CN105678619A - 贷款额度评估方法及装置 - Google Patents
贷款额度评估方法及装置 Download PDFInfo
- Publication number
- CN105678619A CN105678619A CN201610009133.4A CN201610009133A CN105678619A CN 105678619 A CN105678619 A CN 105678619A CN 201610009133 A CN201610009133 A CN 201610009133A CN 105678619 A CN105678619 A CN 105678619A
- Authority
- CN
- China
- Prior art keywords
- user
- loan
- turnover rate
- loan limit
- limit
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 32
- 230000007306 turnover Effects 0.000 claims description 101
- 230000006399 behavior Effects 0.000 claims description 13
- 230000003542 behavioural effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 4
- 238000013210 evaluation model Methods 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 210000000582 semen Anatomy 0.000 description 1
- 239000000126 substance Substances 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种贷款额度评估方法及装置,该方法包括:预先根据通信运营商系统的用户数据建立用户的信用评分模型和流失率预测模型;预先根据用户的所述信用评分和所述流失率建立贷款额度评估模型;基于所述信用评分模型和所述流失率预测模型,并根据贷款用户的所述用户数据来分别获得该用户的所述信用评分和所述流失率;基于所述贷款额度评估模型,并根据获得的所述贷款用户的所述信用评分和所述流失率来评估该贷款用户的可贷款额度。本发明提供的贷款额度评估方法及装置,能够更进一步合理地评估贷款额度,从而可以进一步降低贷款的风险。
Description
技术领域
本发明属于通信技术领域,具体涉及一种基于通信运营商的用户数据的带宽额度评估方法及系统。
背景技术
目前,金融业贷款服务中,发款方通常以贷款用户在银行的交易记录即个人信息为主要参考,判断贷款用户的信用程度来评估贷款额度。
但是,由于上述信息由贷款用户填写很难真实且实时反应其多个方面的变化,这是因为通常采用人工询问贷款用户或要求借方提供信息,并且上述信息的维度较少,因此,基于上述信息会造成贷款的风险性高等问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一,提出了一种贷款额度评估方法及装置,能够更进一步合理地评估贷款额度,从而可以进一步降低贷款的风险。
为解决上述问题之一,本发明提供了一种贷款额度评估方法,应用于通信运营商系统,包括:预先根据通信运营商系统的用户数据建立用户的信用评分模型和流失率预测模型;预先根据用户的所述信用评分和所述流失率建立贷款额度评估模型;基于所述信用评分模型和所述流失率预测模型,并根据贷款用户的所述用户数据来分别获得该用户的所述信用评分和所述流失率;基于所述贷款额度评估模型,并根据获得的所述贷款用户的所述信用评分和所述流失率来评估该贷款用户的可贷款额度。
具体地,所述预先建立贷款额度评估模型,还包括:根据用户在预设周期内产生的盈利建立所述贷款额度评估模型;所述贷款额度评估方法,还包括:评估所述贷款用户的所述盈利;所述评估该贷款用户的可贷款额度,还包括:根据评估的所述贷款用户的所述盈利来评估该贷款用户的可贷款额度。
具体地,所述获得所述贷款用户的流失率,包括:获得所述贷款用户在未来多个时间段的所述流失率;所述评估该贷款用户的可贷款额度,包括:根据获得的所述贷款用户在未来多个时间段内的所述流失率来评估该贷款用户的可贷款额度。
具体地,所述贷款额度评估模型抽象为下述数学表达式:
其中,C为所述可贷款额度;R为所述盈利;S为信用系数,其与所述信用评分存在预设对应关系;P为未来第一个时间段的所述流失率;为未来多个时间段的所述流失率的平均值;h为所述流失率阈值。
具体地,所述预先建立所述流失率预测模型,包括:运用机器学习随机森林算法,通过学习已经流失用户的所述用户数据,来建立所述流失率预测模型。
具体地,所述用户数据包括:用户基础数据和用户行为数据。
具体地,所述用户行为数据包括:通话行为数据、终端特点数据、上网行为数据和业务消费数据。
本发明还提供一种贷款额度评估装置,包括:模型预先建立模块,用于预先根据通信运营商系统中的用户数据建立用户的信用评分模型和流失率预测模型;以及用于预先根据用户的所述信用评分和所述流失率建立贷款额度评估模型;信用评分和流失率获得模块,用于基于所述信用评分模型和所述流失率预测模型,并根据贷款用户的所述用户数据来分别获得该用户的所述信用评分和所述流失率;贷款额度评估模块,用于基于所述贷款额度评估模型,并根据获得的所述贷款用户的所述信用评分和所述流失率来评估该贷款用户的可贷款额度。
具体地,所述模型预先建立模块,还用于根据用户在预设周期内所产生的盈利建立所述贷款额度评估模型;所述贷款额度评估装置还包括:盈利评估模块,用于评估所述贷款用户的所述盈利;所述贷款额度评估模块,还用于根据评估的所述贷款用户的所述盈利来评估该贷款用户的可贷款额度。
具体地,所述信用评分和流失率获得模块,用于获得所述贷款用户在未来多个时间段的所述流失率;所述贷款额度评估模块,还用于根据获得的所述贷款用户在多个时间段内的所述流失率来评估该贷款用户的可贷款额度。
具体地,所述模型预先建立模块,用于预先建立可抽象为下述数学表达式的所述贷款额度评估模型:
其中,C为所述可贷款额度;R为所述盈利;S为信用系数,其与所述信用评分存在预设对应关系;P为未来第一个时间段的所述流失率;为未来多个时间段的所述流失率的平均值;h为所述流失率阈值。
本发明具有以下有益效果:
本发明提供的贷款额度评估方法及装置,由于以通信运营商系统的用户数据为数据基础,而通讯运营商系统所具有的大量网络基础设施能够积累大量、实时的多维数据,因此,基于通信运营商系统的用户数据能够准确且高效地实时反应用户的行为,从而基于通信运营商系统的用户数据能够更合理地评估可贷款额度;另外,该贷款额度评估方法基于该通信运营商系统的用户数据不仅获得贷款用户的信用评分还获得流失率,由于流失率是影响贷款风险的关键因素,因此,基于该信用评分和流失率能够更进一步合理地评估贷款额度,从而可以进一步降低贷款的风险。
附图说明
图1为本发明一示范性实施例提供的贷款额度评估方法的流程图;
图2为本发明一示范性实施例提供的贷款额度评估方法的流程图;
图3为本发明一示范性实施例提供的贷款额度评估装置的原理框图;
图4为本发明一示范性实施例提供的贷款额度评估装置的原理框图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图来对本发明提供的贷款额度评估方法及装置进行详细描述。
实施例1
图1为本发明一示范性实施例提供的贷款额度评估方法的流程图,请参阅图1,本发明实施例提供的贷款额度评估方法,应用于通信运营商系统,该方法包括以下步骤:
S1,预先根据通信运营商系统的用户数据建立用户的信用评分模型和流失率预测模型,所述信用评分用于表征用户的信用程度;所述流失率表征用户流失的可能性;预先根据用户的所述信用评分和所述流失率建立贷款额度评估模型。
具体地,用户数据包括用户基础数据和用户行为数据。其中,用户行为数据包括:通话行为数据、终端特点数据、上网行为数据和业务消费数据。
更具体地,用户基础数据通常指用户固有数据,包括但不限于:用户性别、属性为公司用户/个人用户、套餐级别、合约返话费用户等。通话行为数据包括但不限于:用户漫游频率、漫游时长、通话时长、短信总数等。终端特点数据包括但不限于:用户所使用的终端类型,例如,小米品牌、苹果品牌、具体机型号。上网行为数据包括但不限于:用户上网习惯/偏好,例如,财经类、母婴类、情感类。业务消费数据包括但不限于:用户所订阅的业务类型以及消费档位。
另外具体地,上述预先建立所述流失率预测模型,包括:运用机器学习随机森林算法,通过学习已经流失用户的所述用户数据,来建立所述流失率预测模型。上述预先建立所述信用评分模型,包括:基于上述用户基础数据和用户行为数据进行多方位评估,构建数学模型;信用评分的取值范围可以为但不限于0~900分。
S2,基于所述信用评分模型和所述流失率预测模型,并根据贷款用户的所述用户数据来分别获得该用户的所述信用评分和所述流失率。
具体地,将贷款用户的用户数据带入所述信用评分模型和流失率预测模型中获得该用户的信用评分和流失率。
步骤S3,基于贷款额度评估模型,并根据获得的贷款用户的信用评分和流失率来评估该贷款用户的可贷款额度。
具体地,将获得的贷款用户的信用评分和流失率带入该贷款额度评估模型中获得可贷款额度。
本发明实施例提供的贷款额度评估方法,由于以通信运营商系统的用户数据为数据基础,而通讯运营商系统所具有的大量网络基础设施能够积累用户的大量、实时的多维数据,因此,基于通信运营商系统的用户数据能够准确且高效地实时反应用户的行为,从而基于通信运营商系统的用户数据能够更合理地评估可贷款额度;另外,该贷款额度评估方法基于该通信运营商系统的用户数据不仅获得贷款用户的信用评分还获得流失率,由于流失率是影响贷款风险的关键因素,因此,基于该信用评分和流失率能够更进一步合理地评估贷款额度,从而进一步降低贷款的风险。
在另一实施例中,如图2所示,上述预先建立贷款额度评估模型,还包括:根据用户在预设周期内产生的盈利建立贷款额度评估模型;也即,根据用户的信用评分、流失率和盈利建立贷款额度评估模型。
在此情况下,该贷款额度评估方法,还包括:评估贷款用户的盈利;例如,评估贷款用户在近期3个月内给通信运营商产生的盈利。
上述评估该贷款用户的可贷款额度,还包括:根据评估的贷款用户的盈利来评估该贷款用户的可贷款额度,也即,根据获得的贷款用户的信用评分、流失率和盈利来评估该贷款用户的可贷款额度。
在此需要说明的是,本实施例相对上述实施例1而言,增加了盈利因素,从而实现信用评分、流失率和盈利三者综合分析评估可贷款额度,从而能够更进一步合理地评估可贷款额度。
进一步在此说明的是,通信运营商系统可不以盈利为目的来进行开展贷款业务,仅是作为增值服务吸引用户、维系用户;在此情况下,应基于不盈利但又不应亏损的原则建立贷款额度评估模型。当然,本发明不局限于此,在实际应用中,通信运营商系统还可考虑以少量盈利为目的开展贷款业务,仅需要按照盈利需求建立贷款额度评估模型即可。
在另一实施例中,上述获得贷款用户的流失率,包括:获得贷款用户在未来多个时间段的流失率。
具体地,每个时间段可设置但不局限于一个月、半个月。
下表为经过步骤S2获得的贷款用户A和B的信用评分、未来6个时间段(该时间段为月)的流失率。
贷款用户 | 信用评分 | 流失率 |
A | 697 | [13%,15%,17%,24%,13%,15%] |
B | 564 | [13%,21%,33%,24%,43%,45%] |
上述评估该贷款用户的可贷款额度,包括:根据获得的贷款用户在未来多个时间段内的流失率来评估该贷款用户的可贷款额度。
在另一实施例中,贷款额度评估模型抽象为下述数学表达式:
其中,C为所述可贷款额度;R为所述盈利;S为信用系数,其与所述信用评分存在预设对应关系,该对应关系可以但不限于为:信用评分/10=信用系数;P为未来第一个时间段的所述流失率;为未来多个时间段的所述流失率的平均值;h为所述流失率阈值。
在此需要说明的是,在实际应用中,贷款额度评估模型的建模思路包括但不限于:a,若贷款用户为不稳定用户,多个时间段的流失率呈增长趋势且均值高于流失率阈值,则不予贷款;b,若近期时间段的流失率均低于流失率阈值,但后续时间段的流失率均高于流失率阈值,则给予贷款且为小额度贷款;c,若申贷用户为稳定用户且多个时间段的流失率均值小于流失率阈值,则允许贷款;其中,所谓不稳定用户是指未来多个时间段的流失率变动较大的用户,如上述表中的贷款用户B;所谓稳定用户是指未来多个时间段的流失率变动较小的用户,如上表中的贷款用户A。
实施例2
图3为本发明一示范性实施例提供的贷款额度评估装置的原理框图,请参阅图3,该贷款额度评估装置包括:
模型预先建立模块10,用于预先根据通信运营商系统的用户数据建立用户的信用评分模型和流失率预测模型,所述信用评分用于表征用户的信用程度;所述流失率表征用户流失的可能性;以及用于预先根据用户的所述信用评分和所述流失率建立贷款额度评估模型。
信用评分和流失率获得模块11,用于基于所述信用评分模型和所述流失率预测模型,并根据贷款用户的所述用户数据来分别获得该用户的所述信用评分和所述流失率。
贷款额度评估模块12,用于基于所述贷款额度评估模型,并根据获得的所述贷款用户的所述信用评分和所述流失率来评估该贷款用户的可贷款额度。
在另一实施例中,如图4所示,模型预先建立模块10,还用于根据用户在预设周期内所产生的盈利建立所述贷款额度评估模型。
贷款额度评估装置还包括:盈利评估模块13,用于评估所述贷款用户的所述盈利。贷款额度评估模块12,还用于根据评估的所述贷款用户的所述盈利来评估该贷款用户的可贷款额度。
在另一实施例中,信用评分和流失率获得模块11,用于获得所述贷款用户在未来多个时间段的所述流失率;贷款额度评估模块12,还用于根据获得的所述贷款用户在未来多个时间段内的所述流失率来评估该贷款用户的可贷款额度。
在另一实施例中,模型预先建立模块10,用于预先建立可抽象为下述数学表达式的所述贷款额度评估模型:
其中,C为所述可贷款额度;R为所述盈利;S为信用系数,其与所述信用评分存在预设对应关系;P为未来第一个时间段的流失率;为未来多个时间段的所述流失率的平均值;h为所述流失率阈值。
实施例3
本发明实施例还提供一种通信运营商系统,包括贷款额度评估装置,所述贷款额度评估装置采用本发明上述实施例提供的贷款额度评估装置。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (11)
1.一种贷款额度评估方法,应用于通信运营商系统,其特征在于,包括:
预先根据通信运营商系统的用户数据建立用户的信用评分模型和流失率预测模型;预先根据用户的所述信用评分和所述流失率建立贷款额度评估模型;
基于所述信用评分模型和所述流失率预测模型,并根据贷款用户的所述用户数据来分别获得该用户的所述信用评分和所述流失率;
基于所述贷款额度评估模型,并根据获得的所述贷款用户的所述信用评分和所述流失率来评估该贷款用户的可贷款额度。
2.根据权利要求1所述的贷款额度评估方法,其特征在于,
所述预先建立贷款额度评估模型,还包括:根据用户在预设周期内产生的盈利建立所述贷款额度评估模型;
所述贷款额度评估方法,还包括:评估所述贷款用户的所述盈利;
所述评估该贷款用户的可贷款额度,还包括:根据评估的所述贷款用户的所述盈利来评估该贷款用户的可贷款额度。
3.根据权利要求2所述的贷款额度评估方法,其特征在于,所述获得所述贷款用户的流失率,包括:获得所述贷款用户在未来多个时间段的所述流失率;
所述评估该贷款用户的可贷款额度,包括:根据获得的所述贷款用户在未来多个时间段内的所述流失率来评估该贷款用户的可贷款额度。
4.根据权利要求3所述的贷款额度评估方法,其特征在于,所述贷款额度评估模型抽象为下述数学表达式:
其中,C为所述可贷款额度;R为所述盈利;S为信用系数,其与所述信用评分存在预设对应关系;P为未来第一个时间段的所述流失率;为未来多个时间段的所述流失率的平均值;h为所述流失率阈值。
5.根据权利要求1所述的贷款额度评估方法,其特征在于,所述预先建立所述流失率预测模型,包括:运用机器学习随机森林算法,通过学习已经流失用户的所述用户数据,来建立所述流失率预测模型。
6.根据权利要求1所述的贷款额度评估方法,其特征在于,所述用户数据包括:用户基础数据和用户行为数据。
7.根据权利要求6所述的贷款额度评估方法,其特征在于,所述用户行为数据包括:通话行为数据、终端特点数据、上网行为数据和业务消费数据。
8.一种贷款额度评估装置,其特征在于,包括:
模型预先建立模块,用于预先根据通信运营商系统中的用户数据建立用户的信用评分模型和流失率预测模型;以及用于预先根据用户的所述信用评分和所述流失率建立贷款额度评估模型;
信用评分和流失率获得模块,用于基于所述信用评分模型和所述流失率预测模型,并根据贷款用户的所述用户数据来分别获得该用户的所述信用评分和所述流失率;
贷款额度评估模块,用于基于所述贷款额度评估模型,并根据获得的所述贷款用户的所述信用评分和所述流失率来评估该贷款用户的可贷款额度。
9.根据权利要求8所述的贷款额度评估装置,其特征在于,所述模型预先建立模块,还用于根据用户在预设周期内所产生的盈利建立所述贷款额度评估模型;
所述贷款额度评估装置还包括:
盈利评估模块,用于评估所述贷款用户的所述盈利;
所述贷款额度评估模块,还用于根据评估的所述贷款用户的所述盈利来评估该贷款用户的可贷款额度。
10.根据权利要求9所述的贷款额度评估装置,其特征在于,所述信用评分和流失率获得模块,用于获得所述贷款用户在未来多个时间段的所述流失率;
所述贷款额度评估模块,还用于根据获得的所述贷款用户在多个时间段内的所述流失率来评估该贷款用户的可贷款额度。
11.根据权利要求10所述的贷款额度评估装置,其特征在于,所述模型预先建立模块,用于预先建立可抽象为下述数学表达式的所述贷款额度评估模型:
其中,C为所述可贷款额度;R为所述盈利;S为信用系数,其与所述信用评分存在预设对应关系;P为未来第一个时间段的所述流失率;为未来多个时间段的所述流失率的平均值;h为所述流失率阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610009133.4A CN105678619A (zh) | 2016-01-07 | 2016-01-07 | 贷款额度评估方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610009133.4A CN105678619A (zh) | 2016-01-07 | 2016-01-07 | 贷款额度评估方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105678619A true CN105678619A (zh) | 2016-06-15 |
Family
ID=56299250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610009133.4A Pending CN105678619A (zh) | 2016-01-07 | 2016-01-07 | 贷款额度评估方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105678619A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107301550A (zh) * | 2017-07-05 | 2017-10-27 | 阿里巴巴集团控股有限公司 | 额度信息的获取方法、额度管控规则的建立方法及装置 |
CN107332844A (zh) * | 2017-07-03 | 2017-11-07 | 上海路诚数据服务有限公司 | 隐私信息使用方法和个人征信评分方法 |
CN107886425A (zh) * | 2017-10-25 | 2018-04-06 | 上海壹账通金融科技有限公司 | 信贷评估方法、装置、设备及计算机可读存储介质 |
CN108921686A (zh) * | 2018-06-19 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 一种个人用户的信用评分方法和装置 |
CN109727125A (zh) * | 2019-01-25 | 2019-05-07 | 深圳乐信软件技术有限公司 | 借款金额预测方法、装置、服务器、存储介质 |
CN110189218A (zh) * | 2019-04-25 | 2019-08-30 | 北京互金新融科技有限公司 | 贷款额度的管理方法及装置 |
CN110297727A (zh) * | 2019-06-06 | 2019-10-01 | 深圳中兴飞贷金融科技有限公司 | 贷款数据备份方法及系统 |
CN110348726A (zh) * | 2019-07-02 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 一种基于社交关系网络的用户额度调整方法、装置和电子设备 |
CN110826828A (zh) * | 2018-08-07 | 2020-02-21 | 上海麦子资产管理集团有限公司 | 信用额度审批方法及装置、存储介质、终端 |
CN112232945A (zh) * | 2020-10-15 | 2021-01-15 | 中国农业银行股份有限公司 | 一种确定个人客户授信的方法及装置 |
CN112907358A (zh) * | 2021-03-17 | 2021-06-04 | 平安消费金融有限公司 | 贷款用户信用评分方法、装置、计算机设备和存储介质 |
CN113724058A (zh) * | 2020-05-21 | 2021-11-30 | 中国移动通信有限公司研究院 | 信用及贷款额度评估方法、装置、设备和存储介质 |
-
2016
- 2016-01-07 CN CN201610009133.4A patent/CN105678619A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107332844B (zh) * | 2017-07-03 | 2021-02-05 | 上海路诚数据服务有限公司 | 隐私信息使用方法和个人征信评分方法 |
CN107332844A (zh) * | 2017-07-03 | 2017-11-07 | 上海路诚数据服务有限公司 | 隐私信息使用方法和个人征信评分方法 |
CN107301550A (zh) * | 2017-07-05 | 2017-10-27 | 阿里巴巴集团控股有限公司 | 额度信息的获取方法、额度管控规则的建立方法及装置 |
CN107301550B (zh) * | 2017-07-05 | 2023-10-27 | 创新先进技术有限公司 | 额度信息的获取方法、额度管控规则的建立方法及装置 |
CN107886425A (zh) * | 2017-10-25 | 2018-04-06 | 上海壹账通金融科技有限公司 | 信贷评估方法、装置、设备及计算机可读存储介质 |
CN108921686A (zh) * | 2018-06-19 | 2018-11-30 | 阿里巴巴集团控股有限公司 | 一种个人用户的信用评分方法和装置 |
CN110826828A (zh) * | 2018-08-07 | 2020-02-21 | 上海麦子资产管理集团有限公司 | 信用额度审批方法及装置、存储介质、终端 |
CN109727125A (zh) * | 2019-01-25 | 2019-05-07 | 深圳乐信软件技术有限公司 | 借款金额预测方法、装置、服务器、存储介质 |
CN110189218A (zh) * | 2019-04-25 | 2019-08-30 | 北京互金新融科技有限公司 | 贷款额度的管理方法及装置 |
CN110297727A (zh) * | 2019-06-06 | 2019-10-01 | 深圳中兴飞贷金融科技有限公司 | 贷款数据备份方法及系统 |
CN110348726A (zh) * | 2019-07-02 | 2019-10-18 | 北京淇瑀信息科技有限公司 | 一种基于社交关系网络的用户额度调整方法、装置和电子设备 |
CN113724058A (zh) * | 2020-05-21 | 2021-11-30 | 中国移动通信有限公司研究院 | 信用及贷款额度评估方法、装置、设备和存储介质 |
CN112232945A (zh) * | 2020-10-15 | 2021-01-15 | 中国农业银行股份有限公司 | 一种确定个人客户授信的方法及装置 |
CN112232945B (zh) * | 2020-10-15 | 2023-10-13 | 中国农业银行股份有限公司 | 一种确定个人客户授信的方法及装置 |
CN112907358A (zh) * | 2021-03-17 | 2021-06-04 | 平安消费金融有限公司 | 贷款用户信用评分方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105678619A (zh) | 贷款额度评估方法及装置 | |
Moghavvemi et al. | Competitive advantages through IT innovation adoption by SMEs | |
Yang et al. | Unleashing the power of networks: Shareholder activism, sustainable development and corporate environmental policy | |
Bojei et al. | Brand equity and current use as the new horizon for repurchase intention of smartphone. | |
Burtch et al. | Referral timing and fundraising success in crowdfunding | |
CN105303444A (zh) | 一种金融产品自动适配系统 | |
Chen et al. | A two-stage technology foresight model with system dynamics simulation and its application in the Chinese ICT industry | |
Engsted et al. | Testing for rational bubbles in a coexplosive vector autoregression | |
Harrison et al. | The role of technology in the management and exploitation of internal business intelligence | |
CN110909984B (zh) | 业务数据处理模型训练方法、业务数据处理方法及装置 | |
CN104954410A (zh) | 消息推送方法、装置及服务器 | |
Wang et al. | Modeling and analysis for mobile application services: The perspective of mobile network operators | |
Li et al. | Investigating the effects of stakeholder collaboration strategies on risk prevention performance in a digital innovation ecosystem | |
US20190362354A1 (en) | Real-time updating of predictive analytics engine | |
Proselkov et al. | Financial ripple effect in complex adaptive supply networks: an agent-based model | |
Peters et al. | Understanding operational risk capital approximations: first and second orders | |
CN114021018A (zh) | 基于图卷积神经网络的推荐方法、系统及存储介质 | |
US20130124394A1 (en) | System, method and analytical prediction process to generate consumer personalized lender approval and pricing compatibility information | |
CN110020196A (zh) | 一种基于不同数据源的用户分析方法和装置及计算设备 | |
Alamsyah et al. | The dynamic of banking network topology case study: Indonesian presidential election event | |
US20180130067A1 (en) | Managing agent relationships with a set of contacts via templated messages | |
CN112418929A (zh) | 一种数据共享方法及装置 | |
CN111738761A (zh) | 营销信息处理方法及装置 | |
CN116737906A (zh) | 信息展示方法、装置、电子设备和存储介质 | |
Ahmed et al. | Outsourcing and the US labour market |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160615 |