CN111738818A - 贷后授信重检方法、设备及存储介质 - Google Patents
贷后授信重检方法、设备及存储介质 Download PDFInfo
- Publication number
- CN111738818A CN111738818A CN202010540704.3A CN202010540704A CN111738818A CN 111738818 A CN111738818 A CN 111738818A CN 202010540704 A CN202010540704 A CN 202010540704A CN 111738818 A CN111738818 A CN 111738818A
- Authority
- CN
- China
- Prior art keywords
- target
- credit
- enterprise
- risk
- income
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000001514 detection method Methods 0.000 title description 2
- 230000006399 behavior Effects 0.000 claims description 75
- 238000004519 manufacturing process Methods 0.000 claims description 20
- 238000011835 investigation Methods 0.000 claims description 10
- 230000011273 social behavior Effects 0.000 claims description 9
- 238000012552 review Methods 0.000 claims description 7
- 230000008014 freezing Effects 0.000 claims description 4
- 238000007710 freezing Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 abstract description 9
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
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
本发明公开了一种贷后授信重检方法、设备及存储介质，该方法通过通过基于目标企业在预设时间段内的RAROC以及经济资本参数，确定目标RAROC；获取目标贷后行为参数以及目标经营数据，并结合目标RAROC，确定所述目标企业的目标标识信息；然后对所述目标企业的当前授信额度和/或当前授信利率进行对应调整。本发明通过目标企业的风险调整收益参数、经济资本参数以及目标RAROC等多个参数，确定目标企业的企业标识信息，增加了企业授信重检的风险评判维度，并基于目标企业的标识信息，对目标企业的授信额度和/或授信利率进行对应调整，不仅增加了企业贷后授信重检的灵活性，而且提高了贷后授信重检结果的可信度与准确度。
Description
技术领域
本发明涉及金融科技(Fintech)技术领域，尤其涉及贷后授信重检方法、设备及计算机可读存储介质。
背景技术
随着计算机技术的发展，越来越多的技术应用在金融领域，传统金融业正在逐步向金融科技(Finteh)转变，贷后授信重检技术也不例外，但由于金融行业的安全性、实时性要求，也对贷后授信重检技术提出的更高的要求。在银行对贷款企业放款之后，需要对贷款企业的贷后风险进行实时的监控，使得银行信贷管理部门能够及时准确的了解到贷款企业所处的境况，并对贷款企业的贷后风险进行评估和管理，以最大化的降低银行的损失，提高银行的收益。目前，对已有授信的贷款企业进行授信重检时，通常仅考虑贷款企业的生产经营情况，然后根据企业生产经营情况确定贷款企业的授信。但是，仅将企业经营情况作为授信重检的评判维度，存在评判维度单一的问题，降低了贷后授信重检结果的可信度与准确度。
发明内容
本发明的主要目的在于提出一种贷后授信重检方法、设备及计算机可读存储介质，旨在解决现有贷后授信重检结果的可信度与准确度较低的技术问题。
为实现上述目的，本发明提供一种贷后授信重检方法，所述贷后授信重检方法包括如下步骤：
基于目标企业在预设时间段内的风险调整收益参数以及经济资本参数，确定所述目标企业的目标风险调整资本回报率RAROC；
获取所述目标企业在所述预设时间段内的目标贷后行为参数以及目标经营数据，并基于目标RAROC、所述目标贷后行为参数以及所述目标经营数据，确定所述目标企业的目标标识信息；
基于所述目标标识信息，对所述目标企业的当前授信额度和/或当前授信利率进行对应调整。
