CN106952155A - 一种基于信用评分的催收方法及装置 - Google Patents
一种基于信用评分的催收方法及装置 Download PDFInfo
- Publication number
- CN106952155A CN106952155A CN201710133678.0A CN201710133678A CN106952155A CN 106952155 A CN106952155 A CN 106952155A CN 201710133678 A CN201710133678 A CN 201710133678A CN 106952155 A CN106952155 A CN 106952155A
- Authority
- CN
- China
- Prior art keywords
- collection
- credit
- risk
- index
- credit information
- 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
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
本发明公开了一种基于信用评分的催收方法及装置。所述催收方法包括收集催收对象信用信息、处理收集到的信用信息、建立信用风险评分模型、预测逾期欠款回款概率和实施针对性的催收策略等步骤。本发明可根据催收评分结果自动判断其风险的高低，从而合理确定客户的催收策略，有利于提高催收的效果，减少坏账损失。通过数据挖掘作为分析技术，可以节省建模时间，为催收行业提供了数据支持。而且还可实时更新用户信息，更准确的预测催收风险评分，实施最适合的催收策略，提高催收任务效率。
Description
技术领域
本发明涉及金融不良资产催收领域，具体涉及一种基于信用评分的催收方法及装置。
背景技术
近年来，消费金融、小额贷款、P2P等借贷行业不断发展，国内的征信制度却仍有许多缺陷，这导致逾期坏账率居高不下。而最为常见的逾期欠款催收，往往由于采用的催收策略不同，产生了催收效果的差异。比如：可能会产生对因偶然遗忘等原因导致的低风险高金额客户采用较为过激的催收方式，而对高风险低金额客户没有采用有效催收手段。
现有催收方法通常存在以下缺陷：不同逾期产品，信用评分标准不同，缺乏统一收集、维护和分析的数据；分析特征维度少，获取信息的周期长，影响预测的准确度。
发明内容
本发明的主要目的是提供一种基于信用评分的催收方法及装置，旨在根据催收评分结果自动判断其风险的高低，合理确定客户的催收策略，有利于提高催收的效果，减少坏账损失。
根据本发明的一个方面，提供了一种基于信用评分的催收方法，该催收方法包括以下步骤：
(1)收集催收对象信用信息：收集催收对象信用信息，并建立信用信息库，所述信用信息库中包括多项信用指标；
(2)处理收集到的信用信息：首先对所述信用信息库中的信用信息进行筛选，缺失值以及异常值可剔除或采用平均值代替，确定在建模过程中可作自变量的信用指标；然后对上述可作自变量的信用指标进行相关性分析，剔除具有共线性的信用指标，保留相对独立的信用指标作为特征变量；最后对上述信用信息进行采样和格式化处理；
(3)建立信用风险评分模型：利用机器学习算法建立信用风险评分模型，根据催收对象的历史信用信息来训练所述评分模型；
(4)预测逾期欠款回款概率：将步骤(2)中格式化处理后的特征变量代入所述信用风险评分模型，计算得到催收回款风险概率，并根据该风险概率转化为催收评分，然后根据上述催收评分确定所述催收对象的风险等级；
(5)实施针对性的催款策略：根据步骤(4)中确定的风险等级，实施具有针对性的催款策略。
进一步地，将步骤(5)中实施的催款记录反馈到所述信用信息库中，更新或完善所述信用信息。
进一步地，所述信用信息包括催收对象的还款能力、还款意愿、关键要素和风险释放因素中的一个或多个方面的信用指标；其中，所述还款能力的因素至少包括个人月均收入、家庭月均收入、存款额、学历、从事行业、工作年限、单位类型中的一个或多个指标；所述还款意愿的因素至少包括职业、职称、征信记录、最近一个月的联络记录、最近3个月的联络记录、首次逾期期数中的一个或多个指标；所述关键要素至少包括贷款类型、催收金额、借款额中的一个或多个指标；所述风险释放要素至少包括是否有抵押、抵押物类型、抵押金额、家庭资产、家庭住址、公司地址中的一个或多个指标。
进一步地，所述机器学习算法包括但不限于分类器、logistic回归或神经网络中任一种。
进一步地，根据评分结果，将所述风险等级划分为高风险、中风险和低风险三个等级；所述针对性的催款策略包括对低风险预期时间短的客户，采用电话催收方式；对中等风险客户，采取警示型的电话催收方式；对高风险客户，在警示型电话催收不生效时，则加大催收力度，采取上门催收的方式。
进一步地，针对不同风险等级的客户实行名单管理制度，划分为若干组别，以便于采取针对性的催收措施。
根据本发明的另一个方面，还提供了一种基于信用评分的催收装置，所述催收装置包括：
(1)催收对象信用信息收集模块：所述收集模块可收集催收对象的信用信息，并建立信用信息库，所述信用信息库中包括多项信用指标；
(2)信用信息处理模块：所述信用信息处理模块可对所述信用信息库中的信用信息进行筛选，缺失值以及异常值可剔除或采用平均值代替，确定在建模过程中可作自变量的信用指标；并对上述可作自变量的信用指标进行相关性分析，剔除具有共线性的信用指标，保留相对独立的信用指标作为特征变量；最后对上述信用信息进行采样和格式化处理；
(3)信用风险评分模块：所述信用风险评分模块可利用机器学习算法建立信用风险评分模型，根据催收对象的历史信用信息来训练所述评分模型；将格式化处理后的特征变量代入所述信用风险评分模型，即可计算得到催收回款风险概率，根据该风险概率转化为催收评分，然后根据上述催收评分可确定所述催收对象的风险等级；根据所述风险等级，即可实施具有针对性的催款策略。
进一步地，还包括催收记录更新模块，所述催收记录更新模块可将实施的催款记录反馈到所述信用信息库中，更新或完善所述信用信息。
由于采用了上述技术方案，本发明取得了有益的技术效果：
(1)本发明可根据催收评分结果自动判断其风险的高低，从而合理确定客户的催收策略，有利于提高催收的效果，减少坏账损失。
(2)本发明通过数据挖掘作为分析技术，利用线上、线下数据、联络人完善信息收集，可以节省建模时间，为催收行业提供了数据支持。
(3)实时更新用户信息，获取的用户信息数据更具有真实性，能更准确的预测催收风险评分，实施最适合的催收策略，提高催收任务效率。
附图说明
图1是本发明所公开的基于信用评分的催收方法流程图。
图2是催收对象的信用信息库示意图。
图3是实施例中特征变量相关系数测算示意图。
图4是实施例中ROC曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明，但本发明要求保护的范围并不局限于下述具体实施例。
参见图1，本发明公开了一种基于信用评分的催收方法，所述催收方法包括收集催收对象信用信息、处理收集到的信用信息、建立信用风险评分模型、预测逾期欠款回款概率和实施针对性的催收策略，作为优选，实施的催款记录进一步反馈到所述信用信息库中，从而更新或完善所述信用信息。
具体地，首先，进行信息收集，建立个人信用信息库；其中，以逾期案件为例，以逾期客户行为历史为核心的一系列属性，综合考虑借款人和债项两方面因素，并考虑时间窗，尝试探索这些维度指标在某一段时间的表现，汇总数据。所述信息收集也可以通过网络爬虫等互联网技术获取数据信息或相关属性。所述信息库中包括多项信用指标，具体可参见图2。
然后，对所收集到的信用信息进行数据分析处理，主要步骤有：
(1)特征筛选，对信息库中的特征进行分析，具体地，诸如统计指标，包括最大值、最小值、中值、均值、方差、异常值、缺失值等，查看数据的分布，例如，可以通过箱线图直观明了地识别数据中的异常值，以及数据的分散程度；通过查看最大值、最小值和平均值，可确定案件部分信息的数据真实性，通过方差可以提供有关数据稳定性信息，去掉为固定常数的特征变量。可以通过删除包含缺失值或异常值的案件或用合理的数值(平均值)代替。通过对这些指标的观察，简单判断该属性是否可以在建模过程中作为自变量并使用；
(2)初步筛选完变量后，需要对变量间的关联紧密程度分析，通过计算相关系数来测定变量之间关系密切程度的量。
通过计算变量的相关系数r，当︱r︱<0.1时，说明该变量为相关性较弱的变量；︱r︱≥0.8时，可视为相关性较强的变量，去掉相关性较弱的变量，对于相关较强的变量，保留相对独立的，去掉那些具有共线性(特征变量之间高度相关)的变量。例如：催收案件中逾期阶段和逾期天数这两个指标就具有较大的相关性，模型中只需选择一个作为自变量；
(3)对数据进行采样和特殊的格式化处理，将处理后的数据装载到内存数据库或其他数据库，基于该步骤获得的特征量用于建模分析。具体如下：
对催收行为结果进行分析，催收回款成功和催收回款失败的数据量相差很大，尤其是逾期M4+以上的案件，数据集中样本较多的那一类称为“大众类”，样本较少的那一类称为“小众类”。因此在模型训练前，通过对训练集进行采样处理使其从不平衡的数据集变成平衡的数据集；常用的处理不平衡数据方法(上采样、下采样、数据合成)，诸如采用下采样的方法从“大众类”中剔除一些样本，获取所述平衡样本集；
对客户数据进行格式化处理包括：(1)对客户数据中因变量进行二元变量赋值，例如：对于催收行为结果，设置1：还款大于50块。0：还款小于50块(2)不同自变量之间的数据范围不一致，诸如用神经网络算法建模时，还需进行归一化处理。
对信用信息进行数据分析处理之后即可建立风险评分模型。具体地，根据逾期客户行为历史的特征以及个人属性信息样本库，利用诸如机器学习相关算法(分类器、logistic回归、神经网络等)进行模型训练，预测逾期案件催收回款风险概率，并将案件的回款概率转成催收评分，最终得到催收评分模型。然后，可根据评分情况将催收对象划分为若干风险等级，进而实施具有针对性的催款策略。
下面以一个具体的例子来进一步阐述实施过程。客户数据均来自某消费金融公司的一批逾期案件，该数据集共包含6136个客户逾期案件。案件信息属性及含义见表1，其中变量X1-X14表示个人信用信息相关自变量，Y用来表示逾期案件催收回款结果表现。
表1某消费金融公司催收对象信用信息
| 变量 | 字段 | 类型 | 描述 |
| 因变量Y | 回款 | 分类变量 | 1：还款大于50块；0：还款小于50块 |
| 自变量X1 | 年龄 | 连续变量 | 通过身份证号提取，以2016年为年限 |
| 自变量X2 | 首次逾期期数 | 连续变量 | 首次逾期时间-贷款日期 |
| 自变量X3 | 性别 | 分类变量 | 1：男；0：女 |
| 自变量X4 | 逾期阶段 | 分类变量 | 逾期阶段 |
| 自变量X5 | 商品价格 | 连续变量 | 金额 |
| 自变量X6 | 借款 | 连续变量 | 金额 |
| 自变量X7 | 首付 | 连续变量 | 金额 |
| 自变量X8 | 分期期数 | 连续变量 | 期数 |
| 自变量X9 | 月还款金额 | 连续变量 | 金额 |
| 自变量X10 | 当前欠款 | 连续变量 | 金额 |
| 自变量X11 | 贷款类型 | 分类变量 | 1：商品贷；2：现金贷 |
| 自变量X12 | 是否有QQ | 分类变量 | 1：有；0：无 |
| 自变量X13 | 是否有住址 | 分类变量 | 1：有；0：无 |
| 自变量X14 | 是否有公司 | 分类变量 | 1：有；0：无 |
将以上6136个客户案件数据按8:2比例分成两个部分：前4909个客户数据用作训练样本；后1227个客户案件数据作为预测数据集来检验模型，并将预测值与催收回款结果进行比较，评价模型实际效果。
本发明建立风险评分模型技术方案的具体实施过程，包括如下：
对信息库中的案件特征进行统计分析，具体如下:通过箱线图直观明了地识别数据中的异常值，以及数据的分散程度；通过删除包含缺失值或异常值的案件或用合理的数值(平均值)代替。
通过计算相关系数来测定变量之间关系密切程度的量。其中自变量相关系数见图3，去除特征变量之间高度相关的特征，保留其中一个；例如：X4，X5，X6，X8强相关，选取X4作为特征变量。
对催收回款结果进行分析，催收回款失败样本数量远高于催收成功样本，因此用采样的方法从催收回款失败样本中剔除一些样本，获取平衡样本集；对于催收结果，设置1：还款大于50块；0：还款小于50块。
本实施例以logistic回归模型描述，logistic是最成熟也是应用最广泛的分类模型。logistic回归主要用来预测离散因变量与一组自变量之间的关系，最常用的是二值型logistic。即因变量的取值只包含两个类别，例如：催收回款成功、催收回款失败；常用Y＝1或Y＝0表示，X表示特征变量则P(Y＝1|X)表示在X的条件下Y＝1的概率，logistic回归的数学表达式为：
其中称为优势比(odds)，即发生与不发生的概率之比,可以根据上式反求出：
然后通过最大似然估计，计算出模型的参数，输出逾期案件催收回款概率，并将案件的风险概率转成催收评分，最终得到催收评分模型。
为了评价本发明技术方案的准确性，在具体实施方式中，采用ROC曲线可以帮助我们清楚的了解到这个模型的性能表现。参见图4，在绘制ROC曲线的时候，习惯上是使用FPR(false positive rate)作为横坐标，TPR作为纵坐标。这是就形成了ROC曲线。而AUC(AreaUnder Curve)被定义为ROC曲线下的面积，显然这个面积的数值不会大于1。又由于ROC曲线一般都处于y＝x这条直线的上方，所以AUC的取值范围在0.5和1之间。使用AUC值作为评价标准是因为很多时候ROC曲线并不能清晰的说明哪个模型的效果更好，而作为一个数值，对应AUC更大的模型效果更好。
将后1227个客户逾期案件数据集的数据属性值输入到评分模型中，使用该模型计算出未来催收还款的概率值(概率越高，表明还款的可能性越高)，图4是实施例的ROC曲线，AUC是0.82，这表明本技术方案获得了比较高的预测精度。
评分设定的分值刻度可以通过分值表示为催收回款成功和催收回款失败概率比对数log(odds)的线性表达式来定义：
Score＝A+B*log(odds)
在实际应用中，可根据逾期案件催收回款设置特定的概率值，用以评估客户还款的意愿。例如，如果某逾期案件回款的概率值属于区间[0.7,1],那么可认为该逾期客户还款意愿大，对应的评分范围属于“低风险客户”；如果某逾期案件回款的概率值属于区间[0.3,0.7),那么可认为该逾期客户还款意愿一般，对应的评分范围属于“中风险客户”；如果某逾期案件回款的概率值属于区间[0,0.3),那么可认为该逾期客户还款意愿很小，对应的评分范围属于“高风险客户”。为便于推广和理解，最总以评分形式呈现出来，评分越高，还款意愿越大。
基于所述评分模型，实施针对性的催款策略。
具体地，所述评分模型对于任意逾期案件，按评分可预测为高风险、中风险和低风险，然后细化贷后催收工作，并对不同风险等级客户案件实行“名单管理制定”，分为若干组别，采取针对性实施催收措施。例如，对低风险预期时间短的客户，可采用电话催收方式；对中等风险客户，可采取警示型的电话催收方式；对高风险客户，如果采取警示型催收方式不生效，则加大催收力度，采取上门催收的方式，以加快收回欠款。
待催收人员实施催收动作后，将催收记录更新个人信息中心库，完善信息收集，实时更新用户信息。其中催收记录可包括回款信息，联系人信息更新，以及诚信度信息更新，来提高数据质量，减少异常值和缺失值，不断地检测、跟踪、修正、改进模型，提高模型有效性和参数稳定性。
本发明还公开了一种基于信用评分的催收装置。在此，所述装置包括但不限于进行交互的电子产品，例如计算机、服务器等。本领域技术人员应该理解，其他的设备同样适用本发明，也应该包括在本发明保护范围以内。
所述催收装置包括催收对象信用信息收集模块、信用信息处理模块和信用风险评分模块。其中，各模块的功能如下：
(1)催收对象信用信息收集模块：所述收集模块可收集催收对象的信用信息，并建立信用信息库，所述信用信息库中包括多项信用指标。其中，以逾期案件为例，以逾期客户行为历史为核心的一系列属性，综合考虑借款人和债项两方面因素，并考虑时间窗，尝试探索这些维度指标在某一段时间的表现，汇总数据。所述信息收集也可以通过网络爬虫等互联网技术获取数据信息或相关属性。
(2)信用信息处理模块：所述信用信息处理模块可对所述信用信息库中的信用信息进行筛选，缺失值以及异常值可剔除或采用平均值代替，确定在建模过程中可作自变量的信用指标；并对上述可作自变量的信用指标进行相关性分析，剔除具有共线性的信用指标，保留相对独立的信用指标作为特征变量；最后对上述信用信息进行采样和格式化处理；
(3)信用风险评分模块：所述信用风险评分模块可利用机器学习算法建立信用风险评分模型，根据催收对象的历史信用信息来训练所述评分模型；将格式化处理后的特征变量代入所述信用风险评分模型，即可计算得到催收回款风险概率，根据该风险概率转化为催收评分，然后根据上述催收评分可确定所述催收对象的风险等级；根据所述风险等级，即可实施具有针对性的催款策略。
进一步地，还包括催收记录更新模块，所述催收记录更新模块可将实施的催款记录反馈到所述信用信息库中，更新或完善所述信用信息。其中催收记录可包括回款信息，联系人信息更新，以及诚信度信息更新，来提高数据质量，减少异常值和缺失值，不断地检测、跟踪、修正、改进模型，提高模型有效性和参数稳定性。
所述催收装置的工作过程可参考上述催收方法的实施流程。
本发明具有如下优点：本发明可根据催收评分结果自动判断其风险的高低，从而合理确定客户的催收策略，有利于提高催收的效果，减少坏账损失。通过数据挖掘作为分析技术，利用线上、线下数据、联络人完善信息收集，可以节省建模时间，为催收行业提供了数据支持。实时更新用户信息，获取的用户信息数据更具有真实性，能更准确的预测催收风险评分，实施最适合的催收策略，提高催收任务效率。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还可以对上述实施方式进行变更和修改。因此，本发明并不局限于上面揭示和描述的具体实施方式，对发明的一些修改和变更也应当落入本发明的权利要求的保护范围内。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对发明构成任何限制。
Claims (10)
1.一种基于信用评分的催收方法，其特征在于，所述催收方法包括以下步骤：
(1)收集催收对象信用信息：收集催收对象信用信息，并建立信用信息库，所述信用信息库中包括多项信用指标；
(2)处理收集到的信用信息：首先对所述信用信息库中的信用信息进行筛选，缺失值以及异常值可剔除或采用平均值代替，确定在建模过程中可作自变量的信用指标；然后对上述可作自变量的信用指标进行相关性分析，剔除具有共线性的信用指标，保留相对独立的信用指标作为特征变量；最后对上述信用信息进行采样和格式化处理；
(3)建立信用风险评分模型：利用机器学习算法建立信用风险评分模型，根据催收对象的历史信用信息来训练所述评分模型；
(4)预测逾期欠款回款概率：将步骤(2)中格式化处理后的特征变量代入所述信用风险评分模型，计算得到催收回款风险概率，并根据该风险概率转化为催收评分，然后根据上述催收评分确定所述催收对象的风险等级；
(5)实施针对性的催款策略：根据步骤(4)中确定的风险等级，实施具有针对性的催款策略。
2.一种根据权利要求1所述的催收方法，其特征在于，将步骤(5)中实施的催款记录反馈到所述信用信息库中，更新或完善所述信用信息。
3.一种根据权利要求1或2所述的催收方法，其特征在于，所述信用信息包括催收对象的还款能力、还款意愿、关键要素和风险释放因素中的一个或多个方面的信用指标；其中，所述还款能力的因素至少包括个人月均收入、家庭月均收入、存款额、学历、从事行业、工作年限、单位类型中的一个或多个指标；所述还款意愿的因素至少包括职业、职称、征信记录、最近一个月的联络记录、最近3个月的联络记录、首次逾期期数中的一个或多个指标；所述关键要素至少包括贷款类型、催收金额、借款额中的一个或多个指标；所述风险释放要素至少包括是否有抵押、抵押物类型、抵押金额、家庭资产、家庭住址、公司地址中的一个或多个指标。
4.一种根据权利要求1或2所述的催收方法，其特征在于，所述机器学习算法至少包括分类器、logistic回归或神经网络中的任一种。
5.一种根据权利要求1或2所述的催收方法，其特征在于，根据评分结果，将所述风险等级划分为高风险、中风险和低风险三个等级；所述针对性的催款策略包括对低风险预期时间短的客户，采用电话催收方式；对中等风险客户，采取警示型的电话催收方式；对高风险客户，在警示型电话催收不生效时，则加大催收力度，采取上门催收的方式。
6.一种根据权利要求5所述的催收方法，其特征在于，针对不同风险等级的客户实行名单管理制度，划分为若干组别，以便于采取针对性的催收措施。
7.一种基于信用评分的催收装置，其特征在于，所述催收装置包括：
(1)催收对象信用信息收集模块：所述收集模块可收集催收对象的信用信息，并建立信用信息库，所述信用信息库中包括多项信用指标；
(2)信用信息处理模块：所述信用信息处理模块可对所述信用信息库中的信用信息进行筛选，缺失值以及异常值可剔除或采用平均值代替，确定在建模过程中可作自变量的信用指标；并对上述可作自变量的信用指标进行相关性分析，剔除具有共线性的信用指标，保留相对独立的信用指标作为特征变量；最后对上述信用信息进行采样和格式化处理；
(3)信用风险评分模块：所述信用风险评分模块可利用机器学习算法建立信用风险评分模型，根据催收对象的历史信用信息来训练所述评分模型；将格式化处理后的特征变量代入所述信用风险评分模型，即可计算得到催收回款风险概率，根据该风险概率转化为催收评分，然后根据上述催收评分可确定所述催收对象的风险等级；根据所述风险等级，即可实施具有针对性的催款策略。
8.一种根据权利要求7所述的催收装置，其特征在于，还包括催收记录更新模块，所述催收记录更新模块可将实施的催款记录反馈到所述信用信息库中，更新或完善所述信用信息。
9.一种根据权利要求7所述的催收装置，其特征在于，所述机器学习算法至少包括分类器、logistic回归或神经网络中的任一种。
10.一种根据权利要求7所述的催收装置，其特征在于，所述信用信息包括催收对象的还款能力、还款意愿、关键要素和风险释放因素中的一个或多个方面的信用指标；其中，所述还款能力的因素至少包括个人月均收入、家庭月均收入、存款额、学历、从事行业、工作年限、单位类型中的一个或多个指标；所述还款意愿的因素至少包括职业、职称、征信记录、最近一个月的联络记录、最近3个月的联络记录、首次逾期期数中的一个或多个指标；所述关键要素至少包括贷款类型、催收金额、借款额中的一个或多个指标；所述风险释放要素至少包括是否有抵押、抵押物类型、抵押金额、家庭资产、家庭住址、公司地址中的一个或多个指标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710133678.0A CN106952155A (zh) | 2017-03-08 | 2017-03-08 | 一种基于信用评分的催收方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710133678.0A CN106952155A (zh) | 2017-03-08 | 2017-03-08 | 一种基于信用评分的催收方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106952155A true CN106952155A (zh) | 2017-07-14 |
Family
ID=59467045
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710133678.0A Pending CN106952155A (zh) | 2017-03-08 | 2017-03-08 | 一种基于信用评分的催收方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106952155A (zh) |
Cited By (62)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107507088A (zh) * | 2017-08-29 | 2017-12-22 | 深圳市佰仟金融服务有限公司 | 催收管理方法及服务器 |
| CN107749031A (zh) * | 2017-11-29 | 2018-03-02 | 南京甄视智能科技有限公司 | 贷后风险控制系统的自动更新方法、贷后风险控制系统 |
| CN107908740A (zh) * | 2017-11-15 | 2018-04-13 | 百度在线网络技术（北京）有限公司 | 信息输出方法和装置 |
| CN108416669A (zh) * | 2018-03-13 | 2018-08-17 | 腾讯科技（深圳）有限公司 | 用户行为数据处理方法、装置、电子设备及计算机可读介质 |
| CN108460533A (zh) * | 2018-03-17 | 2018-08-28 | 上海楼诚混凝土有限公司 | 一种应用于混凝土行业的账目管理系统 |
| CN108846520A (zh) * | 2018-06-22 | 2018-11-20 | 北京京东金融科技控股有限公司 | 贷款逾期预测方法、装置以及计算机可读存储介质 |
| CN109165840A (zh) * | 2018-08-20 | 2019-01-08 | 平安科技（深圳）有限公司 | 风险预测处理方法、装置、计算机设备和介质 |
| 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 |
| CN109255536A (zh) * | 2018-09-07 | 2019-01-22 | 深圳前海微众银行股份有限公司 | 债权催收方法、装置、系统及存储介质 |
| CN109377333A (zh) * | 2018-09-03 | 2019-02-22 | 平安科技（深圳）有限公司 | 电子装置、基于分类模型的催收员确定方法及存储介质 |
| CN109472586A (zh) * | 2018-10-29 | 2019-03-15 | 北京网众共创科技有限公司 | 策略确定方法及装置、存储介质、电子装置 |
| CN109508994A (zh) * | 2018-10-17 | 2019-03-22 | 平安国际融资租赁有限公司 | 业务风险控制方法、装置、计算机设备和存储介质 |
| CN109509086A (zh) * | 2018-11-28 | 2019-03-22 | 上海点融信息科技有限责任公司 | 基于人工智能的处理催收业务的方法、装置及存储介质 |
| CN109559220A (zh) * | 2018-11-16 | 2019-04-02 | 深圳前海微众银行股份有限公司 | 催收管理方法、设备及计算机可读存储介质 |
| CN109559221A (zh) * | 2018-11-20 | 2019-04-02 | 中国银行股份有限公司 | 基于用户数据的催收方法、装置和存储介质 |
| CN109584035A (zh) * | 2017-09-28 | 2019-04-05 | 成都律军风险管理股份有限公司 | 小额信用贷款逾期处置方法与系统 |
| CN109657893A (zh) * | 2018-09-27 | 2019-04-19 | 深圳壹账通智能科技有限公司 | 业务数据分配方法、装置、设备及计算机可读存储介质 |
| CN109685336A (zh) * | 2018-12-10 | 2019-04-26 | 深圳市小牛普惠投资管理有限公司 | 催收任务分配方法、装置、计算机设备及存储介质 |
| CN109697618A (zh) * | 2018-08-27 | 2019-04-30 | 平安科技（深圳）有限公司 | 客户信用的管理方法、装置、终端及计算机可读存储介质 |
| WO2019080407A1 (zh) * | 2017-10-25 | 2019-05-02 | 深圳壹账通智能科技有限公司 | 信贷评估方法、装置、设备及计算机可读存储介质 |
| CN109829629A (zh) * | 2019-01-07 | 2019-05-31 | 平安科技（深圳）有限公司 | 风险分析报告的生成方法、装置、计算机设备和存储介质 |
| CN109859032A (zh) * | 2019-01-22 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 基于智能语音的账款催收方法、装置、设备和存储介质 |
| CN110009480A (zh) * | 2019-03-06 | 2019-07-12 | 平安科技（深圳）有限公司 | 司法催收路径的推荐方法、装置、介质、电子设备 |
| CN110033165A (zh) * | 2019-03-06 | 2019-07-19 | 平安科技（深圳）有限公司 | 逾期借款催收方式的推荐方法、装置、介质、电子设备 |
| CN110111195A (zh) * | 2019-04-04 | 2019-08-09 | 平安科技（深圳）有限公司 | 基于数据分析的账款催收方法及装置、电子设备 |
| CN110245814A (zh) * | 2018-10-23 | 2019-09-17 | 爱信诺征信有限公司 | 风险监管方法、装置、存储介质及电子设备 |
| CN110245985A (zh) * | 2019-06-11 | 2019-09-17 | 深圳前海微众银行股份有限公司 | 一种信息处理方法及装置 |
| CN110414714A (zh) * | 2019-06-28 | 2019-11-05 | 上海上湖信息技术有限公司 | 逾期事件的回款概率预测方法及装置、可读存储介质 |
| CN110751549A (zh) * | 2019-09-30 | 2020-02-04 | 北京淇瑀信息科技有限公司 | 逾期金融贷款的催收管控方法、装置及电子设备 |
| CN110796430A (zh) * | 2019-10-08 | 2020-02-14 | 中国建设银行股份有限公司 | 一种逾期交易数据处理方法和装置 |
| CN110909984A (zh) * | 2019-10-28 | 2020-03-24 | 苏宁金融科技(南京)有限公司 | 业务数据处理模型训练方法、业务数据处理方法及装置 |
| CN111091460A (zh) * | 2019-11-22 | 2020-05-01 | 深圳前海微众银行股份有限公司 | 一种数据处理方法及装置 |
| CN111192136A (zh) * | 2019-12-24 | 2020-05-22 | 中信百信银行股份有限公司 | 一种信贷业务的催收方法、装置、电子设备及存储介质 |
| CN111191688A (zh) * | 2019-12-16 | 2020-05-22 | 北京淇瑀信息科技有限公司 | 一种用户分期期数管理方法、装置和电子设备 |
| CN111324862A (zh) * | 2020-02-10 | 2020-06-23 | 深圳华策辉弘科技有限公司 | 贷中行为监控的方法及系统 |
| CN111369336A (zh) * | 2020-02-21 | 2020-07-03 | 四川新网银行股份有限公司 | 银行催收借款的方法 |
| CN111401845A (zh) * | 2020-03-17 | 2020-07-10 | 支付宝(杭州)信息技术有限公司 | 业务处理方法及装置 |
| CN111553574A (zh) * | 2020-04-16 | 2020-08-18 | 上海诚收信息科技有限公司 | 案件分配方法及其装置、电子设备和计算机可读存储介质 |
| CN111581252A (zh) * | 2020-05-04 | 2020-08-25 | 上海维信荟智金融科技有限公司 | 基于多维度信息数据的动态催收方法及系统 |
| CN111738824A (zh) * | 2020-06-16 | 2020-10-02 | 中国建设银行股份有限公司 | 一种账务数据处理方式筛选方法、装置及系统 |
| CN111738762A (zh) * | 2020-06-19 | 2020-10-02 | 中国建设银行股份有限公司 | 不良资产回收价的确定方法、装置、设备和存储介质 |
| CN111784506A (zh) * | 2020-07-01 | 2020-10-16 | 深圳前海微众银行股份有限公司 | 逾期风险控制方法、设备及可读存储介质 |
| CN111882431A (zh) * | 2020-08-04 | 2020-11-03 | 武汉众邦银行股份有限公司 | 一种基于nlp深度学习智能消息推送方法 |
| CN112037042A (zh) * | 2020-09-02 | 2020-12-04 | 中国银行股份有限公司 | 一种银行业务监控方法及装置 |
| CN112785419A (zh) * | 2021-01-22 | 2021-05-11 | 中信银行股份有限公司 | 一种催收行动推荐方法及装置 |
| CN112819613A (zh) * | 2021-03-09 | 2021-05-18 | 重庆度小满优扬科技有限公司 | 贷款信息的处理方法、设备以及存储介质 |
| CN112862586A (zh) * | 2020-12-03 | 2021-05-28 | 浙江惠瀜网络科技有限公司 | 不良资产风险管理系统 |
| CN112862585A (zh) * | 2020-12-02 | 2021-05-28 | 浙江惠瀜网络科技有限公司 | 基于LightGBM决策树算法的个贷类不良资产风险评级方法 |
| CN112907355A (zh) * | 2021-03-03 | 2021-06-04 | 重庆度小满优扬科技有限公司 | 贷款信息的处理方法以及设备 |
| CN112991052A (zh) * | 2021-04-25 | 2021-06-18 | 大箴(杭州)科技有限公司 | 还款能力评估方法及装置 |
| CN113065945A (zh) * | 2021-03-17 | 2021-07-02 | 上海浦东发展银行股份有限公司 | 一种催收核销客户还款意愿分类方法及系统 |
| CN113724067A (zh) * | 2021-08-31 | 2021-11-30 | 重庆富民银行股份有限公司 | 一种催收方法、存储介质及设备 |
| CN113744039A (zh) * | 2020-05-27 | 2021-12-03 | 马上消费金融股份有限公司 | 催收管理方法、平台及通信设备 |
| CN113807618A (zh) * | 2021-11-19 | 2021-12-17 | 建元和光(北京)科技有限公司 | 一种基于状态机的不良资产催收的方法，装置和设备 |
| CN114418024A (zh) * | 2022-01-26 | 2022-04-29 | 深圳前海微众银行股份有限公司 | 学历预测方法、系统、终端设备及存储介质 |
| CN115423600A (zh) * | 2022-08-22 | 2022-12-02 | 前海飞算云创数据科技(深圳)有限公司 | 数据筛选方法、装置、介质及电子设备 |
| CN115660811A (zh) * | 2022-11-07 | 2023-01-31 | 杭州度言软件有限公司 | 一种提升消费金融逾期资产回收率的资产管理方法 |
| EP4156070A1 (en) * | 2021-09-27 | 2023-03-29 | Rakuten Group, Inc. | Information processing apparatus, method, and program |
| CN116433363A (zh) * | 2023-04-18 | 2023-07-14 | 上海德易车信息科技有限公司 | 基于用户需求进行分析的汽车金融智能利息结算系统 |
| CN117036010A (zh) * | 2023-10-10 | 2023-11-10 | 中信消费金融有限公司 | 催收案件处理方法、装置、服务器及可读存储介质 |
| CN117078400A (zh) * | 2023-08-31 | 2023-11-17 | 宁夏恒信创达数据科技有限公司 | 一种基于大数据的催收优先调配系统 |
| CN117788189A (zh) * | 2023-12-22 | 2024-03-29 | 广州智租信息科技有限责任公司 | 基于大数据分析的企业服务业务的智能催收系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184645A (zh) * | 2015-07-24 | 2015-12-23 | 上海佰晟通信息科技有限公司 | 实时小额信贷系统 |
| CN105869049A (zh) * | 2016-04-28 | 2016-08-17 | 成都启发分期科技有限公司 | 金融借贷风险控制系统以及运行方法 |
| CN105931142A (zh) * | 2016-07-13 | 2016-09-07 | 广东电网有限责任公司 | 一种确定电费催收级别的方法 |
| CN106157132A (zh) * | 2016-06-20 | 2016-11-23 | 中国工商银行股份有限公司 | 信用风险监控系统及方法 |
-
2017
- 2017-03-08 CN CN201710133678.0A patent/CN106952155A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184645A (zh) * | 2015-07-24 | 2015-12-23 | 上海佰晟通信息科技有限公司 | 实时小额信贷系统 |
| CN105869049A (zh) * | 2016-04-28 | 2016-08-17 | 成都启发分期科技有限公司 | 金融借贷风险控制系统以及运行方法 |
| CN106157132A (zh) * | 2016-06-20 | 2016-11-23 | 中国工商银行股份有限公司 | 信用风险监控系统及方法 |
| CN105931142A (zh) * | 2016-07-13 | 2016-09-07 | 广东电网有限责任公司 | 一种确定电费催收级别的方法 |
Cited By (76)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107507088A (zh) * | 2017-08-29 | 2017-12-22 | 深圳市佰仟金融服务有限公司 | 催收管理方法及服务器 |
| CN109584035A (zh) * | 2017-09-28 | 2019-04-05 | 成都律军风险管理股份有限公司 | 小额信用贷款逾期处置方法与系统 |
| WO2019080407A1 (zh) * | 2017-10-25 | 2019-05-02 | 深圳壹账通智能科技有限公司 | 信贷评估方法、装置、设备及计算机可读存储介质 |
| CN107908740A (zh) * | 2017-11-15 | 2018-04-13 | 百度在线网络技术（北京）有限公司 | 信息输出方法和装置 |
| CN107749031A (zh) * | 2017-11-29 | 2018-03-02 | 南京甄视智能科技有限公司 | 贷后风险控制系统的自动更新方法、贷后风险控制系统 |
| CN108416669A (zh) * | 2018-03-13 | 2018-08-17 | 腾讯科技（深圳）有限公司 | 用户行为数据处理方法、装置、电子设备及计算机可读介质 |
| CN108460533A (zh) * | 2018-03-17 | 2018-08-28 | 上海楼诚混凝土有限公司 | 一种应用于混凝土行业的账目管理系统 |
| CN108846520A (zh) * | 2018-06-22 | 2018-11-20 | 北京京东金融科技控股有限公司 | 贷款逾期预测方法、装置以及计算机可读存储介质 |
| CN108846520B (zh) * | 2018-06-22 | 2021-08-03 | 京东数字科技控股有限公司 | 贷款逾期预测方法、装置以及计算机可读存储介质 |
| CN109165840B (zh) * | 2018-08-20 | 2022-06-21 | 平安科技（深圳）有限公司 | 风险预测处理方法、装置、计算机设备和介质 |
| WO2020037942A1 (zh) * | 2018-08-20 | 2020-02-27 | 平安科技（深圳）有限公司 | 风险预测处理方法、装置、计算机设备和介质 |
| CN109165840A (zh) * | 2018-08-20 | 2019-01-08 | 平安科技（深圳）有限公司 | 风险预测处理方法、装置、计算机设备和介质 |
| CN109697618A (zh) * | 2018-08-27 | 2019-04-30 | 平安科技（深圳）有限公司 | 客户信用的管理方法、装置、终端及计算机可读存储介质 |
| CN109377333A (zh) * | 2018-09-03 | 2019-02-22 | 平安科技（深圳）有限公司 | 电子装置、基于分类模型的催收员确定方法及存储介质 |
| CN109255536A (zh) * | 2018-09-07 | 2019-01-22 | 深圳前海微众银行股份有限公司 | 债权催收方法、装置、系统及存储介质 |
| CN109657893A (zh) * | 2018-09-27 | 2019-04-19 | 深圳壹账通智能科技有限公司 | 业务数据分配方法、装置、设备及计算机可读存储介质 |
| CN109508994B (zh) * | 2018-10-17 | 2024-02-06 | 平安国际融资租赁有限公司 | 业务风险控制方法、装置、计算机设备和存储介质 |
| CN109508994A (zh) * | 2018-10-17 | 2019-03-22 | 平安国际融资租赁有限公司 | 业务风险控制方法、装置、计算机设备和存储介质 |
| CN110245814A (zh) * | 2018-10-23 | 2019-09-17 | 爱信诺征信有限公司 | 风险监管方法、装置、存储介质及电子设备 |
| CN109472586A (zh) * | 2018-10-29 | 2019-03-15 | 北京网众共创科技有限公司 | 策略确定方法及装置、存储介质、电子装置 |
| CN109559220A (zh) * | 2018-11-16 | 2019-04-02 | 深圳前海微众银行股份有限公司 | 催收管理方法、设备及计算机可读存储介质 |
| CN109559221A (zh) * | 2018-11-20 | 2019-04-02 | 中国银行股份有限公司 | 基于用户数据的催收方法、装置和存储介质 |
| 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 |
| CN109509086A (zh) * | 2018-11-28 | 2019-03-22 | 上海点融信息科技有限责任公司 | 基于人工智能的处理催收业务的方法、装置及存储介质 |
| CN109685336A (zh) * | 2018-12-10 | 2019-04-26 | 深圳市小牛普惠投资管理有限公司 | 催收任务分配方法、装置、计算机设备及存储介质 |
| CN109829629B (zh) * | 2019-01-07 | 2023-08-22 | 平安科技（深圳）有限公司 | 风险分析报告的生成方法、装置、计算机设备和存储介质 |
| CN109829629A (zh) * | 2019-01-07 | 2019-05-31 | 平安科技（深圳）有限公司 | 风险分析报告的生成方法、装置、计算机设备和存储介质 |
| CN109859032A (zh) * | 2019-01-22 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 基于智能语音的账款催收方法、装置、设备和存储介质 |
| CN110009480A (zh) * | 2019-03-06 | 2019-07-12 | 平安科技（深圳）有限公司 | 司法催收路径的推荐方法、装置、介质、电子设备 |
| CN110033165A (zh) * | 2019-03-06 | 2019-07-19 | 平安科技（深圳）有限公司 | 逾期借款催收方式的推荐方法、装置、介质、电子设备 |
| CN110111195A (zh) * | 2019-04-04 | 2019-08-09 | 平安科技（深圳）有限公司 | 基于数据分析的账款催收方法及装置、电子设备 |
| WO2020248916A1 (zh) * | 2019-06-11 | 2020-12-17 | 深圳前海微众银行股份有限公司 | 一种信息处理方法及装置 |
| CN110245985A (zh) * | 2019-06-11 | 2019-09-17 | 深圳前海微众银行股份有限公司 | 一种信息处理方法及装置 |
| CN110245985B (zh) * | 2019-06-11 | 2023-09-08 | 深圳前海微众银行股份有限公司 | 一种信息处理方法及装置 |
| CN110414714A (zh) * | 2019-06-28 | 2019-11-05 | 上海上湖信息技术有限公司 | 逾期事件的回款概率预测方法及装置、可读存储介质 |
| CN110751549A (zh) * | 2019-09-30 | 2020-02-04 | 北京淇瑀信息科技有限公司 | 逾期金融贷款的催收管控方法、装置及电子设备 |
| CN110796430A (zh) * | 2019-10-08 | 2020-02-14 | 中国建设银行股份有限公司 | 一种逾期交易数据处理方法和装置 |
| CN110909984A (zh) * | 2019-10-28 | 2020-03-24 | 苏宁金融科技(南京)有限公司 | 业务数据处理模型训练方法、业务数据处理方法及装置 |
| CN111091460A (zh) * | 2019-11-22 | 2020-05-01 | 深圳前海微众银行股份有限公司 | 一种数据处理方法及装置 |
| WO2021098652A1 (zh) * | 2019-11-22 | 2021-05-27 | 深圳前海微众银行股份有限公司 | 一种数据处理方法及装置 |
| CN111191688A (zh) * | 2019-12-16 | 2020-05-22 | 北京淇瑀信息科技有限公司 | 一种用户分期期数管理方法、装置和电子设备 |
| CN111192136A (zh) * | 2019-12-24 | 2020-05-22 | 中信百信银行股份有限公司 | 一种信贷业务的催收方法、装置、电子设备及存储介质 |
| CN111324862A (zh) * | 2020-02-10 | 2020-06-23 | 深圳华策辉弘科技有限公司 | 贷中行为监控的方法及系统 |
| CN111369336A (zh) * | 2020-02-21 | 2020-07-03 | 四川新网银行股份有限公司 | 银行催收借款的方法 |
| CN111401845B (zh) * | 2020-03-17 | 2022-07-08 | 支付宝(杭州)信息技术有限公司 | 业务处理方法及装置 |
| CN111401845A (zh) * | 2020-03-17 | 2020-07-10 | 支付宝(杭州)信息技术有限公司 | 业务处理方法及装置 |
| CN111553574A (zh) * | 2020-04-16 | 2020-08-18 | 上海诚收信息科技有限公司 | 案件分配方法及其装置、电子设备和计算机可读存储介质 |
| CN111581252A (zh) * | 2020-05-04 | 2020-08-25 | 上海维信荟智金融科技有限公司 | 基于多维度信息数据的动态催收方法及系统 |
| CN113744039A (zh) * | 2020-05-27 | 2021-12-03 | 马上消费金融股份有限公司 | 催收管理方法、平台及通信设备 |
| CN111738824A (zh) * | 2020-06-16 | 2020-10-02 | 中国建设银行股份有限公司 | 一种账务数据处理方式筛选方法、装置及系统 |
| CN111738762A (zh) * | 2020-06-19 | 2020-10-02 | 中国建设银行股份有限公司 | 不良资产回收价的确定方法、装置、设备和存储介质 |
| CN111784506A (zh) * | 2020-07-01 | 2020-10-16 | 深圳前海微众银行股份有限公司 | 逾期风险控制方法、设备及可读存储介质 |
| CN111882431A (zh) * | 2020-08-04 | 2020-11-03 | 武汉众邦银行股份有限公司 | 一种基于nlp深度学习智能消息推送方法 |
| CN112037042A (zh) * | 2020-09-02 | 2020-12-04 | 中国银行股份有限公司 | 一种银行业务监控方法及装置 |
| CN112862585A (zh) * | 2020-12-02 | 2021-05-28 | 浙江惠瀜网络科技有限公司 | 基于LightGBM决策树算法的个贷类不良资产风险评级方法 |
| CN112862586A (zh) * | 2020-12-03 | 2021-05-28 | 浙江惠瀜网络科技有限公司 | 不良资产风险管理系统 |
| CN112785419B (zh) * | 2021-01-22 | 2023-05-05 | 中信银行股份有限公司 | 一种催收行动推荐方法及装置 |
| CN112785419A (zh) * | 2021-01-22 | 2021-05-11 | 中信银行股份有限公司 | 一种催收行动推荐方法及装置 |
| CN112907355A (zh) * | 2021-03-03 | 2021-06-04 | 重庆度小满优扬科技有限公司 | 贷款信息的处理方法以及设备 |
| CN112819613B (zh) * | 2021-03-09 | 2023-07-04 | 重庆度小满优扬科技有限公司 | 贷款信息的处理方法、设备以及存储介质 |
| CN112819613A (zh) * | 2021-03-09 | 2021-05-18 | 重庆度小满优扬科技有限公司 | 贷款信息的处理方法、设备以及存储介质 |
| CN113065945A (zh) * | 2021-03-17 | 2021-07-02 | 上海浦东发展银行股份有限公司 | 一种催收核销客户还款意愿分类方法及系统 |
| CN112991052B (zh) * | 2021-04-25 | 2022-01-25 | 大箴(杭州)科技有限公司 | 还款能力评估方法及装置 |
| CN112991052A (zh) * | 2021-04-25 | 2021-06-18 | 大箴(杭州)科技有限公司 | 还款能力评估方法及装置 |
| CN113724067A (zh) * | 2021-08-31 | 2021-11-30 | 重庆富民银行股份有限公司 | 一种催收方法、存储介质及设备 |
| EP4156070A1 (en) * | 2021-09-27 | 2023-03-29 | Rakuten Group, Inc. | Information processing apparatus, method, and program |
| CN113807618A (zh) * | 2021-11-19 | 2021-12-17 | 建元和光(北京)科技有限公司 | 一种基于状态机的不良资产催收的方法，装置和设备 |
| CN114418024A (zh) * | 2022-01-26 | 2022-04-29 | 深圳前海微众银行股份有限公司 | 学历预测方法、系统、终端设备及存储介质 |
| CN114418024B (zh) * | 2022-01-26 | 2024-05-31 | 深圳前海微众银行股份有限公司 | 学历预测方法、系统、终端设备及存储介质 |
| CN115423600B (zh) * | 2022-08-22 | 2023-08-04 | 前海飞算云创数据科技(深圳)有限公司 | 数据筛选方法、装置、介质及电子设备 |
| CN115423600A (zh) * | 2022-08-22 | 2022-12-02 | 前海飞算云创数据科技(深圳)有限公司 | 数据筛选方法、装置、介质及电子设备 |
| CN115660811A (zh) * | 2022-11-07 | 2023-01-31 | 杭州度言软件有限公司 | 一种提升消费金融逾期资产回收率的资产管理方法 |
| CN116433363A (zh) * | 2023-04-18 | 2023-07-14 | 上海德易车信息科技有限公司 | 基于用户需求进行分析的汽车金融智能利息结算系统 |
| CN117078400A (zh) * | 2023-08-31 | 2023-11-17 | 宁夏恒信创达数据科技有限公司 | 一种基于大数据的催收优先调配系统 |
| CN117036010A (zh) * | 2023-10-10 | 2023-11-10 | 中信消费金融有限公司 | 催收案件处理方法、装置、服务器及可读存储介质 |
| CN117788189A (zh) * | 2023-12-22 | 2024-03-29 | 广州智租信息科技有限责任公司 | 基于大数据分析的企业服务业务的智能催收系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106952155A (zh) | 一种基于信用评分的催收方法及装置 | |
| CN108256691A (zh) | 还款概率预测模型构建方法及装置 | |
| Koh et al. | A two-step method to construct credit scoring models with data mining techniques | |
| CN107194803A (zh) | 一种p2p网贷借款人信用风险评估的装置 | |
| CN111476660B (zh) | 一种基于数据分析的智能风控系统及方法 | |
| CN104321794B (zh) | 一种使用多维评级来确定一实体的未来商业可行性的系统和方法 | |
| CN106897918A (zh) | 一种混合式机器学习信用评分模型构建方法 | |
| CN112132233A (zh) | 一种基于有效影响因子的服刑人员危险行为预测方法及系统 | |
| CN112561598A (zh) | 基于客户画像的客户流失预测及挽回方法和系统 | |
| CN108446291A (zh) | 用户信用的实时评分方法及评分系统 | |
| CN113989019A (zh) | 识别风险的方法、装置、设备及存储介质 | |
| CN111738843B (zh) | 一种使用流水数据的量化风险评价系统和方法 | |
| CN112419030B (zh) | 财务舞弊风险评估的方法、系统及设备 | |
| CN111429016A (zh) | 基于工业互联网平台的小微企业融资风控方法及系统 | |
| CN112037006A (zh) | 小微企业的信用风险识别方法及装置 | |
| Dendramis et al. | Predicting default risk under asymmetric binary link functions | |
| Al-Qerem et al. | Default prediction model: the significant role of data engineering in the quality of outcomes. | |
| CN117132383A (zh) | 一种信贷数据处理方法、装置、设备及可读存储介质 | |
| TWM583089U (zh) | 智慧型信用風險評估系統 | |
| CN107292477A (zh) | 一种基于公司经营健康状况的信用评估方法 | |
| CN114862563A (zh) | 基于主成分分析和神经网络的中小信贷策略模型 | |
| CN114358951A (zh) | 基于大数据分析的基金产品智能评估方法 | |
| Moradi et al. | Presenting a conceptual framework to increase the return and reduce risk (A case study: customers of Mellat bank of Arak) | |
| CN114036923A (zh) | 一种基于文本相似度的资料虚假识别系统及方法 | |
| CN113496389A (zh) | 一种基于外贸大数据的协同管理系统 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170714 |