CN114240100A - 贷款评估方法、装置、计算机设备和存储介质 - Google Patents
贷款评估方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114240100A CN114240100A CN202111460946.2A CN202111460946A CN114240100A CN 114240100 A CN114240100 A CN 114240100A CN 202111460946 A CN202111460946 A CN 202111460946A CN 114240100 A CN114240100 A CN 114240100A
- Authority
- CN
- China
- Prior art keywords
- auditing
- indexes
- initial
- performance capability
- loan
- 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 107
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000004590 computer program Methods 0.000 claims abstract description 51
- 238000012216 screening Methods 0.000 claims abstract description 24
- 238000012550 audit Methods 0.000 claims description 90
- 238000012552 review Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 14
- 238000004900 laundering Methods 0.000 claims description 10
- 238000000491 multivariate analysis Methods 0.000 claims description 10
- 238000007473 univariate analysis Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 6
- 238000012797 qualification Methods 0.000 abstract description 14
- 238000005520 cutting process Methods 0.000 abstract description 5
- 238000011156 evaluation Methods 0.000 description 15
- 230000001419 dependent effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013474 audit trail Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007306 turnover Effects 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及一种贷款评估方法、装置、计算机设备、存储介质和计算机程序产品,应用于贷款评估服务器,该方法包括:获取企业用户的多个初始审核指标以及与多个初始审核指标中每一审核指标对应的指标数据;根据多个初始审核指标中每一初始审核指标对应的指标数据对多个初始审核指标进行筛选得到多个目标审核指标;根据多个目标审核指标对应的指标数据确定企业用户是否满足贷款要求。本申请提供的贷款评估方法能够避免信贷机构通过的一刀切的授信准入标准对所有小微企业用户进行贷款资格的评估,导致小微企业用户的贷款申请通过率较低且申请的贷款额度较低的问题。
Description
技术领域
本申请涉及大数据分析技术领域,特别是涉及一种贷款评估方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
小微企业是国民经济的基本细胞,小微活、就业旺、经济兴。为了加强对中小企业的扶持,支持企业创新,培育一批“转精特新”的中小企业。为小微企业提供用于短期生产经营周转的小额贷款业务应运而生。
传统的小微授信模型通常基于个人征信、企业征信、评分卡等信用评级指标作为一刀切的授信准入标准,并依据简单的、单一的数据来源为客户提供一定的授信额度,授信参考的维度比较单调,使得小微企业的贷款申请通过率较低且申请的贷款额度较低。
发明内容
本申请提供的贷款评估方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。能够避免信贷机构通过的一刀切的授信准入标准对所有小微企业用户进行贷款资格的评估,导致小微企业用户的贷款申请通过率较低且申请的贷款额度较低的问题。
第一方面,本申请提供了一种贷款评估方法,应用于贷款评估服务器,该方法包括:
获取企业用户的多个初始审核指标以及与多个初始审核指标中每一审核指标对应的指标数据;
根据多个初始审核指标中每一初始审核指标对应的指标数据对多个初始审核指标进行筛选得到多个目标审核指标;目标审核指标与履约能力的相关性大于预设阈值;
根据多个目标审核指标对应的指标数据确定企业用户是否满足贷款要求。
第二方面,本申请还提供了一种贷款评估装置,该装置包括:
获取模块,用于获取企业用户的多个初始审核指标以及与多个初始审核指标中每一审核指标对应的指标数据;
筛选模块,用于根据多个初始审核指标中每一初始审核指标对应的指标数据对多个初始审核指标进行筛选得到多个目标审核指标;目标审核指标与履约能力的相关性大于预设阈值;
确定模块,用于根据多个目标审核指标对应的指标数据确定企业用户是否满足贷款要求。
第三方面,本申请提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项的方法的步骤:
第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一项的方法的步骤。
第五方面,本申请提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现上述任一项的方法的步骤。
本申请提供的贷款评估方法、装置、计算机设备、存储介质和计算机程序产品,应用于贷款评估服务器,方法包括:获取企业用户的多个初始审核指标以及与多个初始审核指标中每一审核指标对应的指标数据;根据多个初始审核指标中每一初始审核指标对应的指标数据对多个初始审核指标进行筛选得到多个目标审核指标;目标审核指标与履约能力的相关性大于预设阈值;根据多个目标审核指标对应的指标数据确定企业用户是否满足贷款要求。本申请提供的贷款评估方法是从多个审核指标中筛选出与小微企业用户的履约能力相关性较强的审核指标,以对小微企业用户是否满足贷款要求进行审核,能够避免信贷机构通过的一刀切的授信准入标准对所有小微企业用户进行贷款资格的评估,导致小微企业用户的贷款申请通过率较低且申请的贷款额度较低的问题。
附图说明
图1为一个实施例中贷款评估方法的应用环境图;
图2为一个实施例中贷款评估方法的流程示意图;
图3为另一个实施例中贷款评估方法的流程示意图;
图4为另一个实施例中贷款评估方法的流程示意图;
图5为另一个实施例中贷款评估方法的流程示意图;
图6为另一个实施例中贷款评估方法的流程示意图;