可选地，所述风险调整收益参数包括历史风险调整收益参数以及预估风险调整收益参数，所述基于目标企业的风险调整收益参数以及经济资本参数，确定所述目标企业的目标风险调整资本回报率RAROC的步骤具体包括：
基于所述目标企业在所述预设时间段内的历史收入、历史经营成本以及历史损失参数，确定所述目标企业的所述历史风险调整收益参数；
基于所述目标企业在所述预设时间段内的预期收入、预期经营成本以及预期损失参数，确定所述目标企业的所述预估风险调整收益参数；
基于所述历史风险调整收益以及经济资本参数确定所述目标企业的历史 RAROC，并基于所述预估风险调整收益参数确定所述目标企业的预估 RAROC；
基于所述目标企业在所述预设时间段内的所述历史RAROC以及所述预估RAROC，确定所述目标企业的目标RAROC。
可选地，所述目标贷后行为参数包括所述目标企业在相关银行的合作行为参数、提款行为参数以及还款行为参数，所述获取所述目标企业在所述预设时间段内的目标贷后行为参数以及目标经营数据，并基于目标RAROC、所述目标贷后行为参数以及所述目标经营数据，确定所述目标企业的目标标识信息的步骤具体包括：
获取所述目标企业在所述预设时间段内的所述合作行为参数、提款行为参数以及还款行为参数；
基于所述目标RAROC、所述合作行为参数、提款行为参数、还款行为参数以及所述目标经营数据，确定所述目标企业的目标标识信息。
可选地，所述目标经营数据包括目标生产数据以及目标征信数据，所述基于所述目标RAROC、所述合作行为参数、提款行为参数、还款行为参数以及所述目标经营数据，确定所述目标企业的目标标识信息的步骤具体包括：
基于所述目标RAROC、所述合作行为参数、提款行为参数、还款行为参数、目标生产数据以及目标征信数据，判断所述目标企业是否为低风险高收益；
若所述目标企业为所述低风险高收益，则将所述低风险高收益作为所述目标标识信息。
可选地，所述基于所述目标RAROC、所述合作行为参数、提款行为参数、还款行为参数、目标生产数据以及目标征信数据，判断所述目标企业是否为低风险高收益的步骤之后，还包括：
若所述目标企业不是所述低风险高收益，则判断所述目标企业是否为高风险低收益；
若所述目标企业为所述高风险低收益，则将所述高风险低收益作为所述目标标识信息。
可选地，所述基于所述目标标识信息，对所述目标企业的当前授信额度和/或当前授信利率进行对应调整的步骤具体包括：
在所述目标标识信息为所述低风险高收益时，根据预设贷后调整规则提高所述当前授信额度和/或降低所述当前授信利率。
可选地，所述基于所述目标标识信息，对所述目标企业的当前授信额度和/或当前授信利率进行对应调整的步骤具体还包括：
在所述目标标识信息为所述高风险低收益时，根据所述预设贷后调整规则冻结或收回所述当前授信额度。
可选地，所述基于目标企业的风险调整收益参数以及经济资本参数，确定所述目标企业的目标风险调整资本回报率RAROC的步骤之前，还包括：
获取各企业在所述预设时间段内的企业规模参数以及业务量变化参数，并将所述企业规模参数小于平均规模阈值且所述业务量变化参数大于预设变化阈值的企业确定为待监控企业集；
依次获取所述待监控企业集中的各企业，作为所述目标企业。
此外，为实现上述目的，本发明还提供一种贷后授信重检设备，所述贷后授信重检设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的贷后授信重检程序，所述贷后授信重检程序被所述处理器执行时实现如上所述的贷后授信重检方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有贷后授信重检程序，所述贷后授信重检程序被处理器执行时实现如上所述的贷后授信重检方法的步骤。
本发明提供一种贷后授信重检方法，通过基于目标企业在预设时间段内的风险调整收益参数以及经济资本参数，确定所述目标企业的目标风险调整资本回报率RAROC；获取所述目标企业在所述预设时间段内的目标贷后行为参数以及目标经营数据，并基于目标RAROC、所述目标贷后行为参数以及所述目标经营数据，确定所述目标企业的目标标识信息；基于所述目标标识信息，对所述目标企业的当前授信额度和/或当前授信利率进行对应调整。通过上述方式，本发明通过目标企业的风险调整收益参数、经济资本参数以及目标RAROC等多个参数，确定目标企业的企业标识信息，增加了企业授信重检的风险评判维度，并基于目标企业的标识信息，对目标企业的授信额度和/ 或授信利率进行对应调整，不仅增加了企业贷后授信重检的灵活性，而且提高了贷后授信重检结果的可信度与准确度，解决了现有贷后授信重检结果的可信度与准确度较低的技术问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图；
图2为本发明贷后授信重检方法第一实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
