CN109389487A - 一种评估用户还款风险的方法和装置 - Google Patents
一种评估用户还款风险的方法和装置 Download PDFInfo
- Publication number
- CN109389487A CN109389487A CN201810992102.4A CN201810992102A CN109389487A CN 109389487 A CN109389487 A CN 109389487A CN 201810992102 A CN201810992102 A CN 201810992102A CN 109389487 A CN109389487 A CN 109389487A
- Authority
- CN
- China
- Prior art keywords
- user
- credit card
- utilization rate
- amount
- card amount
- 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.)
- Withdrawn
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Finance (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例公开了一种评估用户还款风险的方法,包括:获取第一用户的信用卡原始数据,所述信用卡原始数据包括所述第一用户的信用卡数量N、所述第一用户的N张信用卡的最大额度总和以及所述N张信用卡在历史M个月份的应还款额度总和,M和N均为正整数;根据所述的信用卡原始数据计算所述第一用户的信用卡额度使用率;根据所述第一用户信用卡额度使用率和预设的所述第一用户的信用卡额度使用率预估值评估所述第一用户的还款风险。本发明还相应的提出了一种评估用户还款风险的装置。采用本发明,能够提高判断用户还款风险高低的精确性。
Description
技术领域
本发明涉及互联网领域,具体涉及一种评估用户还款风险的方法和装置。
背景技术
随着中国经济的快速增长,金融服务公司受到广大人民的青睐,目前越来越多的人们向金融服务公司贷款。
用户向金融服务公司提交贷款申请后,金融服务公司将对用户进行信用评估,但是目前没有评估用户还款风险高低的方法。
发明内容
本发明实施案例提供一种评估用户还款风险的方法和评估系统,能够用于评估用户还款风险。
第一方面,本发明实施例提供了一种评估用户还款风险的方法,该方法包括:
获取第一用户的信用卡原始数据,所述信用卡原始数据包括所述第一用户的信用卡数量N、所述第一用户的N张信用卡的最大额度总和以及所述N张信用卡在历史M个月份的应还款额度总和,M和N均为正整数;
根据所述的信用卡原始数据计算所述第一用户的信用卡额度使用率;
根据所述第一用户信用卡额度使用率和预设的所述第一用户的信用卡额度使用率预估值评估所述第一用户的还款风险。
实施本发明案例,能够用于评估用户还款风险。通过比较用户的信用卡额度使用率和信用卡使用率预估值可以提高判断用户还款风险的高低的精确性。
结合第一方面,在第一方面的第一种实现方式中,获取第一用户信用卡原始数据后,根据信用卡原始数据计算第一用户的信用卡额度使用率,包括:
根据公式一,计算第一用户的信用卡额度使用率,所述公式一为:
其中,Y为第一用户的信用卡额度使用率,Ai表示N张信用卡在历史连续mi个月应还额度总和,Q为N张信用卡的最大额度总和,m1,m2……mt中的至少两项不同,t为正整数,1≤i≤t,且i为正整数。
结合第一方面的第一种实现方式,在第一方面的第二种实现方式中,在根据第一用户信用卡额度使用率和预设的第一用户的信用卡额度使用率预估值评估所第一用户的还款风险之前,还包括:
通过公式二计算第一用户的信用卡额度使用率预估值,所述公式二为:
其中,W为第一用户的信用卡额度使用率预估值,Bj表示所述N张信用卡在历史连续zk个月应还额度总和,k为正整数,1≤j≤k,且j为正整数,z1、z2…zk中的至少两项不同,m1,m2…mt与z1、z2…zk不完全相同。
可选的,第一方面的第一种实现方式中计算第一用户的信用卡额度使用率的计算方式和第一方面的第二种实现方式中计算第一用户的信用卡额度使用率预估值的计算方式相同,但两者连续的月个数取值不同。mi的时间取值接近现在,zj的时间取值更接近过去。
结合第一方面的第二种实现方式,在第一方面的第三种实现方式中,当用户存在历史贷款记录,所述历史贷款记录包括用户的信用卡历史数据、逾期信息和风险评分等信息中的一种或多种,采用上述第一方面的第二种实现方式计算第一用户的信用卡额度使用率预估值。
结合第一方面,或第一方面的第一种实现方式,在第一方面的第四种实现方式中,在根据第一用户信用卡额度使用率和预设的第一用户的信用卡额度使用率预估值评估第一用户的还款风险之前,还包括:
获取第一用户的第一用户类别,所述第一用户类别包括:用户年龄段、性别、教育程度、婚姻状况、所在城市区域和职业类型中的一种或多种;
查找用户类别与第一用户类别匹配的至少一个第二用户;
根据所述至少一个第二用户的信用卡额度使用率确定所述第一用户的信用卡额度使用率预估值。
结合第一方面的第四种实现方式,在第一方面的第五种实现方式中,当用户不存在历史贷款记录,采用上述第一方面的第四种实现方式计算第一用户的信用卡额度使用率预估值。
结合第一方面,或第一方面中的上述任意一种实现方式,在第一方面的第六种实现方式中,计算得出述第一用户的信用卡额度使用率和信用卡额度使用率预估值后,比较两者大小。如果用户的信用卡额度使用率大于等于用户的信用卡使用率预估值,则评估该用户还款风险高;如果所述用户的信用卡额度使用率小于所述用户的信用卡使用率预估值,则评估该用户还款风险低。
实施本发明案例,通过公式计算得到用户的信用卡额度使用率,比较用户的信用卡额度使用率和信用卡额度使用率预估值判断用户还款风险,提高了判断用户还款风险的精确性。
第二方面,本发明实施例提供了一种评估用户还款风险的装置,包括:
获取单元,用于获取第一用户的信用卡原始数据,所述信用卡原始数据包括所述第一用户的信用卡数量N、所述N张信用卡的最大额度总和以及所述N张信用卡在历史M个月份的应还款额度总和,M和N均为正整数;
第一计算单元,用于根据所述的信用卡原始数据计算所述第一用户的信用卡额度使用率;
评估单元,根据所述第一用户信用卡额度使用率和预设的所述第一用户的信用卡额度使用率预估值评估所述第一用户的还款风险。
可选的,所述第一计算单元,具体用于:
根据公式一,计算所第一用户的信用卡额度使用率,所述公式一为:
其中,Y为第一用户的信用卡额度使用率,Ai表示N张信用卡在历史连续mi个月应还额度总和,Q为所述N张信用卡的最大额度总和,m1,m2……mt中的至少两项不同,t为正整数,1≤i≤t,且i为正整数。
可选的,若用户存在历史贷款记录,所述历史贷款记录包括用户的信用卡历史数据、逾期信息和风险评分等信息中的一种或多种,所述装置还包括:
第二计算单元,用于在第一计算单元根据述第一用户信用卡额度使用率和预设的第一用户的信用卡额度使用率预估值评估第一用户的还款风险之前,通过公式二计算第一用户的信用卡额度使用率预估值,所述公式二为:
其中,W为第一用户的信用卡额度使用率预估值,Bj表示N张信用卡在历史连续zk个月应还额度总和,k为正整数,1≤j≤k,且j为正整数,z1、z2…zk中的至少两项不同,m1,m2…mt与z1、z2…zk不完全相同。
可选的,若第一用户不存在历史贷款记录,所述装置还包括:
获取单元,用于在第一计算单元根据第一用户信用卡额度使用率和预设的第一用户的信用卡额度使用率预估值评估第一用户的还款风险之前,获取用户的第一用户类别,所述第一用户类别包括:用户年龄段、性别、教育程度、婚姻状况、所在城市区域和职业类型中的一种或多种;
查找单元,用于查找用户类别与第一用户类别匹配的至少一个第二用户;
确定单元,用于根据至少一个第二用户的信用卡额度使用率确定第一用户的信用卡额度使用率预估值。
第三方面,本发明实施例还提供了一种网络设备,该网络设备实现获取信用卡原始数据功能和计算用户信用卡额度使用率的功能。其中,该网络设备的功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。所述硬件或软件包括至少一个与上述功能相对应的模块。该网络设备包括收发器,存储器,处理器。收发器用于接收来自第三方平台提供的用户的信用卡原始数据,存储器用于存储评估用户还款风险程序代码,处理器用于调用存储器中存储的评估用户还款风险程序代码执行上述第一方面所描述的评估用户还款风险的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,可读存储介质上存储有指令,当其在处理器上运行时,使得处理器执行上述第一方面描述的计算用户信用卡额度使用率的方法。
第五方面,本发明实施例提供了一种包含指令的计算机程序产品,当其在处理器上运行时,使得处理器执行上述第一方面描述的计算用户信用卡额度使用率的方法。
实现本发明实施例具有以下有益效果:
实施本发明实施例,获取第一用户的信用卡原始数据,所述信用卡原始数据包括所述第一用户的信用卡数量N、所述第一用户的N张信用卡的最大额度总和以及所述N张信用卡在历史M个月份的应还款额度总和,M和N均为正整数;根据所述的信用卡原始数据计算所述第一用户的信用卡额度使用率;根据所述第一用户信用卡额度使用率和预设的所述第一用户的信用卡额度使用率预估值评估所述第一用户的还款风险。可以看出,实施本发明案例能够提高判断用户还款风险的高低的精确性。
附图说明
下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施案例提供的网络设备的结构示意图;
图2为一个实施例中的一种评估用户还款风险的方法的流程示意图;
图3为一个实施例中的计算第一用户的信用卡额度使用率具体方法的流程示意图;
图4为一个实施例中的计算第一用户预设的信用卡额度使用率预估值具体方法的流程示意图;
图5为一个实施例中的一种评估用户还款风险装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行描述。
请参见图1,图1示出了本申请实施例提供的一种网络设备,该网络设备100可包括:一个或多个处理器101、存储器102、发射器103、接收器104和网络接口105。这些部件可通过总线105或者其他方式连接,图3以通过总线连接为例。其中:
处理器101可以是通用处理器,例如中央处理器(central processing unit,CPU),还可以是数字信号处理器(digital signal processing,DSP)、专用集成电路(application specific integrated circuit,ASIC),或者是被配置成实施本发明实施例的一个或多个集成电路。处理器101可处理通过接收器104接收到的数据。
存储器102可以和处理器101通过总线105或者输入输出端口耦合,存储器102也可以与处理器101集成在一起。存储器102用于存储各种软件程序和/或多组指令。具体的,存储器102可包括高速随机存取的存储器,并且也可包括非易失性存储器,例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。存储器302还可以存储网络通信程序,该网络通信程序可用于与一个或多个附加设备,一个或多个终端,一个或多个网络设备进行通信。
接收器104可用于对接收的信用卡原始数据进行接收处理。在网络设备100中,发射器103和接收器104的数量均可以是一个或者多个。
在本申请实施例中,存储器102可用于存储本申请的一个或多个用户的信用卡原始数据信息。关于本申请的一个或多个实施例提供的评估用户还款风险方法的实现,请参考后续方法实施例的描述。
处理器101可用于读取和执行计算机可读指令。具体的,处理器101可用于调用存储于存储器102中的数据。可选地,当处理器101发送任何消息或数据时,其具体通过驱动或控制发射器103做所述发送。可选地,当处理器101接收任何消息或数据时,其具体通过驱动或控制接收器104做所述接收。因此,处理器101可以被视为是执行发送或接收的控制中心,发射器103和接收器104是发送和接收操作的具体执行者。
网络接口105用于网络设100与其他网络设备进行通信,网络接口105可以是有线接口。
结合图1所示的网络设备,本发明实施例提供了一种评估用户还款风险的方法,参见图2,图2为本发明的一个实施例提供的一种评估用户还款风险的方法的流程示意图。其中,如图2所示,本发明的一个实施例提供的一种评估用户还款风险方法可以包括:
步骤S201,获取用户的信用卡原始数据,所述信用卡原始数据包括用户的信用卡数量N、所述N张信用卡的最大额度总和以及所述N张信用卡在历史M个月份的应还款额度总和,M和N均为正整数;
本发明实施例中,可以是网络设备获取第一用户的信用卡原始数据。这里,网络设备可以是电脑、服务器、移动终端设备等装置。信用卡原始数据可以是从征信系统、金融服务公司、银行、债券公司等三方平台获取的。上述网络设备可以是金融公司、贷款公司、银行系统中的网络设备。
步骤S202,根据所述的信用卡原始数据计算所述用户的信用卡额度使用率。
可选的,获取用户信用卡原始数据后,根据公式一计算用户的信用卡额度使用率,所述公式一为:
其中,所述Y为所述第一用户的信用卡额度使用率,所述Ai表示所述N张信用卡在历史连续mi月应还额度总和,所述Q为所述N张信用卡的最大额度总和,m1,m2……mt中的至少两项不同,t为正整数,1≤i≤t,且i为正整数。
可选的,mi可取多个值,但至少有两项不同,所述不同包括:月份不同,或者月份个数不同,或者月份所在的年份不同。
举例来说,m1取2018年6-7月连续2个月,m2取2017年6-7月连续2个月,则m1与m2取值不同。
再举例来说,m1取2018年6-7月连续2个月,m2取2018年6-8月连续3个月,则m1与,m2取值不同。
可选的,计算用户的信用卡额度使用率具体方法流程如图3所示,步骤具体包括:
步骤S301,确定连续的月个数取值。
以mi取值为:m1为2018年7月连续1个月,m2为2018年6-8月连续3个月,m2为2018年3-8月连续6个月,m4为2017年1-12月连续12个月为例进行说明,此时t的值为4。
步骤S302,计算用户连续月对应的N张信用卡应还款总和。
信用卡应还款额是指用户已经使用的信用卡额度,此处Ai对应的取值分别为:2018年7月N张信用卡应还款总和A1,2018年6-8月N张信用卡应还款总和A2,2018年3-8月N张信用卡应还款总和A3,2017年1-12月N张信用卡应还款总和A4。
步骤S303,根据公式一计算所述第一用户的信用卡额度使用率,即
其中,分别为所述第一用户信用卡的2018年7月已用额度使用率、,2018年6-8月平均每月已用额度使用率、2018年3-8月平均每月已用额度使用率、2017年1-12月平均每月已用额度使用率。已使用额度使用率是指已用额度和信用卡最大额度的比值,因此已用额度使用率越大,表示用户负债比例越高,已用额度使用率越小,表示用户负债比例越低,
上述计算第一用户的信用卡额度使用率是以t等于4,且mi取值为:2018年7月连续1个月m1,2018年6-8月连续3个月m2,2018年3-8月连续6个月m3,2017年1-12月连续12个月m4为例进行说明的,在其他可能的实现方式中,t还可以是其他任意值,且mi值是不限定的。
步骤S203,根据所述第一用户信用卡额度使用率和预设的所述第一用户的信用卡额度使用率预估值评估所述第一用户的还款风险。
可选的,评估第一用户的还款风险之前,计算第一用户的信用卡额度使用率预估值。本发明实施例提供两种计算信用卡额度使用率预估值的方式。
在第一种实现方式中,通过公式二计算所述第一用户的信用卡额度使用率预估值,所述公式二为:
其中,W为第一用户的信用卡额度使用率预估值,Bj表示N张信用卡在历史连续zj个月应还额度总和,k为正整数,1≤j≤k,且j为正整数,z1、z2…z3中的至少两项不同,m1,m2…mt与z1、z2…zk不完全相同。
可选的,用户的信用卡额度使用率和第一用户的信用卡额度使用率预估值虽然计算方式相同,但两者连续的月个数取值不同。mi的时间取值接近现在,zj的时间取值更接近过去。举例来说:mi取值为:m1取2018年6-7月连续2个月,m2取2018年1-5月连续5个月;zj取值为:z1取2016年5-8月连续4个月,z2取2016年1-8月连续8个月。
以zj取值为:1为2016年6月连续1个月,z2为2016年6-8月连续3个月,z3为2016年6-12月连续6个月为例进行说明,此时k为3。
计算用户连续zj个月对应的N张信用卡应还款总和Bj,此处对应的Bj分别为:2016年6月N张信用卡应还款总和B1,2016年6-8月N张信用卡应还款总和B2,2016年6-12月N张信用卡应还款总和B3。
根据公式二计算第一用户的信用卡额度使用率预估值,即
其中,分别为第一用户信用卡的2016年6月已用额度使用率、2016年6-8月已用额度使用率、2016年6-12月已用额度使用率,最终计算得到第一用户平均每张信用卡的额度使用率预估值。
在第二种实现方式中,参见图4,计算第一用户的信用卡额度使用率预估值的步骤包括如下步骤:
步骤S401:获取第一用户的第一用户类别。
其中,第一用户类别包括:用户年龄段、性别、教育程度、婚姻状况、所在城市区域和职业类型中的一种或多种。
举例来说:根据第一用户身份证信息获取第一用户的用户类别为:年龄33,男,四川成都。
步骤S402,查找用户类别与第一用户类别匹配的至少一个第二用户。
根据第一用户类别在数据库中查找其匹配的第二用户类别,根据已知的第一用户类别在数据库中查找年龄在33左右,性别为男,居住地址在四川成都的用户的信用卡额度使用率预估值。
步骤S403,根据所述至少一个第二用户的信用卡额度使用率确定第一用户的信用卡额度使用率预估值。
举例来说:查到与之匹配的第二用户的信用卡额度使用率范围为0.3-0.7,则该第一用户信用卡额度使用率预估值为:(0.3+0.7)/2=0.5。
得到第一用户的信用卡额度使用率和信用卡使用率预估值后,比较两者大小。如果第一用户的信用卡额度使用率大于等于第一用户的信用卡使用率预估值,则评估该用户还款风险高;如果用户的信用卡额度使用率小于用户的信用卡使用率预估值,则评估该用户还款风险低。
可选的,可以通过判断第一用户是否存在历史贷款记录来确定计算第一用户的信用卡使用率预估值的方式为上述第一种计算方式还是上述第二种实现。其中,历史贷款记录可以包括用户的信用卡历史数据、逾期信息和风险评分等信息中的一种或多种。存在历史贷款记录可以理解为网络设备中存在所述用户历史贷款记录,不存在历史贷款记录可以理解为网络设备中不存在所述用户历史贷款记录。
若所述第一用户存在历史贷款记录,采用上述第一种实现方式计算用户的信用卡额度使用率预估值。
若所述第一用户不存在历史贷款记录,采用上述第二种实现方式计算用户的信用卡额度使用率预估值。
通过本发明实施案例,计算得到用户信用卡额度使用率和信用卡额度使用率预估值。由于信用卡额度使用率越大,表示用户负债比例越高。因此,当用户的信用卡额度使用率大于等于信用卡额度使用率预估值时,则评估该用户的还款风险高;当用户的信用卡额度使用率小于信用卡额度使用率预估值时,则评估该用户的还款风险低。通过比较两者的大小,可以提高判断用户还款风险的精确性。
参见图5,图5示给出了一种评估用户还款风险的装置的结构示意图,如图5所示,该评估用户还款风险的装置500包括:获取单元501,第一计算单元502,评估单元503。
其中,获取单元501,用于获取第一用户的信用卡原始数据。第一计算单元502,用于根据所述的信用卡原始数据计算用户的信用卡额度使用率。评估单元503,根据第一用户信用卡额度使用率和预设的第一用户的信用卡额度使用率预估值评估所述第一用户的还款风险。
可选的,第一计算单元502,具体用于:
根据公式一,计算第一用户的信用卡额度使用率,所述公式一为:
其中,Y为第一用户的信用卡额度使用率,Ai表示N张信用卡在历史连续mi个月应还额度总和,Q为N张信用卡的最大额度总和,m1,m2……mt中的至少两项不同,t为正整数,1≤i≤t,且i为正整数。
可选的,若用户存在历史贷款记录,所述历史贷款记录包括用户的信用卡历史数据、逾期信息和风险评分等信息中的一种或多种,所述装置500还包括:
第二计算单元,用于在第一计算单元根据第一用户信用卡额度使用率和预设的第一用户的信用卡额度使用率预估值评估第一用户的还款风险之前,通过公式二计算第一用户的信用卡额度使用率预估值,所述公式二为:
其中,W为第一用户的信用卡额度使用率预估值,Bj表示N张信用卡在历史连续zk个月应还额度总和,k为正整数,1≤j≤k,且j为正整数,z1、z2…zk中的至少两项不同,m1,m2…mt与z1、z2…zk不完全相同。
可选的,若第一用户不存在历史贷款记录,所述装置500还包括:
获取单元,用于在第一计算单元根据第一用户信用卡额度使用率和预设的第一用户的信用卡额度使用率预估值评估第一用户的还款风险之前,获取用户的第一用户类别,所述第一用户类别包括:用户年龄段、性别、教育程度、婚姻状况、所在城市区域和职业类型中的一种或多种;
查找单元,用于查找用户类别与所述第一用户类别匹配的至少一个第二用户;
确定单元,用于根据所述至少一个第二用户的信用卡额度使用率确定第一用户的信用卡额度使用率预估值。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
以上所述的具体实施方式,对本发明实施例的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明实施例的具体实施方式而已,并不用于限定本发明实施例的保护范围,凡在本发明实施例的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本发明实施例的保护范围之内。
Claims (10)
1.一种评估用户还款风险的方法,其特征在于,包括:
获取第一用户的信用卡原始数据,所述信用卡原始数据包括所述第一用户的信用卡数量N、所述第一用户的N张信用卡的最大额度总和以及所述N张信用卡在历史M个月份的应还款额度总和,M和N均为正整数;
根据所述的信用卡原始数据计算所述第一用户的信用卡额度使用率;
根据所述第一用户信用卡额度使用率和预设的所述第一用户的信用卡额度使用率预估值评估所述第一用户的还款风险。
2.根据权利要求1所述的方法,其特征在于,所述根据所述的信用卡原始数据计算所述第一用户的信用卡额度使用率,包括:
根据公式一,计算所述第一用户的信用卡额度使用率,所述公式一为:
其中,所述Y为所述第一用户的信用卡额度使用率,所述Ai表示所述N张信用卡在历史连续mi个月应还额度总和,所述Q为所述N张信用卡的最大额度总和,m1,m2……mt中的至少两项不同,t为正整数,1≤i≤t,且i为正整数。
3.根据权利要求2所述的方法,其特征在于,在根据所述第一用户信用卡额度使用率和预设的所述第一用户的信用卡额度使用率预估值评估所述第一用户的还款风险之前,还包括:
通过公式二计算所述第一用户的信用卡额度使用率预估值,所述公式二为:
其中,所述W为所述第一用户的信用卡额度使用率预估值,所述Bj表示所述N张信用卡在历史连续zk个月应还额度总和,所述k为正整数,1≤j≤k,且j为正整数,z1、z2…zk中的至少两项不同,m1,m2…mt与z1、z2…zk不完全相同。
4.根据权利要求1或2所述的方法,其特征在于,在根据所述第一用户信用卡额度使用率和预设的所述第一用户的信用卡额度使用率预估值评估所述第一用户的还款风险之前,还包括:
获取所述第一用户的第一用户类别,所述第一用户类别包括:用户年龄段、性别、教育程度、婚姻状况、所在城市区域和职业类型中的一种或多种;
查找用户类别与所述第一用户类别匹配的至少一个第二用户;
根据所述至少一个第二用户的信用卡额度使用率确定所述第一用户的信用卡额度使用率预估值。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述根据所述第一用户信用卡额度使用率和预设的所述第一用户的信用卡额度使用率预估值评估所述第一用户的还款风险,包括:
如果所述第一用户的信用卡额度使用率大于等于所述第一用户的信用卡使用率预估值,则评估所述第一用户的还款风险为还款风险高;
或者,
如果所述用户的信用卡额度使用率小于所述用户的信用卡使用率预估值,则评估所述第一用户的还款风险为还款风险低。
6.一种评估用户还款风险的装置,其特征在于,包括:
获取单元,用于获取第一用户的信用卡原始数据,所述信用卡原始数据包括所述第一用户的信用卡数量N、所述N张信用卡的最大额度总和以及所述N张信用卡在历史M个月份的应还款额度总和,M和N均为正整数;
第一计算单元,用于根据所述的信用卡原始数据计算所述第一用户的信用卡额度使用率;
评估单元,根据所述第一用户信用卡额度使用率和预设的所述第一用户的信用卡额度使用率预估值评估所述第一用户的还款风险。
7.根据权利要求6所述的装置,其特征在于,所述第一计算单元,具体用于:
根据公式一,计算所述第一用户的信用卡额度使用率,所述公式一为:
其中,所述Y为所述第一用户的信用卡额度使用率,所述Ai表示所述N张信用卡在历史连续mi个月应还额度总和,所述Q为所述N张信用卡的最大额度总和,m1,m2……mt中的至少两项不同,t为正整数,1≤i≤t,且i为正整数。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
第二计算单元,用于在所述第一计算单元根据所述第一用户信用卡额度使用率和预设的所述第一用户的信用卡额度使用率预估值评估所述第一用户的还款风险之前,通过公式二计算所述第一用户的信用卡额度使用率预估值,所述公式二为:
其中,所述W为所述第一用户的信用卡额度使用率预估值,所述Bj表示所述N张信用卡在历史连续zk个月应还额度总和,所述k为正整数,1≤j≤k,且j为正整数,z1、z2…zk中的至少两项不同,m1,m2…mt与z1、z2…zk不完全相同。
9.根据权利要求6或7所述的装置,其特征在于,所述装置还包括:
获取单元,用于在所述第一计算单元根据所述第一用户信用卡额度使用率和预设的所述第一用户的信用卡额度使用率预估值评估所述第一用户的还款风险之前,获取所述用户的第一用户类别,所述第一用户类别包括:用户年龄段、性别、教育程度、婚姻状况、所在城市区域和职业类型中的一种或多种;
查找单元,用于查找用户类别与所述第一用户类别匹配的至少一个第二用户;
确定单元,用于根据所述至少一个第二用户的信用卡额度使用率确定所述第一用户的信用卡额度使用率预估值。
10.根据权利要求6-9任一项所述的装置,其特征在于,所述评估单元,具体用于:
若所述第一用户的信用卡额度使用率大于等于所述预设的所述第一用户的信用卡额度使用率预估值,则评估所述第一用户的还款风险为还款风险高;
或者,
若所述第一用户信用卡额度使用率小于所述预设的信所述第一用户的信用卡额度使用率预估值,则评估所述第一用户的还款风险为还款风险低。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810992102.4A CN109389487A (zh) | 2018-08-28 | 2018-08-28 | 一种评估用户还款风险的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810992102.4A CN109389487A (zh) | 2018-08-28 | 2018-08-28 | 一种评估用户还款风险的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109389487A true CN109389487A (zh) | 2019-02-26 |
Family
ID=65418410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810992102.4A Withdrawn CN109389487A (zh) | 2018-08-28 | 2018-08-28 | 一种评估用户还款风险的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109389487A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111524002A (zh) * | 2020-04-27 | 2020-08-11 | 中国银行股份有限公司 | 联名信用卡额度确定方法及装置 |
-
2018
- 2018-08-28 CN CN201810992102.4A patent/CN109389487A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111524002A (zh) * | 2020-04-27 | 2020-08-11 | 中国银行股份有限公司 | 联名信用卡额度确定方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11924213B2 (en) | User permissions for access to secure data at third-party | |
TWI729474B (zh) | 理賠業務處理方法及裝置 | |
JP6096866B1 (ja) | 実行装置、実行方法及び実行プログラム | |
CN106156092B (zh) | 数据处理方法及装置 | |
CN104965844A (zh) | 信息处理方法及装置 | |
US11997098B2 (en) | Using one or more networks to assess one or more metrics about an entity | |
CN108764862A (zh) | 支付数据处理方法及装置 | |
US20170053278A1 (en) | Systems and Methods for Processing Charges for Disputed Transactions | |
CN110738558B (zh) | 信息修复方法、装置、电子设备及计算机可读介质 | |
JP2017509947A (ja) | ネットワークサブジェクトの社会的関係タイプの取得 | |
US20140316960A1 (en) | Merchant bank tool | |
US20190295046A1 (en) | Settlement facilitation hub | |
WO2021218827A1 (zh) | 跨境汇款 | |
TWI705401B (zh) | 多幣種退款服務處理方法及裝置 | |
CN108595579A (zh) | 联系人亲密度估算方法、装置、计算机设备和存储介质 | |
CN111932238A (zh) | 支付账户推荐方法、装置及电子设备 | |
CN109242515B (zh) | 跨平台的异常账号识别方法和装置 | |
US20170249684A1 (en) | Systems and methods for search term prioritization | |
WO2019179249A1 (zh) | 一种支付方法、装置及电子设备 | |
CN113935821A (zh) | 银行业务中结算手续费的方法、装置、电子设备及介质 | |
CN109389487A (zh) | 一种评估用户还款风险的方法和装置 | |
CN108492095B (zh) | 基于区块链的交易方法及装置 | |
CN112446777A (zh) | 一种信用评估方法、装置、设备及存储介质 | |
KR20150007940A (ko) | 사기 관리 시스템 및 방법 | |
JP2020071817A (ja) | 情報処理方法、情報処理装置及びプログラム |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190226 |
|
WW01 | Invention patent application withdrawn after publication |