CN111798301A - 一种资源转移限额确定方法、装置及*** - Google Patents
一种资源转移限额确定方法、装置及*** Download PDFInfo
- Publication number
- CN111798301A CN111798301A CN202010599174.XA CN202010599174A CN111798301A CN 111798301 A CN111798301 A CN 111798301A CN 202010599174 A CN202010599174 A CN 202010599174A CN 111798301 A CN111798301 A CN 111798301A
- Authority
- CN
- China
- Prior art keywords
- resource transfer
- data
- processing request
- resource
- transfer processing
- 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
本说明书实施例公开了一种资源转移限额确定方法、装置及***,所述方法包括接收资源转移处理请求,所述资源转移处理请求包括账户标识;基于账户标识获取账户标识所对应的企业用户标识的第一基础资源数据、第一评估数据以及所述企业用户标识所对应的关联用户标识的第二基础资源数据、第二评估数据;根据所述第一基础资源数据以及第二基础资源数据计算基础转移额度;根据所述第一评估数据以及第二评估数据确定第一调整系数;以及,根据企业用户对金融机构的忠诚度等确定第二调整系数。然后,可以根据基础转移额度、第一调整系数、第二调整系数确定资源转移处理请求的资源转移限额,以在提高业务处理效率及客户满意度的同时,降低资源损失风险。
Description
技术领域
本说明书涉及计算机数据处理技术领域,特别地,涉及一种资源转移限额确定方法、装置及***。
背景技术
随着小微企业的蓬勃发展,小微企业贷款业务也在快速成长。但通常由于金融机构所拥有的小微企业的信息可能较为有限,使得其对于部分小微企业的偿还能力较难准确评估。目前多采用人工综合分析用户的各种数据,对其违约的风险性进行评估,进而确定贷款业务处理的资源转移上限额,以避免金融机构的资源损失风险。但人工评估时对个人经验和素质要求较难把控,且占用的人力成本较高,业务处理的效率也较低。因此,如何在避免金融机构资源损失的基础上,提高业务处理的效率及用户满意度,降低人力资源成本,成为亟待解决的技术问题。
发明内容
本说明书实施例的目的在于提供一种资源转移限额确定方法、装置及***,可以在提高业务处理效率以及客户满意度的同时,降低资源损失风险。
本说明书提供一种资源转移限额确定方法、装置及***是包括如下方式实现的:
一种资源转移限额确定方法,应用于服务器,包括:接收终端设备发送的资源转移处理请求,所述资源转移处理请求包括账户标识;所述账户标识用于对所述资源转移处理请求所对应的资源接收账户进行标识。基于所述账户标识从业务***中获取所述账户标识所对应的企业用户标识的第一基础资源数据、第一评估数据以及所述企业用户标识所对应的关联用户标识的第二基础资源数据、第二评估数据;其中,所述关联用户标识用于对所述企业用户标识所标识的企业用户的关联用户进行标识;所述关联用户包括对所述企业用户能否在预设时间内清偿所述资源转移处理请求所对应的资源的影响度满足预设要求的用户;基础资源数据包括用于表征相应用户所拥有的资源量的数据;评估数据包括用于表征相应用户在预设时间内可清偿所述资源转移处理请求所对应的资源的概率的数据。根据所述第一基础资源数据以及第二基础资源数据计算所述资源转移处理请求所对应的基础转移额度;所述基础转移额度是指用于表征用户当前所具有的偿还能力的资源转移量上限值。根据所述第一评估数据以及第二评估数据评估所述资源转移处理请求所对应的第一调整系数。根据所述基础转移额度以及第一调整系数确定所述资源转移处理请求的资源转移限额。
本说明书提供的所述方法的另一些实施例中,所述根据所述第一评估数据以及第二评估数据评估所述资源转移处理请求所对应的第一调整系数,包括:判断所述企业用户标识下是否存在预设类型数据;所述预设类型数据包括用于表征用户历史违约概率的数据。如果存在,则将所述第一评估数据以及第二评估数据输入第一风险识别模型,获得所述资源转移处理请求所对应的违约概率;其中,所述第一风险识别模型根据存在预设类型数据的企业用户以及相应企业用户所对应的关联用户的评估数据作为样本数据构建。如果不存在,则将所述第一评估数据以及第二评估数据输入第二风险识别模型,获得所述资源转移处理请求所对应的违约概率;其中,所述第一风险识别模型根据不存在预设类型数据的企业用户以及相应企业用户所对应的关联用户的评估数据作为样本数据构建。根据所述违约概率确定所述资源转移处理请求的第一调整系数。
本说明书提供的所述方法的另一些实施例中,所述根据所述违约概率确定所述资源转移处理请求的第一调整系数,包括:基于所述违约概率确定所述资源转移处理请求所对应的风险等级;所述风险等级根据违约概率、坏账率、样本占比以及提升率划分;所述样本占比包括相应风险等级的样本数占总样本数的比例;所述提升率用于表征坏样本数随风险等级的变化特征;所述坏样本是指未在预设时间内完成清偿的资源转移处理。以总额度不良率最小为优化目标,确定各风险等级所对应的额度不良率的第一权重系数;其中,所述额度不良率为相应风险等级的坏账额与相应风险等级下的总额度的比值;所述坏账额为相应风险等级下所有坏样本的基础转移额度之和;所述总额度为相应风险等级下所有样本的基础转移额度之和;所述总额度不良率为各风险等级所对应的额度不良率乘以对应的第一权重系数后的加和。将确定的第一权重系数作为所述资源转移处理请求所对应的第一调整系数。
本说明书提供的所述方法的另一些实施例中,所述方法还包括:判断所述企业用户标识在所述业务***中是否存在指定类型的历史资源转移记录。如果存在,则根据第一层级识别模型确定所述资源转移处理请求所对应的风险层级;其中,所述第一层级识别模型根据不存在指定类型的历史资源转移记录的企业用户所对应的第一层级数据作为样本数据构建。如果不存在,则根据第二层级识别模型确定所述资源转移处理请求所对应的风险层级;其中,所述第二层级识别模型根据存在指定类型的历史资源转移记录的企业用户所对应的第二层级数据作为样本数据构建。以总额度不良率最小为优化目标,确定各风险层级所对应的额度不良率的第二权重系数;其中,所述额度不良率为相应风险层级的坏账额与相应风险层级下的总额度的比值;所述坏账额为相应风险层级下所有坏样本的基础转移额度之和;所述总额度为相应风险层级下所述样本的基础转移额度之和;所述总额度不良率为各风险层级所对应的额度不良率乘以对应的第二权重系数后的加和。将确定的第二权重系数作为所述资源转移处理请求所对应的第二调整系数。根据所述基础转移额度、第一调整系数以及第二调整系数确定所述资源转移处理请求的资源转移限额。
本说明书提供的所述方法的另一些实施例中,所述方法还包括:获取所述资源转移处理请求所对应的资源转移产品的产品资源转移限额。比对所述产品资源转移限额与所述资源转移限额,根据比对结果对所述资源转移处理请求进行处理。
另一方面,本说明书实施例还提供一种资源转移限额确定装置,应用于服务器,包括:数据接收模块,用于接收终端设备发送的资源转移处理请求,所述资源转移处理请求包括账户标识;所述账户标识用于对所述资源转移处理请求所对应的资源接收账户进行标识。数据获取模块,用于基于所述账户标识从业务***中获取所述账户标识所对应的企业用户标识的第一基础资源数据、第一评估数据以及所述企业用户标识所对应的关联用户标识的第二基础资源数据、第二评估数据;其中,所述关联用户标识用于对所述企业用户标识所标识的企业用户的关联用户进行标识;所述关联用户包括对所述企业用户能否在预设时间内清偿所述资源转移处理请求所对应的资源的影响度满足预设要求的用户;基础资源数据包括用于表征相应用户所拥有的资源量的数据;评估数据包括用于表征相应用户在预设时间内可清偿所述资源转移处理请求所对应的资源的概率的数据。基础额度确定模块,用于根据所述第一基础资源数据以及第二基础资源数据计算所述资源转移处理请求所对应的基础转移额度;所述基础转移额度是指用于表征用户当前所具有的偿还能力的资源转移量上限值。第一系数确定模块,用于根据所述第一评估数据以及第二评估数据评估所述资源转移处理请求所对应的第一调整系数。转移额度确定模块,用于根据所述基础转移额度以及第一调整系数确定所述资源转移处理请求的资源转移限额。
本说明书提供的所述方法的另一些实施例中,第一系数确定模块包括:第一判断单元,用于判断所述企业用户标识下是否存在预设类型数据;所述预设类型数据包括用于表征用户历史违约概率的数据。第一识别单元,用于如果存在,则将所述第一评估数据以及第二评估数据输入第一风险识别模型,获得所述资源转移处理请求所对应的违约概率;其中,所述第一风险识别模型根据存在预设类型数据的企业用户以及相应企业用户所对应的关联用户的评估数据作为样本数据构建。第二识别单元,用于如果不存在,则将所述第一评估数据以及第二评估数据输入第二风险识别模型,获得所述资源转移处理请求所对应的违约概率;其中,所述第一风险识别模型根据不存在预设类型数据的企业用户以及相应企业用户所对应的关联用户的评估数据作为样本数据构建。第一系数确定单元,用于根据所述违约概率确定所述资源转移处理请求的第一调整系数。
本说明书提供的所述方法的另一些实施例中,所述第一系数确定模块还包括:等级确定单元,用于基于所述违约概率确定所述资源转移处理请求所对应的风险等级;所述风险等级根据违约概率、坏账率、样本占比以及提升率划分;所述样本占比包括相应风险等级的样本数占总样本数的比例;所述提升率用于表征坏样本数随风险等级的变化特征;所述坏样本是指未在预设时间内完成清偿的资源转移处理。第一优化单元,用于以总额度不良率最小为优化目标,确定各风险等级所对应的额度不良率的第一权重系数;其中,所述额度不良率为相应风险等级的坏账额与相应风险等级下的总额度的比值;所述坏账额为相应风险等级下所有坏样本的基础转移额度之和;所述总额度为相应风险等级下所有样本的基础转移额度之和;所述总额度不良率为各风险等级所对应的额度不良率乘以对应的第一权重系数后的加和。第二系数确定单元,用于将确定的第一权重系数作为所述资源转移处理请求所对应的第一调整系数。
本说明书提供的所述方法的另一些实施例中,所述装置还包括第二系数确定模块,所述第二系数确定模块包括:第二判断单元,用于判断所述企业用户标识在所述业务***中是否存在指定类型的历史资源转移记录。第三识别单元,用于如果存在,则根据第一层级识别模型确定所述资源转移处理请求所对应的风险层级;其中,所述第一层级识别模型根据不存在指定类型的历史资源转移记录的企业用户所对应的第一层级数据作为样本数据构建。第四识别单元,用于如果不存在,则根据第二层级识别模型确定所述资源转移处理请求所对应的风险层级;其中,所述第二层级识别模型根据存在指定类型的历史资源转移记录的企业用户所对应的第二层级数据作为样本数据构建。第二优化单元,用于以总额度不良率最小为优化目标,确定各风险层级所对应的额度不良率的第二权重系数;其中,所述额度不良率为相应风险层级的坏账额与相应风险层级下的总额度的比值;所述坏账额为相应风险层级下所有坏样本的基础转移额度之和;所述总额度为相应风险层级下所述样本的基础转移额度之和;所述总额度不良率为各风险层级所对应的额度不良率乘以对应的第二权重系数后的加和。第三系数确定单元,用于将确定的第二权重系数作为所述资源转移处理请求所对应的第二调整系数。所述转移额度确定模块还用于根据所述基础转移额度、第一调整系数以及第二调整系数确定所述资源转移处理请求的资源转移限额。
另一方面,本说明书实施例还提供一种资源转移限额确定***,所述***包括至少一个处理器及用于存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现上述任意一个或者多个实施例所述方法的步骤。
本说明书一个或多个实施例提供的资源转移限额确定方法、装置及***,通过在考虑企业用户自身所拥有的资源量的基础上,进一步考虑对所述企业用户的偿还能力以及偿还概率存在一定影响的关联用户所拥有的资源量,初步确定所述企业用户可获得的基础转移额度。然后,再基于上述企业用户以及对所述企业用户的偿还能力以及偿还概率存在一定影响的用户的违约概率评估数据确定所述企业用户的违约概率。然后,基于该违约概率定量确定调整系数,以对所述基础上限额进行调整,确定所述企业用户的最终转移限额,以该限额为基准对企业用户的资源转移处理请求进行处理。保证企业用户获得合理的资源转移量,在提高业务处理效率以及客户满意度的同时,有效降低金融机构的资源损失风险。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本说明书提供的一种资源转移限额确定方法实施例的流程示意图;
图2为本说明书提供的另一种资源转移限额确定方法实施例的流程示意图;
图3为本说明书提供的一些实施例中提供的风险层级划分中所利用数据的示例示意图;
图4为本说明书提供的一种资源转移限额确定装置的模块结构示意图;
图5为根据本说明书的一个示例性实施例的服务器的示意结构图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是说明书一部分实施例,而不是全部的实施例。基于说明书一个或多个实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书实施例方案保护的范围。
本说明书实施例中,所述资源可以是指货币、虚拟货币、可流通交换的物品等等。部分资源转移类型在转移时可能存在一定的风险性,如借贷。因此,出借方(如金融机构)通常需要评估承借方的偿还能力,确定向承借方转移的资源上限额,在此限额内向出借方转移资源,以降低因资源转移所可能带来的资源损失风险。但通常由于出借方所拥有的承借方的信息可能较为有限,使得其对于部分承借方的偿还能力较难准确评估,从而较难准确确定其向承借方转移的资源上限额。特别对于目前发展较为快速的小型企业用户,其所拥有的资源也较为有限。若仅仅按其借贷时所拥有的资源量进行资源上限额的确定,可能会导致大部分此类用户无法借贷到较多的资源,从而影响了此类用户的发展。而此类用户的交易量可能也较少,使得此类用户的风险性又很难准确确定,如果上限额设定的太高,又可能给出借方造成较大的资源损失风险。
为了避免金融机构的资源损失风险性,目前多采用人工综合分析用户的各种数据,对其违约的风险性进行评估,进而确定贷款业务处理的资源转移上限额。但人工评估时对个人经验和素质要求较难把控,且占用的人力成本较高,业务处理的效率也较低。因此,如何在避免金融机构资源损失的基础上,提高业务处理的效率及用户满意度,降低人力资源成本,成为亟待解决的技术问题。
本说明书实施例通过在考虑企业用户自身所拥有的资源量的基础上,进一步考虑对所述企业用户的偿还能力以及偿还概率存在一定影响的关联用户所拥有的资源量,初步确定所述企业用户可获得的基础转移额度。然后,再基于上述企业用户以及对所述企业用户的偿还能力以及偿还概率存在一定影响的用户的违约概率评估数据确定所述企业用户的违约概率。然后,基于该违约概率定量确定调整系数,以对所述基础上限额进行调整,确定所述企业用户的最终转移限额,以该限额为基准对企业用户的资源转移处理请求进行处理。保证企业用户获得合理的资源转移量,在提高业务处理效率以及客户满意度的同时,有效降低金融机构的资源损失风险。
本说明书的一个应用场景示例中,执行资源转移处理的服务器在接收到终端设备发送的资源转移处理请求后,可以基于资源转移处理请求中的资源接收账户的账户标识从金融机构的业务***中获取该账户标识所对应的企业用户的基础资源数据、交易数据以及企业基础信息等,同时,还可以获取企业用户的关联用户的基础资源数据、交易数据以及企业基础信息等。服务器在获取上述数据后,可以根据上述数据进行基础转移额度以及企业用户风险性的评估,以确定本次资源转移处理请求所对应的资源转移限额。或者,服务器还可以判断该企业用户是否属于存量用户,并基于判断结果进一步设定权重系数,以确定该企业用户所获得的资源转移限额。服务器可以基于确定的资源转移限额进行本次资源转移处理请求的后续处理。
其中,所述业务***可以是指金融机构执行存款、取款、贷款项业务处理的服务器集群以及负责数据存储的数据库等,或者,还可以包括服务器集群和/或数据库之间的协同处理设备等。执行资源转移处理的服务器可以为业务***的服务器集群中的一个或者多个服务器。
所述终端设备可以包括金融机构的业务终端或者用户的客户端。金融机构的业务人员可以通过业务终端发起资源转移处理请求,或者,用户也可以通过金融机构的业务终端发起资源转移处理请求。或者,用户也可以在自己的终端设备(客户端)中的资源转移处理请求接入口发起资源转移处理请求,例如通过应用程序、浏览器界面或者小程序等等。
图1是本说明书提供的所述资源转移限额确定方法实施例流程示意图。虽然本说明书提供了如下述实施例或附图所示的方法操作步骤或装置结构,但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者部分合并后更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中,这些步骤的执行顺序或装置的模块结构不限于本说明书实施例或附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置、服务器或终端产品应用时,可以按照实施例或者附图所示的方法或模块结构进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境、甚至包括分布式处理、服务器集群的实施环境)。具体的一个实施例如图1所示,本说明书提供的资源转移限额确定方法的一个实施例中,所述方法可以应用于所述执行资源转移处理的服务器,所述方法可以包括如下步骤:
S20:接收终端设备发送的资源转移处理请求,所述资源转移处理请求包括账户标识;所述账户标识用于对所述资源转移处理请求所对应的资源接收账户进行标识。
服务器可以接收终端设备发送的资源转移处理请求。所述资源转移处理请求所对应的资源转移类型可以为由目标机构向资源接收账户进行资源转入,并设定在预设时间内由资源接收账户进行偿还的资源转移处理。所述资源转移处理请求可以包括账户标识。所述账户标识可以用于对所述资源接收账户进行标识。
S22:基于所述账户标识从业务***中获取所述账户标识所对应的企业用户标识的第一基础资源数据、第一评估数据以及所述企业用户标识所对应的关联用户标识的第二基础资源数据、第二评估数据。
可以在服务器中预先配置账户标识与用户标识之间的关联关系。所述用户标识可以是指对各账户所对应的用户进行标识的信息。相应的,服务器可以从业务***中获取该账户标识所对应的企业用户标识,然后,进一步可以获取该企业用户标识所对应的数据。
所述企业用户标识还可以预先关联有关联用户标识。所述关联用户标识可以用于对所述企业用户标识所标识的企业用户的关联用户进行标识。所述关联用户可以包括对所述企业用户能否在预设时间内清偿所述资源转移处理请求所对应的资源的影响度满足预设要求的用户。所述关联用户如可以为所述企业用户的合伙人、股东或者实际管理者等等。所述关联用户的具体类型可以由企业用户的类型以及业务***预先采集到的企业用户的基础信息确定。所述关联用户可以是企业类型的用户也可以是个人用户。对于小型企业,实际应用场景中所述关联用户通常为企业用户的实际控制人。
业务***或者服务器中可以预先配置有企业用户标识与关联用户标识的关联关系,并对关联关系进行说明。相应的,如果业务***预先配置有企业用户标识与关联用户标识的关联关系,则服务器在向业务***发送数据获取请求时,可以同时发送企业用户标识所对应的关联用户标识的数据请求说明。如果服务器中预先配置有企业用户标识与关联用户标识的关联关系,则服务器可以直接向业务***发送企业用户标识以及相应的关联用户标识所对应的数据获取请求。
服务器所请求的数据可以包括业务***中预先存储的用户的基础资源数据、交易数据、用户基础信息以及用户信用信息等。业务***中可以存储金融机构自身产生或者获取的用户数据。所述获取的用户数据可以包括从用户方采集的数据,也可以包括从第三方机构或者开源数据库获得的用户数据。
一些实施例中,服务器所请求的数据可以包括基础资源数据。所述基础资源数据可以包括用于表征相应用户所拥有的资源量的数据,以用来初步评估用户的偿还能力。所述基础资源数据如可以包括用户的资产数据、收入数据以及负债数据等。
另一些实施例中,服务器所请求的数据还可以包括评估数据。评估数据可以包括用于表征企业用户在预设时间内可清偿所述资源转移处理请求所对应的资源的概率的数据。所述评估数据如可以包括用户基础数据、交易数据、逾期数据、对外担保、企业征信信息、企业公积金、税务等信息。用于风险评估的数据类型可以通过大量样本的优化分析后确定。
相应的,服务器可以接收业务***反馈的所述账户标识所对应的企业用户的第一基础资源数据、第一评估数据以及所述企业用户的关联用户的第二基础资源数据、第二评估数据。
S24:根据所述第一基础资源数据以及第二基础资源数据计算所述资源转移处理请求所对应的基础转移额度;所述基础转移额度是指用于表征用户当前所具有的偿还能力的资源转移量上限值。
服务器可以根据所述第一基础资源数据以及第二基础资源数据计算所述资源转移处理请求所对应的基础转移额度。所述基础转移额度可以是指用于表征用户当前所具有的偿还能力的资源转移量上限值。
服务器可以从多个维度获取企业用户以及企业用户所对应的关联用户的基础资源数据。如可以获取年收入、年均代发工资、年均上游贷款、年均电费、年均结算金额、年均农业补贴金额、年均应收账款等。然后,还可以根据不维度的重要性赋予不同权重,估算出企业用户的收入额、资产额、负债额。一些实施例中,可以利用下述计算模型初步确定企业用户的基础转移额度:基础转移额度=收入额+资产额-负债额。
一些实施方式中,收入额可以采用下述方式估算:
收入额=MAX{年收入,年均代发工资总额(含公积金),年均上游贷款,年均电费总额,年均医保刷卡金额,年均政采合同金额,年均结算金额,年均农业补贴额,年均应收账款总额,收入额度下限}。即收入额等于以上各个指标中的最大值。当然,上述各个指标仅为优选举例说明,并不构成直接限定。实际应用中,可以根据企业用户的实际情况进行灵活配置。
其中,农业补贴额可以根据农信云贷产品中种植品种对应补贴金额推算而来,适用于农产品联系密切型企业。上游贷款年均值为向上游供应商支付的贷款金额数据,由向上游供应商支付货款额推算得出,适用于供应链相关型企业。对于和政府有采购供应关系的企业,根据政采贷数据可推算政采合同金额,政采合同金额其具体计算过程如下:政采合同金额=采购合同金额-相应预付款-质保金-其他已付款。
另一些实施方式中,还可以给每个指标可以赋予相应权重系数,以调整不同指标对资源转移风险的影响程度。权重***可以通过样本数据分析确定。
在确定最终转移限额时,收入额因为企业用户的主要还款来源,因此收入额的准确评估是非常重要的。通过考虑多维度指标及各指标对应的权重,可以充分考虑不同企业用户、不同场景的特点,进一步提高企业用户收入估算的准确性,进而提高最终转移限额确定的准确性。
另一些实施方式中,还可以进一步设置收入额下限,以在某企业用户的上述类型的数据缺失时对收入额进行初始化。所述收入额下限可以根据不同的企业用户类型分别进行配置。收入额下限的具体数值可以通过对大量样本分析后确定。
一些实施例中,所述资产额可以通过下述方式确定:
资产额=企业用户一年内日均存款金额×A+一年内关联用户的AUM均值×B+一年内本银行房贷月供总额×C+一年内其他银行房贷月供总额
其中,A、B、C为权重系数,AUM为金融资产,用于调整不同指标对资源转移风险的重要程度,可以通过大量样本分析后确定。通过上述方式,可以将金融资产、无形资产、固定资产均纳入核算范围,较为全面地考察了客户资产情况。
另一些实施例中,所述负债额可以采用下述方式确定:
负债额=一年内企业用户在其他金融机构的企业房贷月供总额+一年内关联用户在其他金融机构除房贷外贷款月供总额+一年内关联用户的***额度月均使用量。负债核算有助于进一步考察企业用户目前负债信息,可以进一步准确评估资源转移的风险性。
通过基于上述三个方面进行基础转移额度的估算,可以使得估算的基础转移额度更为准确的表征企业用户的实际偿还能力,进一步提高资源转移风险性评估的准确性。
S26:根据所述第一评估数据以及第二评估数据确定所述资源转移处理请求所对应的第一调整系数。
服务器可以根据所述第一评估数据以及第二评估数据确定所述资源转移处理请求所对应的第一调整系数。通过进一步结合企业用户以及预设关联用户的评估数据确定本次资源转移的风险性,在此基础上,对基础转移额度进行调整,可以保证企业用户获得与其风险性相匹配的转移额度,同时还可以有效降低金融机构的资源损失风险。
一些实施方式中,如可以通过如构建风险识别模型确定第一调整系数。如可以将未在预设时间内完成清偿的资源转移处理作为坏样本,将在预设时间内完成清偿的资源转移处理作为好样本,以各样本的第一评估数据以及第二评估数据作为输入数据,以各样本是好样本还是坏样本作为输出,即以资源转移处理最终是否违约的结果作为目标输出。利用大量的样本数据对风险识别模型进行训练,获得风险识别模型。然后,可以将本次资源转移处理请求所对应的企业用户的第一评估数据以及关联用户的第二评估数据输入训练好的风险识别模型,获得本次资源转移处理请求企业用户可能违约的违约概率。然后,可以基于违约概率确定本次资源转移处理请求的第一调整系数。其中,所述风险识别模型所对应的算法可以采用多种有监督学习算法。当然,实际应用场景中,也可以进一步结合专家经验库进行评估所述资源转移处理请求所对应的第一调整系数,这里不做限定。
实际应用场景中,小型企业用户通常缺乏历史信贷记录、企业征信数据等直观表征企业用户历史违约概率的预设类型数据,仅通过企业用户的基础信息较难对此类企业用户的违约风险性进行准确的评估。一些实施例中,可以进一步基于企业用户是否存在预设类型数据,构建不同的风险识别模型,然后,利用分别构建的风险识别模型对相应的企业用户进行风险识别,进一步提高企业用户违约风险识别的准确性。
一些实施例中,可以基于所述违约概率确定所述资源转移处理请求所对应的风险等级;所述风险等级根据违约概率、坏账率、样本占比以及提升率划分;所述样本占比包括相应风险等级的样本数占总样本数的比例;所述提升率用于表征坏样本数随风险等级的变化特征;所述坏样本是指未在预设时间内完成清偿的资源转移处理。以总额度不良率最小为优化目标,确定各风险等级所对应的额度不良率的第一权重系数;其中,所述额度不良率为相应风险等级的坏账额与相应风险等级下的总额度的比值;所述坏账额为相应风险等级下所有坏样本的基础转移额度之和;所述总额度为相应风险等级下所有样本的基础转移额度之和;所述总额度不良率为各风险等级所对应的额度不良率乘以对应的第一权重系数后的加和。将确定的第一权重系数作为所述资源转移处理请求所对应的第一调整系数。
一些实施方式中,以逻辑回归算法为例说明风险识别模型的构建过程。其中,利用逻辑回归构建模型的量化式可以表述为:
其中,P代表违约概率,x1,x2,…,xn为输入的特征变量。对于存在预设类型数据的风险识别模型的输入特征变量可以包括:企业征信正常类贷款余额、纳税总额、个人征信查询机构数量、贷记卡近半年平均使用额度等。对于无预设类型数据的风险识别模型的输入特征变量包括:对公存款日均余额、客户等级、关联用户的个人征信贷记卡授信额度等。w1,w2,…,wn是每个输入特征变量的权重系数。可以通过样本数据对模型进行训练及测试,以优化w1,w2,…,wn的值。
一些实施方式中,还可以在获得违约概率P后,可以根据以下公式确定风险评分Score:
其中,A与B值为相应转换系数,根据所需的分数跨度来确定。A与B值可以预先根据样本数据确定。
然后,可以对每个风险评分进行风险等级划分。所述风险等级可以根据风险评分、坏账率、样本数占比以及提升率划分。所述样本占比包括相应风险等级的样本数占总样本数的比例。所述坏账率表示坏样本数占总样本数的比例。所述坏样本是指逾期未清偿的资源转移处理请求。所述提升率可以用于表征坏样本数随风险等级的变化特征。一些实施例中,各风险等级对应的提升率可以采用下述方式定量确定:
一些实施方式中,如可以利用下述划分标准将所述风险等级的划分为如下5个风险等级:
(1)各风险等级的评分分值区间的上下界均为5的倍数;
(2)五个风险等级的样本数目服从正态分布,即C等级样本最多,B、D等级样本数次之,A、E样本数最少;
(3)B、C、D等级的上下界的分数差距保持一致;
(4)A、B、C、D、E五个等级提升率依次递增。
最终可分为如表1所示的风险等级。表1表示风险等级示例表。
表1
风险等级 | 风险评分 | 坏账率 | 样本数占比 | 提升率 |
A | (210,280] | 0.152% | 0.2487 | 1.00 |
B | (185,210] | 0.223% | 0.2615 | 1.18 |
C | (160,185] | 0.385% | 0.3349 | 1.61 |
D | (135,160] | 0.611% | 0.1112 | 2.25 |
E | (85,135] | 1.040% | 0.0435 | 3.19 |
然后,可以根据风险等级进行调整系数的确定。以总额度不良率最小为优化目标,确定各风险等级所对应的额度不良率的第一权重系数;其中,所述额度不良率为各风险等级的坏账额与总额度的比值;所述坏账额为相应风险等级下所有坏样本的基础转移额度之和;所述总额度为相应风险等级下所述样本的基础转移额度之和;所述总额度不良率为各风险等级所对应的额度不良率乘以对应的第一权重系数后的加和。一些实施方式中,可以利用如线性规划等方法对上优化目标进行处理,获得各风险等级对应的调整系数。
另一些实施例中,还可以进一步限定约束条件进行上述优化目标的优化处理。假设已知:风险等级X1、X2、X3、X4、X5,每个风险等级下的总额度,每个风险等级下的坏账额。根据下述约束条件进行优化处理:
(1)系数X1到X5逐级递减;
(2)系数X1到X5两两相差大于等于0.1;
(3)系数X1、X2大于1,系数X3、X4、X5小于1;
(4)额度占比之和为100%。
其中,风险等级i的额度占比为:
在一个具体场景实例中,最终不同风险等级的调整系数如表2所示。表2表示各风险等级对应的调整系数示例表。
表2
风险等级 | 第一调整系数 |
A | 1.2 |
B | 1.1 |
C | 1 |
D | 0.9 |
E | 0.8 |
在另一个具体场景实例中,最终计算得到的风险等级、调整系数、额度不良率、额度占比如表3所示。表3表示风险等级、调整系数、额度不良率、额度占比示例表。
表3
S28:根据所述基础转移额度及第一调整系数确定所述资源转移处理请求的资源转移限额。
服务器可以根据所述基础转移额度及第一调整系数确定所述资源转移处理请求的转移限额。如可以参考第一调整系数适当调整所述基础转移额度,获得所述资源转移处理请求的资源转移限额。或者,可以将所述第一调整系数与基础转移额度的乘积作为所述资源转移处理请求的转移限额。通过上述方式量化得到第一调整系数,利用第一调整系数对基础转移额度进行约束,可以提升违约概率更低的企业用户所获得的转移限额,降低违约概率高的企业用户的转移限额,同时保障整体额度不良率最低,控制金融机构的整体资源转移损失风险。
上述实施例通过在考虑上述企业用户自身所拥有的资源量的基础上,进一步考虑对所述企业用户的偿还能力以及风险性存在一定影响的关联用户所拥有的资源量,初步确定所述企业用户可获得的基础转移额度。然后,再基于上述企业用户的评估数据以及对所述企业用户的偿还能力以及风险性存在一定影响的用户的评估数据确定所述企业用户的风险性。然后,将综合评定的第一调整***作为权重系数,对所述基础转移额度进行调整,确定所述企业用户的最终转移限额,在该限额的范围内对企业用户的资源转移处理请求进行处理,在保证企业用户获得合理的资源转移量的同时,有效降低金融机构的资源损失风险。
图2为本说明书另一些实施例中提供的资源转移限额确定方法流程示意图。如图2所示,另一些实施例中,所述方法还可以包括:
S280:判断所述企业用户标识在所述业务***中是否存在指定类型的历史资源转移记录;
S282:如果存在,则根据第一层级识别模型确定所述资源转移处理请求所对应的风险层级;其中,所述第一层级识别模型根据不存在指定类型的历史资源转移记录的企业用户所对应的第一层级数据作为样本数据构建;
S284:如果不存在,则根据第二层级识别模型确定所述资源转移处理请求所对应的风险层级;其中,所述第二层级识别模型根据存在指定类型的历史资源转移记录的企业用户所对应的第二层级数据作为样本数据构建;
S286:以总额度不良率最小为优化目标,确定各风险层级所对应的额度不良率的第二权重系数;其中,所述额度不良率为相应风险层级的坏账额与相应风险层级下的总额度的比值;所述坏账额为相应风险层级下所有坏样本的基础转移额度之和;所述总额度为相应风险层级下所述样本的基础转移额度之和;所述总额度不良率为各风险层级所对应的额度不良率乘以对应的第二权重系数后的加和,将确定的第二权重系数作为所述资源转移处理请求所对应的第二调整系数。
S288:根据所述基础转移额度、第一调整系数以及第二调整系数确定所述资源转移处理请求的资源转移限额。
一些实施例中,可以基于用户在所述业务***中是否存在指定类型的历史资源转移记录,分别确定所述资源转移处理请求所对应的第二调整系数,以对基础转移额度进行进一步调整修正。所述指定类型的历史资源转移记录如可以包括企业用户通过借贷或者融资等形式从当前金融机构进行资源借入的资源转移记录。第一调整系数是基于用户的历史违约概率量化得到的,但对于新用户,由于与金融机构合作时间短,积累数据少,较难获得全面数据,可能经过上述步骤得到的最终转移限额较低。而对于存量用户,可能虽然存在部分逾期数据,但鉴于其对金融机构的合作较为密切等原因,也需要适当对转移资源限额进行适当调整,以保证金融机构的客户粘滞性。
假设存在指定类型的历史资源转移记录为存量用户,不存在指定类型的历史资源转移记录的为新用户。
可以利用下述方式对新用户进行层级划分:
企业规模:可以利用收入额来衡量企业规模,把新用户的企业规模区分为大规模、中等规模、小规模三层,具体的区分标准可以根据大量样本数据分析确定;
所属行业:可以把企业用户所属的行业进行划分。如可以分为贸易行业、制造行业、服务行业和其他行业四层,其中前三类行业基本可以包含目前大部分小型企业的行业类型;
所属区域:可以把企业用户的所属区域分为华北(北京、天津、河北、山西、内蒙古)、华中(湖北、湖南、河南、江西)、华东(山东、江苏、安徽、浙江、福建、上海)、华南(广东、广西、海南)、西南(四川、云南、贵州、西藏、重庆)、西北(宁夏、新疆、青海、陕西、甘肃)、东北(辽宁、吉林、黑龙江)共六类;
经营年限:可以根据经营年限将企业用户分为经营年限较短、经营年限中等、经营年限较长三类。
可以利用下述方式对存量用户进行层级划分:
贡献度:根据企业用户在当前金融机构的月均金融资产对企业用户进行贡献度划分。可以分为5档。按照企业的月均资产从低到高的顺序分为5档,分别为贡献度极低A档、贡献度较低B档、贡献度中等C档、贡献度较高D档和贡献度极高E档;
忠诚度:根据企业用户与当前金融机构的合作年限,按照合作年限从低到高的顺序可以分为5档,分别为忠诚度极低A档、忠诚度较低B档、忠诚度中等C档、忠诚度较高D档、忠诚度极高E档;
信贷历史长度:可以根据企业用户在当前金融机构最近一笔借贷申请日期减去第一笔借贷申请日期得到用户的信贷历史长度。信贷历史长度按照时间长度从低到高的顺序分为5档,分别为信贷历史长度极短(A档),信贷历史长度较短(B档),信贷历史长度中等(C档),信贷历史长度较长(D档),信贷历史长度极长(E档)。
可以根据新用户所对应的上述第二层级数据作为样本数据构建第二层级识别模型。利用存量用户所对应的上述第一层级数据作为样本数据构建第一层级识别模型。然后,可以判断所述企业用户标识在所述业务***中是否存在指定类型的历史资源转移记录。如果存在,则根据第一层级识别模型确定所述资源转移处理请求所对应的风险层级。如果不存在,则根据第二层级识别模型确定所述资源转移处理请求所对应的风险层级。
一些实施场景示例中,可以根据上述分层指标分为六层,风险程度依次递减,分别为高风险1,高风险2,中风险3,中风险4,低风险5,低风险6。具体分层方式可以如图3所示。当然,上述层级划分方式仅为优选举例说明,并不构成对本说明书实施例方案的直接限定。
然后,可以以总额度不良率最小为优化目标,确定各风险层级所对应的额度不良率的第二权重系数;其中,所述额度不良率为相应风险层级的坏账额与相应风险层级下的总额度的比值;所述坏账额为相应风险层级下所有坏样本的基础转移额度之和;所述总额度为相应风险层级下所述样本的基础转移额度之和;所述总额度不良率为各风险层级所对应的额度不良率乘以对应的第二权重系数后的加和。将确定的第二权重系数作为所述资源转移处理请求所对应的第二调整系数。经过第二调整系数调整后,低风险层级用户经过第二调整系数调整后可以获得更高转移限额,高风险层级用户经过第二调整系数调整后转移限额适当降低。从而在保证金融机构的整体损失较小的同时,使得不同类型的用户最终获得较为合理的资源转移限额。
一个场景实例中,不同分层对应的第二调整系数如表4所示。表4表示各风险层级所对应的调整系数示例表。
表4
风险层级 | 第二调整系数 |
低风险6 | 1.4 |
低风险5 | 1.3 |
中风险4 | 1.2 |
中风险3 | 1.1 |
高风险2 | 0.95 |
高风险1 | 0.9 |
服务器可以根据所述资源基础额度、第一调整系数以及第二调整系数确定所述资源转移处理请求的资源转移限额。
一些实施例中,可以利用下述模型确定转移限额:
S=S0×M1×M2
其中,S为资源转移额度,S0为基础转移额度,M1为第一调整系数,M2为第二调整系数。
上述实施例,通过进一步基于不同类型的用户的特征进行风险细化,然后,进一步对所述基础上限额进行调整,确定所述企业用户的最终转移限额,可以在进一步保证企业用户满意度的同时,有效降低金融机构的资源损失风险。
另一些实施例中,可以判断所述资源转移处理请求所请求转移的资源量是否大于确定的所述资源转移限额;如果判断结果为否,则继续所述资源转移处理请求所对应的资源转移数据处理;如果判断结果为是,则将判断结果反馈给所述终端设备,以使终端设备进行展示。
另一些实施例中,还可以获取所述资源转移处理请求所对应的资源转移产品的产品资源转移限额。各资源转移产品的产品资源转移限额可以预先由服务器根据各资源产品的资源转移限额确定模型确定,并存储在业务***中。服务器可以获取所述资源转移处理请求所对应的资源转移产品的产品标识,根据产品标识从业务***中获取相应的产品资源转移限额。然后,服务器可以比对所述产品资源转移限额与所述资源转移限额,根据比对结果对所述资源转移处理请求进行处理。对比产品资源转移限额X和资源转移限额Y,若X<Y,则以X为最终资源转移上限额,基于X对所述资源转移处理请求进行处理;若X>Y,则以Y为最终资源转移上限额,基于Y对所述资源转移处理请求进行处理。通过进一步结合各产品的资源转移限额进行最终资源转移上限额的确定,可以进一步降低金融机构的资源损失风险性。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。具体的可以参照前述相关处理相关实施例的描述,在此不做一一赘述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书一个或多个实施例提供的资源转移限额确定方法,通过在考虑企业用户自身所拥有的资源量的基础上,进一步考虑对所述企业用户的偿还能力以及偿还概率存在一定影响的关联用户所拥有的资源量,初步确定所述企业用户可获得的基础转移额度。然后,再基于上述企业用户以及对所述企业用户的偿还能力以及偿还概率存在一定影响的用户的违约概率评估数据确定所述企业用户的违约概率。然后,基于该违约概率定量确定调整系数,以对所述基础上限额进行调整,确定所述企业用户的最终转移限额,以该限额为基准对企业用户的资源转移处理请求进行处理。保证企业用户获得合理的资源转移量,在提高业务处理效率以及客户满意度的同时,有效降低金融机构的资源损失风险。
基于上述所述的资源转移限额确定方法,本说明书一个或多个实施例还提供一种资源转移限额确定装置。所述的装置可以包括使用了本说明书实施例所述方法的***、软件(应用)、模块、组件、服务器等并结合必要的实施硬件的装置。基于同一创新构思,本说明书实施例提供的一个或多个实施例中的装置如下面的实施例所述。由于装置解决问题的实现方案与方法相似,因此本说明书实施例具体的装置的实施可以参见前述方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。具体的,图4表示说明书提供的一种资源转移限额确定装置实施例的模块结构示意图,应用于服务器,如图4所示,所述装置可以包括:
数据接收模块102,可以用于接收终端设备发送的资源转移处理请求,所述资源转移处理请求包括账户标识;所述账户标识用于对所述资源转移处理请求所对应的资源接收账户进行标识;
数据获取模块104,可以用于基于所述账户标识从业务***中获取所述账户标识所对应的企业用户标识的第一基础资源数据、第一评估数据以及所述企业用户标识所对应的关联用户标识的第二基础资源数据、第二评估数据;其中,所述关联用户标识用于对所述企业用户标识所标识的企业用户的关联用户进行标识;所述关联用户包括对所述企业用户能否在预设时间内清偿所述资源转移处理请求所对应的资源的影响度满足预设要求的用户;基础资源数据包括用于表征相应用户所拥有的资源量的数据;评估数据包括用于表征相应用户在预设时间内可清偿所述资源转移处理请求所对应的资源的风险性的数据;
基础额度确定模块106,可以用于根据所述第一基础资源数据以及第二基础资源数据计算所述资源转移处理请求所对应的基础转移额度;所述基础转移额度是指用于表征用户当前所具有的偿还能力的资源转移量上限值;
第一系数确定模块108,可以用于根据所述第一评估数据以及第二评估数据确定所述资源转移处理请求所对应的第一调整系数;
转移额度确定模块110,可以用于根据所述基础转移额度以及第一调整系数确定所述资源转移处理请求的资源转移限额。
另一些实施例中,第一系数确定模块108可以包括:
第一判断单元,可以用于判断所述企业用户标识下是否存在预设类型数据;所述预设类型数据是指用于表征用户历史违约概率的数据;
第一识别单元,可以用于如果存在,则将所述第一评估数据以及第二评估数据输入第一风险识别模型,获得所述资源转移处理请求所对应的违约概率;其中,所述第一风险识别模型根据存在预设类型数据的企业用户以及相应企业用户所对应的关联用户的评估数据作为样本数据构建;
第二识别单元,可以用于如果不存在,则将所述第一评估数据以及第二评估数据输入第二风险识别模型,获得所述资源转移处理请求所对应的违约概率;其中,所述第一风险识别模型根据不存在预设类型数据的企业用户以及相应企业用户所对应的关联用户的评估数据作为样本数据构建;
第一系数确定单元,可以用于根据所述违约概率确定所述资源转移处理请求的第一调整系数。
另一些实施例中,所述第一系数确定模块108还可以包括:
等级确定单元,可以用于基于所述违约概率确定所述资源转移处理请求所对应的风险等级;所述风险等级根据违约概率、坏账率、样本占比以及提升率划分;所述样本占比包括相应风险等级的样本数占总样本数的比例;所述提升率用于表征坏样本数随风险等级的变化特征;所述坏样本是指未在预设时间内完成清偿的资源转移处理;
第一优化单元,可以用于以总额度不良率最小为优化目标,确定各风险等级所对应的额度不良率的第一权重系数;其中,所述额度不良率为相应风险等级的坏账额与相应风险等级下的总额度的比值;所述坏账额为相应风险等级下所有坏样本的基础转移额度之和;所述总额度为相应风险等级下所有样本的基础转移额度之和;所述总额度不良率为各风险等级所对应的额度不良率乘以对应的第一权重系数后的加和;
第二系数确定单元,可以用于将确定的第一权重系数作为所述资源转移处理请求所对应的第一调整系数。
另一些实施例中,所述装置还可以包括第二系数确定模块,所述第二系数确定模块可以包括:
第二判断单元,可以用于判断所述企业用户标识在所述业务***中是否存在指定类型的历史资源转移记录;
第三识别单元,可以用于如果存在,则根据第一层级识别模型确定所述资源转移处理请求所对应的风险层级;其中,所述第一层级识别模型根据不存在指定类型的历史资源转移记录的企业用户所对应的第一层级数据作为样本数据构建;
第四识别单元,可以用于如果不存在,则根据第二层级识别模型确定所述资源转移处理请求所对应的风险层级;其中,所述第二层级识别模型根据存在指定类型的历史资源转移记录的企业用户所对应的第二层级数据作为样本数据构建;
第二优化单元,可以用于以总额度不良率最小为优化目标,确定各风险层级所对应的额度不良率的第二权重系数;其中,所述额度不良率为相应风险层级的坏账额与相应风险层级下的总额度的比值;所述坏账额为相应风险层级下所有坏样本的基础转移额度之和;所述总额度为相应风险层级下所述样本的基础转移额度之和;所述总额度不良率为各风险层级所对应的额度不良率乘以对应的第二权重系数后的加和;
第三系数确定单元,可以用于将确定的第二权重系数作为所述资源转移处理请求所对应的第二调整系数;
所述转移额度确定模块还可以用于根据所述基础转移额度、第一调整系数以及第二调整系数确定所述资源转移处理请求的资源转移限额。
需要说明的,上述所述的装置根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
本说明书一个或多个实施例提供的资源转移限额确定装置,通过在考虑企业用户自身所拥有的资源量的基础上,进一步考虑对所述企业用户的偿还能力以及偿还概率存在一定影响的关联用户所拥有的资源量,初步确定所述企业用户可获得的基础转移额度。然后,再基于上述企业用户以及对所述企业用户的偿还能力以及偿还概率存在一定影响的用户的违约概率评估数据确定所述企业用户的违约概率。然后,基于该违约概率定量确定调整系数,以对所述基础上限额进行调整,确定所述企业用户的最终转移限额,以该限额为基准对企业用户的资源转移处理请求进行处理。保证企业用户获得合理的资源转移量,在提高业务处理效率以及客户满意度的同时,有效降低金融机构的资源损失风险。
本说明书提供的上述实施例所述的方法或装置可以通过计算机程序实现业务逻辑并记录在存储介质上,所述的存储介质可以计算机读取并执行,实现本说明书实施例所描述方案的效果。因此,本说明书还提供一种资源转移限额确定设备,包括处理器及存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现包括上述任意一个实施例所述方法的步骤。
本说明书实施例所提供的身份验证设备可以为计算机终端、服务器或者类似的运算设备。以服务器上为例,图5是应用本说明书实施例的服务器的硬件结构框图。如图5所示,服务器100可以包括一个或多个(图中仅示出一个)处理器200(处理器200可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器300、以及用于通信功能的传输模块400。本领域普通技术人员可以理解,图5所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器100还可包括比图5中所示更多或者更少的组件,例如还可以包括其他的处理硬件,如数据库或多级缓存、GPU,或者具有与图5示不同的配置。
存储器300可用于存储应用软件的软件程序以及模块,如本发明实施例中的搜索方法对应的程序指令/模块,处理器200通过运行存储在存储器300内的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器300可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器300可进一步包括相对于处理器200远程设置的存储器,这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输模块400用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端的通信供应商提供的无线网络。在一个实例中,传输模块400包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输模块400可以为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
所述存储介质可以包括用于存储信息的物理装置,通常是将信息数字化后再以利用电、磁或者光学等方式的媒体加以存储。所述存储介质有可以包括:利用电能方式存储信息的装置如,各式存储器,如RAM、ROM等;利用磁能方式存储信息的装置如,硬盘、软盘、磁带、磁芯存储器、磁泡存储器、U盘;利用光学方式存储信息的装置如,CD或DVD。当然,还有其他方式的可读存储介质,例如量子存储器、石墨烯存储器等等。
需要说明的,上述所述的设备根据方法实施例的描述还可以包括其他的实施方式。具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
上述实施例所述的资源转移限额确定设备,通过在考虑企业用户自身所拥有的资源量的基础上,进一步考虑对所述企业用户的偿还能力以及偿还概率存在一定影响的关联用户所拥有的资源量,初步确定所述企业用户可获得的基础转移额度。然后,再基于上述企业用户以及对所述企业用户的偿还能力以及偿还概率存在一定影响的用户的违约概率评估数据确定所述企业用户的违约概率。然后,基于该违约概率定量确定调整系数,以对所述基础上限额进行调整,确定所述企业用户的最终转移限额,以该限额为基准对企业用户的资源转移处理请求进行处理。保证企业用户获得合理的资源转移量,在提高业务处理效率以及客户满意度的同时,有效降低金融机构的资源损失风险。
本说明书还提供一种资源转移限额确定***,所述***可以为单独的资源转移限额确定***,也可以应用在多种计算机数据处理***中。所述的***可以为单独的服务器,也可以包括使用了本说明书的一个或多个所述方法或一个或多个实施例装置的服务器集群、***(包括分布式***)、软件(应用)、实际操作装置、逻辑门电路装置、量子计算机等并结合必要的实施硬件的终端装置。所述资源转移限额确定***可以包括资源管理***以及服务器,所述资源管理***包括一个或者多个业务子***,其中,所述资源管理***可以用于向所述服务器发送资源转移数据;所述服务器可以包括至少一个处理器以及存储计算机可执行指令的存储器,所述处理器执行所述指令时实现上述一个或者多个实施例所述方法的步骤;所述资源管理***的一个或者多个业务子***可以用于接收识别结果,以及对目标监控账户类型的账户进行管控处理。
需要说明的,上述所述的***根据方法或者装置实施例的描述还可以包括其他的实施方式,具体的实现方式可以参照相关方法实施例的描述,在此不作一一赘述。
上述实施例所述的资源转移限额确定***,通过在考虑企业用户自身所拥有的资源量的基础上,进一步考虑对所述企业用户的偿还能力以及偿还概率存在一定影响的关联用户所拥有的资源量,初步确定所述企业用户可获得的基础转移额度。然后,再基于上述企业用户以及对所述企业用户的偿还能力以及偿还概率存在一定影响的用户的违约概率评估数据确定所述企业用户的违约概率。然后,基于该违约概率定量确定调整系数,以对所述基础上限额进行调整,确定所述企业用户的最终转移限额,以该限额为基准对企业用户的资源转移处理请求进行处理。保证企业用户获得合理的资源转移量,在提高业务处理效率以及客户满意度的同时,有效降低金融机构的资源损失风险。
本说明书实施例并不局限于必须是符合标准数据模型/模板或本说明书实施例所描述的情况。某些行业标准或者使用自定义方式或实施例描述的实施基础上略加修改后的实施方案也可以实现上述实施例相同、等同或相近、或变形后可预料的实施效果。应用这些修改或变形后的数据获取、存储、判断、处理方式等获取的实施例,仍然可以属于本说明书的可选实施方案范围之内。
上述实施例阐明的***、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本说明书是参照根据本说明书实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本本说明书一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述并不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种资源转移限额确定方法,其特征在于,应用于服务器,包括:
接收终端设备发送的资源转移处理请求,所述资源转移处理请求包括账户标识;所述账户标识用于对所述资源转移处理请求所对应的资源接收账户进行标识;
基于所述账户标识从业务***中获取所述账户标识所对应的企业用户标识的第一基础资源数据、第一评估数据以及所述企业用户标识所对应的关联用户标识的第二基础资源数据、第二评估数据;其中,所述关联用户标识用于对所述企业用户标识所标识的企业用户的关联用户进行标识;所述关联用户包括对所述企业用户能否在预设时间内清偿所述资源转移处理请求所对应的资源的影响度满足预设要求的用户;基础资源数据包括用于表征相应用户所拥有的资源量的数据;评估数据包括用于表征相应用户在预设时间内可清偿所述资源转移处理请求所对应的资源的概率的数据;
根据所述第一基础资源数据以及第二基础资源数据计算所述资源转移处理请求所对应的基础转移额度;所述基础转移额度是指用于表征用户当前所具有的偿还能力的资源转移量上限值;
根据所述第一评估数据以及第二评估数据确定所述资源转移处理请求所对应的第一调整系数;
根据所述基础转移额度以及第一调整系数确定所述资源转移处理请求的资源转移限额。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一评估数据以及第二评估数据确定所述资源转移处理请求所对应的第一调整系数,包括:
判断所述企业用户标识下是否存在预设类型数据;所述预设类型数据包括用于表征用户历史违约概率的数据;
如果存在,则将所述第一评估数据以及第二评估数据输入第一风险识别模型,获得所述资源转移处理请求所对应的违约概率;其中,所述第一风险识别模型根据存在预设类型数据的企业用户以及相应企业用户所对应的关联用户的评估数据作为样本数据构建;
如果不存在,则将所述第一评估数据以及第二评估数据输入第二风险识别模型,获得所述资源转移处理请求所对应的违约概率;其中,所述第一风险识别模型根据不存在预设类型数据的企业用户以及相应企业用户所对应的关联用户的评估数据作为样本数据构建;
根据所述违约概率确定所述资源转移处理请求的第一调整系数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述违约概率确定所述资源转移处理请求的第一调整系数,包括:
基于所述违约概率确定所述资源转移处理请求所对应的风险等级;所述风险等级根据违约概率、坏账率、样本占比以及提升率划分;所述样本占比包括相应风险等级的样本数占总样本数的比例;所述提升率用于表征坏样本数随风险等级的变化特征;所述坏样本是指未在预设时间内完成清偿的资源转移处理;
以总额度不良率最小为优化目标,确定各风险等级所对应的额度不良率的第一权重系数;其中,所述额度不良率为相应风险等级的坏账额与相应风险等级下的总额度的比值;所述坏账额为相应风险等级下所有坏样本的基础转移额度之和;所述总额度为相应风险等级下所有样本的基础转移额度之和;所述总额度不良率为各风险等级所对应的额度不良率乘以对应的第一权重系数后的加和;
将确定的第一权重系数作为所述资源转移处理请求所对应的第一调整系数。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
判断所述企业用户标识在所述业务***中是否存在指定类型的历史资源转移记录;
如果存在,则根据第一层级识别模型确定所述资源转移处理请求所对应的风险层级;其中,所述第一层级识别模型根据不存在指定类型的历史资源转移记录的企业用户所对应的第一层级数据作为样本数据构建;
如果不存在,则根据第二层级识别模型确定所述资源转移处理请求所对应的风险层级;其中,所述第二层级识别模型根据存在指定类型的历史资源转移记录的企业用户所对应的第二层级数据作为样本数据构建;
以总额度不良率最小为优化目标,确定各风险层级所对应的额度不良率的第二权重系数;其中,所述额度不良率为相应风险层级的坏账额与相应风险层级下的总额度的比值;所述坏账额为相应风险层级下所有坏样本的基础转移额度之和;所述总额度为相应风险层级下所述样本的基础转移额度之和;所述总额度不良率为各风险层级所对应的额度不良率乘以对应的第二权重系数后的加和;
将确定的第二权重系数作为所述资源转移处理请求所对应的第二调整系数;
根据所述基础转移额度、第一调整系数以及第二调整系数确定所述资源转移处理请求的资源转移限额。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述资源转移处理请求所对应的资源转移产品的产品资源转移限额;
比对所述产品资源转移限额与所述资源转移限额,根据比对结果对所述资源转移处理请求进行处理。
6.一种资源转移限额确定装置,其特征在于,应用于服务器,包括:
数据接收模块,用于接收终端设备发送的资源转移处理请求,所述资源转移处理请求包括账户标识;所述账户标识用于对所述资源转移处理请求所对应的资源接收账户进行标识;
数据获取模块,用于基于所述账户标识从业务***中获取所述账户标识所对应的企业用户标识的第一基础资源数据、第一评估数据以及所述企业用户标识所对应的关联用户标识的第二基础资源数据、第二评估数据;其中,所述关联用户标识用于对所述企业用户标识所标识的企业用户的关联用户进行标识;所述关联用户包括对所述企业用户能否在预设时间内清偿所述资源转移处理请求所对应的资源的影响度满足预设要求的用户;基础资源数据包括用于表征相应用户所拥有的资源量的数据;评估数据包括用于表征相应用户在预设时间内可清偿所述资源转移处理请求所对应的资源的概率的数据;
基础额度确定模块,用于根据所述第一基础资源数据以及第二基础资源数据计算所述资源转移处理请求所对应的基础转移额度;所述基础转移额度是指用于表征用户当前所具有的偿还能力的资源转移量上限值;
第一系数确定模块,用于根据所述第一评估数据以及第二评估数据确定所述资源转移处理请求所对应的第一调整系数;
转移额度确定模块,用于根据所述基础转移额度以及第一调整系数确定所述资源转移处理请求的资源转移限额。
7.根据权利要求6所述的装置,其特征在于,第一系数确定模块包括:
第一判断单元,用于判断所述企业用户标识下是否存在预设类型数据;所述预设类型数据包括用于表征用户历史违约概率的数据;
第一识别单元,用于如果存在,则将所述第一评估数据以及第二评估数据输入第一风险识别模型,获得所述资源转移处理请求所对应的违约概率;其中,所述第一风险识别模型根据存在预设类型数据的企业用户以及相应企业用户所对应的关联用户的评估数据作为样本数据构建;
第二识别单元,用于如果不存在,则将所述第一评估数据以及第二评估数据输入第二风险识别模型,获得所述资源转移处理请求所对应的违约概率;其中,所述第一风险识别模型根据不存在预设类型数据的企业用户以及相应企业用户所对应的关联用户的评估数据作为样本数据构建;
第一系数确定单元,用于根据所述违约概率确定所述资源转移处理请求的第一调整系数。
8.根据权利要求7所述的装置,其特征在于,所述第一系数确定模块还包括:
等级确定单元,用于基于所述违约概率确定所述资源转移处理请求所对应的风险等级;所述风险等级根据违约概率、坏账率、样本占比以及提升率划分;所述样本占比包括相应风险等级的样本数占总样本数的比例;所述提升率用于表征坏样本数随风险等级的变化特征;所述坏样本是指未在预设时间内完成清偿的资源转移处理;
第一优化单元,用于以总额度不良率最小为优化目标,确定各风险等级所对应的额度不良率的第一权重系数;其中,所述额度不良率为相应风险等级的坏账额与相应风险等级下的总额度的比值;所述坏账额为相应风险等级下所有坏样本的基础转移额度之和;所述总额度为相应风险等级下所有样本的基础转移额度之和;所述总额度不良率为各风险等级所对应的额度不良率乘以对应的第一权重系数后的加和;
第二系数确定单元,用于将确定的第一权重系数作为所述资源转移处理请求所对应的第一调整系数。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括第二系数确定模块,所述第二系数确定模块包括:
第二判断单元,用于判断所述企业用户标识在所述业务***中是否存在指定类型的历史资源转移记录;
第三识别单元,用于如果存在,则根据第一层级识别模型确定所述资源转移处理请求所对应的风险层级;其中,所述第一层级识别模型根据不存在指定类型的历史资源转移记录的企业用户所对应的第一层级数据作为样本数据构建;
第四识别单元,用于如果不存在,则根据第二层级识别模型确定所述资源转移处理请求所对应的风险层级;其中,所述第二层级识别模型根据存在指定类型的历史资源转移记录的企业用户所对应的第二层级数据作为样本数据构建;
第二优化单元,用于以总额度不良率最小为优化目标,确定各风险层级所对应的额度不良率的第二权重系数;其中,所述额度不良率为相应风险层级的坏账额与相应风险层级下的总额度的比值;所述坏账额为相应风险层级下所有坏样本的基础转移额度之和;所述总额度为相应风险层级下所述样本的基础转移额度之和;所述总额度不良率为各风险层级所对应的额度不良率乘以对应的第二权重系数后的加和;
第三系数确定单元,用于将确定的第二权重系数作为所述资源转移处理请求所对应的第二调整系数;
所述转移额度确定模块还用于根据所述基础转移额度、第一调整系数以及第二调整系数确定所述资源转移处理请求的资源转移限额。
10.一种资源转移限额确定***,其特征在于,所述***包括至少一个处理器及用于存储处理器可执行指令的存储器,所述指令被所述处理器执行时实现权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010599174.XA CN111798301A (zh) | 2020-06-28 | 2020-06-28 | 一种资源转移限额确定方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010599174.XA CN111798301A (zh) | 2020-06-28 | 2020-06-28 | 一种资源转移限额确定方法、装置及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111798301A true CN111798301A (zh) | 2020-10-20 |
Family
ID=72803927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010599174.XA Pending CN111798301A (zh) | 2020-06-28 | 2020-06-28 | 一种资源转移限额确定方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111798301A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112860804A (zh) * | 2021-03-31 | 2021-05-28 | 中国工商银行股份有限公司 | 一种熔断限额数据同步方法和装置 |
CN112862622A (zh) * | 2021-03-03 | 2021-05-28 | 泰康保险集团股份有限公司 | 数据处理***及方法、存储介质及电子终端 |
CN112950208A (zh) * | 2021-03-29 | 2021-06-11 | 建信金融科技有限责任公司 | 一种基于区块链的账务信息处理方法和装置 |
CN113505981A (zh) * | 2021-07-07 | 2021-10-15 | 苏州达家迎信息技术有限公司 | 扁平式业务场景中业务资源确定方法、装置及存储介质 |
CN113643118A (zh) * | 2021-07-02 | 2021-11-12 | 重庆度小满优扬科技有限公司 | 一种用于客户分层的方法和装置 |
-
2020
- 2020-06-28 CN CN202010599174.XA patent/CN111798301A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862622A (zh) * | 2021-03-03 | 2021-05-28 | 泰康保险集团股份有限公司 | 数据处理***及方法、存储介质及电子终端 |
CN112950208A (zh) * | 2021-03-29 | 2021-06-11 | 建信金融科技有限责任公司 | 一种基于区块链的账务信息处理方法和装置 |
CN112860804A (zh) * | 2021-03-31 | 2021-05-28 | 中国工商银行股份有限公司 | 一种熔断限额数据同步方法和装置 |
CN112860804B (zh) * | 2021-03-31 | 2024-03-08 | 中国工商银行股份有限公司 | 一种熔断限额数据同步方法和装置 |
CN113643118A (zh) * | 2021-07-02 | 2021-11-12 | 重庆度小满优扬科技有限公司 | 一种用于客户分层的方法和装置 |
CN113643118B (zh) * | 2021-07-02 | 2023-08-25 | 度小满科技(北京)有限公司 | 一种用于客户分层的方法和装置 |
CN113505981A (zh) * | 2021-07-07 | 2021-10-15 | 苏州达家迎信息技术有限公司 | 扁平式业务场景中业务资源确定方法、装置及存储介质 |
CN113505981B (zh) * | 2021-07-07 | 2024-01-16 | 苏州达家迎信息技术有限公司 | 扁平式业务场景中业务资源确定方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111798301A (zh) | 一种资源转移限额确定方法、装置及*** | |
TWI248001B (en) | Methods and apparatus for automated underwriting of segmentable portfolio assets | |
CN112862298B (zh) | 一种针对用户画像的信用评估方法 | |
CN111754116B (zh) | 一种基于标签画像技术的信用评估方法及装置 | |
CA2362447A1 (en) | Valuation prediction models in situations with missing inputs | |
EP1212694A2 (en) | Methods and systems for efficiently sampling portfolios for optimal underwriting | |
CA2362441A1 (en) | Methods and systems for optimizing return and present value | |
EP1264242A1 (en) | Methods and systems for automated inferred valuation of credit scoring | |
EP1259917A1 (en) | Methods and apparatus for simulating competitive bidding yield | |
EP1259892A2 (en) | Rapid valuation of portfolios of assets such as financial instruments | |
WO2001050316A2 (en) | Methods and systems for finding value and reducing risk | |
WO2001050314A2 (en) | Methods and systems for quantifying cash flow recovery and risk | |
CN111506876B (zh) | 一种数据预测分析方法、***、设备及可读存储介质 | |
CN113256324A (zh) | 数据资产定价方法、装置、计算机设备和存储介质 | |
CN106600146A (zh) | 一种电费回收风险评价方法和装置 | |
CN114004530B (zh) | 基于排序支撑向量机的企业电力信用分建模方法及*** | |
CN113962526A (zh) | 电力交易服务费违约风险评估方法、设备和计算机可读存储介质 | |
CN113159545A (zh) | 确定价值属性值的方法、装置、电子设备和存储介质 | |
CN116703563A (zh) | 一种基于量化分析模型的信贷策略 | |
CN111080130A (zh) | 综合电力用户缴费指标和行业公开指标的电力用户信用评价方法与*** | |
CN116402528A (zh) | 电力数据处理*** | |
Lu et al. | Research on time series data prediction based on clustering algorithm-A case study of Yuebao | |
CN116703534B (zh) | 一种电商订单数据智能管理方法 | |
Zhao | Mining and Analysis of Power Data Models Based on Neural Network Prediction | |
CN118096342A (zh) | 账户对象数据处理方法、装置、计算机设备、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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220906 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right |