本发明实施例贷后授信重检设备可以是PC机或服务器设备，其上运行有 Java虚拟机。
如图1所示，该贷后授信重检设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线 1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的设备结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作***、网络通信模块、用户接口模块以及贷后授信重检程序。
在图1所示的设备中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的贷后授信重检程序，并执行下述贷后授信重检方法中的操作。
基于上述硬件结构，提出本发明贷后授信重检方法实施例。
参照图2，图2为本发明贷后授信重检方法第一实施例的流程示意图，所述贷后授信重检方法包括：
步骤S10，基于目标企业在预设时间段内的风险调整收益参数以及经济资本参数，确定所述目标企业的目标风险调整资本回报率RAROC；
目前，对已有授信的贷款企业进行授信重检时，通常仅考虑贷款企业的生产经营情况，然后根据企业生产经营情况确定贷款企业的授信。即针对企业的授信，目前都是在贷前对企业资质进行核查，核查后根据企业情况，授予其贷款额度，该额度在贷后也不再变化。目前对已有授信的企业进行授信重检时，通常仅企业生产经营情况，根据企业生产经营情况给予其相应的授信。但是，仅将企业经营情况作为授信重检的评判维度，存在评判维度单一的问题，降低了贷后授信重检结果的可信度与准确度。本实施例中为了解决上述问题，通过目标企业的风险调整收益参数、经济资本参数以及目标 RAROC等多个参数，确定目标企业的企业标识信息，增加了企业授信重检的风险评判维度，并基于目标企业的标识信息，对目标企业的授信额度和/或授信利率进行对应调整，不仅增加了企业贷后授信重检的灵活性，而且提高了贷后授信重检结果的可信度与准确度。具体地，风险调整后的资本收益率(Risk Adjusted Return on capital，RAROC)，是通过预期损失和以经济资本测算的非预期损失调整后的资本收益率。RAROC作为相对指标，不受企业规模的限制，可以很公平地在不同企业规模的业务之间进行评价使用。其计算方式为为(净收益-预期损失)/经济资本。其中，经济资本为是指银行内部应合理持有的资本，该资本将用于承担非预期损失和保持正常经营。即获取目标企业在预设时间段内的风险调整收益参数以及经济资本参数，确定所述目标企业的目标风险调整资本回报率RAROC。其中，预设时间段可以是用户根据实际需要设定的时间段。
进一步地，所述步骤S10之前，还包括：
获取各企业在所述预设时间段内的企业规模参数以及业务量变化参数，并将所述企业规模参数小于平均规模阈值且所述业务量变化参数大于预设变化阈值的企业确定为待监控企业集；
依次获取所述待监控企业集中的各企业，作为所述目标企业。
本实施例中，目前小微企业变化情况较大中企业更为迅速，对大中型企业采用年度重检的形式是较为合理，但处于成长期的小微企业由于其业务量正处于迅猛的发展状态，最初的贷前授信在一段时间后可能已不适合于企业的当前经营情况，已不能满足企业正常经营需求。故对于小微企业而言，其授信更新程度不宜采用年度重检形式，而是应在授信后密切观察企业状况，根据企业经营状况对其授信进行重检。具体的，根据预设周期，如一个月或 45天等，获取各企业在所述预设时间段内的企业规模参数以及业务量变化参数。对所述企业规模参数小于平均规模阈值(即小微企业)且所述业务量变化参数大于预设变化阈值(即业务量正处于迅猛的发展状态)的企业确定为待监控企业集，然后依次对所述待监控企业集中的各个目标企业进行贷后授信重检。
步骤S20，获取所述目标企业在所述预设时间段内的目标贷后行为参数以及目标经营数据，并基于目标RAROC、所述目标贷后行为参数以及所述目标经营数据，确定所述目标企业的目标标识信息；
对于已有授信的小微企业，在监控数据层面，除了企业的生产经营数据外，企业也产生了信贷行为表现数据。该信贷行为表现数据对于企业风险及是否给予授信也具有较重的参考价值，因此，仅根据企业经营情况进行授信重检而忽略上述信息容易导致企业风险评判维度不够完整。本实施例中，依据目标RAROC、所述目标贷后行为参数以及所述目标经营数据，确定所述目标企业的目标标识信息。其中，标识信息包括高风险低收益、高风险高收益、低风险低收益以及低风险高收益。由此，在目标企业原授信情况下，对所述目标企业的授信额度及利率进行重检。
步骤S30，基于所述目标标识信息，对所述目标企业的当前授信额度和/ 或当前授信利率进行对应调整。
本实施例中，基于所述目标标识信息，即对于已有逾期表现或有逾期可能的高风险企业的当前授信额度和/或当前授信利率进行对应调整。如对目标企业进行贷款收回或冻结额度等操作，或对高收益的企业，即对生产经营发展迅猛且有资金需求的小微企业进行额度提高和利率降低，以满足该类企业的生产经营需求。
