经理有个基础情况展示,以便于客户经理进一步了解。该基础信息采集模块1002例如可以用于执行前述的操作S210、操作S470、操作S490等。
业务过程参数模块1003用于通过预定义行业参数、等级对照、定性、定量、交易评价权重等参数,作为被调用参数,为后续004定性评价和005定量评价提供参数支撑。
定性评级模块1004主要是基于业务评价,通过专家判断等方法,获取定性指标权重,并通过各定性指标权重,进而获得客户定性评价结果。该定性评级模块1004例如可以用于执行前述的操作S531~操作S533。
定量评级模块1005主要是基于客户财务指标基础信息,根据评级模型自动计算定量结果,以得到客户总体定量评价结果。该定量评级模块1005例如可以用于执行前述的操作S631~操作S633。
交易评级模块1006主要基于客户交易评价指标,对客户交易行为进行评价,***自动采集相关交易属性数据,根据各交易指标及权重,自动获取交易指标得分,用于后续客户整体评价。该交易评级模块1006例如可以用于执行前述的操作S731~操作S733。
特例调整模块1007主要是基于特例事项,对客户触发的特例事项进行评级等级调整或限制,通过业务数据自动触发,也可根据实际情况进行业务干预调整。用于调整客户上述评级结果总得分后的等级。更科学的反映对特例客户的评级判断。该特例调整模块1007例如可以用于执行前述的操作S350~操作S360。
结果输出模块1008用于依据定性结果、定量结果、交易评价结果,计算给出客户的评级结果得分,参考企业注册所在国家等评级结果得分进行调整,例如若企业注册所在国家为不发达国家,则对评级得分进行折算。依据得分与信用等级对照,得到客户信用等级,考虑特例等级限定调整,即:定性结果+定量结果(具有财务指标)+交易评价结果生成客户评级结果,对照得分与信用等级关系,得到客户信用等级,然后客户评级结果+/一等级调整,最终输出客户评级结果。该结果输出模块1008例如可以用于执行操作S240。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上***、基板上的***、封装上的***、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图11示意性示出了根据本公开实施例的适于实现客户风险评估方法的电子设备的方框图。
如图11所示,根据本公开实施例的电子设备1100包括处理器1101,其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。处理器1101例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器1101还可以包括用于缓存用途的板载存储器。处理器1101可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1103中,存储有电子设备1100操作所需的各种程序和数据。处理器1101、ROM 1102以及RAM 1103通过总线1104彼此相连。处理器1101通过执行ROM 1102和/或RAM1103中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 1102和RAM 1103以外的一个或多个存储器中。处理器1101也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备1100还可以包括输入/输出(I/O)接口1105,输入/输出(I/O)接口1105也连接至总线1104。电子设备1100还可以包括连接至I/O接口1105的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1106;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1107;包括硬盘等的存储部分1108;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1110上,以便于从其上读出的计算机程序根据需要被安装入存储部分1108。
根据本公开的实施例,根据本公开实施例的方法流程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1109从网络上被下载和安装,和/或从可拆卸介质1111被安装。在该计算机程序被处理器1101执行时,执行本公开实施例的电子设备中限定的上述功能。根据本公开的实施例,上文描述的***、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/***中所包含的;也可以是单独存在,而未装配入该设备/装置/***中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 1102和/或RAM 1103和/或ROM 1102和RAM 1103以外的一个或多个存储器。
附图中的流程图和框图,图示了按照本公开各种实施例的***、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,在有些作为替换的实现中,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,两个接连地表示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,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操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。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (13)
1.一种客户风险评估方法,包括:
获取客户信息;
获取针对所述客户信息的至少两个评分模型;
根据所述客户信息确定所述至少两个评分模型各自针对所述客户的评价分数,以得到至少两个评价分数;以及
根据所述至少两个评价分数的加权和,确定针对所述客户的评价等级,所述评价等级用于表征所述客户的风险程度。
2.根据权利要求1所述的方法,还包括:
确定所述客户信息中是否存在目标运营信息;
在所述客户信息中存在所述目标运营信息的情况下,根据所述目标运营信息所属类型调整所述评价等级,以得到针对所述客户的最终评价等级,
所述目标运营信息所属类型包括运营放缓类型或运营异常类型。
3.根据权利要求2所述的方法,其中,根据所述目标运营信息所属类型调整所述评价等级包括:
在所述目标运营信息所属类型为运营放缓类型的情况下,基于针对所述目标运营信息的修正策略,降低所述评价等级;并且/或者
在所述目标运营信息所属类型为运营异常类型的情况下,基于针对所述目标运营信息的限定策略,限定所述评价等级不高于预设等级。
4.根据权利要求1所述的方法,还包括在获取针对所述客户信息的至少两个评分模型之前:
确定所述客户信息是否包括客户财务报表;
在所述客户信息包括所述客户财务报表的情况下,确定所述客户财务报表的类型,所述客户财务报表类型包括审计通过类型和审计未通过类型,
其中,所述针对所述客户信息的至少两个评分模型与所述客户财务报表的类型相匹配。
5.根据权利要求4所述的方法,其中,所述客户信息包括客户属性信息、客户资产信息和客户财务信息,所述客户财务信息包括所述客户财务报表;其中:
在所述财务报表的类型为审计通过类型的情况下,所述至少两个评分模型包括:针对所述客户属性信息的第一属性评分模型、针对所述客户资产信息的第一资产评分模型、以及针对所述客户财务信息的财务评分模型;
在所述财务报表的类型为审计未通过类型的情况下,所述至少两个评分模型包括:针对所述客户属性信息的第二属性评分模型、以及针对所述客户资产信息的第二资产评分模型。
6.根据权利要求5所述的方法,其中:
所述第一属性评分模型所涉及的属性指标与所述第二属性评分模型所涉及的属性指标至少部分不同,所述客户属性信息能够表征所述属性指标;并且/或者
所述第一资产评分模型所涉及的资产指标与所述第二资产评分模型所涉及的资产指标至少部分不同,所述客户资产信息能够表征所述资产指标。
7.根据权利要求5所述的方法,其中,所述客户属性信息能够表征多个属性指标;确定所述第一属性评分模型针对所述客户的评价分数包括:
获取与所述多个属性指标中的至少两个属性指标分别对应的第一权重系数;
确定针对所述至少两个属性指标中各属性指标的得分值;
根据与所述至少两个属性指标分别对应的第一权重系数,确定针对所述至少两个属性指标的得分值的加权和,以得到所述第一属性评分模型针对所述客户的评价分数,
其中,采用与确定所述第一属性评分模型针对所述客户的评价分数的方式相同的方式确定所述第二属性评分模型针对所述客户的评价分数。
8.根据权利要求5所述的方法,其中,所述客户资产信息能够表征多个资产指标;确定所述第一资产评分模型针对所述客户的评价分数包括:
获取与所述多个资产指标中的至少两个资产指标分别对应的第二权重系数;
确定针对所述至少两个资产指标中各资产指标的得分值;
根据与所述至少两个资产指标分别对应的第二权重系数,确定针对所述至少两个资产指标的得分值的加权和,以得到所述第一资产评分模型针对所述客户的评价分数,
其中,采用与确定第一资产评分模型针对所述客户的评价分数的方式相同的方式确定所述第二资产评分模型针对所述客户的评价分数。
9.根据权利要求5所述的方法,其中,所述客户财务信息能够表征多个财务指标;确定所述财务评分模型针对所述客户的评价分数包括:
获取与所述多个财务指标中的至少两个财务指标分别对应的第三权重系数;
确定针对所述至少两个财务指标中各财务指标的得分值;
根据与所述至少两个财务指标分别对应的第三权重系数,确定所述至少两个财务指标的得分值的加权和,以得到所述财务评分模型针对所述客户的评价分数。
10.根据权利要求4所述的方法,还包括:在所述客户信息不包括所述客户财务报表的情况下,发出提醒信息,以获取输入的针对客户的财务报表。
11.一种客户风险评估装置,包括:
信息获取模块,用于获取客户信息;
模型获取模块,用于获取针对所述客户信息的至少两个评分模型;
评价分数确定模块,用于根据所述客户信息确定所述至少两个评分模型各自针对所述客户的评价分数,以得到至少两个评价分数;以及
等级确定模块,用于根据所述至少两个评价分数的加权和,确定针对所述客户的评价等级,所述评价等级用于表征所述客户的风险程度。
12.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~10中任一项所述的客户风险评估方法。
13.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~10中任一项所述的客户风险评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010319526.1A CN111523997A (zh) | 2020-04-21 | 2020-04-21 | 客户风险评估方法和装置、以及电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010319526.1A CN111523997A (zh) | 2020-04-21 | 2020-04-21 | 客户风险评估方法和装置、以及电子设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111523997A true CN111523997A (zh) | 2020-08-11 |
Family
ID=71903983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010319526.1A Pending CN111523997A (zh) | 2020-04-21 | 2020-04-21 | 客户风险评估方法和装置、以及电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523997A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111949837A (zh) * | 2020-08-18 | 2020-11-17 | 北京字节跳动网络技术有限公司 | 信息处理方法、装置、电子设备以及存储介质 |
CN112015727A (zh) * | 2020-09-01 | 2020-12-01 | 民生科技有限责任公司 | 财务报表数据自动校验修正***、方法及可读存储装置 |
CN112419008A (zh) * | 2020-12-09 | 2021-02-26 | 中国建设银行股份有限公司 | 一种自动分级预警方法、装置、电子设备和存储介质 |
CN112561685A (zh) * | 2020-12-15 | 2021-03-26 | 建信金融科技有限责任公司 | 客户的分类方法和装置 |
CN113743816A (zh) * | 2021-09-13 | 2021-12-03 | 一汽出行科技有限公司 | 车辆租赁的风险控制方法、装置、计算机设备及存储介质 |
CN113919669A (zh) * | 2021-09-26 | 2022-01-11 | 德联易控科技(北京)有限公司 | 一种确定风险控制对象的风险信息的方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005134938A (ja) * | 2002-10-15 | 2005-05-26 | Kagoshima Bank Ltd | 企業信用格付システム及び企業信用格付プログラム |
CN106355518A (zh) * | 2016-11-29 | 2017-01-25 | 国网山东省电力公司电力科学研究院 | 一种电费缴纳客户筛选方法及*** |
CN108280762A (zh) * | 2018-01-19 | 2018-07-13 | 平安科技(深圳)有限公司 | 客户风险评级方法、服务器及计算机可读存储介质 |
CN109784779A (zh) * | 2019-03-04 | 2019-05-21 | 广州杰赛科技股份有限公司 | 财务风险预测方法、装置及存储介质 |
CN110599335A (zh) * | 2019-09-27 | 2019-12-20 | 北京淇瑀信息科技有限公司 | 一种基于多模型的用户金融风险评估方法和装置 |
-
2020
- 2020-04-21 CN CN202010319526.1A patent/CN111523997A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005134938A (ja) * | 2002-10-15 | 2005-05-26 | Kagoshima Bank Ltd | 企業信用格付システム及び企業信用格付プログラム |
CN106355518A (zh) * | 2016-11-29 | 2017-01-25 | 国网山东省电力公司电力科学研究院 | 一种电费缴纳客户筛选方法及*** |
CN108280762A (zh) * | 2018-01-19 | 2018-07-13 | 平安科技(深圳)有限公司 | 客户风险评级方法、服务器及计算机可读存储介质 |
CN109784779A (zh) * | 2019-03-04 | 2019-05-21 | 广州杰赛科技股份有限公司 | 财务风险预测方法、装置及存储介质 |
CN110599335A (zh) * | 2019-09-27 | 2019-12-20 | 北京淇瑀信息科技有限公司 | 一种基于多模型的用户金融风险评估方法和装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111949837A (zh) * | 2020-08-18 | 2020-11-17 | 北京字节跳动网络技术有限公司 | 信息处理方法、装置、电子设备以及存储介质 |
CN112015727A (zh) * | 2020-09-01 | 2020-12-01 | 民生科技有限责任公司 | 财务报表数据自动校验修正***、方法及可读存储装置 |
CN112419008A (zh) * | 2020-12-09 | 2021-02-26 | 中国建设银行股份有限公司 | 一种自动分级预警方法、装置、电子设备和存储介质 |
CN112561685A (zh) * | 2020-12-15 | 2021-03-26 | 建信金融科技有限责任公司 | 客户的分类方法和装置 |
CN112561685B (zh) * | 2020-12-15 | 2023-10-17 | 建信金融科技有限责任公司 | 客户的分类方法和装置 |
CN113743816A (zh) * | 2021-09-13 | 2021-12-03 | 一汽出行科技有限公司 | 车辆租赁的风险控制方法、装置、计算机设备及存储介质 |
CN113919669A (zh) * | 2021-09-26 | 2022-01-11 | 德联易控科技(北京)有限公司 | 一种确定风险控制对象的风险信息的方法和装置 |
CN113919669B (zh) * | 2021-09-26 | 2022-10-11 | 德联易控科技(北京)有限公司 | 一种确定风险控制对象的风险信息的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111523997A (zh) | 客户风险评估方法和装置、以及电子设备和可读存储介质 | |
US11599939B2 (en) | System, method and computer program for underwriting and processing of loans using machine learning | |
Engelmann et al. | The Basel II risk parameters: estimation, validation, and stress testing | |
US9978021B2 (en) | Database management and presentation processing of a graphical user interface | |
US8700522B2 (en) | Loan portfolio management tool | |
Cerqueiro et al. | Rules versus discretion in loan rate setting | |
US8433631B1 (en) | Method and system for assessing loan credit risk and performance | |
Becher et al. | Do stock analysts influence merger completion? An examination of postmerger announcement recommendations | |
US8577775B1 (en) | Systems and methods for managing investments | |
US20130132269A1 (en) | Method and system for quantifying and rating default risk of business enterprises | |
US20060195391A1 (en) | Modeling loss in a term structured financial portfolio | |
US8775291B1 (en) | Systems and methods for enrichment of data relating to consumer credit collateralized debt and real property and utilization of same to maximize risk prediction | |
US20130282556A1 (en) | Systems and Methods for Analyzing Disparate Treatment in Financial Transactions | |
US20130290167A1 (en) | System and method for credit risk management for educational institutions | |
US7822670B2 (en) | Performance risk management system | |
Jovanović et al. | Financial indicators as predictors of illiquidity | |
US20070255647A1 (en) | System, method and computer program product for evaluating and rating counterparty risk using experiential business process performance and financial data, and applications thereof | |
Iqbal et al. | Comparison of Credit Risk Management Practices among Islamic and Public Commercial Bank’s in Pakistan | |
Srivastava et al. | Benchmarking Indian general insurance firms | |
Skoglund et al. | The application of credit risk models to macroeconomic scenario analysis and stress testing | |
EP2662820A1 (en) | A robust position detection, cause-and-effect and rule determinants to govern excessive risks for global regulatory compliance | |
KR102249028B1 (ko) | 기업의 채무상환능력 평가시스템 | |
Cao et al. | Asymmetric reactions of abnormal audit fees jump to credit rating changes | |
CN116934131A (zh) | 一种企业经营状况评估方法、装置及设备 | |
Grody et al. | Risk accounting-part 2: The risk data aggregation and risk reporting (BCBS 239) foundation of enterprise risk management (ERM) and risk governance |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |