CN101131763A - 一种基于web的银行信用风险检测方法与系统 - Google Patents
一种基于web的银行信用风险检测方法与系统 Download PDFInfo
- Publication number
- CN101131763A CN101131763A CNA2007101225572A CN200710122557A CN101131763A CN 101131763 A CN101131763 A CN 101131763A CN A2007101225572 A CNA2007101225572 A CN A2007101225572A CN 200710122557 A CN200710122557 A CN 200710122557A CN 101131763 A CN101131763 A CN 101131763A
- Authority
- CN
- China
- Prior art keywords
- default rate
- default
- evaluation index
- client
- rate evaluation
- 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
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种基于WEB的银行信用风险检测的方法与系统,所述方法包括以下步骤:根据用户请求获取客户违约风险评价基础数据;根据所述客户违约风险评价基础数据生成多个违约率评价指标;生成每个违约率评价指标的秩;根据所述每个违约率评价指标的秩生成每个违约率评价指标的违约率;根据所述每个违约率评价指标的违约率生成所述客户的违约率;根据所述客户的违约率确定客户等级信息。本发明通过对客户信息的客观分析得到对客户违约风险的一致、客观、可比较的度量,是一种先进的信用风险量化方法,能够有效准确量化客户违约风险,为信贷政策制定、经济资本分配、信贷流程监控、贷款定价与审批等提供量化决策支持。
Description
技术领域
本发明涉及客户信用风险管理技术领域,特别是涉及一种基于WEB的银行信用风险检测方法与系统。
背景技术
在资本经营的过程中,资本风险包括信用风险、操作性风险和市场风险。信用风险是指交易对手不能按照合同规定按时偿还其债务的可能性及严重程度,是最重用的资本风险。特别是商业银行资产业务非常大,所以信用风险是银行面临的最基本风险,精确地揭示与度量信用风险,对减少银行资金损失,提高经营业绩是至关重要的,量化控制银行信用风险是银行业经营的理想境界。客户违约风险是非常重要的信用风险,客户发生违约后将会使其与银行的合约不能按时厉行,不能偿还其债务,给银行造成损失。客户的违约风险一般与客户的经营情况、资金情况、管理水平等因素有关,评价客户的违约风险对与客户签订合约(发放贷款、贸易融资)是非常重要的。目前,对于客户违约风险的评价一般采用打分卡的方式,打分卡方法是一种比较传统的作为客户信用风险分析和计量的方法,该方法是在专家经验和数据分析的基础上,确定定量和定性指标及其权重,再由银行工作人员对个指标进行打分。但是这种人工的处理方式存在不客观、不准确的问题,主要是因为对客户违约风险的评价没有一个统一的标准与计算模型,这种方式主要依赖于银行业务人员个人能力的高低、经验丰富的程度。而且对客户违约风险评价的时间有限,银行业务人员也难以做到对客户的全面分析。对一个客户违约风险的评价往往不同的人会评价出不同的信用风险得分。
发明内容
本发明提供一种基于WEB的银行信用风险检测方法与系统。该方法基于银行多年对客户财务信息以及客户违约情况的积累所获得不同行业的违约率评价指标与其财务信息的对应关系,对不同客户生成不同的违约率评价指标,通过生成客户的违约率评价指标与客户违约率之间的对应关系,最终获得客户的违约率和客户等级。
本发明的目的之一是提供一种基于WEB的银行信用风险检测方法,所述方法包括以下步骤:获取客户违约风险评价基础数据;根据所述客户违约风险评价基础数据生成多个违约率评价指标;生成每个违约率评价指标的秩;根据所述每个违约率评价指标的秩生成每个违约率评价指标的违约率;根据所述每个违约率评价指标的违约率生成所述客户的违约率;根据所述客户的违约率确定客户等级。
本发明的目的之二是提供一种基于WEB的银行信用风险检测系统,所述系统包括应用服务装置,所述应用服务装置包括:基础数据获取单元,获取客户违约风险评价基础数据;违约率评价指标生成单元,根据所述客户违约风险评价基础数据生成多个违约率评价指标;违约率评价指标的秩生成单元,生成每个违约率评价指标的秩;违约率评价指标的违约率生成单元,根据所述每个违约率评价指标的秩生成每个违约率评价指标的违约率;客户的违约率生成单元,根据所述每个违约率评价指标的违约率生成所述客户的违约率;客户等级单元,根据所述客户的违约率确定客户等级。
本发明技术方案克服了现有技术在对客户违约风险评价中采用的打分卡方法所存在的不客观、不准确,依赖银行工作人员业务水平高低的问题。提供一种科学的客户违约风险评价方法、装置和系统,通过对客户信息的客观分析得到对客户违约风险的一致、客观、可比较的度量,是一种先进的信用风险量化方法,能够有效准确量化客户违约风险,为信贷政策制定、经济资本分配、信贷流程监控、贷款定价与审批等提供量化决策支持。
附图说明
图1为本发明实施例的系统原理图;
图2为本发明实施例应用服务装置的功能框图;
图3为本发明实施例的流程图;
图4为本发明实施例轻工业的违约率评价指标设定图表;
图5为本发明实施例资本密集型制造业的违约率评价指标设定图表;
图6为本发明实施例批发零售业的违约率评价指标设定图表;
图7为本发明实施例其他行业的违约率评价指标设定图表;
图8为本发明实施例违约率评价指标的标准值参数表;
图9为本发明实施例标准值违约率参数表;
图10为本发明实施例核变换带宽参数表;
图11为本发明实施例回归系数参数表;
图12为本发明实施例违约率主标尺参数表。
具体实施方式
本发明提供一种基于WEB的银行信用风险检测方法与系统。该技术方案基于银行多年对客户财务信息以及客户违约情况的积累所获得不同行业的违约率评价指标与其财务信息的对应关系,对不同客户生成不同的违约率评价指标,通过生成客户的违约率评价指标与客户违约率之间的对应关系,最终获得客户的违约率和客户等级。该方案通过对客户信息的客观分析得到对客户违约风险的一致、客观、可比较的度量,能够有效准确量化客户违约风险,为信贷政策制定、经济资本分配、信贷流程监控、贷款定价与审批等提供量化决策支持。
本发明技术方案首先获取客户违约风险评价基础数据,这些基础数据包括客户基本信息以及客户财务信息,这些基础数据来自于银行多年积累。客户基本信息包括:客户编号、客户名称、客户类型、客户所属行业、客户所属地区;客户财务信息包括:资产负债表、损益表、现金流量表。
本发明技术方案需要预先生成客户的财务信息与客户的违约率评价指标的对应关系表,并存储于银行系统内部。由于不同行业的违约情况不一样,导致每个行业会有不同的违约率评价指标,每个行业的违约率评价指标由银行经验积累设定。首先,根据客户的基本信息找到该客户所属行业的违约率评价指标,然后根据用户的财务信息与该对应关系表,生成该客户的每个违约率评价指标的值。
本发明技术方案还需要预先生成与每个违约率评价指标对应的标准值表,并存储于银行系统的内部。在一种实施方式中,该表格的生成是利用银行积累的违约率评价指标的数据,将每个违约率评价指标的数值范围分成若干个区间,每个区间的中间值作为一个标准值,这样每个违约率评价指标就对应有若干个标准值。根据生成的每个违约率评价指标的值找到该值位于标准值的区间范围,根据该区间范围,生成每个违约率评价指标的秩。
本发明技术方案还需要预先设置每个违约率评价指标的秩的标准值与该标准值对应的违约率表,违约率评价指标的秩的标准值与该标准值对应的违约率表是参数数据,存储在数据管理装置中,它是利用已经积累的经验数据确定,在使用中可以调整。根据生成的每个违约率评价指标的秩找到该值位于标准值的区间范围,根据该区间范围,生成每个违约率评价指标的违约率。
获得了每个违约率评价指标的违约率之后,根据违约率评价指标对应的违约相关参数以及每个违约率评价指标的违约率生成客户的违约率。违约相关参数包括:每个违约率评价指标的回归系数、回归系数常量、行业回归系数、地区回归系数、行业违约率以及地区违约率。最后,根据的客户违约率以及预先设定的客户违约率与其客户等级的对应关系可以确定客户等级。
以上过程中所用到的基础数据、中间数据以及结果数据都要进行存储,这些数据包括:客户违约风险评价基础数据、所述多个违约率评价指标、所述每个违约率评价指标的秩、所述每个违约率评价指标的违约率、所述客户的违约率以及所述客户等级。
以下结合附图对本发明的具体实施方式进行详细说明:
图1为本发明实施例的系统原理图。如图所示,本发明实施例对客户违约风险进行评价的系统包括:应用服务装置101,数据管理装置102和银行业务服务装置103分别和应用服务装置101连接,用户服务装置104通过内部网络105和WEB服务装置106连接,WEB服务装置106连接应用服务装置101。此外,该系统还包括和应用服务装置101连接的柜员认证装置107。
应用服务装置101负责系统的数据处理,它接收用户(银行工作人员)对客户违约风险进行评价的请求,访问数据管理装置102,取得客户违约风险评价基础数据,将该数据进行处理后生成客户违约率以及客户等级信息,并将生成的处理结果返回给Web服务装置106,由Web服务装置106进行显示处理;同时它也将有关的中间数据和结果数据存储到数据管理装置102中。
数据管理装置102可以是一个PC服务器或主机,运行数据库管理系统,用于存放客户违约风险评价的基础数据、客户违约风险评价的中间数据、客户违约风险评价的结果数据等,数据管理装置102为系统提供数据存取服务。客户基本信息和财务信息是进行客户违约风险评价的基础数据,其中财务数据是多年的数据积累。这些基础数据是从银行业务服务装置103中获得,导入到数据管理装置102中,导入的方式可以是采用数据库表文本导出/导入的方式,也可以是数据库表读取数据再存入到数据管理装置102中。
银行业务服务装置103是银行的一个日常业务处理系统,负责银行存款、取款、转账、贷款发放与收回、核算等业务处理,由它产生客户违约风险评价的基础数据,如客户基本信息、客户财务信息等数据。客户基本信息至少有客户编号、客户名称、企业类型、所属行业、所属地区等,客户财务信息有资产负债表、损益表、现金流量表等。
用户服务装置104是该系统的客户端,可以是一台个人PC,安装有浏览器软件,也可以是其它能够运行浏览器软件的装置,如Windows图形终端等。它有显示装置和输入装置,显示装置可以是显示器,输入装置可以是键盘和鼠标。用户服务装置104连接到内部网络105,实现与Web服务装置106的连接。用户服务装置104接收用户输入的客户违约率评价请求,输入数据至少包含客户编号、客户名称,该请求经内部网络105传输给Web服务装置106,Web服务装置106将请求转给应用服务装置101处理,处理结果经过WEB服务装置106以及内部网络105传给用户服务装置104,并显示出来。
内部网络105为企业的局域网,可以是以太网(Ethernet),也可以是其它局域网,如光纤分布式数据接口(FDDI)、令牌环(Token-Ring)等。另外还可以通过租用专线等方式将其各个分支机构的局域网连接组成更大的企业内部网(Intranet)。
Web服务装置106可以是一个Web服务器,为客户提供基于http和https的服务,动态产生Web页面文件,提供给用户服务装置104,实现与用户服务装置104进行交互。Web服务装置106主要处理Web页面的界面处理,具体的业务逻辑处理转给应用服务装置101进行处理,WEB服务装置将用户对客户违约风险评价的请求转换成WEB数据格式并发给应用服务装置101,并接收应用服务装置101的处理结果,将其转换成WEB数据格式后,将最终处理结果发送给用户服务装置104。
柜员认证装置107负责对用户进行认证处理,用户在使用系统前必须进行登录,用户在用户服务装置104上输入用户名、密码等认证信息,用户服务装置104将用户认证信息经过内部网络105发送给Web服务器装置106,Web服务器装置106再转给应用服务装置101处理,应用服务装置101经过处理认为应该进行认证时(如该用户没有经过认证),则将认证信息转给柜员认证装置107进行认证处理,认证的结果将返回应用服务装置101,应用服务装置101将认证结果记录到数据管理装置102,系统在后续操作中判断该用户是否是经过认证的合法用户。
图2为本实施例应用服务装置的功能框图。如图所示,应用服务装置101包括:基础数据获取单元201,获取客户违约风险评价基础数据;违约率评价指标生成单元202,根据所述客户违约风险评价基础数据生成多个违约率评价指标;违约率评价指标的秩生成单元203,生成每个违约率评价指标的秩;违约率评价指标的违约率生成单元204,根据所述每个违约率评价指标的秩生成每个违约率评价指标的违约率;客户的违约率生成单元205,根据所述每个违约率评价指标的违约率生成所述客户的违约率;客户等级单元206,根据所述客户的违约率确定客户等级。图3为本发明实施例的流程图,以下结合图3对图2中各个单元的工作原理进行详细说明:
步骤301:根据用户请求获取客户基本信息和财务信息。该步骤由应用服务装置101的基础数据获取单元201完成。首先,用户服务装置104接收用户的违约率评价请求,用户输入的数据至少包含客户编号、客户名称,该请求经内部网络105传输给Web服务装置106,Web服务装置106将该请求信息转换成WEB数据格式并转给应用服务装置101处理。应用服务装置101的基础数据获取单元201从银行业务服务装置103中获取客户违约风险评价的基础数据,并存到数据管理装置102中。客户基本信息和财务信息是进行客户违约风险评价的基础数据,其中财务数据是多年的数据积累。这些基础数据是从银行联机业务系统103中获得,并导入到数据管理装置102中,导入的方式可以是采用数据库表文本导出/导入的方式,也可以是数据库表读取数据再存入到数据管理装置1中。客户基本信息至少有客户编号、客户名称、企业类型、所属行业、所属地区等,客户财务信息至少有资产负债表、损益表、现金流量表等。
步骤302:生成违约率评价指标。该步骤由应用服务装置101的违约率评价指标生成单元202完成。违约率评价指标由从客户的财务信息获得,违约率评价指标为X1,X2,…,Xn。对于不同的企业类型,违约率评价指标可以不同,指标的具体定义是银行经验积累设定。
例如,在一个违约率评价指标设置的实施例中,将按照企业所属行业的不同分为:轻工业、资本密集型制造业、批发零售业、其他行业。图4为轻工业的违约率评价指标设定图表;图5为资本密集型制造业的违约率评价指标设定图表;图6为批发零售业的违约率评价指标设定图表;图7为其他行业的违约率评价指标设定图表。
基础数据获取单元201首先通过访问数据管理装置102获取客户基本信息,以及资产负债表数据、损益表数据、和现金流量表数据。然后根据不同的行业,对照其对应的违约率评价指标设定图表生成各违约率评价指标X1,X2,…,Xn的值,并将生成的各违约率评价指标X1,X2,…,Xn的值存储到数据管理装置102中。
步骤303:生成违约率评价指标的秩。该步骤由应用服务装置101的违约率评价指标的秩生成单元203完成。违约率评价指标的秩指从该指标的标准值表中找到该指标值所处的位置。指标的标准值表是一个参数表,为经验数据,是指利用已积累的违约率评价指标数据,将该指标的数值范围分成若干个区间,每一个区间的中间值为一个标准值,每个区间有一个区间编号K。标准值参数表为图8所示,其中:X1-Xn对应多个不同的标准值,K为区间编号。
在数据管理装置102中存储了图8所示的表格,违约率评价指标的秩生成单元203通过访问数据管理装置102,先从该表格中找到违约率评价指标在标准值表中的位置,例如:Xi在Xi5和Xi6之间,则区间编号5为Xi的上一区间,区间编号6为Xi的下一区间。违约率评价指标的秩生成单元203根据以下指标生成违约率评价指标的秩,计算公式为:
RXi(秩)=(上一区间k+(指标值Xi-上一区间标准值Xik)/(下一区间标准值Xik+1-上一区间标准值Xik))/100;
(其中:上一区间标准值Xik<Xi<=下一区间标准值Xik+1)
例如:Xi在Xi5和Xi6之间,则计算公式为:
RXi(秩)=(5+(Xi-Xi5)/(Xi6-Xi5))/100
违约率评价指标的秩生成单元203将生成的各违约率评价指标的秩存储到数据管理装置102中。
步骤304:生成违约率评价指标的违约率。该步骤由应用服务装置101的违约率评价指标的违约率生成单元204完成。
首先,设置每个违约率评价指标的秩的标准值与该标准值对应的违约率表,并存储于数据管理装置102。违约率评价指标的秩的标准值与该标准值对应的违约率表是参数数据,它是利用已经积累的经验数据确定,在使用中可以调整。每个标准值分别对应一个标准值违约率,这个表是一个参数表,为经验数据,是指利用已积累的财务指标数据计算而来,标准值违约率参数表可以随时调整。图9为标准值违约率参数表的示意图,其中:RX1-RXn对应对应多个标准值,PX1-PXn对应多个标准值违约率。
然后,违约率评价指标的违约率生成单元204通过访问数据管理装置102,读取该标准值违约率参数表,利用正态分布模型计算各违约率评价指标的违约率。计算公式如下:
其中RXi为该指标的秩,RXik为各区间k的标准值,PXik为违约率,h为变换带宽。
变换带宽为参数,各违约率评价指标都有一个核变换带宽参数,核变换带宽参数表可以是如图10所示。其中,不同类型的客户,步骤101中所使用的违约率评价指标不同,所以不同类型的客户的核变换带宽参数表也不同。
pdf()的计算公式:(RXi-RXik)/h为x,h为δ
违约率评价指标的违约率生成单元204将生成的各违约率评价指标的违约率存储到数据管理装置102中。
步骤305:生成客户的违约率。该步骤由应用服务装置101的客户的违约率生成单元205完成。客户的违约率生成单元205从数据管理装置102中读取各违约率指标的违约率和数据管理装置102预先存储的各指标的回归系数,计算客户的违约率。计算公式如下:
客户违约率=1/(1+exp(回归系数常量+指标1违约率*指标1回归系数+指标2违约率*指标2回归系数+…+指标n违约率*指标n回归系数+行业违约率*行业回归系数+地区违约率*地区回归系数))
其中:回归系数常量、行业违约率、行业回归系数、地区违约率、地区回归系数及违约率评价指标的回归系数都为参数,是经验数据,通过银行财务数据的积累确定。
回归系数常量、行业回归系数、地区回归系数、违约率评价指标的回归系数都跟企业类型相关,即不同的企业类型的客户其回归系数常量、行业回归系数、地区回归系数、违约率评价指标的回归系数不同。
行业违约率跟客户的所属行业相关,即不同所属行业的行业违约率不同。
地区违约率跟客户的所属地区相关,即不同所属地区的地区违约率不同。
回归系数常量、行业回归系数、地区回归系数、违约率评价指标的回归系数的参数表如图11所示,其中:不同类型的客户,步骤101中所使用的违约率评价指标不同,所以不同类型的客户的回归系数参数表也不同。
客户的违约率生成单元205将计算得到的客户的违约率存储到数据管理装置102中。
步骤306:确定客户等级。客户等级单元206根据生成的客户的违约率确定客户等级,该确定是根据违约率主标尺参数表进行,违约率主标尺参数表是系统参数,是验收数据,系统处理工程中可以不断修正。图12为一个违约率主标尺参数表的样例。
客户等级单元206先通过访问数据管理装置102获得客户违约率,再访问数据管理装置102中的违约率主标尺参数表,检查客户违约率处在违约率主标尺参数表中哪一个客户等级的预期违约率范围,得到客户的等级信息,该客户的等级信息通过WEB服务装置106转换成WEB数据后发给用户服务装置104。
本发明提供一种科学的客户违约风险评价方法、装置和系统,克服了现有技术在对客户违约风险评价中采用的打分卡方法所存在的不客观、不准确,依赖银行工作人员业务水平高低的问题。本发明通过对客户信息的客观分析得到对客户违约风险的一致、客观、可比较的度量,是一种先进的信用风险量化方法,能够有效准确量化客户违约风险,为信贷政策制定、经济资本分配、信贷流程监控、贷款定价与审批等提供量化决策支持。
以上具体实施方式仅用于说明本发明,而非用于限定本发明。
Claims (16)
1.一种基于WEB的银行信用风险检测方法,其特征在于,所述方法包括以下步骤:
根据用户请求获取客户违约风险评价基础数据;
根据所述客户违约风险评价基础数据生成多个违约率评价指标;
生成每个违约率评价指标的秩;
根据所述每个违约率评价指标的秩生成每个违约率评价指标的违约率;
根据所述每个违约率评价指标的违约率生成所述客户的违约率;
根据所述客户的违约率确定客户等级信息。
2.根据权利要求1所述的方法,其特征在于,所述用户请求以WEB数据格式发送。
3.根据权利要求1所述的方法,其特征在于,所述客户违约风险评价基础数据包括客户基本信息以及客户财务信息。
4.根据权利要求3所述的方法,其特征在于,所述客户基本信息包括:客户编号、客户名称、客户类型、客户所属行业、客户所属地区;所述客户财务信息包括:资产负债表、损益表、现金流量表。
5.根据权利要求4所述的方法,其特征在于,根据所述客户违约风险评价基础数据生成多个违约率评价指标是指:根据企业所属行业以及客户财务信息生成对应于该行业的多个违约率评价指标。
6.根据权利要求1所述的方法,其特征在于,所述生成每个违约率评价指标的秩,具体包括:
获取每个违约率评价指标所对应的标准值;
根据所述违约率评价指标以及与所述违约率评价指标对应的标准值生成每个违约率评价指标的秩。
7.根据权利要求1所述的方法,其特征在于,根据所述每个违约率评价指标的秩生成每个违约率评价指标的违约率,具体包括:
获取违约率评价指标的秩的标准值,根据所述违约率评价指标的秩的标准值获取与其对应的违约率标准值;
获取与每个违约率评价指标对应的核变换带宽参数;
根据违约率评价指标的秩的标准值、所述核变换贷款参数以及与所述违约率评价指标的秩的标准值对应的违约率标准值,生成所述违约率评价指标的违约率。
8.根据权利要求1所述的方法,其特征在于,根据所述每个违约率评价指标的违约率生成所述客户的违约率,具体包括:
获取每个违约率评价指标的违约相关参数;
根据每个违约率评价指标的违约率以及所述违约相关参数生成客户的违约率。
9.根据权利要求8所述的方法,其特征在于,所述违约相关参数包括:
每个违约率评价指标的回归系数、回归系数常量、行业回归系数、地区回归系数、行业违约率以及地区违约率。
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:
存储所述客户违约风险评价基础数据、所述多个违约率评价指标、所述每个违约率评价指标的秩、所述每个违约率评价指标的违约率、所述客户的违约率以及所述客户等级。
11.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述客户等级信息转换成WEB数据后发给所述用户。
12.一种基于WEB的银行信用风险检测系统,所述系统包括应用服务装置,其特征在于,所述应用服务装置包括:
基础数据获取单元,根据用户请求获取客户违约风险评价基础数据;
违约率评价指标生成单元,根据所述客户违约风险评价基础数据生成多个违约率评价指标;
违约率评价指标的秩生成单元,生成每个违约率评价指标的秩;
违约率评价指标的违约率生成单元,根据所述每个违约率评价指标的秩生成每个违约率评价指标的违约率;
客户的违约率生成单元,根据所述每个违约率评价指标的违约率生成所述客户的违约率;
客户等级单元,根据所述客户的违约率确定客户等级信息。
13.根据权利要求12所述的系统,其特征在于,所述系统还包括:用户服务装置,通过银行内部网络连接WEB服务装置,
所述用户服务装置,接收用户对客户违约风险进行评价的请求信息,将该请求信息发给所述WEB服务装置;
所述WEB服务装置连接所述应用服务装置,将所述用户的请求信息转换成WEB数据格式发给所述应用服务器,并将所述客户等级信息转换成WEB数据发给所述用户。
14.根据权利要求13所述的系统,其特征在于,所述请求信息至少包括客户名称和客户编号。
15.根据权利要求12所述的系统,其特征在于,所述系统还包括:
数据管理装置,连接所述应用服务器,存储所述客户违约风险评价基础数据、所述多个违约率评价指标、所述每个违约率评价指标的秩、所述每个违约率评价指标的违约率、所述客户的违约率以及所述客户等级。
16.根据权利要求12所述的系统,其特征在于,所述系统还包括:
银行业务服务装置,连接所述应用服务装置,向所述应用服务装置提供所述客户违约风险评价基础数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101225572A CN101131763A (zh) | 2007-09-27 | 2007-09-27 | 一种基于web的银行信用风险检测方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101225572A CN101131763A (zh) | 2007-09-27 | 2007-09-27 | 一种基于web的银行信用风险检测方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101131763A true CN101131763A (zh) | 2008-02-27 |
Family
ID=39129023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007101225572A Pending CN101131763A (zh) | 2007-09-27 | 2007-09-27 | 一种基于web的银行信用风险检测方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101131763A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104584051A (zh) * | 2012-06-26 | 2015-04-29 | 劳伦.尼科尔.科扎特.斯图布斯 | 用于增强型微小借贷的新系统和处理 |
CN104680297A (zh) * | 2013-12-03 | 2015-06-03 | 航天信息股份有限公司 | 一种信用等级评价系统及其评价方法 |
CN107025596A (zh) * | 2016-02-01 | 2017-08-08 | 腾讯科技(深圳)有限公司 | 一种风险评估方法和系统 |
CN107038581A (zh) * | 2016-12-08 | 2017-08-11 | 阿里巴巴集团控股有限公司 | 基于分布式数据源架构实现电子业务风控的方法和装置 |
CN107608958A (zh) * | 2017-09-07 | 2018-01-19 | 湖南湘君奕成信息技术有限公司 | 基于条款统一建模的合同文本风险信息挖掘方法和系统 |
CN108416506A (zh) * | 2018-02-07 | 2018-08-17 | 平安科技(深圳)有限公司 | 客户风险等级管理方法、服务器及计算机可读存储介质 |
CN112116166A (zh) * | 2020-09-28 | 2020-12-22 | 中国建设银行股份有限公司 | 信用风险指标预测方法及装置 |
-
2007
- 2007-09-27 CN CNA2007101225572A patent/CN101131763A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104584051A (zh) * | 2012-06-26 | 2015-04-29 | 劳伦.尼科尔.科扎特.斯图布斯 | 用于增强型微小借贷的新系统和处理 |
CN104680297A (zh) * | 2013-12-03 | 2015-06-03 | 航天信息股份有限公司 | 一种信用等级评价系统及其评价方法 |
CN107025596A (zh) * | 2016-02-01 | 2017-08-08 | 腾讯科技(深圳)有限公司 | 一种风险评估方法和系统 |
CN107025596B (zh) * | 2016-02-01 | 2021-07-16 | 腾讯科技(深圳)有限公司 | 一种风险评估方法和系统 |
CN107038581A (zh) * | 2016-12-08 | 2017-08-11 | 阿里巴巴集团控股有限公司 | 基于分布式数据源架构实现电子业务风控的方法和装置 |
CN107608958A (zh) * | 2017-09-07 | 2018-01-19 | 湖南湘君奕成信息技术有限公司 | 基于条款统一建模的合同文本风险信息挖掘方法和系统 |
CN107608958B (zh) * | 2017-09-07 | 2023-06-16 | 长沙森悦电子信息有限责任公司 | 基于条款统一建模的合同文本风险信息挖掘方法和系统 |
CN108416506A (zh) * | 2018-02-07 | 2018-08-17 | 平安科技(深圳)有限公司 | 客户风险等级管理方法、服务器及计算机可读存储介质 |
CN112116166A (zh) * | 2020-09-28 | 2020-12-22 | 中国建设银行股份有限公司 | 信用风险指标预测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fan et al. | Estimating ‘Value at Risk’of crude oil price and its spillover effect using the GED-GARCH approach | |
CN101131763A (zh) | 一种基于web的银行信用风险检测方法与系统 | |
JP2012504289A (ja) | オンラインビジネストランザクションデータを使用するローンアクセスの評価 | |
WO2006004131A1 (ja) | 企業評価装置、企業評価プログラム並びに企業評価方法 | |
CN101236638A (zh) | 一种基于Web的银行卡风险监测方法及系统 | |
WO2009065134A1 (en) | Method for deal-based pricing and estimation of deal winning probability using multiple prospective models | |
JP6727356B2 (ja) | 特許評価システム | |
CN101685519A (zh) | 信用评价方法及信用评价系统 | |
Sager et al. | The double EMG distribution and trade elasticities | |
CN107133862A (zh) | 动态产生增强信用评估的详细交易支付经历的方法和系统 | |
CN116843452A (zh) | 风险监管方法、装置、设备、介质和程序产品 | |
Günnel et al. | Does Benford’s Law hold in economic research and forecasting? | |
CN112581291B (zh) | 风险测评异动检测方法、装置、设备及存储介质 | |
JP2002073968A (ja) | 資産運用設計システム | |
CN112464051A (zh) | 一种异常数据检测方法、装置及计算机可读存储介质 | |
Ben Rejeb et al. | The relationship between financial liberalization and stock market volatility: the mediating role of financial crises | |
KR101334891B1 (ko) | SaaS 환경에서의 재무위험관리 서비스를 제공하기 위한 시스템 | |
Carp et al. | Timeliness of earnings reported by Romanian listed companies | |
WO2006095747A1 (ja) | 理論株価算出装置、理論株価算出方法及び理論株価算出プログラム | |
Smit et al. | Evaluating The Effect of Fair Value Adjustments to Investment Property Based on Profitability Ratios | |
Ditimi et al. | A time series analysis of the nexus between macroeconomic fundamentals and stock prices in Nigeria | |
Prasetyo et al. | Does XBRL improve the quality of financial statements in the banking industry? | |
Handoyo et al. | Factors Influencing Audit Quality of Banking Business Sector in Indonesia | |
de Sousa et al. | Does the single currency a ect FDI? A gravity-like approach | |
Robu et al. | Assessing Comparability of Accounting Information Using Panel Data Analysis. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20080227 |