图7为另一个实施例中贷款评估方法的流程示意图;
图8为一个实施例中贷款评估装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的贷款评估方法,可以应用于如图1所示的应用环境中。其中,小微企业用户的终端102通过网络与信贷机构的贷款评估服务器104进行通信。数据存储***可以存储服务器104需要处理的数据。数据存储***可以集成在信贷机构的贷款评估服务器104上,也可以放在云上或其他网络服务器上。小微企业用户通过终端102向信贷机构的贷款评估服务器104发送贷款申请,该贷款申请中包括信贷机构的贷款评估服务器104进行贷款资格评估的多个审核指标,信贷机构的贷款评估服务器104接收到小微企业用户的贷款申请后,从多个审核指标中筛选出与小微企业用户的履约能力相关性较强的审核指标,以对小微企业用户是否满足贷款要求进行审核,能够避免信贷机构通过的一刀切的授信准入标准对所有小微企业用户进行贷款资格的评估,导致小微企业用户的贷款申请通过率较低且申请的贷款额度较低的问题。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。贷款评估服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种贷款评估方法,以该方法应用于图1中的贷款评估服务器为例进行说明,包括以下步骤:
步骤S202,获取企业用户的多个初始审核指标以及与多个初始审核指标中每一审核指标对应的指标数据。
其中,企业用户为小微企业用户,小微企业具有规模小、资金池小、资金流动性不足、偿贷能力弱等特点,因此小微企业相比大型企业贷款而言,面临不良贷款发生率高、催收时间长且成本高、资金风险大等困难,导致很多信贷机构不愿意为小微企业提供贷款服务或提供极小额度的贷款服务。但是小微企业是国民经济的基本细胞,小微活、就业旺、经济兴,所以需要加大支持小微企业的健康发展,提高对小微企业的贷款扶持,以推进了小微企业的健康发展,推进了社会经济的繁荣发展。
小微企业用户在需要申请贷款时,通过终端向信贷机构的贷款评估服务器发送贷款申请,该贷款申请包括小微企业用户的多个审核指标,该多个审核指标可以是信贷机构规定的审核指标,也可以是小微企业用户所能提供的用于进行贷款资格审核的所有审核指标,对此,本申请不加以限定。为了便于信贷机构的贷款评估服务器开展对小微企业用户进行贷款资格审核,小微企业用户的贷款申请中还包括各个审核指标对应的指标数据。该指标数据还可以是信贷机构的贷款评估服务器根据小微企业的信息从其它***服务器中获取的,也可以是小微企业用户提供的,本申请对此不加以限定。
信贷机构的贷款评估服务器在获得了用于评估小微企业用户贷款资格的锁个初始审核指标后,还可以是对各个审核指标进行预处理,以便于后续贷款评估服务器的统一识别以及计算。对审核指标的预处理可以是包括:转换数据格式、数据采样、转换计量标准等,本申请对此不加以限定。
步骤S204,根据多个初始审核指标中每一初始审核指标对应的指标数据对多个初始审核指标进行筛选得到多个目标审核指标;目标审核指标与履约能力的相关性大于预设阈值。
其中,据上所述,信贷机构的贷款评估服务器在收到小微企业用户通过终端发送的多个初始审核指标后,需要对多个初始审核指标进行筛选得到多个目标审核指标。由于,不同的小微企业存在资金规模不同、经营的业务不同、AUM值不同、金融交易信息不同、反洗钱基础信息不同等差异,所以筛选的目的是从本申请基于小微企业用户本身的审核指标出发,通过影响小微企业用户履约能力的多个审核指标对小微企业用户的贷款申请进行审核。可以对不同的小微企业用户进行差异化的贷款资格评估标准,避免一刀切的贷款资格评估方法,导致小微企业用户申请贷款难,申请的贷款额度低的问题。履约能力表征小微企业用户在申请贷款后的按时还款能力,小微企业用户履约能力的强弱与小微企业的多个初始审核指标与履约能力的相关性有关。审核指标与履约能力的相关性可以是通过审核指标对履约能力的贡献度来确定,可以是根据预设的审核指标与履约能力的对应关系信息来确定等,本申请对此不加以限定。
示例性的,信贷机构的贷款评估服务器在对小微企业用户进行贷款资格评估时所需的审核指标包括:企业成立年限、企业所属行业、企业对公授信额度、企业历史信贷记录、企业外汇交易记录、企业国际结算交易记录、企业历史不良信用记录、企业外管分类、企业实际控制人年龄、企业实际控制人近2年是否存在贷款风险分类为次级及以下的记录、企业在同业未结清债项状态、企业反洗钱基础信息、企业是否有评级、授信额度、信贷余额等多项审核指标。小微企业用户A所属行业是符合信贷机构要求的一等行业、企业成立年限大于信贷机构设置的参考年限、企业的历史信贷记录大于信贷机构参考数量、企业具有与信贷机构相关的外汇交易记录、企业历史不良信用记录大于信贷机构参考数量等;小微企业用户B所属行业是符合信贷机构要求的四等行业、企业成立年限小于信贷机构设置的参考年限、企业的历史信贷记录小于信贷机构参考数量、企业不具有与信贷机构相关的外汇交易记录、企业历史不良信用记录小于信贷机构参考数量、企业对公授信额度大于信贷机构为小微企业测算的的历史最高额度等,那么,对于小微企业用户A来说,若信贷机构的贷款评估服务器通过企业成立年限、企业所属行业、企业外汇交易记录来对小微企业用户A进行贷款资格评估,那么,小微企业用户A通过满足贷款要求的概率就会大大的提高。同样的,对于小微企业用户B来说,若信贷机构的贷款评估服务器通过企业的历史信贷记录、企业历史不良信用记录、企业对公授信额度来对小微企业用户B进行贷款资格评估,那么,小微企业用户B通过满足贷款要求的概率就会大大的提高。
步骤S206,根据多个目标审核指标对应的指标数据确定企业用户是否满足贷款要求。
其中,根据上述的筛选规则从多个初始审核指标中筛选出多个目标审核指标后,可以是将目标审核指标对应的指标数据输入至对应的贷款评估模型中确定该企业用户是否满足贷款要求;还可以是根据信贷机构预设的贷款评估规则一一对目标审核指标对应的指标数据进行评估,来确定企业用户是否满足贷款要求;还可以是根据预设的算法对目标审核指标对应的指标数据进行计算,根据计算结果确定企业用户是否满足贷款要求等,对此本申请不加以限定。
本申请提供的贷款评估方法,应用于贷款评估服务器,方法包括:获取企业用户的多个初始审核指标以及与多个初始审核指标中每一审核指标对应的指标数据;根据多个初始审核指标中每一初始审核指标对应的指标数据对多个初始审核指标进行筛选得到多个目标审核指标;目标审核指标与履约能力的相关性大于预设阈值;根据多个目标审核指标对应的指标数据确定企业用户是否满足贷款要求。本申请提供的贷款评估方法是从多个审核指标中筛选出与小微企业用户的履约能力相关性较强的审核指标,以对小微企业用户是否满足贷款要求进行审核,能够避免信贷机构通过的一刀切的授信准入标准对所有小微企业用户进行贷款资格的评估,导致小微企业用户的贷款申请通过率较低且申请的贷款额度较低的问题。
在一个实施例中,如图3所示,本实施例是确定初始审核指标与履约能力的相关性的一种可选的方法实施例,该方法实施例包括:
步骤S302,根据多个初始审核指标对履约能力的贡献度确定初始审核指标与履约能力的相关性;贡献度表征审核指标对履约能力的影响程度。
步骤S304,将多个初始审核指标中与履约能力的相关性大于预设阈值的初始审核指标确定为目标审核指标。
其中,贡献度表征一个因变量影响一个自变量变化的程度,也即一个因变量对一个自变量的变化影响很大,那么表示该因变量对该自变量的贡献度较大。在这里,因变量就是小微企业用户的多个初始审核指标,自变量就是小微企业用户的履约能力。本申请可以是根据每一个初始审核指标对履约能力的单一贡献度确定初始审核指标与履约能力的相关性;可以是根据多个初始审核指标对履约能力的联合贡献度确定初始审核指标与履约能力的相关性;还可以是先根据每一个初始审核指标对履约能力的单一贡献度对多个初始审核指标进行初步筛选得到多个中间审核指标,然后再根据多个中间审核指标对履约能力的联合贡献度确定中间审核指标与履约能力的相关性,从多个中间审核指标中筛选出目标审核指标等,对此本申请不加以限定。
然后,贷款评估服务器可以根据上述确定初始审核指标与履约能力的相关性的方法确定出初始审核指标与履约能力的相关性后,将多个初始审核指标中与履约能力的相关性大于预设阈值的初始审核指标确定为目标审核指标。预设至于可以是根据历史相关性数据确定得到。
本申请提供的贷款评估方法,通过多个初始审核指标对履约能力的贡献度确定初始审核指标与履约能力的相关性,由于因变量与自变量的贡献度更能表征因变量对自变量的影响程度,所以通过贡献度确定相关性,使得相关性的确定更具有评价的意义,同时对相关性的确定也更加的准确。
在一个实施例中,如图4所示,本实施例是根据多个初始审核指标与履约能力之间的贡献度确定初始审核指标与履约能力的相关性的一种可选的方法实施例,该方法实施例包括:
步骤S402,根据多个初始审核指标中每一初始审核指标对应的指标数据通过单变量分析法确定多个初始审核指标中每一初始审核指标对履约能力的单一贡献度,单一贡献度表征单个审核指标对履约能力的影响程度;
步骤S404,根据多个初始审核指标中每一初始审核指标对履约能力的单一贡献度确定初始审核指标与履约能力的相关性。
可选的,若初始审核指标对履约能力的单一贡献度大于等于预设阈值,则确定初始审核指标与履约能力的相关性大于预设阈值;
若初始审核指标对履约能力的单一贡献度小于预设阈值,则确定初始审核指标与履约能力的相关性小于预设阈值。
其中,单变量分析法是通过单一因变量对自变量的影响程度进行分析,也即通过多个初始审核指标中的每一个初始审核指标对履约能力的影响程度进行分析的一种方法。根据每一初始审核指标对履约能力的单一贡献度确定初始审核指标与履约能力的相关性,例如可以是将每一初始审核指标对履约能力的单一贡献度大于预设阈值的初始审核指标确定为与履约能力的相关性强。
示例性的,可以是通过小微企业用户A的企业成立年限、企业所属行业、企业对公授信额度、企业历史信贷记录、企业外汇交易记录、企业国际结算交易记录、企业历史不良信用记录、企业外管分类、企业实际控制人年龄、企业实际控制人近2年是否存在贷款风险分类为次级及以下的记录、企业在同业未结清债项状态、企业反洗钱基础信息、企业是否有评级、授信额度、信贷余额对应的数据分别计算对履约能力的单一贡献度,若企业成立年限对履约能力的单一贡献度为30%、企业所属行业对履约能力的单一贡献度为60%、企业对公授信额度对履约能力的单一贡献度为70%、企业历史信贷记录对履约能力的单一贡献度为40%、企业外汇交易记录对履约能力的单一贡献度为80%、企业国际结算交易记录对履约能力的单一贡献度为10%等。可以是将单一贡献度的预设阈值设置为50%,那么,可以确定企业所属行业、企业对公授信额度以及企业外汇交易记录这些审核指标对履约能力的单一贡献度大于等于预设阈值,也即这些审核指标与履约能力的相关性大于预设阈值。反之,企业成立年限、企业历史信贷记录以及企业国际结算交易记录与履约能力的相关性小于预设阈值。
本申请提供的贷款评估方法,通过单变量分析法得到多个初始审核指标对履约能力的单一贡献度,根据单一贡献度分析初始审核指标与履约能力的相关性,单一贡献度的计算方法简单,不需要复杂的过程,所以能够帮助贷款评估服务器快速的确定审核指标与履约能力的相关性,提高贷款评估服务器对企业用户的贷款评估效率。
在一个实施例中,如图5所示,本实施例是根据多个初始审核指标与履约能力之间的贡献度确定初始审核指标与履约能力的相关性的一种可选的方法实施例,该方法实施例包括:
步骤S502,根据多个初始审核指标中每一初始审核指标对应的指标数据通过多变量分析法确定多个初始审核指标对履约能力的联合贡献度,联合贡献度表征多个审核指标对履约能力的影响程度;
步骤S504,根据多个初始审核指标对履约能力的联合贡献度确定初始审核指标与履约能力的相关性。
可选地,若多个初始审核指标对履约能力的联合贡献度大于等于预设阈值,则确定初始审核指标与履约能力的相关性大于预设阈值;
若多个初始审核指标对履约能力的联合贡献度小于预设阈值,则确定初始审核指标与履约能力的相关性小于预设阈值。
其中,多变量分析法是通过多个因变量对自变量的影响程度进行分析,也即通过多个初始审核指标对履约能力的影响程度进行分析的一种方法。根据多个初始审核指标对履约能力的联合贡献度确定初始审核指标与履约能力的相关性,例如可以是将多个初始审核指标对履约能力的联合贡献度大于预设阈值的初始审核指标确定为与履约能力的相关性强。
多变量分析法为:
首先,通过单变量分析法对多个初始审核指标进行筛选得到多个中间审核指标,中间审核指标对履约能力的单一贡献度大于预设阈值。
然后,根据中间审核指标对履约能力的单一贡献度的大小对中间审核指标进行排序,可以是从大到小排列,可以是从小打到排序,可以是将单一贡献度相同的中间审核指标并列排序。
最后,假如得到的中间审核指标有5个,5个中间审核指标按照对履约能力的单一贡献度从大到小排列,那么,先根据第一中间审核指标和第二中间审核指标对应的指标数据计算对履约能力的第一联合贡献度,若第一联合贡献度大于第一中间审核指标对履约能力的单一贡献度,说明第二中间审核指标增加了对履约能力的贡献度,反之,则说明第二中间审核指标降低了对履约能力的贡献度。根据降低淘汰,增加保留的原则,继续计算。
然后,根据第一中间审核指标、第二中间审核指标和第三中间审核指标对应的指标数据计算对履约能力的第二联合贡献度,若第一联合贡献度大于第二联合贡献度,说明第三中间审核指标降低了对履约能力的贡献度,则将第三中间审核指标淘汰,根据第一中间审核指标、第二中间审核指标和第四中间审核指标对应的指标数据计算对履约能力的第三联合贡献度;若第一联合贡献度小于第二联合贡献度,说明第三中间审核指标增加了对履约能力的贡献度,则将第三中间审核指标保留,继续根据第一中间审核指标、第二中间审核指标、第三中间审核指标和第四中间审核指标对应的指标数据计算对履约能力的第四联合贡献度。根据上述判断规则筛选出目标审核指标。
需要说明的是,根据上述分析方法对多个中间审核指标进行了筛选,还可以是继续根据设置的阈值进一步的进行筛选,若第一中间审核指标、第二中间审核指标、第三中间审核指标和第四中间审核指标对履约能力的第四联合贡献度大于第三联合贡献度,但是,第四联合贡献度小于预设的阈值,则也可以将第四中间审核指标淘汰。
本申请提供的贷款评估方法,通过多变量分析法得到多个初始审核指标对履约能力的联合贡献度,根据联合贡献度分析初始审核指标与履约能力的相关性,在计算联合贡献度的过程中会通过单一贡献度对初始审核指标进行初步筛选,再对中间审核指标进行筛选得到目标审核指标。能够更加精准的确定审核指标与履约能力的相关性,提升贷款评估服务器对企业用户的贷款评估的准确定。
在一个实施例中,如图6所示,本实施例是根据多个目标审核指标对应的指标数据确定企业用户是否满足贷款要求的一种可选的方法实施例,该方法实施例包括:
步骤S602,将多个目标审核指标对应的指标数据输入至对应的评分模型,得到多个评分值,评分值是贷款测算服务器根据多个目标审核指标对应的指标数据确定的,用于表征目标企业用户的贷后风险;
步骤S604,根据多个评分值确定企业用户是否满足贷款要求。
其中,评分模型是贷款评估服务器预先训练的用于对目标审核指标进行贷后风险评估的模型。评分模型可以是根据历史指标数据训练得到。评分模型可以是根据不同类型的审核指标设置不同的评分模型,以便贷款评估服务器根据不同的审核指标进行多维度的评分,从多种维度评估企业用户的贷款准入资格。评分模型例如包括:年限评分模型、行业评分模型、对公授信评分模型、外汇交易评分模型、国际结算交易评分模型等,贷款评估服务器只需要将筛选出来的目标审核指标对应的指标数据输入至对应的评分模型,即可得到多个评分值。然后可以是根据多个评分值的和、多个评分值的加权值、多个评分值积分后加权的值等确定企业用户是否满足贷款要求,本申请对此不加以限定。
本申请提供的贷款评估方法,通过多个目标审核指标对应的指标数据输入至对应的评分模型,得到多个评分值,并根据多个评分值确定企业用户是否满足贷款要求,由于贷款评估服务器筛选出的目标审核指标都是与企业用户的履约能力相关性较强的审核指标,那么单一审核指标基于对应的评分模型得到的评分较高,根据多个评分值确定企业用户是否满足贷款要求能够提高企业用户贷款申请的通过率。
在一个实施例中,如图7所示,本实施例是根据多个评分值确定企业用户是否满足贷款要求的一种可选的方法实施例,该方法实施例包括:
步骤S702,对多个评分值进行求和处理得到的总评分值;
步骤S704,根据总分值确定企业用户是否满足贷款要求;若总评分值大于等于预设评分阈值,则执行步骤S706;若总评分值小于预设评分阈值,则执行步骤S708;
步骤S706,确定企业用户满足贷款要求;
步骤S708,确定企业用户不满足贷款要求。
其中,据上步骤得到的多个评分值,本申请选择的方法可以是将多个评分值求和,然后将多个评分值求和得到的总评分值与预设评分阈值进行比较,确定企业用户是否满足贷款要求。
本申请提供的贷款评估方法,通过将将多个评分值求和得到的总评分值与预设评分阈值进行比较,以此来确定企业用户是否满足贷款要求,该计算方法简单,能够进一步提高贷款评估服务器对企业用户的贷款评估效率。
在一个实施例中,本实施例是确定多个初始审核指标的一种可选的方法实施例,该方法实施例包括:
根据企业用户的基本信息、金融交易信息以及反洗钱基础信息确定多个初始审核指标。
其中,企业用户的基本信息例如为:企业成立年限、企业所属行业、企业对共授信额度、企业历史贷款记录、企业历史不良信用记录、企业在同业有授信的数量、企业外管分类、企业实际控制人年龄、企业实际控制人国籍、企业是否属于集团客户成员、企业实际控制人近2年是否存在贷款风险分类为次级及以下的记录、企业的AUM值等;金融交易信息例如为外汇交易信息、国际结算交易信息等。
需要说明的是,目前常用的对企业用户进行贷款资格评估所使用的信息多为企业用户的基本信息以及反洗钱基础信息,很少有使用企业的金融交易信息对企业用户进行贷款资格评估,本申请添加了该信息,使得对企业用户贷款资格评估更加的多元化,从更多维度对企业用户贷款资格进行评估,进一步提升了企业用户贷款申请的通过率。
在一个实施例中,本实施例是在确定企业用户满足贷款要求之后的一种可选的方法实施例,该方法实施例包括:
若确定企业用户满足贷款要求,则根据预设的贷款额度测算模型基于多个目标审核指标对应的指标数据对企业用户进行贷款额度测算。
其中,贷款评估服务器通过上述方法确定了企业用户满足信贷机构的贷款要求之后,可以是向贷款测算服务器发送通知消息,并将筛选出的目标审核指标以及目标审核指标对应的指标数据发送给贷款测算服务器,以使贷款测算服务器根据预设的额度测算模型对企业用户进行贷款额度以及贷款利率的测算。额度测算模型例如可以是:授信额度=min{上限,max{业务规模*美元兑人民币汇率波动率*美元兑人民币汇率,下限}}其中,业务规模=(结售汇量+国际收支量)/2。若一方缺失,则取取另一方的量值。若二者皆缺失则业务规模为0。上限与下限根据贷款业务规则进行参数化配置。
贷款额度测算服务器在测算出企业用户的贷款额度以及贷款利率后,可以是向企业用户的终端发送消息,告知测算得到的贷款额度以及贷款利率,并指示企业用户进行确认,若企业用户确认,贷款额度测算服务器可以是基于测算得到的贷款额度以及贷款利率生成电子贷款合同,并将电子贷款合同发送给企业用户的终端,以便企业用户进行线上的签字确认,在企业用户通过终端向贷款额度测算服务器返回签字后的电子贷款合同后,企业用户与信贷机构的借贷关系建立。后续信贷机构可以是通过支付服务器向企业用户提供的目标账户资金划拨贷款资金,即完成企业用户的贷款流程。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的贷款评估方法的贷款评估装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个贷款评估装置实施例中的具体限定可以参见上文中对于贷款评估方法的限定,在此不再赘述。
在一个实施例中,如图8所示,提供了一种贷款评估装置800,应用于贷款评估服务器,包括:获取模块802、筛选模块804和确定模块806,其中:
获取模块802,用于获取企业用户的多个初始审核指标以及与多个初始审核指标中每一审核指标对应的指标数据;
筛选模块804,用于根据多个初始审核指标中每一初始审核指标对应的指标数据对多个初始审核指标进行筛选得到多个目标审核指标;目标审核指标与履约能力的相关性大于预设阈值;
确定模块806,用于根据多个目标审核指标对应的指标数据确定企业用户是否满足贷款要求。
在一个实施例中,上述确定模块806,还用于根据多个初始审核指标对履约能力的贡献度确定初始审核指标与履约能力的相关性;贡献度表征审核指标对履约能力的影响程度;将多个初始审核指标中与履约能力的相关性大于预设阈值的初始审核指标确定为目标审核指标。
在一个实施例中,上述确定模块806,还用于根据多个初始审核指标中每一初始审核指标对应的指标数据通过单变量分析法确定多个初始审核指标中每一初始审核指标对履约能力的单一贡献度,单一贡献度表征单个审核指标对履约能力的影响程度;根据多个初始审核指标中每一初始审核指标对履约能力的单一贡献度确定初始审核指标与履约能力的相关性。
在一个实施例中,上述确定模块806,还用于若初始审核指标对履约能力的单一贡献度大于等于预设阈值,则确定初始审核指标与履约能力的相关性大于预设阈值;若初始审核指标对履约能力的单一贡献度小于预设阈值,则确定初始审核指标与履约能力的相关性小于预设阈值。
在一个实施例中,上述确定模块806,还用于根据多个初始审核指标中每一初始审核指标对应的指标数据通过多变量分析法确定多个初始审核指标对履约能力的联合贡献度,联合贡献度表征多个审核指标对履约能力的影响程度;根据多个初始审核指标对履约能力的联合贡献度确定初始审核指标与履约能力的相关性。
在一个实施例中,上述确定模块806,还用于若多个初始审核指标对履约能力的联合贡献度大于等于预设阈值,则确定初始审核指标与履约能力的相关性大于预设阈值;若多个初始审核指标对履约能力的联合贡献度小于预设阈值,则确定初始审核指标与履约能力的相关性小于预设阈值。
在一个实施例中,上述确定模块806,具体用于将多个目标审核指标对应的指标数据输入至对应的评分模型,得到多个评分值,评分值是贷款测算服务器根据多个目标审核指标对应的指标数据确定的,用于表征目标企业用户的贷后风险;根据多个评分值确定企业用户是否满足贷款要求。
在一个实施例中,上述确定模块806,具体还用于对多个评分值进行求和处理得到的总评分值;根据总分值确定企业用户是否满足贷款要求;若总评分值大于等于预设评分阈值,则确定企业用户满足贷款要求;若总评分值小于预设评分阈值,则确定企业用户不满足贷款要求。
在一个实施例中,上述确定模块806,还用于根据企业用户的基本信息、金融交易信息以及反洗钱基础信息确定多个初始审核指标。
在一个实施例中,上述装置还包括:额度测算模块,用于若确定企业用户满足贷款要求,则根据预设的贷款额度测算模型基于多个目标审核指标对应的指标数据对企业用户进行贷款额度测算。
上述贷款评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储XX数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种贷款评估方法。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取企业用户的多个初始审核指标以及与多个初始审核指标中每一审核指标对应的指标数据;
根据多个初始审核指标中每一初始审核指标对应的指标数据对多个初始审核指标进行筛选得到多个目标审核指标;目标审核指标与履约能力的相关性大于预设阈值;
根据多个目标审核指标对应的指标数据确定企业用户是否满足贷款要求。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据多个初始审核指标对履约能力的贡献度确定初始审核指标与履约能力的相关性;贡献度表征审核指标对履约能力的影响程度;
将多个初始审核指标中与履约能力的相关性大于预设阈值的初始审核指标确定为目标审核指标。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据多个初始审核指标中每一初始审核指标对应的指标数据通过单变量分析法确定多个初始审核指标中每一初始审核指标对履约能力的单一贡献度,单一贡献度表征单个审核指标对履约能力的影响程度;
根据多个初始审核指标中每一初始审核指标对履约能力的单一贡献度确定初始审核指标与履约能力的相关性。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若初始审核指标对履约能力的单一贡献度大于等于预设阈值,则确定初始审核指标与履约能力的相关性大于预设阈值;
若初始审核指标对履约能力的单一贡献度小于预设阈值,则确定初始审核指标与履约能力的相关性小于预设阈值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据多个初始审核指标中每一初始审核指标对应的指标数据通过多变量分析法确定多个初始审核指标对履约能力的联合贡献度,联合贡献度表征多个审核指标对履约能力的影响程度;
根据多个初始审核指标对履约能力的联合贡献度确定初始审核指标与履约能力的相关性。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若多个初始审核指标对履约能力的联合贡献度大于等于预设阈值,则确定初始审核指标与履约能力的相关性大于预设阈值;
若多个初始审核指标对履约能力的联合贡献度小于预设阈值,则确定初始审核指标与履约能力的相关性小于预设阈值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将多个目标审核指标对应的指标数据输入至对应的评分模型,得到多个评分值,评分值是贷款测算服务器根据多个目标审核指标对应的指标数据确定的,用于表征企业用户的贷后风险;
根据多个评分值确定企业用户是否满足贷款要求。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:对多个评分值进行求和处理得到的总评分值;
根据总分值确定企业用户是否满足贷款要求;
若总评分值大于等于预设评分阈值,则确定企业用户满足贷款要求;
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据企业用户的基本信息、金融交易信息以及反洗钱基础信息确定多个初始审核指标。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:若确定企业用户满足贷款要求,则根据预设的贷款额度测算模型基于多个目标审核指标对应的指标数据对企业用户进行贷款额度测算。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取企业用户的多个初始审核指标以及与多个初始审核指标中每一审核指标对应的指标数据;
根据多个初始审核指标中每一初始审核指标对应的指标数据对多个初始审核指标进行筛选得到多个目标审核指标;目标审核指标与履约能力的相关性大于预设阈值;
根据多个目标审核指标对应的指标数据确定企业用户是否满足贷款要求。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据多个初始审核指标对履约能力的贡献度确定初始审核指标与履约能力的相关性;贡献度表征审核指标对履约能力的影响程度;
将多个初始审核指标中与履约能力的相关性大于预设阈值的初始审核指标确定为目标审核指标。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据多个初始审核指标中每一初始审核指标对应的指标数据通过单变量分析法确定多个初始审核指标中每一初始审核指标对履约能力的单一贡献度,单一贡献度表征单个审核指标对履约能力的影响程度;
根据多个初始审核指标中每一初始审核指标对履约能力的单一贡献度确定初始审核指标与履约能力的相关性。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若初始审核指标对履约能力的单一贡献度大于等于预设阈值,则确定初始审核指标与履约能力的相关性大于预设阈值;若初始审核指标对履约能力的单一贡献度小于预设阈值,则确定初始审核指标与履约能力的相关性小于预设阈值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据多个初始审核指标中每一初始审核指标对应的指标数据通过多变量分析法确定多个初始审核指标对履约能力的联合贡献度,联合贡献度表征多个审核指标对履约能力的影响程度;根据多个初始审核指标对履约能力的联合贡献度确定初始审核指标与履约能力的相关性。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若多个初始审核指标对履约能力的联合贡献度大于等于预设阈值,则确定初始审核指标与履约能力的相关性大于预设阈值;
若多个初始审核指标对履约能力的联合贡献度小于预设阈值,则确定初始审核指标与履约能力的相关性小于预设阈值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将多个目标审核指标对应的指标数据输入至对应的评分模型,得到多个评分值,评分值是贷款测算服务器根据多个目标审核指标对应的指标数据确定的,用于表征企业用户的贷后风险;
根据多个评分值确定企业用户是否满足贷款要求。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对多个评分值进行求和处理得到的总评分值;根据总分值确定企业用户是否满足贷款要求;若总评分值大于等于预设评分阈值,则确定企业用户满足贷款要求;
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据企业用户的基本信息、金融交易信息以及反洗钱基础信息确定多个初始审核指标。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若确定企业用户满足贷款要求,则根据预设的贷款额度测算模型基于多个目标审核指标对应的指标数据对企业用户进行贷款额度测算。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取企业用户的多个初始审核指标以及与多个初始审核指标中每一审核指标对应的指标数据;
