TW201947505A - 金融信評系統與方法 - Google Patents
金融信評系統與方法 Download PDFInfo
- Publication number
- TW201947505A TW201947505A TW107119674A TW107119674A TW201947505A TW 201947505 A TW201947505 A TW 201947505A TW 107119674 A TW107119674 A TW 107119674A TW 107119674 A TW107119674 A TW 107119674A TW 201947505 A TW201947505 A TW 201947505A
- Authority
- TW
- Taiwan
- Prior art keywords
- financial
- external data
- credit
- processing unit
- data processing
- Prior art date
Links
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本發明提出一種金融信評系統與方法,包含:控制模組,提供系統之運作與管理;風險評估探勘模組,耦接控制模組,以輸出信評演算結果;其中,風險評估探勘模組更包含:財務資料處理單元,以輸入財務資料;外部資料處理單元,以輸入以自然語言表示的外部資料;以及,信評演算單元,耦接財務資料處理單元與外部資料處理單元,將財務資料與外部資料演算為信評演算結果。
Description
本發明涉及一種自動化信用評等的系統與方法,更詳而言之,其為一種可透過關鍵字探勘自動化蒐尋金融服務申請者於各大網站的外部資料,結合財務資料以進行風險評估的系統與方法。
隨著科技的進步,目前各大行業透過自動化分析技術以強化企業競爭力與績效益發普遍,以金融機關接受金融服務申請為例,在過往須以人力進行金融服務申請者之信用評等,例如:信用貸款、資產抵押、信用違約交換、託管協議、逾期或催收呆帳資訊、主債務轉讓資訊等等,如今已逐漸以自動化所取代,有別於以往委託律師及信貸人員等大量人力審核金融服務申請者信評所需的龐大工時,自動化除了能在較短的時間內完成,同時大幅降低出錯的機率外,亦能對金融機關節省大量的人力成本,因此投資報酬率極高。
信用評等(後簡稱:信評),係指金融服務申請者對所請金融服務的還款意願及償債能力的相關資料,透過系統性的分析,盡可能地將各項複雜的變數予以量化,以預測、推定,而得到金融服務申請者的信用等級分類,提供金融機關判斷承接金融服務的風險及利潤。現行可用以信評的方法中,主要有經驗法則、信用評等制度、信用評分制度、混合信用評等與信用評分制度等等。經驗法則主要依賴審核人員依過去經驗來判斷金融服務申請者可具有的信用額度;信用評等制度則將金融服務申請者的資料及信用狀況分為幾個項目,如營收、獲利能力等進行評分,給予適當的等級以決定金融服務申請的准駁;信用評分制度則將上述信用評等制度的項目進一步依照重要性給予不同的加權值,比起上述方式更為具體,分數越高則表示對償債能力越強,對金融機關的 風險也越低。
然則,在過往對於金融服務申請者進行自動化信評分析的系統架構中,儘管普遍具有可根據如財團法人金融聯合徵信中心(JCIC),或台灣經濟部(MOEA)等單位所製作正式的財務報表與徵信資料中得到統一格式信評資料的架構,但是卻缺乏從外部,如各大新聞網站、社群網站、財經論壇(如BBC、Cmoney等等)即時且有彈性的從社會輿論面向得到信評資料的架構,其理由亦不難理解:以社會輿論面進行信評分析,信評系統要求極高效能的自然語言分析架構;此外,即便自然語言分析架構的效能達到需求,社會輿論的層面通常意見廣泛,甚至當社會輿論偏往某一面向時,也不見得代表該面向為真,因此如何從上述廣泛的社會輿論中過濾出有用的資訊用以信評,並加以標準數據化、客觀化,也成為類似系統架構發展時的一大課題。
承上述,在過往的信評系統中,以台灣專利公告號I256569為例,該案中揭示了一種以資料探勘方法應用於銀行信用評分的系統,其雖具有可輸入一固定格式的歷史資料,但並未具備可自動找尋各大新聞網站、社群網站等關於財務、股票或經營狀況的新聞,從社會輿論面與歷史資料面綜合判斷使用者是否具有呆帳傾向的系統架構。
另外,過往對於金融服務申請者進行自動化信評分析的方法中,其方法程序大抵不脫根據金融服務申請者所申請的金融服務等級,輸入所對應固定格式的財務歷史資料,並對上述財務歷史資料以一標準的徵信演算模型進行信評分數的演算、校驗之後,最後再以人工的方式根據金融服務申請者所欲申請的金融服務由審核人員參考信評分數,以及審核人員依金融服務申請者的過往社會評價判斷其違約的機率,以決定核駁或核准所申請的金融服務。在上述的先前技術中,除了鮮少對於其信評演算的演算模型進行討論外,亦未對外部各大新聞、社群網站的資訊提出分析用的演算模型,這導致信評分數的演算上依然具有相當程度的主觀性,較無法對於金融服務申請者達到一較為公正客觀的信評分數。
因此綜觀上述,對於目前時點上而言,亟需要一種自動化信用評等的系統與方法,除了可依照如經濟部或財團法人金融聯合徵信中心等金融主管機關所公布的財務資料對金融服務申請者做出信用評等外,亦可透過關鍵字探勘自動蒐集金融服務申請者於各大網站的外部資料,並將結果予以量化,以提高信評的公正性與客觀性。
有鑒於前述習知技術的缺點,本發明提出一種金融信評系統,其包含:控制模組,提供系統的運作與管理;風險評估探勘模組,耦接控制模組,以輸出一信評演算結果;其中,該風險評估探勘模組進一步包含財務資料處理單元,以輸入至少一筆財務資料;外部資料處理單元,以從各大網站找尋與輸入至少一筆以自然語言表示的外部資料;以及,信評演算單元,耦接上述財務資料處理單元與外部資料處理單元,將財務資料與外部資料演算為一信評演算結果。
根據本發明的內容,金融信評系統更包含一審核模組,耦接該控制模組,對信評演算結果進行審核,以輸出一審核結果。
根據本發明的內容,金融信評系統更包含一資料管理模組,以儲存財務資料與信評演算結果。
根據本發明的內容,上述的外部資料處理單元更包含一傳輸端,以輸入至少一筆以自然語言表示的外部資料。
根據本發明的內容,上述的外部資料處理單元更包含一關鍵字探勘器,以根據第一關鍵字組進行外部資料的探勘。
根據本發明的內容,上述的外部資料處理單元更包含一外部資料分析器,以根據第一關鍵字組進行外部資料的分析。
根據本發明的內容,上述的外部資料分析器,根據外部資料的分析結果與關聯性,產生第二關鍵字組。
本發明提出一種金融信評方法,包含:財務資料處理單元輸入金融服務申請者的財務資料至信評演算單元;外部資料處理單元輸入金融服務申請者的外部資料至信評演算單元;信評演算單元根據財務資料與外部資料,輸出一信評演算結果,並輸出至審核模組;以及,審核模組依據信評演算結果分析是否核准金融服務申請。
根據本發明的內容,上述方法更包含審核模組分析,信評演算結果是否足以評估金融服務申請者。
根據本發明的一態樣,若該信評演算結果不足以評估金融服務申請者,則將信評演算結果饋回信評演算單元,並調整信評演算參數。
根據本發明的一態樣,若審核模組分析核准金融服務申請,則將金融服務申請結果存入資料管理模組,並結束方法程序。
根據本發明的另一態樣,若審核模組分析核駁金融服務申請,則將金融服務申請結果存入資料管理模組,並結束方法程序。
以上所述係用以說明本發明之目的、技術手段以及其可達成之功效,相關領域內熟悉此技術之人可以經由以下實施例之示範與伴隨之圖式說明及申請專利範圍更清楚明瞭本發明。
100‧‧‧金融信評系統
110‧‧‧控制模組
130‧‧‧審核模組
150‧‧‧資料管理模組
170‧‧‧風險評估探勘模組
171‧‧‧外部資料處理單元
171A‧‧‧傳輸端
171C‧‧‧關鍵字探勘器
171E‧‧‧外部資料分析器
173‧‧‧財務資料處理單元
175‧‧‧信評演算單元
300‧‧‧金融信評方法
S1-S9‧‧‧方法程序
S3a-S3e‧‧‧S3之子程序
如下所述之對本發明的詳細描述與實施例之示意圖,應使本發明更被充分地理解;然而,應可理解此僅限於作為理解本發明應用之參考,而非限制本發明於一特定實施例之中。
圖1係顯示本發明所提出金融信評系統的系統架構。
圖2係進一步說明外部資料處理單元於本發明中的架構。
圖3係顯示本發明所提出金融信評方法的方法程序。
圖4係說明外部資料處理單元如何輸入外部資料的方法程序。
圖5A係根據本發明之一實施例,說明信評演算結果的演算邏輯。
圖5B係根據本發明之另一實施例,說明信評演算結果的演算邏輯。
本發明將以較佳之實施例及觀點加以詳細敘述。下列描述提供本發明特定的施行細節,俾使閱者徹底瞭解這些實施例之實行方式。然該領域之熟習技藝者須瞭解本發明亦可在不具備這些細節之條件下實行。此外,本發明亦可藉由其他具體實施例加以運用及實施,本說明書所闡述之各項細節亦可基於不同需求而應用,且在不悖離本發明之精神下進行各種不同的修飾或變更。本發明將以較佳實施例及觀點加以敘述,此類敘述係解釋本發明之結構,僅用以說明而非用以限制本發明之申請專利範圍。以下描述中使用之術語將以最廣義的合理方式解釋,即使其與本發明某特定實施例之細節描述一起使用。
有鑒於前述習知技術的缺點,本發明所提出的金融信評系統(100)具體所欲達到的效能為,可自動化地將各個官方、民間或徵信單位,例如:臺灣經濟新報(TEJ)、臺灣經濟部(MOEA)、中國財政部(MOF),或中國商務部(MOFCOM)等單位所提供,具標準格式的財務資料等歷史資料面向,結合各大新聞網站、社群網站、財經論壇(如BBC、Cmoney、PTT Stock版)等外部資料所提供的社會輿論面向,以針對金融服務申請者做出客觀、資料化的金融信評,協助金融服務申請的審核,以提高金融機關判斷承接金融服務的風險及利潤的 精確性,同時得以改善傳統審核人員最終在審核金融服務申請時依照經驗法則在判斷上過於主觀的缺點。
在本發明中所述的財務資料,包含金融服務申請者的基本資料、營收、授信、資產負債、獲利能力、償債能力等六大項目,並不限於其上。為求全面評估對於承接金融服務申請的風險,上述財務資料的六大項目中,涵蓋了金融服務申請者的一切商業活動,該金融服務申請者,以公司行號、法人機構等營利或非營利的團體為例:包括檢視其基本資料,判斷該金融服務申請者的領域的競爭狀況,並衡量其經營管理策略。在本發明一實施例中,包含成長潛力、競爭市場、財務特性(如營運槓桿程度、成本要素、研發經費)、公司狀況(市場佔有率、專利申請數目、研發能量)、會計品質、財務政策、獲利能力或盈餘保障等等;而以一般個人為例,則可為一般基本資料、財力證明(如扣繳憑單、不動產證明)、職業、年資、JCIC徵信報告、還債能力、行內往來狀況、信用額度等等。上述財務資料,僅為舉例,當可依照金融機關應用的需要,進行選擇或調整。
為達上述目的,本發明提出一種金融信評系統(100),請參閱圖1,其包含:控制模組(110),提供系統的運作與管理;風險評估探勘模組(170),耦接控制模組(110),以輸出一信評演算結果;其中,該風險評估探勘模組(170)進一步包含財務資料處理單元(173),以輸入至少一筆財務資料;外部資料處理單元(171),以從各大網站找尋與輸入至少一筆以自然語言表示的外部資料;以及,信評演算單元(175),耦接上述財務資料處理單元(173)與外部資料處理單元(171),將財務資料,或財務資料與外部資料演算為一信評演算結果。
根據本發明之內容,上述之控制模組(110)通常包含處理器、記憶體、暫存記憶體、顯示裝置、網路通訊模組、作業系統及應用程式等等,以通常已知方式相互連接,以執行運算、暫存、顯示及資料傳輸,與提供系統之運作與管理協調等功能,基於以上係屬通常已知架構,故在此不贅述。
其中,信評演算單元(175)的建構平臺可為Google Cloud Machine Learning、TensorFlow、Methematica Machine Learning、Rainbird、Teneo Platform或Ayasdi,在本發明的最佳實施例中,使用TensorFlow作為財務資料與外部資料的信評演算平臺,並使用XGBoost模型作其演算模型。上述用作建構信評演算單元(175)的工具平臺僅為舉例但不限於其上,當可依照應用的需求做出調整。此外,根據本發明的最佳實施例,該信評演算單元(175)具有演算模型架構容易、可依照過往的財務資料與外部資料快速訓練、分析精準度高、演算模型模組化容易調整的特點。
請參閱圖5A與圖5B,其係分別根據本發明的其中一種實施例中,信評演算單元(175)的演算模型,該演算模型,稱為決策樹(Decision Tree)。決策樹於資料科學被廣泛運用於大範圍的數據分析,其特點有:(1)使用範圍廣,可處理具高維度變數的資料演算;(2)對於資料輸入範圍較不敏感,所以較不需特別對所有輸入資料進行歸一化(Normalization);(3)能挖掘各變數之間的交互作用關係;(4)容易擴充變數。在前述的實施例中,其演算的邏輯為,請參閱圖5A,當評估某一金融服務申請者時,可參考其償債能力是否大於2億:若否,則得到-4分的信評分數。上述若償債能力大於2億,除了得到+4的信評分數,並另外評估其營收是否大於100億,若是,則得到+5的信評分數,若否,則得到-2分的信評分數。圖5B之演算邏輯則與圖5A相同。因此,若有一金融服務申請者,其財務資料與外部資料具有下列狀況:償債能力小於2億、具有負面新聞(例如:金融服務申請者承包國家工程,用劣質零件濫竽充數),且不得網路輿論支持,則將得到的信評演算結果的分數為,(-4)+(-4)+(-5)=-13分。若將上列演算邏輯予以量化,則可以下列式子計算:
其中X n,t 表示信評演算結果的分數,ki,t表示信評各別項目的分數(如圖5A中償債能力,大於2億則得4分),αi,t表示各別項目的分數權重(上述實施例中均設為1),n為共有幾個項目,t則表示何個時間點。
根據本發明之內容,金融信評系統(100)更包含一審核模組(130),耦接該控制模組(110),對信評演算結果進行審核,以輸出一審核結果。該審核結果可依金融服務申請類型,由金融機關自行訂定審核標準,在本發明 其中一實施例中,當欲申請金融貸款小於5千萬時,核准的審核標準可被訂為至少需得8分始得核准,低於8分,則予以核駁;而若當金融貸款大於8千萬時,則核准的信評分數則需至少得到10分。
根據本發明之實施例,上述之信評各別項目的信評分數,可由金融機關依照過往經驗,依照金融服務申請者所從事的行業自行訂定,例如「食品工業」與「半導體業」對於圖5A中的「營收大於100億」,其「否」的信評分數可能分別為-2分或-6分;在本發明的另一實施例中,審核模組(130)可由信評演算單元(175)所演算出的信評演算結果,與資料管理模組(150)中所儲存的財務資料比對以後,由機器學習的方式,依照金融服務申請者所從事的行業,調整信評分數的大小。在本發明實施例中,該機器學習的方式,可為深度神經網路(Deep Neural Networks,DNN)、深度置信網路(deep belief networks,DBN)、(convolutional neural networks,CNN),或是,卷積深度置信網路(convolutional deep belief networks,CDBN),並不限於其上。
在本發明之一實施例中,運用上述中決策樹的演算模型,並以信用風險加乘法(Credit Risk)作為決定ki,t(信評各別項目)的信評演算方式。信用風險加乘法主要是引入風險管理的觀念,以推算出債券或放款組合的損失分配,並據以算出接受金融服務申請後的獲利與違約損失機率;該演算方式並不假設違約風險所發生的原因,但假定違約機率為一連續隨機變數,以降低金融機關的營運風險。其演算之方式乃利用下述兩式:y t =β0+β1 X 1,t +β2 X 2,t +……;
其中yt表示環境指標,β表示信評演算結果的權重,pt *即為所求信評演算結果。根據本發明之較佳實施例中,則藉由外部資料處理單元(171)所引入的外部資料,改善傳統使用信用風險加成法中,多個金融服務申請者的違約機率被設定為彼此獨立而不互相影響的缺點,以增進信評演算結果的精確度。以本發明其中一種應用情境舉例:當某個政府工程擁有多個金融服務申請者進行承包,而該多個金融服務申請者同時申請了某種金融服務(如:信用貸款),然則當其中一個金融服務申請者因資金週轉不良而爆發負面新聞時,則外部資料處理單元(171) 可輸入前述外部資料所提供的社會輿論,以修正其餘金融服務申請者的信評演算結果。
根據本發明的內容,金融信評系統(100)更包含一資料管理模組(150),以儲存上述財務資料與信評演算結果。在本發明一實施例中,該資料管理模組(150)可為硬碟、軟碟、可重複讀寫光碟、磁帶、隨身碟,或記憶卡等計算器可讀式儲存媒體。
根據本發明的內容,請參閱圖2,上述的外部資料處理單元(171)更包含一傳輸端(171A),以輸入至少一筆以自然語言表示的外部資料。在一實施例中,上述外部資料為各大新聞網站、社群網站、財經論壇(如BBC、Cmoney、PTT Stock板,或Facebook、Twitter的熱門貼文)等社會輿論。
請參閱圖2,根據本發明的實施例,上述的外部資料處理單元(171)更包含一關鍵字探勘器(171C)。根據本發明的一實施例中,關鍵字探勘器(171C)依據由控制模組(110),或資料管理模組(150),或信評演算單元(175)所輸入的第一關鍵字組,進行上述各大新聞網站、社群網站、財經論壇中的外部資料搜尋。
根據本發明的實施例,上述的外部資料處理單元(171)更包含一外部資料分析器(171E),以將關鍵字探勘器(171C)藉由第一關鍵字組,所搜尋到的外部資料進行分析;若外部資料分析器(171E)判斷第一關鍵字組所搜尋到的外部資料不足時,外部資料分析器(171E)則根據第一關鍵字組產生出第二關鍵字組,關鍵字探勘器(171C)再度以第二關鍵字組,搜尋出外部資料分析器(171E)分析所需足夠的外部資料。例如,關鍵字探勘器(171C)以第一關鍵字組為「黑龍造船廠,營收,股價」搜尋到10篇外部資料,而外部資料分析器(171E)於分析過後判斷外部資料不足,則外部資料分析器(171E)依據外部資料的關聯性,產生第二關鍵字組「造船,信用貸款,違約,跳票」,以提供外部資料分析器(171E)更充足的外部資料,傳輸端(171A)並將上述外部資料登錄至控制模組(110)或信評演算單元(175)。
根據本發明的一觀點,上述關鍵字探勘模組(171C)所欲達到的效能為將傳輸端(171A)所輸入,以自然語言表示的多篇外部資料轉譯為供金融信評系統(100)運作的機器語言;以及,依照控制模組(110)或資料管理模組(150)所輸入的第一關鍵字組,或外部資料分析器(171E)所產生的第二關鍵字組,於前述各大新聞網站、社群網站、財經論壇中的外部資料搜尋。
為了達成上述效能,關鍵字探勘模組(171C)將上述傳輸端(171A)所輸入,以自然語言表示的多篇外部資料,以將使用者輸入一長串的自然語言,依照其語法提取動詞、名詞、形容詞或副詞以作為第一關鍵字組,探勘外部資料。根據本發明實施例,其探勘的外部資料可為財經新聞、論壇文章、社群網站心得文章,並不限於其上。
根據本發明的觀點,上述將外部資料提取第一關鍵字組與第二關鍵字組的演算法,可為但不限於TF-IDF、Topic-model或RAKE演算法。其中,於本發明一實施例中,使用TF-IDF作為提取第一關鍵字組的做法為,衡量一個字詞在一篇文章中所出現的機率的重要性,亦即,當一個字詞在一篇文章中多次出現時,則其可能為該文章中的重要關鍵字,其可以TF=(字詞在文章中出現的次數)/(文章總字詞數)做統計;然則,並非所有在文章中多次出現的字詞便具有特殊意義,例如「但是」、「然而」、「並且」等字詞,因此可以IDF=log(資料管理模組(150)中文章總數/(包含該字詞的文章+1)),以作為修正因子;最後,將TF乘上IDF(K=TF*IDF),即可計算出每個字詞的重要性,並根據一K的預設值,以決定第一關鍵字組。
根據本發明內容,外部資料分析器(171E),依據關鍵字探勘器(171C)所探勘的外部資料進行解析,若外部資料的數量小於一預設值,則藉由關聯性演算法,探勘出第二關鍵字組以持續探勘外部資料,直至外部資料的數量得以滿足分析所需。
本發明提出一種金融信評方法(300),請參閱圖3,包含:於程序(S1)中,財務資料處理單元(173)輸入金融服務申請者的財務資料至信評演算單元 (175);程序(S2),信評演算單元(175)根據財務資料,或財務資料以及外部資料,輸出一信評演算結果,並輸出至審核模組(130);程序(S3)中,外部資料處理單元(171)輸入金融服務申請者的外部資料至信評演算單元(175)及控制模組(110),以及,程序(S7)中,審核模組(130)依據信評演算結果分析是否核准金融服務申請。
在此所述的財務資料,包含金融服務申請者的基本資料、營收、授信、資產負債、獲利能力、償債能力等六大項目,並不限於其上。為求全面評估對於承接金融服務申請的風險,上述財務資料的六大項目中,涵蓋了金融服務申請者的一切商業活動,該金融服務申請者,以公司行號、法人機構等營利或非營利的團體為例:包括檢視其基本資料,判斷該金融服務申請者的領域的競爭狀況,並衡量其經營管理策略。在本發明一實施例中,包含成長潛力、競爭市場、財務特性(如營運槓桿程度、成本要素、研發經費)、公司狀況(市場佔有率、專利申請數目、研發能量)、會計品質、財務政策、獲利能力或盈餘保障等等;而以一般個人為例,則可為一般基本資料、財力證明(如扣繳憑單、不動產證明)、職業、年資、JCIC徵信報告、還債能力、行內往來狀況、信用額度等等。上述財務資料,僅為舉例,當可依照金融機關應用的需要,進行選擇或調整。
在此所述的外部資料,為各大新聞網站、社群網站、財經論壇(如BBC、Cmoney、PTT Stock板,或Facebook、Twitter的熱門貼文)所刊登的文章等等,有關於社會輿論面向的資料。
根據本發明的內容,上述方法包含程序(S4),審核模組(130)分析,信評演算結果是否足以評估金融服務申請者。根據本發明的一實施例,若信評演算結果經審核模組(130)與資料管理模組(150)中所儲存的財務資料比對以後,審核模組(130)分析不足以評估金融服務申請者時,則執行程序(S5),將信評演算結果饋回信評演算單元,調整信評分數,並於程序(S6)中,再次執行程序(S2),或結束方法程序。
根據本發明的另一實施例,若於程序(S4)中,若信評演算結果經 審核模組(130)與資料管理模組(150)中所儲存的財務資料比對以後,審核模組(130)分析足以評估金融服務申請者時,則執行程序(S7),審核模組(130)依據信評演算結果分析是否核准金融服務申請。
上述程序(S4)中,審核模組(130)與資料管理模組(150)中所儲存的財務資料的比對,可為機器學習的方式,依照金融服務申請者所從事的行業,調整信評分數的大小。在本發明實施例中,該機器學習的方式,可為深度神經網路(Deep Neural Networks,DNN)、深度置信網路(deep belief networks,DBN)、(convolutional neural networks,CNN),或是,卷積深度置信網路(convolutional deep belief networks,CDBN),並不限於其上。
根據本發明的內容,上述方法包含程序(S8),若於程序(S7)中,審核模組(130)分析核准金融服務申請,則將金融服務申請結果存入資料管理模組(150),並結束方法程序。
根據本發明的內容,上述方法包含程序(S9),若於程序(S7)中,審核模組(130)分析核駁金融服務申請,則將金融服務申請結果存入資料管理模組(150),並結束方法程序。
請參閱圖4,本發明提出一種金融信評方法(300)的程序(S3),更包含:程序(S3a),外部資料處理單元(171)根據第一關鍵字組於各大網站搜尋金融服務申請者的外部資料。
根據本發明內容,於程序(S3b)中,外部資料處理單元(171)判斷外部資料是否足夠;若是,則執行程序(S3e),外部資料處理單元(171)進行外部資料分析,並執行程序(S4)。
根據本發明內容,於程序(S3b)中,外部資料處理單元(171)判斷外部資料是否足夠;若否,則執行程序(S3c),外部資料處理單元(171)根據所輸入第一關鍵字組進行第二關鍵字組探勘,並再次執行程序(S3b),由外部資料處 理單元判斷外部資料是否足夠。
綜觀上述,本發明所提出的金融信評方法(300)之特點為:可將各個官方、民間或徵信單位,具標準格式的財務資料等歷史資料面向,結合各大新聞網站、社群網站、財經論壇等外部資料所提供的社會輿論面向,以針對金融服務申請者做出客觀、數據化的金融信評,協助金融服務申請的審核,以提高金融機關判斷承接金融服務的風險及利潤的精確性,同時得以改善傳統審核人員最終在審核金融服務申請時依照經驗法則在判斷上可能過於主觀的缺點。
Claims (13)
- 一種金融信評系統,包含:一控制模組,提供該金融信評系統的運作與管理;一風險評估探勘模組,耦接該控制模組,並輸出至少一信評演算結果;其中,該風險評估探勘模組進一步包含:一財務資料處理單元,輸入至少一財務資料;一外部資料處理單元,輸入以自然語言表示的至少一外部資料;以及,一信評演算單元,耦接上述該財務資料處理單元與該外部資料處理單元,將該至少一財務資料,或該至少一財務資料與該至少一外部資料,演算為至少一信評演算結果。
- 如權利要求項1所述的金融信評系統,更包含一審核模組,耦接該控制模組,對該至少一信評演算結果進行審核,並輸出至少一審核結果。
- 如權利要求項1所述的金融信評系統,更包含一資料管理模組,儲存該至少一財務資料,與該至少一信評演算結果。
- 如權利要求項1所述的金融信評系統,該外部資料處理單元更包含一關鍵字探勘器,依據該控制模組,或該資料管理模組,或該信評演算單元,所輸入的一第一關鍵字組,進行網站的該至少一外部資料的搜尋,上述網站包含新聞網站、社群網站、財經論壇之一或任意組合。
- 如權利要求項4所述的金融信評系統,該外部資料處理單元更包含一外部資料分析器,將該關鍵字探勘器依據該第一關鍵字組所搜尋到的該至少一外部資料進行分析。
- 如權利要求項5所述的金融信評系統,若該至少一外部資料不足時,該外部資料分析器根據該第一關鍵字組產生出一第二關鍵字組,該關鍵字探勘器則再度使用該第二關鍵字組,繼續進行該至少一外部資料的搜集。
- 一種金融信評方法,其特徵在於,包含:一財務資料處理單元,輸入至少一財務資料;一外部資料處理單元,輸入至少一外部資料;一信評演算單元,根據該至少一財務資料,或該至少一財務資料與該至少一外部資料,輸出至少一信評演算結果。
- 如權利要求項7所述的金融信評方法更包含,經一審核模組判斷,該至少一信評演算結果是否足以評估金融服務申請,若否,則該審核模組將該至少一信評演算結果饋回該信評演算單元,以調整信評演算參數。
- 如權利要求項7所述的金融信評方法更包含,一審核模組判斷,該至少一信評演算結果是否足以評估金融服務申請,若是,則該審核模組依據該至少一信評演算結果分析是否核准一金融服務申請。
- 如權利要求項9所述的金融信評方法更包含,若該審核模組依據該至少一信評演算結果分析核准該金融服務申請,則將該金融服務申請的一金融服務申請結果存入一資料管理模組。
- 如權利要求項7所述的金融信評方法更包含,該外部資料處理單元根據一第一關鍵字組於網站搜尋該至少一外部資料,上述網站包含新聞網站、社群網站、財經論壇之一或任意組合。
- 如權利要求項11所述的金融信評方法更包含,該外部資料處理單元判斷該至少一外部資料是否足夠;若是,則該外部資料處理單元進行該至少一外部資料的分析。
- 如權利要求項11所述的金融信評方法更包含,該外部資料處理單元判斷該至少一外部資料是否足夠;若否,則該外部資料處理單元,根據所輸入該第一關鍵字組,進行一第二關鍵字組的探勘。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810467563.XA CN110472806A (zh) | 2018-05-11 | 2018-05-11 | 金融信评***与方法 |
CN201810467563.X | 2018-05-11 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW201947505A true TW201947505A (zh) | 2019-12-16 |
Family
ID=68504729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107119674A TW201947505A (zh) | 2018-05-11 | 2018-06-07 | 金融信評系統與方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110472806A (zh) |
TW (1) | TW201947505A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI742528B (zh) * | 2020-02-05 | 2021-10-11 | 玉山商業銀行股份有限公司 | 智能型貸款審核方法與系統 |
TWI805880B (zh) * | 2019-12-17 | 2023-06-21 | 臺灣銀行股份有限公司 | 銀行內部之信用風險評估系統及其方法 |
TWI805895B (zh) * | 2020-01-21 | 2023-06-21 | 臺灣銀行股份有限公司 | 聯合貸款風險評估方法 |
TWI825482B (zh) * | 2021-09-27 | 2023-12-11 | 合作金庫商業銀行股份有限公司 | 信用風險暴險整合系統 |
TWI833094B (zh) * | 2021-07-14 | 2024-02-21 | 天脈科技股份有限公司 | 用於國際貿易之客戶信用評等系統、資料服務處理裝置、方法及電腦可讀媒介 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113450202A (zh) * | 2020-03-27 | 2021-09-28 | 台湾联合金融科技股份有限公司 | 信用评等***及信用评等方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104966160A (zh) * | 2015-06-11 | 2015-10-07 | 安徽融信金模信息技术有限公司 | 一种中小企业风险评估*** |
CN106875270A (zh) * | 2017-01-19 | 2017-06-20 | 上海冰鉴信息科技有限公司 | 一种构建及验证信用评分方程的方法和***设计 |
-
2018
- 2018-05-11 CN CN201810467563.XA patent/CN110472806A/zh active Pending
- 2018-06-07 TW TW107119674A patent/TW201947505A/zh unknown
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI805880B (zh) * | 2019-12-17 | 2023-06-21 | 臺灣銀行股份有限公司 | 銀行內部之信用風險評估系統及其方法 |
TWI805895B (zh) * | 2020-01-21 | 2023-06-21 | 臺灣銀行股份有限公司 | 聯合貸款風險評估方法 |
TWI742528B (zh) * | 2020-02-05 | 2021-10-11 | 玉山商業銀行股份有限公司 | 智能型貸款審核方法與系統 |
TWI833094B (zh) * | 2021-07-14 | 2024-02-21 | 天脈科技股份有限公司 | 用於國際貿易之客戶信用評等系統、資料服務處理裝置、方法及電腦可讀媒介 |
TWI825482B (zh) * | 2021-09-27 | 2023-12-11 | 合作金庫商業銀行股份有限公司 | 信用風險暴險整合系統 |
Also Published As
Publication number | Publication date |
---|---|
CN110472806A (zh) | 2019-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hsueh et al. | Effective matching for P2P lending by mining strong association rules | |
TW201947505A (zh) | 金融信評系統與方法 | |
Oh et al. | Investigating predictive power of stock micro blog sentiment in forecasting future stock price directional movement | |
Ic et al. | Development of a quick credibility scoring decision support system using fuzzy TOPSIS | |
TW530235B (en) | Valuation prediction models in situations with missing inputs | |
Sun et al. | Trading network predicts stock price | |
Li et al. | Performance management of university financial budget execution relying on comprehensive budget management strengthening model | |
WO2024021354A1 (zh) | 模型训练方法、价格预测方法、终端设备以及存储介质 | |
Chen et al. | Prioritizing real estate enterprises based on credit risk assessment: an integrated multi-criteria group decision support framework | |
Tong et al. | The research of agricultural SMEs credit risk assessment based on the supply chain finance | |
Li et al. | Textual analysis and detection of financial fraud: Evidence from Chinese manufacturing firms | |
Li et al. | Strengthen credit scoring system of small and micro businesses with soft information: Analysis and comparison based on neural network models | |
Geddes et al. | Institutional economics and the cost of capital for infrastructure projects | |
Lin et al. | The application of decision tree and artificial neural network to income tax audit: the examples of profit-seeking enterprise income tax and individual income tax in Taiwan | |
Bayraktar et al. | Scoring approach to construction bond underwriting | |
Song | Construction of corporate investment decision support model based on deep learning | |
TWI634498B (zh) | 企業營運問題分析系統及其方法 | |
Li et al. | A collective portfolio selection approach for investment clubs | |
Nguyen | Exploring input enhancements big data analysts need to improve a credit qualification model to support large banks in their risk management operations | |
Shi et al. | A big data analytics method for assessing creditworthiness of SMEs: fuzzy equifinality relationships analysis | |
Said et al. | Impact of Google searches and social media on digital assets’ volatility | |
Ohonba et al. | DETERMINANTS OF QUALITATIVE INFORMATION DISCLOSURE: EVIDENCE FROM QUOTED FIRMS ON NIGERIAN STOCK EXCHANGE. | |
Luo et al. | The inhibition of institutional investor clique on the tunneling behavior | |
Iqbal | Measuring credit risk in a quantitative way for countryside microfinance institutions: Case study of China | |
Huang et al. | Direct interaction in digital interactive media and stock performance: Evidence from Panorama |