本实施例提供一种贷后授信重检方法，通过基于目标企业在预设时间段内的风险调整收益参数以及经济资本参数，确定所述目标企业的目标风险调整资本回报率RAROC；获取所述目标企业在所述预设时间段内的目标贷后行为参数以及目标经营数据，并基于目标RAROC、所述目标贷后行为参数以及所述目标经营数据，确定所述目标企业的目标标识信息；基于所述目标标识信息，对所述目标企业的当前授信额度和/或当前授信利率进行对应调整。通过上述方式，本发明通过目标企业的风险调整收益参数、经济资本参数以及目标RAROC等多个参数，确定目标企业的企业标识信息，增加了企业授信重检的风险评判维度，并基于目标企业的标识信息，对目标企业的授信额度和/或授信利率进行对应调整，不仅增加了企业贷后授信重检的灵活性，而且提高了贷后授信重检结果的可信度与准确度，解决了现有贷后授信重检结果的可信度与准确度较低的技术问题。
进一步地，基于本发明贷后授信重检方法第一实施例，提出本发明贷后授信重检方法第二实施例。
在本实施例中，所述风险调整收益参数包括历史风险调整收益参数以及预估风险调整收益参数，所述步骤S10具体包括：
基于所述目标企业在所述预设时间段内的历史收入、历史经营成本以及历史损失参数，确定所述目标企业的所述历史风险调整收益参数；
基于所述目标企业在所述预设时间段内的预期收入、预期经营成本以及预期损失参数，确定所述目标企业的所述预估风险调整收益参数；
基于所述历史风险调整收益以及经济资本参数确定所述目标企业的历史 RAROC，并基于所述预估风险调整收益参数确定所述目标企业的预估 RAROC；
基于所述目标企业在所述预设时间段内的所述历史RAROC以及所述预估RAROC，确定所述目标企业的目标RAROC。
目前RAROC在小微企业授信中的应用，一般仅用于贷前利率定价阶段，核定企业未来可能带来的风险调整后收益，根据该收益核定相应的利率。然而小微企业在授信的各个时点均可计算各种类型的RAROC，包括过去一段时间内真实发生的RAROC值及未来一段时间内可能发生的RAROC值，且不仅可用于贷前利率定价，也可用于贷后判断客户还款行为给银行带来的综合价值。故RAROC仅用于贷前利率定价阶段是不够全面的。因此，本实施例中使用RAROC对小微企业的贷后行为进行评估，并将此条件列为贷后授信重检的重要要求之一。且在RAROC计算中，不仅考虑企业过去一段时间的 RAROC表现，还结合考虑了企业未来一段时间的RAROC表现，形成客户综合RAROC值，实现对小微企业更全面的评价。由于同一企业给银行带来的价值具有延续性，即过往带来高收益的企业，在未来的一段时间内更可能会带来高的收益。故给予RAROC指导降价、提额，不仅需要计算过去一段时间企业已实际发生的RAROC值，同时需要计算未来一段时间内可预计的 RAROC值，两者结合形成客户综合RAROC值，对客户进行更加全面的判断。具体地，未来一段时间内预计的企业RAROC值可根据预计企业未来会发生的还款信息计算得到，即企业在计算时点尚未还清的借据在正常还款情况下产生的收益及成本(不考虑提前还款、逾期、新增借据的情况)。而过去一段时间内企业实际发生的RAROC值可根据企业过往一段时间内实际还款信息计算，例如，过去和未来均为低价值客户(即历史风险调整收益参数和预估风险调整收益参数都低)，不考虑降价或者提额；对过去和未来均为高价值客户(即历史风险调整收益参数和预估风险调整收益参数都高)进行提额及降价。由此，在小微企业授信后，根据小微企业的贷后行为表现及其生产经营数据，对其已授信贷后信息进行调整。其中，已授信贷后信息主要包括授信额度和授信利率。即基于所述目标企业在所述预设时间段内的历史收入、历史经营成本以及历史损失参数，确定所述目标企业的所述历史风险调整收益参数；基于所述目标企业在所述预设时间段内的预期收入、预期经营成本以及预期损失参数，确定所述目标企业的所述预估风险调整收益参数；基于所述历史风险调整收益以及经济资本参数确定所述目标企业的历史RAROC，并基于所述预估风险调整收益参数确定所述目标企业的预估RAROC；基于所述目标企业在所述预设时间段内的所述历史RAROC以及所述预估RAROC，确定所述目标企业的目标RAROC。
进一步地，基于本发明贷后授信重检方法第二实施例，提出本发明贷后授信重检方法第三实施例。
在本实施例中，所述目标贷后行为参数包括所述目标企业在相关银行的合作行为参数、提款行为参数以及还款行为参数，所述步骤S20具体包括：
获取所述目标企业在所述预设时间段内的所述合作行为参数、提款行为参数以及还款行为参数；
基于所述目标RAROC、所述合作行为参数、提款行为参数、还款行为参数以及所述目标经营数据，确定所述目标企业的目标标识信息。
其中，所述目标经营数据包括目标生产数据以及目标征信数据，所述基于所述目标RAROC、所述合作行为参数、提款行为参数、还款行为参数以及所述目标经营数据，确定所述目标企业的目标标识信息的步骤具体包括：
基于所述目标RAROC、所述合作行为参数、提款行为参数、还款行为参数、目标生产数据以及目标征信数据，判断所述目标企业是否为低风险高收益；
若所述目标企业为所述低风险高收益，则将所述低风险高收益作为所述目标标识信息。
其中，所述基于所述目标RAROC、所述合作行为参数、提款行为参数、还款行为参数、目标生产数据以及目标征信数据，判断所述目标企业是否为低风险高收益的步骤之后，还包括：
若所述目标企业不是所述低风险高收益，则判断所述目标企业是否为高风险低收益；
若所述目标企业为所述高风险低收益，则将所述高风险低收益作为所述目标标识信息。
本实施例中，目标贷后行为参数主要考虑企业在银行的合作行为、提款行为表现及还款行为表现；目标经营数据主要考虑客户的生产经营数据表现及客户的征信数据表现，根据所述目标RAROC、所述合作行为参数、提款行为参数、还款行为参数、目标生产数据以及目标征信数据对目标企业的生产经营的风险进行全面评估，确定客户风险程度。如低风险高收益或高风险低收益等标识信息。
进一步地，所述步骤S30具体包括：
在所述目标标识信息为所述低风险高收益时，根据预设贷后调整规则提高所述当前授信额度和/或降低所述当前授信利率；
在所述目标标识信息为所述高风险低收益时，根据所述预设贷后调整规则冻结或收回所述当前授信额度。
本实施例中，贷款定价常用模式包括成本加成模式、基础利率加点模式、客户盈利分析模式和RAROC定价模式，考虑贷后调整定价的特殊性，在此借鉴RAROC定价模式核心思想，在贷后中加以应用，形成贷后定价调整方法。贷前如使用该方法进行定价，通常以利率作为收益率，设定其他成本率等信息，通过最低收益率反推得到利率。但贷前的使用方式是建立在缺少过往信息基础上，故该应用方式不适合直接用于贷后定价。贷后实际已可以计算客户综合RAROC信息，该RAROC水平反映了客户当前及未来一段时间内的收益情况，具有一定代表性，故使用实际客户综合RAROC计算的收益率、成本率等信息，同时根据收益率与平均利率的关系，在设定最低收益率的情况下，反推得到利率。对于该方法，可理解为应用过往经验得到了该客户利息与收益关系，及各计算的成本率、预期损失率，在确定最低收益情况下，倒推降价利息水平。在该方法中，如需实现降价功能，只需设定比原客户综合RAROC低的RAROC值；相应的，如需升价，则设定更高的RAROC值，实现了利率升降方向的控制。相对于常规贷前RAROC定价直接用于贷后，该方法相对客观，且已覆盖客户提前还款等行为习惯带来的收益率影响。额度调整方法无法使用与定价调整类似的基于最低RAROC反推方式，因为利率仅影响RAROC分子中的收入项，但RAROC本来就是消除规模的相对指标，额度的影响在个体的RAROC计算中会被消除。基于客户个体的RAROC方法无法为额度调整进行指导，但基于组合的RAROC则可对组合层面的额度调整进行指导。组合的选择可根据不同的需求确定，常见的组合有地区、行业等。
上述各程序模块所执行的方法可参照本发明贷后授信重检方法各个实施例，此处不再赘述。
本发明还提供一种计算机可读存储介质。
本发明计算机可读存储介质上存储有贷后授信重检程序，所述贷后授信重检程序被处理器执行时实现如上所述的贷后授信重检方法的步骤。
其中，在所述处理器上运行的贷后授信重检程序被执行时所实现的方法可参照本发明贷后授信重检方法各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者***不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者***所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种贷后授信重检方法，其特征在于，所述贷后授信重检方法包括如下步骤：
基于目标企业在预设时间段内的风险调整收益参数以及经济资本参数，确定所述目标企业的目标风险调整资本回报率RAROC；
获取所述目标企业在所述预设时间段内的目标贷后行为参数以及目标经营数据，并基于目标RAROC、所述目标贷后行为参数以及所述目标经营数据，确定所述目标企业的目标标识信息；
基于所述目标标识信息，对所述目标企业的当前授信额度和/或当前授信利率进行对应调整。
2.如权利要求1所述的贷后授信重检方法，其特征在于，所述风险调整收益参数包括历史风险调整收益参数以及预估风险调整收益参数，所述基于目标企业的风险调整收益参数以及经济资本参数，确定所述目标企业的目标风险调整资本回报率RAROC的步骤具体包括：
基于所述目标企业在所述预设时间段内的历史收入、历史经营成本以及历史损失参数，确定所述目标企业的所述历史风险调整收益参数；
基于所述目标企业在所述预设时间段内的预期收入、预期经营成本以及预期损失参数，确定所述目标企业的所述预估风险调整收益参数；
基于所述历史风险调整收益以及经济资本参数确定所述目标企业的历史RAROC，并基于所述预估风险调整收益参数确定所述目标企业的预估RAROC；
基于所述目标企业在所述预设时间段内的所述历史RAROC以及所述预估RAROC，确定所述目标企业的目标RAROC。
3.如权利要求1所述的贷后授信重检方法，其特征在于，所述目标贷后行为参数包括所述目标企业在相关银行的合作行为参数、提款行为参数以及还款行为参数，所述获取所述目标企业在所述预设时间段内的目标贷后行为参数以及目标经营数据，并基于目标RAROC、所述目标贷后行为参数以及所述目标经营数据，确定所述目标企业的目标标识信息的步骤具体包括：
获取所述目标企业在所述预设时间段内的所述合作行为参数、提款行为参数以及还款行为参数；
基于所述目标RAROC、所述合作行为参数、提款行为参数、还款行为参数以及所述目标经营数据，确定所述目标企业的目标标识信息。
4.如权利要求3所述的贷后授信重检方法，其特征在于，所述目标经营数据包括目标生产数据以及目标征信数据，所述基于所述目标RAROC、所述合作行为参数、提款行为参数、还款行为参数以及所述目标经营数据，确定所述目标企业的目标标识信息的步骤具体包括：
基于所述目标RAROC、所述合作行为参数、提款行为参数、还款行为参数、目标生产数据以及目标征信数据，判断所述目标企业是否为低风险高收益；
若所述目标企业为所述低风险高收益，则将所述低风险高收益作为所述目标标识信息。
5.权利要求4所述的贷后授信重检方法，其特征在于，所述基于所述目标RAROC、所述合作行为参数、提款行为参数、还款行为参数、目标生产数据以及目标征信数据，判断所述目标企业是否为低风险高收益的步骤之后，还包括：
若所述目标企业不是所述低风险高收益，则判断所述目标企业是否为高风险低收益；
若所述目标企业为所述高风险低收益，则将所述高风险低收益作为所述目标标识信息。
6.如权利要求5所述的贷后授信重检方法，其特征在于，所述基于所述目标标识信息，对所述目标企业的当前授信额度和/或当前授信利率进行对应调整的步骤具体包括：
在所述目标标识信息为所述低风险高收益时，根据预设贷后调整规则提高所述当前授信额度和/或降低所述当前授信利率。
7.如权利要求6所述的贷后授信重检方法，其特征在于，所述基于所述目标标识信息，对所述目标企业的当前授信额度和/或当前授信利率进行对应调整的步骤具体还包括：
在所述目标标识信息为所述高风险低收益时，根据所述预设贷后调整规则冻结或收回所述当前授信额度。
8.如权利要1-7中任一项所述的贷后授信重检方法，其特征在于，所述基于目标企业的风险调整收益参数以及经济资本参数，确定所述目标企业的目标风险调整资本回报率RAROC的步骤之前，还包括：
获取各企业在所述预设时间段内的企业规模参数以及业务量变化参数，并将所述企业规模参数小于平均规模阈值且所述业务量变化参数大于预设变化阈值的企业确定为待监控企业集；
依次获取所述待监控企业集中的各企业，作为所述目标企业。
9.一种贷后授信重检设备，其特征在于，所述贷后授信重检设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的贷后授信重检程序，所述贷后授信重检程序被所述处理器执行时实现如权利要求1至8中任一项所述的贷后授信重检方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有贷后授信重检程序，所述贷后授信重检程序被处理器执行时实现如权利要求1至8中任一项所述的贷后授信重检方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010540704.3A CN111738818A (zh) | 2020-06-12 | 2020-06-12 | 贷后授信重检方法、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010540704.3A CN111738818A (zh) | 2020-06-12 | 2020-06-12 | 贷后授信重检方法、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111738818A true CN111738818A (zh) | 2020-10-02 |
Family
ID=72649197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010540704.3A Pending CN111738818A (zh) | 2020-06-12 | 2020-06-12 | 贷后授信重检方法、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111738818A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112598244A (zh) * | 2020-12-15 | 2021-04-02 | 深圳前海微众银行股份有限公司 | 风险收益的管理方法、装置、***及计算机可读存储介质 |
-
2020
- 2020-06-12 CN CN202010540704.3A patent/CN111738818A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112598244A (zh) * | 2020-12-15 | 2021-04-02 | 深圳前海微众银行股份有限公司 | 风险收益的管理方法、装置、***及计算机可读存储介质 |
| CN112598244B (zh) * | 2020-12-15 | 2024-04-16 | 深圳前海微众银行股份有限公司 | 风险收益的管理方法、装置、***及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11461841B2 (en) | Statistical risk management system for lending decisions | |
| US7974894B2 (en) | Methods and systems for classifying entities according to metrics of earnings quality | |
| US20130290167A1 (en) | System and method for credit risk management for educational institutions | |
| CN108876188B (zh) | 一种间连服务商风险评估方法及装置 | |
| US11205222B2 (en) | Centralized model for lending risk management system | |
| CN111008896A (zh) | 金融风险预警方法、装置、电子设备及存储介质 | |
| US20110246385A1 (en) | Automatically recalibrating risk models | |
| US20220036475A1 (en) | System to predict impact of existing risk relationship adjustments | |
| CN111191925B (zh) | 数据处理方法、装置、设备和存储介质 | |
| US20110099101A1 (en) | Automated validation reporting for risk models | |
| US8078529B1 (en) | Evaluating customers' ability to manage revolving credit | |
| CN111738818A (zh) | 贷后授信重检方法、设备及存储介质 | |
| CN116823471A (zh) | 交易策略回测方法、装置、电子设备及存储介质 | |
| CN111695988A (zh) | 信息处理方法、装置、电子设备和介质 | |
| JP6771513B2 (ja) | 債務不履行確率を算出する装置、方法及びそのためのプログラム | |
| CN115953235A (zh) | 风险指标统计方法及装置、存储介质及电子设备 | |
| Liu et al. | A Markov decision model for consumer term-loan collections | |
| CN107172311B (zh) | 业务评估方法及终端设备 | |
| CN116091249A (zh) | 交易风险的评估方法、装置、电子设备和介质 | |
| CN115994819A (zh) | 风险客户识别方法、装置、设备和介质 | |
| CN110580634A (zh) | 基于互联网的业务推荐方法、装置及存储介质 | |
| CN114880369A (zh) | 一种基于弱数据技术的风险授信方法和*** | |
| CN113450208A (zh) | 贷款风险变动预警、模型训练方法和装置 | |
| US20200097982A1 (en) | Method and apparatus for managing financial control validation processes | |
| CN110310197A (zh) | 金融业运营车辆还款能力计算方法及装置、存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201002 |