根据多个初始审核指标中每一初始审核指标对应的指标数据对多个初始审核指标进行筛选得到多个目标审核指标;目标审核指标与履约能力的相关性大于预设阈值;
根据多个目标审核指标对应的指标数据确定企业用户是否满足贷款要求。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据多个初始审核指标对履约能力的贡献度确定初始审核指标与履约能力的相关性;贡献度表征审核指标对履约能力的影响程度;
将多个初始审核指标中与履约能力的相关性大于预设阈值的初始审核指标确定为目标审核指标。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据多个初始审核指标中每一初始审核指标对应的指标数据通过单变量分析法确定多个初始审核指标中每一初始审核指标对履约能力的单一贡献度,单一贡献度表征单个审核指标对履约能力的影响程度;
根据多个初始审核指标中每一初始审核指标对履约能力的单一贡献度确定初始审核指标与履约能力的相关性。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:若初始审核指标对履约能力的单一贡献度大于等于预设阈值,则确定初始审核指标与履约能力的相关性大于预设阈值;若初始审核指标对履约能力的单一贡献度小于预设阈值,则确定初始审核指标与履约能力的相关性小于预设阈值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据多个初始审核指标中每一初始审核指标对应的指标数据通过多变量分析法确定多个初始审核指标对履约能力的联合贡献度,联合贡献度表征多个审核指标对履约能力的影响程度;根据多个初始审核指标对履约能力的联合贡献度确定初始审核指标与履约能力的相关性。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若多个初始审核指标对履约能力的联合贡献度大于等于预设阈值,则确定初始审核指标与履约能力的相关性大于预设阈值;
若多个初始审核指标对履约能力的联合贡献度小于预设阈值,则确定初始审核指标与履约能力的相关性小于预设阈值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将多个目标审核指标对应的指标数据输入至对应的评分模型,得到多个评分值,评分值是贷款测算服务器根据多个目标审核指标对应的指标数据确定的,用于表征企业用户的贷后风险;
根据多个评分值确定企业用户是否满足贷款要求。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:对多个评分值进行求和处理得到的总评分值;根据总分值确定企业用户是否满足贷款要求;若总评分值大于等于预设评分阈值,则确定企业用户满足贷款要求;
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据企业用户的基本信息、金融交易信息以及反洗钱基础信息确定多个初始审核指标。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若确定企业用户满足贷款要求,则根据预设的贷款额度测算模型基于多个目标审核指标对应的指标数据对企业用户进行贷款额度测算。
需要说明的是,本申请所涉及的企业用户信息(包括但不限于企业用户设备信息、企业用户信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (22)
1.一种贷款评估方法,应用于贷款评估服务器,其特征在于,所述方法包括:
获取企业用户的多个初始审核指标以及与所述多个初始审核指标中每一审核指标对应的指标数据;
根据所述多个初始审核指标中每一初始审核指标对应的指标数据,对所述多个初始审核指标进行筛选得到多个目标审核指标;所述目标审核指标与履约能力的相关性大于预设阈值;
根据所述多个目标审核指标对应的指标数据确定所述企业用户是否满足贷款要求。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述多个初始审核指标对所述履约能力的贡献度确定所述初始审核指标与所述履约能力的相关性;所述贡献度表征审核指标对所述履约能力的影响程度;
将所述多个初始审核指标中与所述履约能力的相关性大于预设阈值的所述初始审核指标确定为所述目标审核指标。
3.根据权利要求2所述的方法,其特征在于,所述根据所述多个初始审核指标与所述履约能力之间的贡献度确定所述初始审核指标与所述履约能力的相关性,包括:
根据所述多个初始审核指标中每一初始审核指标对应的指标数据通过单变量分析法确定所述多个初始审核指标中每一初始审核指标对所述履约能力的单一贡献度,所述单一贡献度表征单个审核指标对所述履约能力的影响程度;
根据所述多个初始审核指标中每一初始审核指标对所述履约能力的单一贡献度确定所述初始审核指标与所述履约能力的相关性。
4.根据权利要求3所述的方法,其特征在于,所述根据所述多个初始审核指标中每一初始审核指标对所述履约能力的单一贡献度确定所述初始审核指标与所述履约能力的相关性,包括:
若所述初始审核指标对所述履约能力的单一贡献度大于等于预设阈值,则确定所述初始审核指标与所述履约能力的相关性大于预设阈值;
若所述初始审核指标对所述履约能力的单一贡献度小于预设阈值,则确定所述初始审核指标与所述履约能力的相关性小于预设阈值。
5.根据权利要求2所述的方法,其特征在于,所述根据所述多个初始审核指标与所述履约能力之间的贡献度确定所述初始审核指标与所述履约能力的相关性,包括:
根据所述多个初始审核指标中每一初始审核指标对应的指标数据通过多变量分析法确定所述多个初始审核指标对所述履约能力的联合贡献度,所述联合贡献度表征多个审核指标对所述履约能力的影响程度;
根据所述多个初始审核指标对所述履约能力的联合贡献度确定所述初始审核指标与所述履约能力的相关性。
6.根据权利要求5所述的方法,其特征在于,所述根据所述多个初始审核指标对所述履约能力的联合贡献度确定所述初始审核指标与所述履约能力的相关性,包括:
若所述多个初始审核指标对所述履约能力的联合贡献度大于等于预设阈值,则确定所述初始审核指标与所述履约能力的相关性大于预设阈值;
若所述多个初始审核指标对所述履约能力的联合贡献度小于预设阈值,则确定所述初始审核指标与所述履约能力的相关性小于预设阈值。
7.根据权利要求1所述的方法,其特征在于,所述根据所述多个目标审核指标对应的指标数据确定所述企业用户是否满足贷款要求,包括:
将所述多个目标审核指标对应的指标数据输入至对应的评分模型,得到多个评分值,所述评分值是所述贷款测算服务器根据所述多个目标审核指标对应的指标数据确定的,用于表征所述企业用户的贷后风险;
根据所述多个评分值确定所述企业用户是否满足所述贷款要求。
8.根据权利要求7所述的方法,其特征在于,所述根据所述多个评分值确定所述企业用户是否满足贷款要求,包括:
对所述多个评分值进行求和处理得到的总评分值;
根据所述总分值确定所述企业用户是否满足贷款要求;
若所述总评分值大于等于预设评分阈值,则确定所述企业用户满足所述贷款要求;
若所述总评分值小于预设评分阈值,则确定所述企业用户不满足所述贷款要求。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述企业用户的基本信息、金融交易信息以及反洗钱基础信息确定所述多个初始审核指标。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若确定所述企业用户满足所述贷款要求,则根据预设的贷款额度测算模型基于所述多个目标审核指标对应的指标数据对所述企业用户进行贷款额度测算。
11.一种贷款评估装置,应用于贷款评估服务器,其特征在于,所述装置包括:
获取模块,用于获取企业用户的多个初始审核指标以及与所述多个初始审核指标中每一审核指标对应的指标数据;
筛选模块,用于根据所述多个初始审核指标中每一初始审核指标对应的指标数据对所述多个初始审核指标进行筛选得到多个目标审核指标;所述目标审核指标与履约能力的相关性大于预设阈值;
确定模块,用于根据所述多个目标审核指标对应的指标数据确定所述企业用户是否满足贷款要求。
12.根据权利要求11所述的装置,其特征在于,
所述确定模块,还用于根据所述多个初始审核指标对所述履约能力的贡献度确定所述初始审核指标与所述履约能力的相关性;所述贡献度表征审核指标对所述履约能力的影响程度;
将所述多个初始审核指标中与所述履约能力的相关性大于预设阈值的所述初始审核指标确定为所述目标审核指标。
13.根据权利要求12所述的装置,其特征在于,
所述确定模块,还用于根据所述多个初始审核指标中每一初始审核指标对应的指标数据通过单变量分析法确定所述多个初始审核指标中每一初始审核指标对所述履约能力的单一贡献度,所述单一贡献度表征单个审核指标对所述履约能力的影响程度;
根据所述多个初始审核指标中每一初始审核指标对所述履约能力的单一贡献度确定所述初始审核指标与所述履约能力的相关性。
14.根据权利要求13所述的装置,其特征在于,
所述确定模块,具体还用于若所述初始审核指标对所述履约能力的单一贡献度大于等于预设阈值,则确定所述初始审核指标与所述履约能力的相关性大于预设阈值;
若所述初始审核指标对所述履约能力的单一贡献度小于预设阈值,则确定所述初始审核指标与所述履约能力的相关性小于预设阈值。
15.根据权利要求11所述的装置,其特征在于,
所述确定模块,还用于根据所述多个初始审核指标中每一初始审核指标对应的指标数据通过多变量分析法确定所述多个初始审核指标对所述履约能力的联合贡献度,所述联合贡献度表征多个审核指标对所述履约能力的影响程度;
根据所述多个初始审核指标对所述履约能力的联合贡献度确定所述初始审核指标与所述履约能力的相关性。
16.根据权利要求15所述的装置,其特征在于,
所述确定模块,具体还用于若所述多个初始审核指标对所述履约能力的联合贡献度大于等于预设阈值,则确定所述初始审核指标与所述履约能力的相关性大于预设阈值;
若所述多个初始审核指标对所述履约能力的联合贡献度小于预设阈值,则确定所述初始审核指标与所述履约能力的相关性小于预设阈值。
17.根据权利要求11所述的装置,其特征在于,
所述确定模块,具体还用于根据所述多个评分值进行加和得到的总评分值确定所述企业用户是否满足贷款要求;
若所述总评分值大于等于预设评分阈值,则确定所述企业用户满足所述贷款要求;
所述总评分值小于预设评分阈值,则确定所述企业用户不满足所述贷款要求。
18.根据权利要求11所述的装置,其特征在于,
所述确定模块,还用于根据所述企业用户的基本信息、金融交易信息以及反洗钱基础信息确定所述多个初始审核指标。
19.根据权利要求11所述的装置,其特征在于,所述装置还包括:
额度测算模块,用于若确定所述企业用户满足所述贷款要求,则根据预设的贷款额度测算模型基于所述多个目标审核指标对应的指标数据对所述企业用户进行贷款额度测算。
20.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至10中任一项所述的方法的步骤。
21.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至10中任一项所述的方法的步骤。
22.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至10中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111460946.2A CN114240100A (zh) | 2021-12-02 | 2021-12-02 | 贷款评估方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111460946.2A CN114240100A (zh) | 2021-12-02 | 2021-12-02 | 贷款评估方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114240100A true CN114240100A (zh) | 2022-03-25 |
Family
ID=80752794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111460946.2A Pending CN114240100A (zh) | 2021-12-02 | 2021-12-02 | 贷款评估方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114240100A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117273723A (zh) * | 2023-09-04 | 2023-12-22 | 上海数禾信息科技有限公司 | 结算预测方法、装置、计算机设备以及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004046525A (ja) * | 2002-07-11 | 2004-02-12 | Hitachi Ltd | 与信審査方法及び与信審査システム |
CN109741177A (zh) * | 2019-01-09 | 2019-05-10 | 阳光财产保险股份有限公司 | 用户信用的评估方法、装置及智能终端 |
CN110110884A (zh) * | 2019-03-21 | 2019-08-09 | 平安直通咨询有限公司上海分公司 | 信息预测方法、装置、计算机设备和存储介质 |
CN110796539A (zh) * | 2019-10-31 | 2020-02-14 | 中国工商银行股份有限公司 | 一种征信评估方法及装置 |
JP2020067682A (ja) * | 2018-10-22 | 2020-04-30 | フリー株式会社 | 融資条件を判定するための装置、方法及びそのためのプログラム |
CN112419044A (zh) * | 2020-11-25 | 2021-02-26 | 传化支付有限公司 | 信用审核的方法、设备、电子装置和存储介质 |
CN112613971A (zh) * | 2020-12-09 | 2021-04-06 | 苏宁金融科技(南京)有限公司 | 一种用户信用风险评估方法、装置、计算机设备及存储介质 |
CN112950362A (zh) * | 2021-03-31 | 2021-06-11 | 中国建设银行股份有限公司 | 对公贷款的风险预警方法、装置、计算机设备和存储介质 |
-
2021
- 2021-12-02 CN CN202111460946.2A patent/CN114240100A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004046525A (ja) * | 2002-07-11 | 2004-02-12 | Hitachi Ltd | 与信審査方法及び与信審査システム |
JP2020067682A (ja) * | 2018-10-22 | 2020-04-30 | フリー株式会社 | 融資条件を判定するための装置、方法及びそのためのプログラム |
CN109741177A (zh) * | 2019-01-09 | 2019-05-10 | 阳光财产保险股份有限公司 | 用户信用的评估方法、装置及智能终端 |
CN110110884A (zh) * | 2019-03-21 | 2019-08-09 | 平安直通咨询有限公司上海分公司 | 信息预测方法、装置、计算机设备和存储介质 |
CN110796539A (zh) * | 2019-10-31 | 2020-02-14 | 中国工商银行股份有限公司 | 一种征信评估方法及装置 |
CN112419044A (zh) * | 2020-11-25 | 2021-02-26 | 传化支付有限公司 | 信用审核的方法、设备、电子装置和存储介质 |
CN112613971A (zh) * | 2020-12-09 | 2021-04-06 | 苏宁金融科技(南京)有限公司 | 一种用户信用风险评估方法、装置、计算机设备及存储介质 |
CN112950362A (zh) * | 2021-03-31 | 2021-06-11 | 中国建设银行股份有限公司 | 对公贷款的风险预警方法、装置、计算机设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117273723A (zh) * | 2023-09-04 | 2023-12-22 | 上海数禾信息科技有限公司 | 结算预测方法、装置、计算机设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11354747B2 (en) | Real-time predictive analytics engine | |
Fu et al. | Crowds, lending, machine, and bias | |
Amani et al. | Data mining applications in accounting: A review of the literature and organizing framework | |
Tinoco et al. | Financial distress and bankruptcy prediction among listed companies using accounting, market and macroeconomic variables | |
Arundina et al. | The predictive accuracy of Sukuk ratings; Multinomial Logistic and Neural Network inferences | |
Hambuckers et al. | Understanding the economic determinants of the severity of operational losses: A regularized generalized Pareto regression approach | |
Syed Nor et al. | Personal bankruptcy prediction using decision tree model | |
Callejón et al. | A System of Insolvency Prediction for industrial companies using a financial alternative model with neural networks | |
WO2007130338A2 (en) | Consolidation, sharing and analysis of investment information | |
US8984022B1 (en) | Automating growth and evaluation of segmentation trees | |
Tserng et al. | A grey system theory‐based default prediction model for construction firms | |
Lu et al. | Fintech and the future of financial service: A literature review and research agenda | |
Murugan | Large-scale data-driven financial risk management & analysis using machine learning strategies | |
CN111433806A (zh) | 用于分析众筹平台的***和方法 | |
CN112419030A (zh) | 财务舞弊风险评估的方法、***及设备 | |
Wanke et al. | Revisiting camels rating system and the performance of Asean banks: a comprehensive mcdm/z-numbers approach | |
Hwang et al. | A logistic regression point of view toward loss given default distribution estimation | |
Abidin et al. | Bankruptcy prediction: SMEs in the hospitality industry | |
CN114240100A (zh) | 贷款评估方法、装置、计算机设备和存储介质 | |
Chen et al. | Modeling recovery rate for leveraged loans | |
Nobanee et al. | Big data and credit risk assessment: a bibliometric review, current streams, and directions for future research | |
Biswas et al. | Automated credit assessment framework using ETL process and machine learning | |
Septama et al. | A Comparative Analysis of Machine Learning Algorithms for Credit Risk Scoring using Chi-Square Feature Selection | |
Brunetti et al. | Networks, interconnectedness, and interbank information asymmetry | |
KR102590232B1 (ko) | 빅데이터 기반 인공지능을 이용한 단타매매 종목 추천 서비스 제공 시스템 |
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 |