CN105259816B - 基于无线传感网络的银行动态信贷监控系统和方法 - Google Patents
基于无线传感网络的银行动态信贷监控系统和方法 Download PDFInfo
- Publication number
- CN105259816B CN105259816B CN201510738441.6A CN201510738441A CN105259816B CN 105259816 B CN105259816 B CN 105259816B CN 201510738441 A CN201510738441 A CN 201510738441A CN 105259816 B CN105259816 B CN 105259816B
- Authority
- CN
- China
- Prior art keywords
- data
- enterprise
- credit
- grading
- bank
- 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
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Automation & Control Theory (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种基于无线传感网络的银行动态信贷监控系统,包括复数个无线监测基站、一无线采集服务器、一汽车衡控制器、一本地监控服务器、一银行前置机以及一信贷管理服务器;所述复数个无线监测基站部署于各个企业中,复数个无线监测基站均与所述无线采集服务器和本地监控服务器连接,所述本地监控服务器与所述银行前置机进行无线连接,所述银行前置机与所述信贷管理服务器连接;通过所述无线监测基站和汽车衡控制器分别采集企业特殊指标数据和进销量规模数据;再发送给信贷管理服务器进行贷款客户评级,本发明增加企业客户的动态生产经营状况数据作为定量非财务指标,实现对授信客户和信贷资产的持续跟踪,科学合理地评定信用等级。
Description
技术领域
本发明涉及银行信用技术领域,尤其涉及一种基于无线传感网络的银行动态信贷监控系统和方法。
背景技术
信贷管理系统是银行对客户进行授信贷款,并对其债项进行全程管理的重要业务系统。一般包括客户管理、评级授信(含客户评级)、调查申请、合同管理、出账管理、贷后管理以及风险分类等基本模块,这些子系统构成贷前管理、贷中管理和贷后管理。其中客户评级是对信贷客户进行周期性评级(企业客户一般每年评定一次,个人客户每两年评定一次),根据评定的信用等级对应不同的授信额度;风险分类是贷款发生后对信贷资产质量进行分类,含五级、十级分类。客户评级和风险分类是贷后管理最重要部分,对银行动态了解信贷资产质量和客户信用等级,及后续信贷资产盈利和客户关系维护起着决定性作用。
目前信贷管理系统的客户评级,由信贷客户经理发起,根据客户静态信息(个人客户:个人收入、家庭资产总额、家庭负债总额等;企业客户:确定实有资产、已作为他行抵押物的资产、或有负债、信用等级转换系数、或有负债预计损失转换系数等)评定客户信用等级(一般小微企业的最高综合授信额度≤[确定实有资产-已作为他行抵押物的资产-实有负债-∑(或有负债×预计损失系数)]×信用等级转换系数)。企业的信用评级往往是在年度财务报表形成后,采集相关资产、负债等静态数据作为源数据,而这些数据可操作性较强,并且这些财务指标带有“滞后性”,反映的企业过去经营决策的结果,而银行贷款需要企业未来的现金流偿还。虽然部分银行有使用非财务指标,往往这写非财务指标采用定性评价的办法,不同的客户经理得出不同的结果,无法对客户持续发展的条件、能力和未来贷款到期时客户的财务目标实现情况、偿债能力做出全面综合的评价。
现有公开的专利《即时反馈和交互式的信用风险评级和风险预警方法和系统》(申请号:200410001629.4,公开号:CN1641660A)公开了一种交互式的信用风险评级和风险预警方法和系统,客户自行通过手机、电话、电脑等连接到行内,首先经过反欺诈装置,到应用服务器,经应用服务器转发客户申请数据到系统业务功能处理主机进行数据运算,将运算结果与经过数据清洗器处理后的宏观数据、搜索引擎查询到的客户经营、财务及重大事件等微观信息相结合,得到经确认并多次修正的最终评级结果返回给客户,并动态更新行内评级结果。
专利《一种用于评价银行贷款风险的系统和方法》(申请号:200610167834.7,公开号:CN 1971610A)公开了一种全面的贷款风险计算系统和方法,利用B/S架构让客户自行输入申请数据,同时结合银行联机业务系统获取客户存款、交易和现金流信息,使用数据管理系统接受外部行业市场信息和国家政策信息;每天计算客户存款信息、每月计算客户财务和现金流信息,并计算行业市场评价结果,结合贡献度计算,最终产生客户贷款的量化评级结果。
专利《基于信用等级与违约损失率匹配的信用评级系统与方法》(申请号:201210201461.6,公开号:CN 102779317A)公开了一种基于信用等级与违约损失率匹配的信用评级系统与方法,该专利基于“信用等级越高、违约损失率越低”的信用本质,通过有限次的信用等级与违约损失率匹配优化算法实现客户评级,类似蒙特卡罗模拟各违约损失率下客户的等级。
上述的三个专利的信用风险评级方法虽然有部分客户的交易信息、交易现金流等作为评级的输入,但都未把客户的经营状况等动态信息作为评级的输入,缺乏某种程度的信息对称。若能监控客户经营状况,并作为贷款信用评级和监控的输入,定能提高评级的准确性和贷款风险的可控性。
现有的技术主要的缺点有:
一是,主要依靠人力进行信贷评级,成本较高。在我国地域辽阔,金融服务的客户遍布各地。一、二线城市中,工业的信贷客户办公地点大多是在城市郊区,在三、四线城市中,银行的金融服务网点无法有效覆盖。这直接导致了信贷客户距离银行网点较远。依靠人力进行信贷评级,需要花费大量的人力、物力、财力来完成,直接加重了信贷评级的成本。
二是,信贷评级存在滞后性。上述的方法主要是依靠年度财务报表等静态数据作为数据源。这些数据是在年度结束后生产的,体现的是企业过去经营决策的结果。通过这些数据评级出来的结果往往是体现企业过去的信贷级别,而非当前企业的信贷级别。
三是,信用评级无法体现客户信贷等级的变化,主动揭示风险。由于上述的方法主要是依赖于人力进行的,成本等各种因素导致了无法进行高频率的信贷评级。一般来说企业客户一般每年评定一次,个人客户每两年评定一次。在经济快速发展的当下,一年之间,客户的经营状况可能会发生多次剧烈的变化,而一年一次信用评级无法有效的体现出客户信用等级的变化情况。当在年度内客户存在着很大的信用问题时候,无法及时主动的揭示客户风险,在年底进行信用评级之前,客户已无能力偿还贷款,导致了发放的贷款无法收回。
四是,信用评级采集的数据不准确。上述的方法还主要是依赖于人力进行数据采集,这就存在采集的数据存在人工干扰的因素。不同学历、不同知识背景、不同经验的客户经理对同一客户的同一指标,会获得不一样的评价结果。在信息从人工采集的数据库转移到信用评级系统中,也存在信息传递错误的风险。
五是,信用评级采集的数据不全面。上述方法主要是采集客户的交易信息、财务信息等。这些信息虽然能够从资金方面体现企业的运行状况,进而计算客户信用等级,但是,这些还不够全面。企业本质之一是生产性,各项活动是基于这个基础之上的。在信用评级时,没有有效的使用企业生产特性的话,就难免产生偏颇。
发明内容
本发明要解决的技术问题之一,在于提供一种基于无线传感网络的银行动态信贷监控系统,增加企业客户的动态生产经营状况数据作为定量非财务指标,实现对授信客户和信贷资产的持续跟踪,科学合理地评定信用等级。
本发明问题之一是这样实现的:一种基于无线传感网络的银行动态信贷监控系统,包括复数个无线监测基站、一无线采集服务器、一汽车衡控制器、一本地监控服务器、一银行前置机以及一信贷管理服务器;所述复数个无线监测基站部署于各个企业中,复数个无线监测基站均与所述无线采集服务器和本地监控服务器连接,所述本地监控服务器与所述银行前置机进行无线连接,所述银行前置机与所述信贷管理服务器连接;
所述无线监测基站分别对林业企业的植物生长数据、对水养企业的水质数据、以及对企业水表电表数据进行采集;将采集的数据形成一企业特殊指标数据,并通过无线采集服务器发送给所述本地监控服务器;
所述汽车衡控制器采用汽车衡和RFID标签技术采集企业的进出货物量的进销量规模数据,将进销量规模数据通过无线采集服务器发送给所述本地监控服务器;
所述本地监控服务器将企业特殊指标数据和进销量规模数据传输给银行前置机,银行前置机对数据进行数据清洗后传输给信贷管理服务器,信贷管理服务器对企业特殊指标数据和进销量规模数据进行计算分别获得企业特殊指标评级平均值和进销量规模评级值后,对企业进行贷款做出贷款客户评级。
进一步的,所述无线监测基站包括数据采集模块、设备控制模块、无线通信模块、程浊度分析仪、余氯分析仪、ph分析仪、空气温湿度传感器、土壤温湿度传感器以及水表电表采集传感器;
所述程浊度分析仪、余氯分析仪、ph分析仪、空气温湿度传感器、土壤温湿度传感器、水表电表采集传感器均与数据采集模块连接,所述数据采集模块、无线通信模块均与设备控制模块连接;
所述水养企业的水质数据通过所述程浊度分析仪、余氯分析仪、ph分析仪分别采集程浊度、余氯、ph而获得;所述林业企业的植物生长数据通过所述空气温湿度传感器、土壤温湿度传感器分别采集空气温湿度、土壤温湿度而获得,所述企业水表电表数据通过水表电表采集传感器进行采集;设备控制模块控制数据采集模块进行数据采集,并将采集的数据通过无线通信模块发送给本地监控服务器。
进一步的,所述汽车衡控制器包括IC读卡器和红外传感器,通过在车辆安装RFID卡片,车辆在上衡后IC读卡器感应车辆RFID卡片中信息,并通过红外传感器检测车辆是否完全上磅,待车辆停到正确位置并稳定后自动进行称重数据保存,从而获得进销量规模数据。
进一步的,所述数据清洗包括数据真伪识别、消除孤立点、以及消除噪声数据。
进一步的,所述银行前置机还获取常规非财务类评级,所述常规非财务类评级的评级包括:授信工作人员对于授信对象管理层的深入了解和客观评价,授信工作人员对授信对象所处经济、法律、政治、社会经营环境的敏感性的分析,以及授信工作人员对授信对象受偶发性事件影响的判断。
进一步的,所述对企业进行贷款做出贷款客户评级具体为:贷款客户评级=0.7*财务类评级+0.3*非财务类评级=0.7*财务类评级+0.3*(企业特殊指标评级平均值+进销量规模评级值+常规非财务类评级)/3;其中,财务类评级为企业的财务指标判断。
本发明要解决的技术问题之二,在于提供一种基于无线传感网络的银行动态信贷监控方法,增加企业客户的动态生产经营状况数据作为定量非财务指标,实现对授信客户和信贷资产的持续跟踪,科学合理地评定信用等级。
本发明问题之二是这样实现的:一种基于无线传感网络的银行动态信贷监控方法,所述方法需提供:复数个无线监测基站、一无线采集服务器、一汽车衡控制器、一本地监控服务器、一银行前置机以及一信贷管理服务器;
所述无线监测基站分别对林业企业的植物生长数据、对水养企业的水质数据、以及对企业水表电表数据进行采集;将采集的数据形成一企业特殊指标数据,并通过无线采集服务器发送给所述本地监控服务器;
所述汽车衡控制器采用汽车衡和RFID标签技术采集企业的进出货物量的进销量规模数据,将进销量规模数据通过无线采集服务器发送给所述本地监控服务器;
所述方法为:银行面向企业客户发放贷款,并记录下该类企业的业务性质;
在需要贷款的企业部署所述无线监测基站和汽车衡控制器,实时采集企业特殊指标数据和进销量规模数据;
维护不同监测指标下或者不同进销量规模数据下贷款客户评级的区间;
所述本地监控服务器将企业特殊指标数据和进销量规模数据传输给银行前置机,银行前置机对数据进行数据清洗后传输给信贷管理服务器,
信贷管理服务器对企业特殊指标数据和进销量规模数据进行计算分别获得企业特殊指标评级平均值和进销量规模评级值后,根据贷款客户评级的区间对企业进行贷款做出贷款客户评级。
进一步的,所述无线监测基站包括数据采集模块、设备控制模块、无线通信模块、程浊度分析仪、余氯分析仪、ph分析仪、空气温湿度传感器、土壤温湿度传感器以及水表电表采集传感器;
所述程浊度分析仪、余氯分析仪、ph分析仪、空气温湿度传感器、土壤温湿度传感器、水表电表采集传感器均与数据采集模块连接,所述数据采集模块、无线通信模块均与设备控制模块连接;
所述水养企业的水质数据通过所述程浊度分析仪、余氯分析仪、ph分析仪分别采集程浊度、余氯、ph而获得;所述林业企业的植物生长数据通过所述空气温湿度传感器、土壤温湿度传感器分别采集空气温湿度、土壤温湿度而获得,所述企业水表电表数据通过水表电表采集传感器进行采集;设备控制模块控制数据采集模块进行数据采集,并将采集的数据通过无线通信模块发送给本地监控服务器。
进一步的,所述汽车衡控制器包括IC读卡器和红外传感器,通过在车辆安装RFID卡片,车辆在上衡后IC读卡器感应车辆RFID卡片中信息,并通过红外传感器检测车辆是否完全上磅,待车辆停到正确位置并稳定后自动进行称重数据保存,从而获得进销量规模数据。
进一步的,所述数据清洗包括数据真伪识别、消除孤立点、以及消除噪声数据。
进一步的,所述银行前置机还获取常规非财务类评级,所述常规非财务类评级的评级包括:授信工作人员对于授信对象管理层的深入了解和客观评价,授信工作人员对授信对象所处经济、法律、政治、社会经营环境的敏感性的分析,以及授信工作人员对授信对象受偶发性事件影响的判断。
进一步的,所述对企业进行贷款做出贷款客户评级具体为:贷款客户评级=0.7*财务类评级+0.3*非财务类评级=0.7*财务类评级+0.3*(企业特殊指标评级平均值+进销量规模评级值+常规非财务类评级)/3;其中,财务类评级为企业的财务指标判断。
本发明具有如下优点:1、解决信息不对称问题,有利于商业银行控制风险。通过物联网实现对企业生产过程的监控,充分挖掘信息,可以了解企业的生产经营,贷后资金用途,同时保证信息在系统内部的及时传递,对贷款资金的使用方向及企业经营状况异常及时预警,实现信息互通,便于信贷人员及时处理。减少银行发放贷款时的盲目性,保证银行资金的安全,有效缓解授信风险。即使企业经营失败,银行的信贷风险也处于可控制状态。
2、科学合理的客户评级及动态的贷款级别监控。对授信客户和信贷资产的持续跟踪,通过企业内部的监测数据采集和进销数据进行动态贷款非账务类风险评级,对授信对象和授信业务进行全面评估,客观反映授信对象和授信业务的真实风险程度,实时了解企业的生产动态,实现动态的贷款级别监控。
3、大大方便了商业银行对企业的贷后检查,减少企业的信贷管理成本。商业银行向企业提供贷款后,可以通过物联网对企业的生产经营情况进行适时动态检查,动态的视角评估企业的生产动态。贷款银行的上级行或总行也可以进行适时抽查,有效避免委托代理问题。
4、实现角色转换,改善重贷轻管、重放轻收的局面,商业银行的贷后管理由被动管理转为主动出击。被动风险控制向主动风险管理的转变,个体管理向团队管理的转变,大大提高了管理效率。
附图说明
图1为本发明的系统结构示意图。
图2为本发明无线监测基站的结构示意图。
图3为本发明汽车衡控制器的结构示意图。
图4本发明系统详细的部署结构示意图。
图5为本发明的方法流程示意图。
具体实施方式
请参阅图1至图5所示,本发明的一种基于无线传感网络的银行动态信贷监控系统,包括复数个无线监测基站、一无线采集服务器、一汽车衡控制器、一本地监控服务器、一银行前置机以及一信贷管理服务器;所述复数个无线监测基站部署于各个企业中,复数个无线监测基站均与所述无线采集服务器和本地监控服务器连接,所述本地监控服务器与所述银行前置机进行无线连接,所述银行前置机与所述信贷管理服务器连接;
所述无线监测基站分别对林业企业的植物生长数据、对水养企业的水质数据、以及对企业水表电表数据进行采集;将采集的数据形成一企业特殊指标数据,并通过无线采集服务器发送给所述本地监控服务器;对于不同的企业通过接入不同的传感器就可以采集不同的传感值。
所述汽车衡控制器采用汽车衡和RFID标签技术采集企业的进出货物量的进销量规模数据,将进销量规模数据通过无线采集服务器发送给所述本地监控服务器;
所述本地监控服务器将企业特殊指标数据和进销量规模数据传输给银行前置机,银行前置机对数据进行数据清洗后传输给信贷管理服务器,信贷管理服务器对企业特殊指标数据和进销量规模数据进行计算分别获得企业特殊指标评级平均值和进销量规模评级值后,对企业进行贷款做出贷款客户评级。所述数据清洗包括数据真伪识别、消除孤立点、以及消除噪声数据。
所述对企业进行贷款做出贷款客户评级具体为:贷款客户评级=0.7*财务类评级+0.3*非财务类评级=0.7*财务类评级+0.3*(企业特殊指标评级平均值+进销量规模评级值+常规非财务类评级)/3;其中,财务类评级为企业的财务指标判断。不同银行有不同的财务类评级标准;但是该财务类评级标准是固定的,另外,非财务类评级=企业特殊指标评级平均值+进销量规模评级值+常规非财务类评级;所述银行前置机还获取常规非财务类评级,所述常规非财务类评级的评级包括:授信工作人员对于授信对象管理层的深入了解和客观评价,授信工作人员对授信对象所处经济、法律、政治、社会经营环境的敏感性的分析,以及授信工作人员对授信对象受偶发性事件影响的判断。
在本发明中,所述无线监测基站包括数据采集模块、设备控制模块、无线通信模块、程浊度分析仪、余氯分析仪、ph分析仪、空气温湿度传感器、土壤温湿度传感器以及水表电表采集传感器;
所述程浊度分析仪、余氯分析仪、ph分析仪、空气温湿度传感器、土壤温湿度传感器、水表电表采集传感器均与数据采集模块连接,所述数据采集模块、无线通信模块均与设备控制模块连接;
所述水养企业的水质数据通过所述程浊度分析仪、余氯分析仪、ph分析仪分别采集程浊度、余氯、ph而获得;所述林业企业的植物生长数据通过所述空气温湿度传感器、土壤温湿度传感器分别采集空气温湿度、土壤温湿度而获得,所述企业水表电表数据通过水表电表采集传感器进行采集;设备控制模块控制数据采集模块进行数据采集,并将采集的数据通过无线通信模块发送给本地监控服务器。
所述汽车衡控制器包括IC读卡器和红外传感器,通过在车辆安装RFID卡片,车辆在上衡后IC读卡器感应车辆RFID卡片中信息,并通过红外传感器检测车辆是否完全上磅,待车辆停到正确位置并稳定后自动进行称重数据保存,从而获得进销量规模数据。
如下表格本发明参考国际通行的客户评级模式-违约概率模型,设计的客户评级的判定值,主要为智能评级模块,分为:
(1)进销量规模评级:采用汽车衡和RFID标签技术采集企业的进出货物量,进而评估企业的进销量规模;
(2)企业特殊指标评级:a.温湿度传感器采集企业的生产物品的温湿度,对于林业企业而言温湿度决定着植物的生长态势,进而决定预期的收成;b.水质传感器采集企业的水质状态,对于养殖业而言优良水质意味着良好的生长,进而决定预期的收成;c.水表电表采集传感器,采集企业的用电量和用水量,进而考量企业的生产能力。
模型如下表1所示:
表1
该模型中的指标区间值需要通过历史数据的积累,形成专家数据。
如图4所示,是本发明系统详细的部署结构示意图。企业监控部署,企业中需要针对不同的区域搭建监测基站,通过无线传感器将数据传输至本地的监控服务器端,本地服务器再传输至银行前置端。同时汽车衡控制器也通过无线监控基站将车辆进出数据传输至本地的监控服务器端。
请参阅图5所示,一种基于无线传感网络的银行动态信贷监控方法,所述方法需提供:复数个无线监测基站、一无线采集服务器、一汽车衡控制器、一本地监控服务器、一银行前置机以及一信贷管理服务器;
所述无线监测基站分别对林业企业的植物生长数据、对水养企业的水质数据、以及对企业水表电表数据进行采集;将采集的数据形成一企业特殊指标数据,并通过无线采集服务器发送给所述本地监控服务器;
所述汽车衡控制器采用汽车衡和RFID标签技术采集企业的进出货物量的进销量规模数据,将进销量规模数据通过无线采集服务器发送给所述本地监控服务器;
所述方法为:银行面向企业客户发放贷款,并记录下该类企业的业务性质;
在需要贷款的企业部署所述无线监测基站和汽车衡控制器,实时采集企业特殊指标数据和进销量规模数据;
维护不同监测指标下或者不同进销量规模数据下贷款客户评级的区间;
所述本地监控服务器将企业特殊指标数据和进销量规模数据传输给银行前置机,银行前置机对数据进行数据清洗后传输给信贷管理服务器,所述数据清洗包括数据真伪识别、消除孤立点、以及消除噪声数据。
信贷管理服务器对企业特殊指标数据和进销量规模数据进行计算分别获得企业特殊指标评级平均值和进销量规模评级值后,根据贷款客户评级的区间对企业进行贷款做出贷款客户评级。所述银行前置机还获取常规非财务类评级,所述常规非财务类评级的评级包括:授信工作人员对于授信对象管理层的深入了解和客观评价,授信工作人员对授信对象所处经济、法律、政治、社会经营环境的敏感性的分析,以及授信工作人员对授信对象受偶发性事件影响的判断。
所述对企业进行贷款做出贷款客户评级具体为:贷款客户评级=0.7*财务类评级+0.3*非财务类评级=0.7*财务类评级+0.3*(企业特殊指标评级平均值+进销量规模评级值+常规非财务类评级)/3;其中,财务类评级为企业的财务指标判断。
其中,所述无线监测基站包括数据采集模块、设备控制模块、无线通信模块、程浊度分析仪、余氯分析仪、ph分析仪、空气温湿度传感器、土壤温湿度传感器以及水表电表采集传感器;
所述程浊度分析仪、余氯分析仪、ph分析仪、空气温湿度传感器、土壤温湿度传感器、水表电表采集传感器均与数据采集模块连接,所述数据采集模块、无线通信模块均与设备控制模块连接;
所述水养企业的水质数据通过所述程浊度分析仪、余氯分析仪、ph分析仪分别采集程浊度、余氯、ph而获得;所述林业企业的植物生长数据通过所述空气温湿度传感器、土壤温湿度传感器分别采集空气温湿度、土壤温湿度而获得,所述企业水表电表数据通过水表电表采集传感器进行采集;设备控制模块控制数据采集模块进行数据采集,并将采集的数据通过无线通信模块发送给本地监控服务器。
所述汽车衡控制器包括IC读卡器和红外传感器,通过在车辆安装RFID卡片,车辆在上衡后IC读卡器感应车辆RFID卡片中信息,并通过红外传感器检测车辆是否完全上磅,待车辆停到正确位置并稳定后自动进行称重数据保存,从而获得进销量规模数据。
下面结合具体实施例对本发明作进一步说明:
(1)银行面向企业客户发放贷款,并在贷款管理系统中记录下该类企业的业务性质;
(2)在企业端安装监测装置,实时采集企业特殊指标评级数据和进销量规模数据;
(3)在贷款动态评级系统中维护不同监测指标下或者不同进销量规模数据下贷款评级区间;例如某林业企业,在温度常年大于30度时企业的林木生长较好,就需要设定区间大于30时,该温度特殊监测指标贷款评级为AAA(值为1),同理的企业在一定的进销量月规模数据下,设置对应的评级区间指标。
(4)每天贷款动态评级系统自动计算企业的最近一个月、或者最近一个季度(按照银行需要)的企业特殊指标评级数据和进销量规模数据,并传输至贷款管理系统,贷款管理系统绑定至该笔贷款;
(5)信贷人员在评出财务类评级值和非财务类常规评级值后,根据贷款动态评级指标计算出客户的最新评级值,以供给银行做后续工作。
本发明的优点:1、实时采集企业生产过程及结果数据,可信度高。从企业现场环境实时采集直接生产数据,区别于现有技术通过第三方机构(行业调查、企业年报、统计机构等)统计调查等间接手段非实时获取运营数据;采集产品形成过程及结果数据,并进行关联模型分析,区别于现有技术用间接结果数据进行模型分析。本发明通过在企业环境现场布设无线监控基站、汽车衡控制器等获取企业的监控重点值,主要关注重点产品形成过程及结果数据,如特殊监测指标数据和进销量规模数据,进行关联分析、模型分析,从数据源端口确保数据的真实性、准确性,具有统计误差小、可信度高的优势。
2、企业数据与银行信贷评级系统的实时联动,实现贷款动态评级,提高银行贷款风险跟踪与管理能力。区别于现有技术通过外部采集信息非实时录入银行内部系统进行贷款跟踪评级,本发明在利用银行端前置机及银行内部网络区域划分来保障金融专网的安全前提下,打通企业与银行的互联网数据渠道,实现企业数据与银行内部系统的无缝、安全、实时对接,将所采集的切实反应企业实际生产经营情况的实时数据实时传送至银行信贷评级系统,并结合银行内已积累的企业数据,利用复杂评级模型,实现对企业贷款进行实时检测、评级、跟踪,保证了数据传输、处理过程的效率,又提高了银行对贷款的风险管控能力。
参见表2:本发明效果的试验及试验数据:
详细的模型说明
表2
总之,本发明在银行在向企业客户发放贷款后,通过企业内部的监测数据采集和进销数据进行动态贷款客户非财务类风险评级,实现对授信对象和授信业务进行全面评估,使评级结果客观反映授信对象和授信业务的真实风险程度,为银行信贷风险持续管理提供可靠的基础信息。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (12)
1.一种基于无线传感网络的银行动态信贷监控系统,其特征在于:包括复数个无线监测基站、一无线采集服务器、一汽车衡控制器、一本地监控服务器、一银行前置机以及一信贷管理服务器;所述复数个无线监测基站部署于各个企业中,复数个无线监测基站均与所述无线采集服务器和本地监控服务器连接,所述本地监控服务器与所述银行前置机进行无线连接,所述银行前置机与所述信贷管理服务器连接;
所述无线监测基站分别对林业企业的植物生长数据、对水养企业的水质数据、以及对企业水表电表数据进行采集;将采集的数据形成一企业特殊指标数据,并通过无线采集服务器发送给所述本地监控服务器;
所述汽车衡控制器采用汽车衡和RFID标签技术采集企业的进出货物量的进销量规模数据,将进销量规模数据通过无线采集服务器发送给所述本地监控服务器;
所述本地监控服务器将企业特殊指标数据和进销量规模数据传输给银行前置机,银行前置机对数据进行数据清洗后传输给信贷管理服务器,信贷管理服务器对企业特殊指标数据和进销量规模数据进行计算分别获得企业特殊指标评级平均值和进销量规模评级值后,对企业进行贷款做出贷款客户评级。
2.根据权利要求1所述的基于无线传感网络的银行动态信贷监控系统,其特征在于:所述无线监测基站包括数据采集模块、设备控制模块、无线通信模块、程浊度分析仪、余氯分析仪、ph分析仪、空气温湿度传感器、土壤温湿度传感器以及水表电表采集传感器;
所述程浊度分析仪、余氯分析仪、ph分析仪、空气温湿度传感器、土壤温湿度传感器、水表电表采集传感器均与数据采集模块连接,所述数据采集模块、无线通信模块均与设备控制模块连接;
所述水养企业的水质数据通过所述程浊度分析仪、余氯分析仪、ph分析仪分别采集程浊度、余氯、ph而获得;所述林业企业的植物生长数据通过所述空气温湿度传感器、土壤温湿度传感器分别采集空气温湿度、土壤温湿度而获得,所述企业水表电表数据通过水表电表采集传感器进行采集;设备控制模块控制数据采集模块进行数据采集,并将采集的数据通过无线通信模块发送给本地监控服务器。
3.根据权利要求1所述的基于无线传感网络的银行动态信贷监控系统,其特征在于:所述汽车衡控制器包括IC读卡器和红外传感器,通过在车辆安装RFID卡片,车辆在上衡后IC读卡器感应车辆RFID卡片中信息,并通过红外传感器检测车辆是否完全上磅,待车辆停到正确位置并稳定后自动进行称重数据保存,从而获得进销量规模数据。
4.根据权利要求1所述的基于无线传感网络的银行动态信贷监控系统,其特征在于:所述数据清洗包括数据真伪识别、消除孤立点、以及消除噪声数据。
5.根据权利要求1所述的基于无线传感网络的银行动态信贷监控系统,其特征在于:所述银行前置机还获取常规非财务类评级,所述常规非财务类评级的评级包括:授信工作人员对于授信对象管理层的深入了解和客观评价,授信工作人员对授信对象所处经济、法律、政治、社会经营环境的敏感性的分析,以及授信工作人员对授信对象受偶发性事件影响的判断。
6.根据权利要求5所述的基于无线传感网络的银行动态信贷监控系统,其特征在于:所述对企业进行贷款做出贷款客户评级具体为:贷款客户评级=0.7*财务类评级+0.3*非财务类评级=0.7*财务类评级+0.3*(企业特殊指标评级平均值+进销量规模评级值+常规非财务类评级)/3;其中,财务类评级为企业的财务指标判断。
7.一种基于无线传感网络的银行动态信贷监控方法,其特征在于:所述方法需提供:复数个无线监测基站、一无线采集服务器、一汽车衡控制器、一本地监控服务器、一银行前置机以及一信贷管理服务器;
所述无线监测基站分别对林业企业的植物生长数据、对水养企业的水质数据、以及对企业水表电表数据进行采集;将采集的数据形成一企业特殊指标数据,并通过无线采集服务器发送给所述本地监控服务器;
所述汽车衡控制器采用汽车衡和RFID标签技术采集企业的进出货物量的进销量规模数据,将进销量规模数据通过无线采集服务器发送给所述本地监控服务器;
所述方法为:银行面向企业客户发放贷款,并记录下该类企业的业务性质;
在需要贷款的企业部署所述无线监测基站和汽车衡控制器,实时采集企业特殊指标数据和进销量规模数据;
维护不同监测指标下或者不同进销量规模数据下贷款客户评级的区间;
所述本地监控服务器将企业特殊指标数据和进销量规模数据传输给银行前置机,银行前置机对数据进行数据清洗后传输给信贷管理服务器,
信贷管理服务器对企业特殊指标数据和进销量规模数据进行计算分别获得企业特殊指标评级平均值和进销量规模评级值后,根据贷款客户评级的区间对企业进行贷款做出贷款客户评级。
8.根据权利要求7所述的基于无线传感网络的银行动态信贷监控方法,其特征在于:所述无线监测基站包括数据采集模块、设备控制模块、无线通信模块、程浊度分析仪、余氯分析仪、ph分析仪、空气温湿度传感器、土壤温湿度传感器以及水表电表采集传感器;
所述程浊度分析仪、余氯分析仪、ph分析仪、空气温湿度传感器、土壤温湿度传感器、水表电表采集传感器均与数据采集模块连接,所述数据采集模块、无线通信模块均与设备控制模块连接;
所述水养企业的水质数据通过所述程浊度分析仪、余氯分析仪、ph分析仪分别采集程浊度、余氯、ph而获得;所述林业企业的植物生长数据通过所述空气温湿度传感器、土壤温湿度传感器分别采集空气温湿度、土壤温湿度而获得,所述企业水表电表数据通过水表电表采集传感器进行采集;设备控制模块控制数据采集模块进行数据采集,并将采集的数据通过无线通信模块发送给本地监控服务器。
9.根据权利要求7所述的基于无线传感网络的银行动态信贷监控方法,其特征在于:所述汽车衡控制器包括IC读卡器和红外传感器,通过在车辆安装RFID卡片,车辆在上衡后IC读卡器感应车辆RFID卡片中信息,并通过红外传感器检测车辆是否完全上磅,待车辆停到正确位置并稳定后自动进行称重数据保存,从而获得进销量规模数据。
10.根据权利要求7所述的基于无线传感网络的银行动态信贷监控方法,其特征在于:所述数据清洗包括数据真伪识别、消除孤立点、以及消除噪声数据。
11.根据权利要求7所述的基于无线传感网络的银行动态信贷监控方法,其特征在于:所述银行前置机还获取常规非财务类评级,所述常规非财务类评级的评级包括:授信工作人员对于授信对象管理层的深入了解和客观评价,授信工作人员对授信对象所处经济、法律、政治、社会经营环境的敏感性的分析,以及授信工作人员对授信对象受偶发性事件影响的判断。
12.根据权利要求11所述的基于无线传感网络的银行动态信贷监控方法,其特征在于:所述对企业进行贷款做出贷款客户评级具体为:贷款客户评级=0.7*财务类评级+0.3*非财务类评级=0.7*财务类评级+0.3*(企业特殊指标评级平均值+进销量规模评级值+常规非财务类评级)/3;其中,财务类评级为企业的财务指标判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510738441.6A CN105259816B (zh) | 2015-11-04 | 2015-11-04 | 基于无线传感网络的银行动态信贷监控系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510738441.6A CN105259816B (zh) | 2015-11-04 | 2015-11-04 | 基于无线传感网络的银行动态信贷监控系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105259816A CN105259816A (zh) | 2016-01-20 |
CN105259816B true CN105259816B (zh) | 2017-09-01 |
Family
ID=55099556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510738441.6A Active CN105259816B (zh) | 2015-11-04 | 2015-11-04 | 基于无线传感网络的银行动态信贷监控系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105259816B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107862602A (zh) * | 2017-11-23 | 2018-03-30 | 安趣盈(上海)投资咨询有限公司 | 一种基于多维度指标计算、自学习及分群模型应用的授信决策方法与系统 |
CN108564286B (zh) * | 2018-04-19 | 2021-01-22 | 天合泽泰(厦门)征信服务有限公司 | 一种基于大数据征信的人工智能金融风控授信评定方法和系统 |
CN108921375A (zh) * | 2018-05-18 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 一种数据处理方法和装置 |
CN108961066A (zh) * | 2018-06-27 | 2018-12-07 | 众安信息技术服务有限公司 | 用于在区块链网络上监控融资设备的状态的方法和装置 |
CN109190954A (zh) * | 2018-08-22 | 2019-01-11 | 深圳合纵能源技术有限公司 | 基于实时用电数据评估企业生产经营管理风险的方法 |
CN109214917A (zh) * | 2018-11-07 | 2019-01-15 | 深圳行知聚能科技发展有限公司 | 一种贷款风险实时监控系统及方法 |
CN109146676A (zh) * | 2018-11-07 | 2019-01-04 | 深圳行知聚能科技发展有限公司 | 一种中小微贷款风险实时监控系统及方法 |
CN109919757A (zh) * | 2019-02-28 | 2019-06-21 | 中科云创(厦门)科技有限公司 | 应用于贷款风险监控的数据处理方法及装置 |
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 |
CN111431905B (zh) * | 2020-03-26 | 2022-07-22 | 重庆新致金服信息技术有限公司 | 一种适用于信贷行业的智能网关系统 |
CN111507649B (zh) * | 2020-06-30 | 2020-11-27 | 上海竞动科技有限公司 | 一种基于区块链的金融大数据风控平台 |
CN111815463A (zh) * | 2020-07-13 | 2020-10-23 | 北京逸风金科软件有限公司 | 基于边缘计算的征信方法和装置 |
CN113628034A (zh) * | 2021-08-12 | 2021-11-09 | 中国银行股份有限公司 | 一种基于无人机的贷款分析方法、装置及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100030532A (ko) * | 2008-09-10 | 2010-03-18 | 문재성 | 특허 대출은행 |
KR20100079747A (ko) * | 2008-12-31 | 2010-07-08 | 주식회사 우리은행 | 금융인에 대한 대출 관리 시스템 |
CN101908194A (zh) * | 2010-08-09 | 2010-12-08 | 中国建设银行股份有限公司 | 银行对公贷款监控的方法 |
CN101996384A (zh) * | 2009-08-26 | 2011-03-30 | 上海领意信息技术有限公司 | 监管系统与方法 |
WO2013180340A1 (ko) * | 2012-05-31 | 2013-12-05 | Sim Joung Taek | 선순환 금융유통방법 및 선순환 체크카드를 이용한 생활비 즉시 결제 대출 시스템 |
CN103826108A (zh) * | 2014-03-18 | 2014-05-28 | 江苏苏大大数据科技有限公司 | 基于视频图像的贷后监控方法及系统 |
CN104992264A (zh) * | 2015-06-01 | 2015-10-21 | 康玉龙 | 企业经营状况实时监控系统 |
-
2015
- 2015-11-04 CN CN201510738441.6A patent/CN105259816B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20100030532A (ko) * | 2008-09-10 | 2010-03-18 | 문재성 | 특허 대출은행 |
KR20100079747A (ko) * | 2008-12-31 | 2010-07-08 | 주식회사 우리은행 | 금융인에 대한 대출 관리 시스템 |
CN101996384A (zh) * | 2009-08-26 | 2011-03-30 | 上海领意信息技术有限公司 | 监管系统与方法 |
CN101908194A (zh) * | 2010-08-09 | 2010-12-08 | 中国建设银行股份有限公司 | 银行对公贷款监控的方法 |
WO2013180340A1 (ko) * | 2012-05-31 | 2013-12-05 | Sim Joung Taek | 선순환 금융유통방법 및 선순환 체크카드를 이용한 생활비 즉시 결제 대출 시스템 |
CN103826108A (zh) * | 2014-03-18 | 2014-05-28 | 江苏苏大大数据科技有限公司 | 基于视频图像的贷后监控方法及系统 |
CN104992264A (zh) * | 2015-06-01 | 2015-10-21 | 康玉龙 | 企业经营状况实时监控系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105259816A (zh) | 2016-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105259816B (zh) | 基于无线传感网络的银行动态信贷监控系统和方法 | |
Lin et al. | Detecting the financial statement fraud: The analysis of the differences between data mining techniques and experts’ judgments | |
CN108062674B (zh) | 基于gps的订单欺诈识别方法、系统、存储介质和电子设备 | |
CN110400215B (zh) | 面向企业家族的小微企业信用评估模型构建方法及系统 | |
CN105913195A (zh) | 基于全行业数据的企业金融风险评分方法 | |
CN101714273A (zh) | 一种基于规则引擎的银行异常业务监控方法和系统 | |
CN105279382A (zh) | 一种医疗保险异常数据在线智能检测方法 | |
Gao | The use of machine learning combined with data mining technology in financial risk prevention | |
CN110472815A (zh) | 一种供应链金融业务中对融资企业的风险控制方法及系统 | |
Yurynets et al. | Risk Assessment Technology of Crediting with the Use of Logistic Regression Model. | |
Derevyanko et al. | Assessment of financial and economic security of the region (based on the relevant statistics of the Donetsk region) | |
Che et al. | Bank telemarketing forecasting model based on t-SNE-SVM | |
Andriuskevicius | M&A performance and economic impact: Integration and critical assessment of methodological approach | |
Qian et al. | The implementation of leisure tourism enterprise management system based on deep learning | |
Palshikar et al. | Financial security against money laundering: A survey | |
Luo et al. | Evolutionary dynamics of health food safety regulatory information disclosure from the perspective of consumer participation | |
Zhai et al. | Big data analysis of accounting forecasting based on machine learning | |
Wang et al. | Assessing financial distress of SMEs through event propagation: An adaptive interpretable graph contrastive learning model | |
Cheng | [Retracted] Enterprise Financial Risk Prediction and Prevention Based on Big Data Analysis | |
Meng et al. | The practice study of consumer credit risk based on random forest | |
Wang et al. | Innovative risk early warning model based on internet of things under big data technology | |
TWI585709B (zh) | 財務管理診斷方法及其系統 | |
Wang | [Retracted] Construction of Financial Management Early Warning Model Based on Improved Ant Colony Neural Network | |
Hu | Design and application of a financial distress early warning model based on data reasoning and pattern recognition | |
Peng et al. | Intelligent early-warning analysis of operational risks based on grey Kalman filter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |