CN116862661B - 基于消费金融场景的数字信用审批与风险监测*** - Google Patents
基于消费金融场景的数字信用审批与风险监测*** Download PDFInfo
- Publication number
- CN116862661B CN116862661B CN202310895394.0A CN202310895394A CN116862661B CN 116862661 B CN116862661 B CN 116862661B CN 202310895394 A CN202310895394 A CN 202310895394A CN 116862661 B CN116862661 B CN 116862661B
- Authority
- CN
- China
- Prior art keywords
- user
- data
- credit
- information
- risk
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 238000012797 qualification Methods 0.000 claims abstract description 20
- 238000004900 laundering Methods 0.000 claims abstract description 5
- 230000002159 abnormal effect Effects 0.000 claims description 47
- 238000012795 verification Methods 0.000 claims description 40
- 238000007726 management method Methods 0.000 claims description 36
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000013475 authorization Methods 0.000 claims description 20
- 230000005856 abnormality Effects 0.000 claims description 18
- 238000012790 confirmation Methods 0.000 claims description 18
- 238000011157 data evaluation Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 12
- 238000013524 data verification Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000013523 data management Methods 0.000 claims description 5
- 238000012502 risk assessment Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000000737 periodic effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002035 prolonged effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000011001 backwashing Methods 0.000 description 1
- 230000001419 dependent effect 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了基于消费金融场景的数字信用审批与风险监测***,涉及消费金融业务技术领域,为了解决金融业务安全授信的问题。本基于消费金融场景的数字信用审批与风险监测***,通过反欺诈风控模块可以有效的将用户的资质进行进一步的核查,根据贷前风控判断用户的信用等级情况,可以进行准确的定位客户的信用风险,并对用户的信用等级进行监控,根据贷中风控对用户历史还款进行监测,可以有效的防止有欺诈行为和不良借款人的问题,极大程度的降低了欺诈风险,根据贷后风控对用户的历史还款记录进行查询,有效的防止探测欺诈、恶意违约的问题,同时根据反洗钱模块对用户金额的控制可以有效的降低洗钱的风险。
Description
技术领域
本发明涉及消费金融业务技术领域,具体为基于消费金融场景的数字信用审批与风险监测***。
背景技术
消费金融是指向各阶层消费者提供消费贷款的现代金融服务方式。
公开号为CN112785412A的中国专利公开了一种基于消费金融的持续风险监控和预警方法,主要通过AI C权衡估计模型复杂度和拟合数据优良性,能够使得POT依赖的参数估计标准误差更低,从而减少对数据样本过大要求,大大提高了计算出来的VaR和ES预测的精确度,有利于消费金融公司对风险管理,上述专利虽然解决了用户风险管理的问题,但是在实际操作中还存在以下问题:
1.用户的资质以及金融业务的选择都确认完成后,就直接进行授权,没有进一步将合格的用户资料与数据库中的资料进行对比,从而使用户金融业务选择完成后由于***的出错,导致业务与用户匹配出错。
2.企业没有对用户进行更细致的核查,从而出现用户资质不优良也可以进行业务授权,导致企业后期无法回款。
发明内容
本发明的目的在于提供基于消费金融场景的数字信用审批与风险监测***,通过反欺诈风控模块可以有效的将用户的资质进行进一步的核查,根据贷前风控判断用户的信用等级情况,可以进行准确的定位客户的信用风险,并对用户的信用等级进行监控,根据贷中风控对用户历史还款进行监测,可以有效的防止有欺诈行为和不良借款人的问题,极大程度的降低了欺诈风险,根据贷后风控对用户的历史还款记录进行查询,有效的防止探测欺诈、恶意违约的问题,同时根据反洗钱模块对用户金额的控制可以有效的降低洗钱的风险,可以解决现有技术中的问题。
为实现上述目的,本发明提供如下技术方案:
基于消费金融场景的数字信用审批与风险监测***,包括:
登录安全认证单元,用于:
工作人员将个人信息进行录入,录入完成后再次进行登录时通过身份认证将工作人员的信息进行核查,核查成功后即可进行内部***;
同时,客户可以将用户信息以及需求资料进行录入,并且工作人员的安全认证***与用户的安全认证***为两个独立的***;
金融业务管理单元,用于:
基于登录安全认证单元中获取的用户信息以及需求,用户根据需求将对应的业务进行选择;
其中,业务根据不同的分期时间、利息利率进行分类,并且每一种业务数据都有相对应的数据编号;
金融业务控制单元,用于:
基于金融业务管理单元中获取的业务编号,将编号所对应的业务与用户填写的资料进行风险核查,核查完成后将核查信息进行存储;
管理数据评估单元,用于:
基于金融业务控制单元中核查完成的数据,根据数据的异常程度将数据进行分类,分类完成后将异常数据与业务办理的用户进行对应;
评估数据决策单元,用于:
基于管理数据评估单元中对应的用户,根据异常程度对用户选取的金融业务进行评判,判断该用户是否可以授信该金融业务;
若评判结果为该用户可以进行授信,则下达授权指令,指令通过用户的移动终端进行接收;若评判结果为该用户未能进行授权,则将业务请求进行驳回指令下达,指令同样通过用户的移动终端进行接收;
金融业务追踪单元,用于:
基于评估数据决策单元中获取的授权成功的业务,将具体的业务与对应的用户资料进行获取,将业务的放贷时间与还款时间进行确认,确认完成后根据还款时间判断用户是否进行正常还款,若没有进行正常还款,则通过电话或者短信进行沟通。
优选的,所述登录安全认证单元,包括:
工作人员管理模块,用于:
工作人员将个人信息以及职位信息进行填写,并且会进行密码设置,当工作人员进行***登录时,需要进行姓名、职位以及密码的填写;
填写完成后通过身份认证将填写的资料进行核查,若填写的资料与数据库中的认证资料一致,则工作人员的身份认证为合格,即可进行***内部;
用户资料管理模块,用于:
用户将个人信息、手机号、身份证信息、紧急联系、收入资金、现有资产以及资金发放银行卡的信息进行填写,并且首次注册会进行密码设置;
并且,将客户的手机号以及身份证信息进行核实,其中,手机号核实通过注册时的手机发送的验证码进行核实,身份证信息核实通过用户移动终端的摄像头验证身份证照片是否与当前人像一致,根据大数据中的OCR识别将身份证号以及地址进行核实;
根据核实的手机号与身份证信息,将该信息进行独立存储。
优选的,所述金融业务控制单元,包括:
反欺诈风控模块,用于:
根据获取的用户信息,将用户进行贷前风控、贷中风控以及贷后风控检测;
其中,贷前风控主要通过用户核实完成的资料数据,将数据进行真实信息的校验,当用户的真实信息校验完成后,调取用户的信用记录,根据以往的信用记录对该用户的信用风险等级进行评判,评判主要分为良好等级、合格等级和不合格等级;
反欺诈风控模块,包括:
贷中监控模块,用于:
基于反欺诈风控模块获取的客户的信用风险程度,将用户历史还款进行监测,若监测结果判定该用户的历史贷款行为以及授信行为不佳,则该用户判定为异常用户,并将该用户的还款时间进行监控,根据贷后风控对用户的历史还款记录进行查询;
贷后监控模块,用于:
基于反欺诈风控模块获取的客户的信用风险程度,将用户的历史还款记录进行查询,若用户没有进行还款或者还款逾期后根据逾期时间进行信用评判,逾期时间越长则信用评判越低,则企业进行关注度越高。
优选的,所述反欺诈风控模块用于贷前风控包括:
校验单元,用于从用户完成的资料数据中获取数据校验地址,基于所述数据校验地址获取资料数据来源,从资料数据来源中获取与填写的资料数据对应的数据源,对资料数据和数据源进行标准化,得到资料数据标准化后的第一序列,并将第一序列按照数据属性划分为多个第一子序列,得到数据源标准化后的第二序列,并将第二序列按照数据属性划分为多个第二子序列;
根据如下公式计算所述资料数据的校验值K;
其中,δ表示对资料数据和数据源进行标准化的标准化误差,取值为(0.8,1.0),β表示按照数据属性划分的划分精度,n表示第一子序列或第二子序列中数量,γi表示第i个第一子序列或第二子序列对应的数据属性的可容错值,取值为(0.8,1.0),F1i表示第i个第一子序列的序列值,F2i表示第i个第二子序列的序列值;
判断所述校验值是否大于预设校验值;
若是,确定用户完成的资料数据为真实信息;
否则,确定用户完成的资料数据为虚假信息;
评分单元,用于当确定用户完成的资料数据为真实信息后,获取用户在历史预设时间内的信用记录,基于信用记录确定用户在对应业务中的历史信用评分,并根据如下公式计算用户的当前信用评分P;
m表示用户在历史预设时间内的信用记录次数,Hj表示用户在历史预设时间内第j次信用记录对应的历史信用评分,δj表示在历史预设时间内第j次信用记录的权重值,且 表示在用户在历史预设时间内最近s次信用记录对应的平均信用评分,且s<m;
基于用户的当前信用评分确定用户的信用风险等级。
优选的,所述金融业务控制单元,还包括:
反洗钱模块,用于:
将用户的姓名与银行卡所属人进行核实,核实完成后根据核实结果进行判断操作;
客户资质评估模块,用于:
基于反欺诈风控模块与反洗钱模块中获取的异常人员名单,将异常人员名单进行获取,获取后将该人员名单对应的信息进行确认,根据确认的信息将异常人员的风险数量进行获取,根据风险数量确认该异常人员的风险等级,其中,风险数量越多,该异常人员的风险等级越高,根据不同的风险等级,将异常人员的信息进行存储。
优选的,所述管理数据评估单元,包括:
反馈数据获取模块,用于:
基于金融业务控制单元中获取的核查合格的用户,将该用户的个人信息以及对应的业务信息分别进行获取;
获取后将个人信息与业务信息分别进行数据集划分,划分成个人信息数据集和业务信息数据集;
数据集标识模块,用于:
基于反馈数据获取模块中获取的个人信息数据集和业务信息数据集,将个人信息数据集进行第一标识建立,将业务信息数据集进行第二标识建立;
第一标识和第二标识建立完成后获取第一标识的第一标识链接,同时获取第二标识的第二标识链接。
优选的,所述管理数据评估单元,还包括:
重合数据获取模块,用于:
基于数据集标识模块获取的第一标识链接和第二标识链接,将第一标识链接划分为多个相同长度的链接段,并将每个链接段进行数据对比,根据对比结果获取重合阈值;
同时,将第二标识链接换分为多个相同长度的链接段,并将每个链接段进行数据对比,根据对比结果获取重合阈值;
其中,数据对比为将第一标识链接段和第二标识链接段,分别与数据库中相同属性的链接段进行数据比较,比较完成后判断第一标识链接段和第二标识链接段与数据库中相同属性的链接段重合的阈值;
重合阈值获取模块,用于:
基于重合数据获取模块中获取的重合阈值,重合阈值分为一类阈值、二类阈值和三类阈值;
其中,一类阈值为重合指数在0-30%之间的对比链接段,二类阈值在重合指数在31-70%之间的对比链接段,三类阈值在重合指数在71-100%之间的对比链接段;
其中,一类阈值为异常指数最高的数据,二类阈值其次,三类阈值为合格标准内的数据。
优选的,所述评估数据决策单元,包括:
信息获取模块,用于获取当前用户中,个人信息数据集中存在异常的第一异常标识链接段及其对应的第一重合阈值,获取当前用户对应的业务信息数据集中存在异常的第二异常标识链接及其对应的第二重合阈值;
第一判断模块,用于确定第一异常标识链接段对应的第一数据属性,基于风险评估指标确定对所述第一数据属性的属性权重,判断是否存在属性权重大于预设权重的第一数据属性;
若是,获取对应第一数据属性的第一重合阈值,若对应第一数据属性的第一重合阈值为一类阈值,确定当前用户不可以授信该金融业务;
否则,基于第一数据属性的属性权重和第一重合阈值,计算得到当前用户的综合个人信誉评分,判断所述综合个人信誉评分是否大于预设信誉评分;
若是,确定所述当前用户的个人信誉合格;
否则,确定所述当前用户的个人信誉不合格,当前用户不可以授信该金融业务;
第二判断模块,用于当所述当前用户的个人信誉合格后,确定第二异常标识链接段对应的第二数据属性,基于业务-个人评估匹配表,确定第二数据属性与第一数据属性的匹配关系,并基于所述匹配关系,结合第一数据属性的属性权重,确定第二数据属性的属性权重,并基于第二数据属性的属性权重和第一重合阈值,计算得到当前用户对业务的综合业务授信评分,判断所述综合业务授信评分是否大于预设授信评分;
若是,确定所述当前用户的可以授信该金融业务;
否则,确定所述当前用户的不可以授信该金融业务。
优选的,所述金融业务追踪单元,包括:
金融业务确认模块,用于:
基于评估数据决策单元中获取的授权成功的用户,将该用户的个人信息以及办理的金融业务进行对应,对应完成后将对应的金融业务进行独立存储;
业务时间确认模块,用于:
基于金融业务确认模块中获取的金融业务,将该业务授权成功的时间进行获取,时间获取后根据打款时间确定每个周期的还款日期;
并将还款日期数据与该用户的个人资料数据进行数据绑定;
贷款偿还模块,用于:
基于业务时间确认模块中获取的还款日期,根据每个周期的还款情况,对该用户的还款记录进行定期核查。
本发明提供另一种技术方案,基于消费金融场景的数字信用审批与风险监测***的实施方法,包括以下步骤:
第一步:先通过登录安全认证单元将工作人员以及用户的资料进行录入,录入完成后根据用户的需求通过金融业务管理单元对金融业务进行选择;
第二步:用户的金融业务选择完成后通过金融业务控制单元对用户的资质以及信用情况进行核查;
第三步:用户的资质以及信用情况核查完成后通过管理数据评估单元将资质以及信用情况核查合格的用户进行数据的重合判断,判断用户的资质以及信用情况是否属实;
第四步:核查属实后根据评估数据决策单元对用户的金融业务进行授权处理,授权完成后通过金融业务追踪单元将后续的周期还款进行监察。
与现有技术相比,本发明的有益效果如下:
1.本发明通过反欺诈风控模块可以有效的将用户的资质进行进一步的核查,其中,根据贷前风控判断用户的信用等级情况,若该用户为良好等级,则打款时间即可提前,若该用户为合格等级,则打款时间则按时打款,若该用户为不合格等级,则判定该用户为异常用户,可以进行准确的定位客户的信用风险,并对用户的信用等级进行监控,根据贷中风控对用户历史还款进行监测,若监测结果判定该用户的历史贷款行为以及授信行为不佳,则该用户判定为异常用户,并将该用户的还款时间进行监控,可以有效的防止有欺诈行为和不良借款人的问题,极大程度的降低了欺诈风险,根据贷后风控对用户的历史还款记录进行查询,若用户没有进行还款或者还款逾期后根据逾期时间进行信用评判,逾期时间越长则信用评判越低,则企业进行关注度越高,有效的防止探测欺诈、恶意违约的问题,同时根据反洗钱模块判断用户是否存在恶意贷款洗钱的问题,先将用户资料的真实性进行进一步的核查,若该用户的姓名与银行卡所属人信息不一致时,则将该用户的单笔限额打款、单日限额打款和跨境限额支付的操作进行专门设定,通过对用户金额的控制可以有效的降低洗钱的风险。
2.本发明通过反馈数据获取模块将用户资料以及用户选择的金融业务数据进行获取,获取后将用户资料以及用户选择的金融业务数据分别进行属性划分,可以提高后期数据对比的统一性和便捷性,划分完成后通过数据集标识模块分别将用户资料以及用户选择的金融业务数据分别进行标识链接的建立,标识链接的划分可以提高后期链接段的划分,通过重合数据获取模块将用户资料以及用户选择的金融业务数据的标识链接分别划分为多个相同长度相同的链接段,链接段的划分可以提高重合对比的效率,同时,将链接段划分为多个长度一致的链接段,可以提高重合对比的准确率,再将多个长度一致的链接段通过重合阈值获取模块进行阈值判断,根据判断的阈值再次进行数据的决策,当重合阈值为0-30%之间时为一类阈值,一类阈值表示获取的数据与数据库中的数据的相似程度最低,同时也就表示获取的数据资料是有误的,异常程度也就最高,当重合阈值为31-70%之间时为二类阈值,二类阈值表示获取的数据与数据库中的数据的相似程度中等,则需要将获取的数据进行进一步的核实,其中核实的步骤为相同的步骤,当重合阈值为71-100%之间时为三类阈值,三类阈值表示获取的数据与数据库中的数据的相似度最高,则数据获取的是真实数据,根据对数据重合阈值的判断,可以更准确的获取由于***出错导致的用户选择有误的问题,降低的企业的金融风险。
附图说明
图1为本发明的整体管理流程示意图;
图2为本发明的登录安全认证单元模块示意图;
图3为本发明的金融业务控制单元模块示意图;
图4为本发明的管理数据评估单元模块示意图;
图5为本发明的金融业务追踪单元模块示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
为了解决现有技术中,当用户进行金融业务选择后,企业没有对用户进行更细致的核查,从而出现用户资质不优良也可以进行业务授权,导致企业后期无法回款的问题,请参阅图1-图3,本实施例提供以下技术方案:
基于消费金融场景的数字信用审批与风险监测***,包括:登录安全认证单元,用于:工作人员将个人信息进行录入,录入完成后再次进行登录时通过身份认证将工作人员的信息进行核查,核查成功后即可进行内部***;同时,客户可以将用户信息以及需求资料进行录入,并且工作人员的安全认证***与用户的安全认证***为两个独立的***;金融业务管理单元,用于:基于登录安全认证单元中获取的用户信息以及需求,用户根据需求将对应的业务进行选择;其中,业务根据不同的分期时间、利息利率进行分类,并且每一种业务数据都有相对应的数据编号;金融业务控制单元,用于:基于金融业务管理单元中获取的业务编号,将编号所对应的业务与用户填写的资料进行风险核查,核查完成后将核查信息进行存储;管理数据评估单元,用于:基于金融业务控制单元中核查完成的数据,根据数据的异常程度将数据进行分类,分类完成后将异常数据与业务办理的用户进行对应;评估数据决策单元,用于:基于管理数据评估单元中对应的用户,根据异常程度对用户选取的金融业务进行评判,判断该用户是否可以授信该金融业务;若评判结果为该用户可以进行授信,则下达授权指令,指令通过用户的移动终端进行接收;若评判结果为该用户未能进行授权,则将业务请求进行驳回指令下达,指令同样通过用户的移动终端进行接收;金融业务追踪单元,用于:基于评估数据决策单元中获取的授权成功的业务,将具体的业务与对应的用户资料进行获取,将业务的放贷时间与还款时间进行确认,确认完成后根据还款时间判断用户是否进行正常还款,若没有进行正常还款,则通过电话或者短信进行沟通。
具体的,登录安全认证单元通过用户资料管理模块将用户的详细资料进行进一步的获取,并且用户在登录***时,根据对用户的实时人像进行核查,可以有效防止恶意借贷的问题,金融业务控制单元通过贷前风控判断用户的信用等级情况,可以进行准确的定位客户的信用风险,并对用户的信用等级进行监控,根据贷中风控对用户历史还款进行监测,可以有效的防止有欺诈行为和不良借款人的问题,极大程度的降低了欺诈风险,根据贷后风控对用户的历史还款记录进行查询,有效的防止探测欺诈、恶意违约的问题,管理数据评估单元根据对数据重合阈值的判断,可以更准确的获取由于***出错导致的用户选择有误的问题,降低的企业的金融风险,金融业务追踪单元根据打款时间确定每个周期的还款日期,可以使还款日期更加的智能化,相对于以往的统一时间还款,可以使用户的还款时间最大程度得到延长,同时也降低了企业的回款风险。
所述登录安全认证单元,包括:工作人员管理模块,用于:工作人员将个人信息以及职位信息进行填写,并且会进行密码设置,当工作人员进行***登录时,需要进行姓名、职位以及密码的填写;填写完成后通过身份认证将填写的资料进行核查,若填写的资料与数据库中的认证资料一致,则工作人员的身份认证为合格,即可进行***内部;用户资料管理模块,用于:用户将个人信息、手机号、身份证信息、紧急联系、收入资金、现有资产以及资金发放银行卡的信息进行填写,并且首次注册会进行密码设置;并且,将客户的手机号以及身份证信息进行核实,其中,手机号核实通过注册时的手机发送的验证码进行核实,身份证信息核实通过用户移动终端的摄像头验证身份证照片是否与当前人像一致,根据大数据中的OCR识别将身份证号以及地址进行核实;根据核实的手机号与身份证信息,将该信息进行独立存储。
具体的,通过工作人员管理模块将工作人员的资料以及职位进行填写,填写完成后进行核查,核查属实后工作人员的登录号即可创建完成,通过创建的登录号工作人员可以进行***将金融业务进行更改以及对用户的详细资料进行查看,更加便于后期的业务更改以及用户资料的查询,同时通过用户资料管理模块将用户的详细资料进行进一步的获取,并且用户在登录***时,根据对用户的实时人像进行核查,可以有效防止恶意借贷的问题,通过OCR识别将身份证号以及地址进行核实,提高用户资料填写的真实性,降低了企业的借贷风险。
所述金融业务控制单元,包括:反欺诈风控模块,用于:根据获取的用户信息,将用户进行贷前风控、贷中风控以及贷后风控检测;其中,贷前风控主要通过用户核实完成的资料数据,将数据进行真实信息的校验,当用户的真实信息校验完成后,调取用户的信用记录,根据以往的信用记录对该用户的信用风险等级进行评判,评判主要分为良好等级、合格等级和不合格等级;反欺诈风控模块,包括:贷中监控模块,用于:基于反欺诈风控模块获取的客户的信用风险程度,将用户历史还款进行监测,若监测结果判定该用户的历史贷款行为以及授信行为不佳,则该用户判定为异常用户,并将该用户的还款时间进行监控,根据贷后风控对用户的历史还款记录进行查询;贷后监控模块,用于:基于反欺诈风控模块获取的客户的信用风险程度,将用户的历史还款记录进行查询,若用户没有进行还款或者还款逾期后根据逾期时间进行信用评判,逾期时间越长则信用评判越低,则企业进行关注度越高。;所述金融业务控制单元,还包括:反洗钱模块,用于:将用户的姓名与银行卡所属人进行核实,核实完成后根据核实结果进行判断操作;客户资质评估模块,用于:基于反欺诈风控模块与反洗钱模块中获取的异常人员名单,将异常人员名单进行获取,获取后将该人员名单对应的信息进行确认,根据确认的信息将异常人员的风险数量进行获取,根据风险数量确认该异常人员的风险等级,其中,风险数量越多,该异常人员的风险等级越高,根据不同的风险等级,将异常人员的信息进行存储。
在一个实施例中,所述反欺诈风控模块用于贷前风控包括:
校验单元,用于从用户完成的资料数据中获取数据校验地址,基于所述数据校验地址获取资料数据来源,从资料数据来源中获取与填写的资料数据对应的数据源,对资料数据和数据源进行标准化,得到资料数据标准化后的第一序列,并将第一序列按照数据属性划分为多个第一子序列,得到数据源标准化后的第二序列,并将第二序列按照数据属性划分为多个第二子序列;
根据如下公式计算所述资料数据的校验值K;
其中,δ表示对资料数据和数据源进行标准化的标准化误差,取值为(0.8,1.0),β表示按照数据属性划分的划分精度,n表示第一子序列或第二子序列中数量,γi表示第i个第一子序列或第二子序列对应的数据属性的可容错值,取值为(0.8,1.0),F1i表示第i个第一子序列的序列值,F2i表示第i个第二子序列的序列值;
判断所述校验值是否大于预设校验值;
若是,确定用户完成的资料数据为真实信息;
否则,确定用户完成的资料数据为虚假信息;
评分单元,用于当确定用户完成的资料数据为真实信息后,获取用户在历史预设时间内的信用记录,基于信用记录确定用户在对应业务中的历史信用评分,并根据如下公式计算用户的当前信用评分P;
m表示用户在历史预设时间内的信用记录次数,Hj表示用户在历史预设时间内第j次信用记录对应的历史信用评分,δj表示在历史预设时间内第j次信用记录的权重值,且 表示在用户在历史预设时间内最近s次信用记录对应的平均信用评分,且s<m;
基于用户的当前信用评分确定用户的信用风险等级。
在该实施例中,对资料数据和数据源进行标准化的目的是使得资料数据和数据源的格式一致,提高校验准确性。
在该实施例中,第一子序列和第二子序列的数据属性对应。
在该实施例中,资料数据的校验值K越大对应的校验结果越好。
在该实施例中,信用记录的时间越新,历史预设时间内信用记录的权重值越大。
在该实施例中,用户的当前信用评分越大对应的风险等级越低。
上述设计方案的有益效果是:通过选取资料数据的数据源来对资料数据进行校验,并在娇艳的过程中加入便准话误差,数据属性划分精度,结合资料数据和数据源的序列比较,得到资料数据的校验值,实现对资料数据的校验,确定了用户所填资料的真实性,在确定真实性之后,结合用户的历史信用记录的历史信用评分,为时间较新的历史信用评分匹配较大的权重,保证得到的用户的当前信用评分的时效性和准确性,进一步准确确定了用户的信用风险等级。
具体的,通过反欺诈风控模块可以有效的将用户的资质进行进一步的核查,其中,根据贷前风控判断用户的信用等级情况,若该用户为良好等级,则打款时间即可提前,若该用户为合格等级,则打款时间则按时打款,若该用户为不合格等级,则判定该用户为异常用户,进一步的提高了对客户欺诈行为的判断,从而准确的定位客户的信用风险,并对用户的信用等级进行监控,根据贷中风控对用户历史还款进行监测,若监测结果判定该用户的历史贷款行为以及授信行为不佳,则该用户判定为异常用户,并将该用户的还款时间进行监控,可以有效的防止有欺诈行为和不良借款人的问题,极大程度的降低了欺诈风险,根据贷后风控对用户的历史还款记录进行查询,若用户没有进行还款或者还款逾期后根据逾期时间进行信用评判,逾期时间越长则信用评判越低,则企业进行关注度越高,有效的防止探测欺诈、恶意违约的问题,同时根据反洗钱模块判断用户是否存在恶意贷款洗钱的问题,先将用户资料的真实性进行进一步的核查,若该用户的姓名与银行卡所属人信息不一致时,则将该用户的单笔限额打款、单日限额打款和跨境限额支付的操作进行专门设定,通过对用户金额的控制可以有效的降低洗钱的风险。
为了解决现有技术中,当用户的资质以及金融业务的选择都确认完成后,就直接进行授权,没有进一步将合格的用户资料与数据库中的资料进行对比,从而使用户金融业务选择完成后由于***的出错,导致业务与用户匹配出错的问题,请参阅图4,本实施例提供以下技术方案:
所述管理数据评估单元,包括:反馈数据获取模块,用于:基于金融业务控制单元中获取的核查合格的用户,将该用户的个人信息以及对应的业务信息分别进行获取;获取后将个人信息与业务信息分别进行数据集划分,划分成个人信息数据集和业务信息数据集;数据集标识模块,用于:基于反馈数据获取模块中获取的个人信息数据集和业务信息数据集,将个人信息数据集进行第一标识建立,将业务信息数据集进行第二标识建立;第一标识和第二标识建立完成后获取第一标识的第一标识链接,同时获取第二标识的第二标识链接,所述管理数据评估单元,还包括:重合数据获取模块,用于:基于数据集标识模块获取的第一标识链接和第二标识链接,将第一标识链接划分为多个相同长度的链接段,并将每个链接段进行数据对比,根据对比结果获取重合阈值;同时,将第二标识链接换分为多个相同长度的链接段,并将每个链接段进行数据对比,根据对比结果获取重合阈值;其中,数据对比为将第一标识链接段和第二标识链接段,分别与数据库中相同属性的链接段进行数据比较,比较完成后判断第一标识链接段和第二标识链接段与数据库中相同属性的链接段重合的阈值;重合阈值获取模块,用于:基于重合数据获取模块中获取的重合阈值,重合阈值分为一类阈值、二类阈值和三类阈值;其中,一类阈值为重合指数在0-30%之间的对比链接段,二类阈值在重合指数在31-70%之间的对比链接段,三类阈值在重合指数在71-100%之间的对比链接段;其中,一类阈值为异常指数最高的数据,二类阈值其次,三类阈值为合格标准内的数据。
具体的,先通过反馈数据获取模块将用户资料以及用户选择的金融业务数据进行获取,获取后将用户资料以及用户选择的金融业务数据分别进行属性划分,可以提高后期数据对比的统一性和便捷性,划分完成后通过数据集标识模块分别将用户资料以及用户选择的金融业务数据分别进行标识链接的建立,标识链接的划分可以提高后期链接段的划分,通过重合数据获取模块将用户资料以及用户选择的金融业务数据的标识链接分别划分为多个相同长度相同的链接段,链接段的划分可以提高重合对比的效率,同时,将链接段划分为多个长度一致的链接段,可以提高重合对比的准确率,再将多个长度一致的链接段通过重合阈值获取模块进行阈值判断,根据判断的阈值再次进行数据的决策,当重合阈值为0-30%之间时为一类阈值,一类阈值表示获取的数据与数据库中的数据的相似程度最低,同时也就表示获取的数据资料是有误的,异常程度也就最高,当重合阈值为31-70%之间时为二类阈值,二类阈值表示获取的数据与数据库中的数据的相似程度中等,则需要将获取的数据进行进一步的核实,其中核实的步骤为相同的步骤,当重合阈值为71-100%之间时为三类阈值,三类阈值表示获取的数据与数据库中的数据的相似度最高,则数据获取的是真实数据,根据对数据重合阈值的判断,可以更准确的获取由于***出错导致的用户选择有误的问题,降低的企业的金融风险。
在一个实施例中,所述评估数据决策单元,包括:
信息获取模块,用于获取当前用户中,个人信息数据集中存在异常的第一异常标识链接段及其对应的第一重合阈值,获取当前用户对应的业务信息数据集中存在异常的第二异常标识链接及其对应的第二重合阈值;
第一判断模块,用于确定第一异常标识链接段对应的第一数据属性,基于风险评估指标确定对所述第一数据属性的属性权重,判断是否存在属性权重大于预设权重的第一数据属性;
若是,获取对应第一数据属性的第一重合阈值,若对应第一数据属性的第一重合阈值为一类阈值,确定当前用户不可以授信该金融业务;
否则,基于第一数据属性的属性权重和第一重合阈值,计算得到当前用户的综合个人信誉评分,判断所述综合个人信誉评分是否大于预设信誉评分;
若是,确定所述当前用户的个人信誉合格;
否则,确定所述当前用户的个人信誉不合格,当前用户不可以授信该金融业务;
第二判断模块,用于当所述当前用户的个人信誉合格后,确定第二异常标识链接段对应的第二数据属性,基于业务-个人评估匹配表,确定第二数据属性与第一数据属性的匹配关系,并基于所述匹配关系,结合第一数据属性的属性权重,确定第二数据属性的属性权重,并基于第二数据属性的属性权重和第一重合阈值,计算得到当前用户对业务的综合业务授信评分,判断所述综合业务授信评分是否大于预设授信评分;
若是,确定所述当前用户的可以授信该金融业务;
否则,确定所述当前用户的不可以授信该金融业务。
在该实施例中,第一数据属性用于表示个人信息数据的属性特征,例如为个人信贷属性,个人工作属性等等,对于风险评估指标的重要性越大,对应的属性权重越大,例如风险评估指标为还款能力,对应的个人工作属性的属性权值较大。
在该实施例中,第二数据属性用于表示金融业务数据的属性特征,例如业务的作用属性,领域属性等。
在该实施例中,业务-个人评估匹配表为预先设计得到,例如金融业务的领域与个人的工作领域对应。
在该实施例中,第一数据属性的属性权重越大,对综合个人信誉评分的影响越大,第一数据属性的第一重合阈值越大,综合个人信誉评分越高。
在该实施例中,第二数据属性的属性权重越大,对综合业务授信评分的影响越大,第二数据属性的第一重合阈值越大,综合业务授信评分越高。
上述设计方案的有益效果是:通过首先判断个人信息数据集中第一异常标识链接段对应的第一数据属性的第一重合阈值,选取属性权重大于预设权重的第一数据属性,这些第一数据属性对个人信誉的影响程度很大,若这些第一数据属性的第一重合阈值为一类阈值,直接确定当前用户不可以授信该金融业务,提高评估数据决策效率,若不是一类阈值时,通过第一数据属性的属性权重和第一重合阈值,计算得到当前用户的综合个人信誉评分,判断所述综合个人信誉评分是否大于预设信誉评分,若是,确定所述当前用户的个人信誉合格,需要结合金融业务进行进一步确定,否则,确定所述当前用户的个人信誉不合格,当前用户不可以授信该金融业务,当所述当前用户的个人信誉合格后,计算得到当前用户对业务的综合业务授信评分,判断所述综合业务授信评分是否大于预设授信评分,若是,确定所述当前用户的可以授信该金融业务;否则,确定所述当前用户的不可以授信该金融业务,从个人信息到结合金融业务层层递进进行数据评估,保证决策的准确性,实现对用户的资质以及金融业务的精准分析,为业务与用户的准确匹配提供基础。
为了解决现有技术中,没有对用户的还款周期进行更有效的鉴定,从而使还款日期与放款日期过于临近,用户还款压力过大的问题,请参阅图5,本实施例提供以下技术方案:
所述金融业务追踪单元,包括:金融业务确认模块,用于:基于评估数据决策单元中获取的授权成功的用户,将该用户的个人信息以及办理的金融业务进行对应,对应完成后将对应的金融业务进行独立存储;业务时间确认模块,用于:基于金融业务确认模块中获取的金融业务,将该业务授权成功的时间进行获取,时间获取后根据打款时间确定每个周期的还款日期;并将还款日期数据与该用户的个人资料数据进行数据绑定;贷款偿还模块,用于:基于业务时间确认模块中获取的还款日期,根据每个周期的还款情况,对该用户的还款记录进行定期核查。
具体的,根据金融业务确认模块将授权成功的用户与该用户所办理的金融业务进行对应,对应完成后根据业务时间确认模块将金融业务的授权时间进行确认,确认完成后根据打款时间确定每个周期的还款日期,可以使还款日期更加的智能化,相对于以往的统一时间还款,可以使用户的还款时间最大程度得到延长,同时也降低了企业的回款风险。
具体的,基于消费金融业务的风险模型全生命周期管理方法,步骤如下:
先通过登录安全认证单元将工作人员以及用户的资料进行录入,录入完成后根据用户的需求通过金融业务管理单元对金融业务进行选择;
其中,通过用户资料管理模块将用户的详细资料进行进一步的获取,并且用户在登录***时,根据对用户的实时人像进行核查,可以有效防止恶意借贷的问题;
用户的金融业务选择完成后通过金融业务控制单元对用户的资质以及信用情况进行核查;
其中,贷前风控判断用户的信用等级情况,可以进行准确的定位客户的信用风险,并对用户的信用等级进行监控,根据贷中风控对用户历史还款进行监测,可以有效的防止有欺诈行为和不良借款人的问题,极大程度的降低了欺诈风险,根据贷后风控对用户的历史还款记录进行查询,有效的防止探测欺诈、恶意违约的问题;
用户的资质以及信用情况核查完成后通过管理数据评估单元将资质以及信用情况核查合格的用户进行数据的重合判断,判断用户的资质以及信用情况是否属实;
其中,根据对数据重合阈值的判断,可以更准确的获取由于***出错导致的用户选择有误的问题,降低的企业的金融风险;
核查属实后根据评估数据决策单元对用户的金融业务进行授权处理,授权完成后通过金融业务追踪单元将后续的周期还款进行监察;
其中,根据打款时间确定每个周期的还款日期,可以使还款日期更加的智能化,相对于以往的统一时间还款,可以使用户的还款时间最大程度得到延长,同时也降低了企业的回款风险。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.基于消费金融场景的数字信用审批与风险监测***,其特征在于,包括:
登录安全认证单元,用于:
工作人员将个人信息进行录入,录入完成后再次进行登录时通过身份认证将工作人员的信息进行核查,核查成功后即可进行内部***;
同时,客户可以将用户信息以及需求资料进行录入,并且工作人员的安全认证***与用户的安全认证***为两个独立的***;
金融业务管理单元,用于:
基于登录安全认证单元中获取的用户信息以及需求,用户根据需求将对应的业务进行选择;
其中,业务根据不同的分期时间、利息利率进行分类,并且每一种业务数据都有相对应的数据编号;
金融业务控制单元,用于:
基于金融业务管理单元中获取的业务编号,将编号所对应的业务与用户填写的资料以及信用情况进行风险核查,核查完成后将核查信息进行存储;
管理数据评估单元,用于:
基于金融业务控制单元中风险核查的数据,根据数据的异常程度将数据进行分类,分类完成后将异常数据与业务办理的用户进行对应;
所述管理数据评估单元,包括:
反馈数据获取模块,用于:
基于金融业务控制单元中获取的核查合格的用户,将该用户的个人信息以及对应的业务信息分别进行获取;
获取后将个人信息与业务信息分别进行数据集划分,划分成个人信息数据集和业务信息数据集;
数据集标识模块,用于:
基于反馈数据获取模块中获取的个人信息数据集和业务信息数据集,将个人信息数据集进行第一标识建立,将业务信息数据集进行第二标识建立;
第一标识和第二标识建立完成后获取第一标识的第一标识链接,同时获取第二标识的第二标识链接;
重合数据获取模块,用于:
基于数据集标识模块获取的第一标识链接和第二标识链接,将第一标识链接划分为多个相同长度的链接段,并将每个链接段进行数据对比,根据对比结果获取重合阈值;
同时,将第二标识链接换分为多个相同长度的链接段,并将每个链接段进行数据对比,根据对比结果获取重合阈值;
其中,数据对比为将第一标识链接段和第二标识链接段,分别与数据库中相同属性的链接段进行数据比较,比较完成后判断第一标识链接段和第二标识链接段与数据库中相同属性的链接段重合的阈值;
重合阈值获取模块,用于:
基于重合数据获取模块中获取的重合阈值,重合阈值分为一类阈值、二类阈值和三类阈值;
其中,一类阈值为重合指数在0-30%之间的对比链接段,二类阈值在重合指数在31-70%之间的对比链接段,三类阈值在重合指数在71-100%之间的对比链接段;
其中,一类阈值为异常指数最高的数据,二类阈值其次,三类阈值为合格标准内的数据;
评估数据决策单元,用于:
基于管理数据评估单元中对应的用户,根据异常程度对用户选取的金融业务进行评判,判断该用户是否可以授信该金融业务;
若评判结果为该用户可以进行授信,则下达授权指令,指令通过用户的移动终端进行接收;若评判结果为该用户未能进行授权,则将业务请求进行驳回指令下达,指令同样通过用户的移动终端进行接收;
所述评估数据决策单元,包括:
信息获取模块,用于获取当前用户中,个人信息数据集中存在异常的第一异常标识链接段及其对应的第一重合阈值,获取当前用户对应的业务信息数据集中存在异常的第二异常标识链接及其对应的第二重合阈值;
第一判断模块,用于确定第一异常标识链接段对应的第一数据属性,基于风险评估指标确定对所述第一数据属性的属性权重,判断是否存在属性权重大于预设权重的第一数据属性;
若是,获取对应第一数据属性的第一重合阈值,若对应第一数据属性的第一重合阈值为一类阈值,确定当前用户不可以授信该金融业务;
否则,基于第一数据属性的属性权重和第一重合阈值,计算得到当前用户的综合个人信誉评分,判断所述综合个人信誉评分是否大于预设信誉评分;
若是,确定所述当前用户的个人信誉合格;
否则,确定所述当前用户的个人信誉不合格,当前用户不可以授信该金融业务;
第二判断模块,用于当所述当前用户的个人信誉合格后,确定第二异常标识链接段对应的第二数据属性,基于业务-个人评估匹配表,确定第二数据属性与第一数据属性的匹配关系,并基于所述匹配关系,结合第一数据属性的属性权重,确定第二数据属性的属性权重,并基于第二数据属性的属性权重和第一重合阈值,计算得到当前用户对业务的综合业务授信评分,判断所述综合业务授信评分是否大于预设授信评分;
若是,确定所述当前用户的可以授信该金融业务;
否则,确定所述当前用户的不可以授信该金融业务;
金融业务追踪单元,用于:
基于评估数据决策单元中获取的授权成功的业务,将具体的业务与对应的用户资料进行获取,将业务的放贷时间与还款时间进行确认,确认完成后根据还款时间判断用户是否进行正常还款,若没有进行正常还款,则通过电话或者短信进行沟通。
2.根据权利要求1所述的基于消费金融场景的数字信用审批与风险监测***,其特征在于:所述登录安全认证单元,包括:
工作人员管理模块,用于:
工作人员将个人信息以及职位信息进行填写,并且会进行密码设置,当工作人员进行***登录时,需要进行姓名、职位以及密码的填写;
填写完成后通过身份认证将填写的资料进行核查,若填写的资料与数据库中的认证资料一致,则工作人员的身份认证为合格,即可进行***内部;
用户资料管理模块,用于:
用户将个人信息、手机号、身份证信息、紧急联系、收入资金、现有资产以及资金发放银行卡的信息进行填写,并且首次注册会进行密码设置;
并且,将客户的手机号以及身份证信息进行核实,其中,手机号核实通过注册时的手机发送的验证码进行核实,身份证信息核实通过用户移动终端的摄像头验证身份证照片是否与当前人像一致,根据大数据中的OCR识别将身份证号以及地址进行核实;
根据核实的手机号与身份证信息,将该信息进行独立存储。
3.根据权利要求1所述的基于消费金融场景的数字信用审批与风险监测***,其特征在于:所述金融业务控制单元,包括:
反欺诈风控模块,用于:
根据获取的用户信息,将用户进行贷前风控、贷中风控以及贷后风控检测;
其中,贷前风控主要通过用户核实完成的资料数据,将数据进行真实信息的校验,当用户的真实信息校验完成后,调取用户的信用记录,根据以往的信用记录对该用户的信用风险等级进行评判,评判主要分为良好等级、合格等级和不合格等级;
反欺诈风控模块,包括:
贷中监控模块,用于:
基于反欺诈风控模块获取的客户的信用风险程度,将用户历史还款进行监测,若监测结果判定该用户的历史贷款行为以及授信行为不佳,则该用户判定为异常用户,并将该用户的还款时间进行监控,根据贷后风控对用户的历史还款记录进行查询;
贷后监控模块,用于:
基于反欺诈风控模块获取的客户的信用风险程度,将用户的历史还款记录进行查询,若用户没有进行还款或者还款逾期后根据逾期时间进行信用评判,逾期时间越长则信用评判越低,则企业进行关注度越高。
4.根据权利要求3所述的基于消费金融场景的数字信用审批与风险监测***,其特征在于:所述反欺诈风控模块用于贷前风控包括:
校验单元,用于从用户完成的资料数据中获取数据校验地址,基于所述数据校验地址获取资料数据来源,从资料数据来源中获取与填写的资料数据对应的数据源,对资料数据和数据源进行标准化,得到资料数据标准化后的第一序列,并将第一序列按照数据属性划分为多个第一子序列,得到数据源标准化后的第二序列,并将第二序列按照数据属性划分为多个第二子序列;
根据如下公式计算所述资料数据的校验值K;
其中,δ表示对资料数据和数据源进行标准化的标准化误差,取值为(0.8,1.0),β表示按照数据属性划分的划分精度,n表示第一子序列或第二子序列中数量,γi表示第i个第一子序列或第二子序列对应的数据属性的可容错值,取值为(0.8,1.0),F1i表示第i个第一子序列的序列值,F2i表示第i个第二子序列的序列值;
判断所述校验值是否大于预设校验值;
若是,确定用户完成的资料数据为真实信息;
否则,确定用户完成的资料数据为虚假信息;
评分单元,用于当确定用户完成的资料数据为真实信息后,获取用户在历史预设时间内的信用记录,基于信用记录确定用户在对应业务中的历史信用评分,并根据如下公式计算用户的当前信用评分P;
m表示用户在历史预设时间内的信用记录次数,Hj表示用户在历史预设时间内第j次信用记录对应的历史信用评分,δj表示在历史预设时间内第j次信用记录的权重值,且 表示在用户在历史预设时间内最近s次信用记录对应的平均信用评分,且s<m;
基于用户的当前信用评分确定用户的信用风险等级。
5.根据权利要求3所述的基于消费金融场景的数字信用审批与风险监测***,其特征在于:所述金融业务控制单元,还包括:
反洗钱模块,用于:
将用户的姓名与银行卡所属人进行核实,核实完成后根据核实结果进行判断操作;
客户资质评估模块,用于:
基于反欺诈风控模块与反洗钱模块中获取的异常人员名单,将异常人员名单进行获取,获取后将该人员名单对应的信息进行确认,根据确认的信息将异常人员的风险数量进行获取,根据风险数量确认该异常人员的风险等级,其中,风险数量越多,该异常人员的风险等级越高,根据不同的风险等级,将异常人员的信息进行存储。
6.根据权利要求5所述的基于消费金融场景的数字信用审批与风险监测***,其特征在于:所述金融业务追踪单元,包括:
金融业务确认模块,用于:
基于评估数据决策单元中获取的授权成功的用户,将该用户的个人信息以及办理的金融业务进行对应,对应完成后将对应的金融业务进行独立存储;
业务时间确认模块,用于:
基于金融业务确认模块中获取的金融业务,将该业务授权成功的时间进行获取,时间获取后根据打款时间确定每个周期的还款日期;
并将还款日期数据与该用户的个人资料数据进行数据绑定;
贷款偿还模块,用于:
基于业务时间确认模块中获取的还款日期,根据每个周期的还款情况,对该用户的还款记录进行定期核查。
7.一种如权利要求1-6任一项所述的基于消费金融场景的数字信用审批与风险监测***的实施方法,其特征在于,包括以下步骤:
第一步:先通过登录安全认证单元将工作人员以及用户的资料进行录入,录入完成后根据用户的需求通过金融业务管理单元对金融业务进行选择;
第二步:用户的金融业务选择完成后通过金融业务控制单元对用户的资质以及信用情况进行风险核查,其中,风险核查为根据用户填写的信息进行贷前风控、贷中风控以及贷后风控检测;
第三步:用户的资质以及信用情况风险核查完成后通过管理数据评估单元将资质以及信用情况风险核查合格的用户进行数据的重合判断,根据重合判断的结果确定该用户数据的异常程度;
第四步:根据评估数据决策单元对用户的金融业务进行授权处理,授权完成后通过金融业务追踪单元将后续的周期还款进行监察。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310895394.0A CN116862661B (zh) | 2023-07-20 | 2023-07-20 | 基于消费金融场景的数字信用审批与风险监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310895394.0A CN116862661B (zh) | 2023-07-20 | 2023-07-20 | 基于消费金融场景的数字信用审批与风险监测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116862661A CN116862661A (zh) | 2023-10-10 |
CN116862661B true CN116862661B (zh) | 2024-04-26 |
Family
ID=88235774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310895394.0A Active CN116862661B (zh) | 2023-07-20 | 2023-07-20 | 基于消费金融场景的数字信用审批与风险监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116862661B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117853232B (zh) * | 2024-03-07 | 2024-05-24 | 杭银消费金融股份有限公司 | 一种信贷风险异常巡检归因预警方法与*** |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002037219A2 (en) * | 2000-11-02 | 2002-05-10 | Cybersource Corporation | Method and apparatus for evaluating fraud risk in an electronic commerce transaction |
CN1680951A (zh) * | 2004-07-05 | 2005-10-12 | 中国银行股份有限公司 | 金融企业为客户进行在线授信的***和方法 |
CN108596759A (zh) * | 2018-05-09 | 2018-09-28 | 平安普惠企业管理有限公司 | 贷款申请信息检测方法及服务器 |
CN108876134A (zh) * | 2018-06-08 | 2018-11-23 | 山东汇贸电子口岸有限公司 | 一种中小微企业信贷*** |
CN109255506A (zh) * | 2018-11-22 | 2019-01-22 | 重庆邮电大学 | 一种基于大数据的互联网金融用户贷款逾期预测方法 |
CN111415067A (zh) * | 2019-12-30 | 2020-07-14 | 北京澎湃信用管理有限公司 | 企业及个人信用评级*** |
CN113240510A (zh) * | 2021-05-28 | 2021-08-10 | 平安科技(深圳)有限公司 | 异常用户预测方法、装置、设备及存储介质 |
CN114022273A (zh) * | 2021-11-26 | 2022-02-08 | 江苏华博实业集团有限公司 | 一种用于融资供应链的金融风险管理***及其方法 |
CN115271912A (zh) * | 2022-07-26 | 2022-11-01 | 天元大数据信用管理有限公司 | 一种基于大数据的信贷业务智能风控审批***及方法 |
CN115545670A (zh) * | 2022-10-31 | 2022-12-30 | 重庆富民银行股份有限公司 | 一种风控预审批***及方法 |
CN115564551A (zh) * | 2022-05-05 | 2023-01-03 | 惠国征信服务股份有限公司 | 一种金融大数据的企业信用评级方法 |
CN115829073A (zh) * | 2021-09-16 | 2023-03-21 | 腾讯科技(深圳)有限公司 | 对象识别方法、装置、设备及可读存储介质、程序产品 |
CN115983981A (zh) * | 2023-01-04 | 2023-04-18 | 深圳市新联鑫网络科技有限公司 | 一种基于金融数据分析的信用风险评估*** |
CN116385137A (zh) * | 2023-03-02 | 2023-07-04 | 重庆正大华日软件有限公司 | 一种基于电力信息数据的企业反欺诈风险评估方法及*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8799150B2 (en) * | 2009-09-30 | 2014-08-05 | Scorelogix Llc | System and method for predicting consumer credit risk using income risk based credit score |
-
2023
- 2023-07-20 CN CN202310895394.0A patent/CN116862661B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002037219A2 (en) * | 2000-11-02 | 2002-05-10 | Cybersource Corporation | Method and apparatus for evaluating fraud risk in an electronic commerce transaction |
CN1680951A (zh) * | 2004-07-05 | 2005-10-12 | 中国银行股份有限公司 | 金融企业为客户进行在线授信的***和方法 |
CN108596759A (zh) * | 2018-05-09 | 2018-09-28 | 平安普惠企业管理有限公司 | 贷款申请信息检测方法及服务器 |
CN108876134A (zh) * | 2018-06-08 | 2018-11-23 | 山东汇贸电子口岸有限公司 | 一种中小微企业信贷*** |
CN109255506A (zh) * | 2018-11-22 | 2019-01-22 | 重庆邮电大学 | 一种基于大数据的互联网金融用户贷款逾期预测方法 |
CN111415067A (zh) * | 2019-12-30 | 2020-07-14 | 北京澎湃信用管理有限公司 | 企业及个人信用评级*** |
CN113240510A (zh) * | 2021-05-28 | 2021-08-10 | 平安科技(深圳)有限公司 | 异常用户预测方法、装置、设备及存储介质 |
CN115829073A (zh) * | 2021-09-16 | 2023-03-21 | 腾讯科技(深圳)有限公司 | 对象识别方法、装置、设备及可读存储介质、程序产品 |
CN114022273A (zh) * | 2021-11-26 | 2022-02-08 | 江苏华博实业集团有限公司 | 一种用于融资供应链的金融风险管理***及其方法 |
CN115564551A (zh) * | 2022-05-05 | 2023-01-03 | 惠国征信服务股份有限公司 | 一种金融大数据的企业信用评级方法 |
CN115271912A (zh) * | 2022-07-26 | 2022-11-01 | 天元大数据信用管理有限公司 | 一种基于大数据的信贷业务智能风控审批***及方法 |
CN115545670A (zh) * | 2022-10-31 | 2022-12-30 | 重庆富民银行股份有限公司 | 一种风控预审批***及方法 |
CN115983981A (zh) * | 2023-01-04 | 2023-04-18 | 深圳市新联鑫网络科技有限公司 | 一种基于金融数据分析的信用风险评估*** |
CN116385137A (zh) * | 2023-03-02 | 2023-07-04 | 重庆正大华日软件有限公司 | 一种基于电力信息数据的企业反欺诈风险评估方法及*** |
Non-Patent Citations (1)
Title |
---|
Tsai, Sang-Bing etal..An empirical research on evaluating banks' credit assessment of corporate customers.《SPRINGERPLUS》.2016,1-13. * |
Also Published As
Publication number | Publication date |
---|---|
CN116862661A (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11792176B1 (en) | Scalable risk-based authentication methods and systems | |
US20190392450A1 (en) | Systems and methods for authenticating online users in regulated environments | |
US8463702B2 (en) | Global compliance processing system for a money transfer system | |
US8170953B1 (en) | Systems and method for screening payment transactions | |
US8504456B2 (en) | Behavioral baseline scoring and risk scoring | |
CA2615683C (en) | Identification and risk evaluation | |
US20220122087A1 (en) | Systems and methods for authenticating online users and providing graphic visualizations of an authentication process | |
US20120109802A1 (en) | Verifying identity through use of an integrated risk assessment and management system | |
CN112789614B (zh) | 用于设计和验证细粒度事件检测规则的*** | |
US20110270756A1 (en) | Systems and methods for screening payment transactions | |
US20080288393A1 (en) | Credit Worthiness Rating Method | |
CA2804455A1 (en) | Mobile directory number and email verification of financial transactions | |
CN111461704B (zh) | 一种用于农村金融机构的磁条卡交易安全锁的方法及*** | |
CN116862661B (zh) | 基于消费金融场景的数字信用审批与风险监测*** | |
CN115439030A (zh) | 一种基于大数据分析的资金往来信息管理*** | |
US8036978B1 (en) | Method of upgrading third party functionality in an electronic fraud management system | |
CN106557925B (zh) | 一种反欺诈支付的校验方法及*** | |
US11727412B2 (en) | Systems and methods for optimizing transaction authorization request message to reduce false declines | |
CN116342247A (zh) | 信贷支用授权管控方法、装置、设备及其存储介质 | |
CN111612621A (zh) | 一种数字货币交易数据处理方法、装置及*** | |
CN117474640B (zh) | 一种免押金租赁的装置及方法 | |
CN116091059B (zh) | 一种虚拟预付卡防盗刷*** | |
CN114881796A (zh) | 一种基于数税结合的融资方法及装置 | |
AU2022429503A1 (en) | Systems and methods for authenticating online users and providing graphic visualizations of an authentication process | |
CN116757629A (zh) | 一种业务数据审核方法、装置、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |