CN110135970A - 贷款评估方法、装置、计算机设备和存储介质 - Google Patents
贷款评估方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110135970A CN110135970A CN201910297970.5A CN201910297970A CN110135970A CN 110135970 A CN110135970 A CN 110135970A CN 201910297970 A CN201910297970 A CN 201910297970A CN 110135970 A CN110135970 A CN 110135970A
- Authority
- CN
- China
- Prior art keywords
- loan
- parameter
- basic parameter
- examination
- valuation
- 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
Abstract
本申请涉及人工智能技术领域,应用于金融行业,特别是涉及一种贷款评估方法、装置、计算机设备和存储介质。一个实施例中的方法包括:获取贷款请求方的基本参数,以及与基本参数对应的贷款考核规则,基本参数为采用值域表示的参数;基于基本参数以及贷款考核规则,构建贷款评估模型;根据基本参数、贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果。这样可以实现根据贷款请求方值域形式的参数进行贷款评估,而不需要限定贷款请求方提供定值形式的参数,因而可以提高贷款评估的精确度。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种贷款评估方法、装置、计算机设备和存储介质。
背景技术
贷款是银行或其它金融机构按一定利率和必须归还等条件出借货币资金的一种信用活动形式,广义的贷款指贷款、贴现、透支等出贷资金的总称。申请贷款提前消费成为逐渐被人们接受的生活方式,得以舒缓各方面带来的压力。
贷款评估是一项细致的工作,要求调查人员就贷款主体的资格、资质、信用、财产状况等进行系统的考察和调查,即申请贷款时需要校验是否满足银行或其他金融机构制定的贷款条件。在进行贷款评估时,传统的方法需要人工对客户的各种资料进行收集,再根据客户资料信息人工进行分析审核,导致贷款评估结果的精确度低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高评估结果精确度的贷款评估方法、装置、计算机设备和存储介质。
一种贷款评估方法,所述方法包括:
获取贷款请求方的基本参数,以及与所述基本参数对应的贷款考核规则,所述基本参数为采用值域表示的参数;
基于所述基本参数以及所述贷款考核规则,构建贷款评估模型;
根据所述基本参数、所述贷款考核规则以及所述贷款评估模型,得到贷款请求方的贷款评估结果。
在一个实施例中,所述基本参数的数量为多个,所述贷款考核规则包括考核参数以及各个考核参数之间的数学运算关系,所述基于所述基本参数以及所述贷款考核规则,构建贷款评估模型,包括:
根据所述基本参数以及对应的考核参数,分别构建单变量贷款评估模型;
根据所述单变量贷款评估模型以及所述数学运算关系,得到贷款评估模型,其中,所述数学运算关系包括逻辑与或非运算。
在一个实施例中,所述根据所述基本参数以及对应的考核参数,分别构建单变量贷款评估模型,包括:
当所述基本参数为离散型数据时,获取所述基本参数中元素个数以及所述基本参数与对应的考核参数的交集中元素个数;
根据所述基本参数中元素个数以及所述交集中元素个数,得到单变量贷款评估模型。
在一个实施例中,所述根据所述基本信息以及对应的考核参数,分别构建单变量贷款评估模型,包括:
当所述基本参数为连续型数据时,获取所述基本参数的数值范围以及对应的考核参数的数值范围;
根据所述基本参数的数值范围以及所述考核参数的数值范围,得到单变量贷款评估模型。
在一个实施例中,所述贷款考核规则包括考核参数以及考核参数之间的数学运算关系,所述根据所述基本参数、所述贷款考核规则以及所述贷款评估模型,得到贷款请求方的贷款评估结果,包括:
根据所述基本参数、与所述基本参数对应的考核参数以及所述贷款评估模型,得到贷款请求方的单变量贷款评估结果;
根据所述数学运算关系遍历各个单变量贷款评估结果,得到贷款请求方的贷款评估结果。
在一个实施例中,所述根据所述基本参数、所述贷款考核规则以及所述贷款评估模型,得到贷款请求方的贷款评估结果之前,包括:
将所述基本参数以及所述贷款考核规则分别进行数据格式归一转换,得到转换后的基本参数以及贷款考核规则;
所述根据所述基本参数、所述贷款考核规则以及所述贷款评估模型,得到贷款请求方的贷款评估结果,包括:
根据转换后的基本参数、转换后的贷款考核规则以及所述贷款评估模型,得到贷款请求方的贷款评估结果。
一种贷款评估装置,所述装置包括:
信息获取模块,用于获取贷款请求方的基本参数,以及与所述基本参数对应的贷款考核规则,所述基本参数为采用值域表示的参数;
模型构建模块,用于基于所述基本参数以及所述贷款考核规则,构建贷款评估模型;
贷款评估模块,用于根据所述基本参数、所述贷款考核规则以及所述贷款评估模型,得到贷款请求方的贷款评估结果。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取贷款请求方的基本参数,以及与所述基本参数对应的贷款考核规则,所述基本参数为采用值域表示的参数;
基于所述基本参数以及所述贷款考核规则,构建贷款评估模型;
根据所述基本参数、所述贷款考核规则以及所述贷款评估模型,得到贷款请求方的贷款评估结果。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取贷款请求方的基本参数,以及与所述基本参数对应的贷款考核规则,所述基本参数为采用值域表示的参数;
基于所述基本参数以及所述贷款考核规则,构建贷款评估模型;
根据所述基本参数、所述贷款考核规则以及所述贷款评估模型,得到贷款请求方的贷款评估结果。
上述贷款评估方法、装置、计算机设备和存储介质,通过获取贷款请求方采用值域表示的基本参数,以及贷款方与基本参数对应的贷款考核规则,再基于基本参数以及贷款考核规则,构建贷款评估模型,然后根据基本参数、贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果,这样可以实现根据贷款请求方值域形式的参数进行贷款评估,而不需要限定贷款请求方提供定值形式的参数,因而可以提高贷款评估的精确度;此外,也可以实现贷款评估自动化,可以大幅减少贷款方评估人员的工作量,无需人工进行分析处理,可以有效提高贷款评估的工作效率。
附图说明
图1为一个实施例中贷款评估方法的应用环境图;
图2为一个实施例中贷款评估方法的流程示意图;
图3为另一个实施例中贷款评估方法的流程示意图;
图4为一个实施例中单变量贷款评估模型构建步骤的流程示意图;
图5为另一个实施例中单变量贷款评估模型构建步骤的流程示意图;
图6为一个实施例中贷款评估结果生成步骤的流程示意图;
图7为一个实施例中贷款评估装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的贷款评估方法,可以应用于如图1所示的应用环境中。其中,借款方终端102以及贷款方终端104分别通过网络与服务器106进行通信。借款方终端102可以提供贷款请求方的基本参数,贷款方终端104可以提供贷款考核规则。服务器106获取借款方的基本参数以及贷款方的贷款考核规则,基本参数为采用值域表示的参数,贷款考核规则与基本参数对应,获取贷款评估模型,贷款评估模型基于基本参数以及贷款考核规则得到,根据基本参数、贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果。其中,借款方终端102以及贷款方终端104可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑,服务器106可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种贷款评估方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取贷款请求方的基本参数,以及与基本参数对应的贷款考核规则,基本参数为采用值域表示的参数。
贷款请求方是指提出贷款申请的借款方,基本参数是指贷款请求方的个人相关信息,比如年龄、职业、薪资等。采用值域表示的参数是指参数不是一个确定的值,而是某个范围内的值,比如年龄20岁-30岁。
贷款考核规则是指贷款方制定的对借款方进行贷款能力评估的规则,比如,银行或其它金融机构确定借款方的某些参数会对贷款能力评估具有影响以及影响的程度,具体可以是借款方的某几个参数满足贷款方设定的条件时,表明贷款请求方具备按时偿还能力或者具备贷款多少金额的能力。
步骤204,基于基本参数以及贷款考核规则,构建贷款评估模型。
贷款评估模型用于对贷款请求方提出的贷款申请进行评估,贷款评估模型根据贷款请求方的基本参数以及贷款方提供的贷款考核规则得到。比如根据贷款请求方的基本参数为a1和b1,与基本参数a1对应的贷款考核规则为A,与基本参数b1对应的贷款考核规则为B,根据a1以及A得到对应的贷款评估模型M1,根据b1以及B得到对应的贷款评估模型M2。
步骤206,根据基本参数、贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果。
比如贷款请求方的基本参数包括a1、b1和c1,贷款考核规则包括A、B、C、D等,A可以细分包括a1、a2、a3、a4等,B可以细分包括b1、b2、b3、b4等,C可以细分包括c1、c2、c3、c4等,D可以细分包括d1、d2、d3、d4等。将基本参数a1在贷款考核规则中进行查找,得到基本参数a1对应的考核参数A;将基本参数b1在贷款考核规则中进行查找,得到基本参数b1对应的考核参数B;将基本参数c1在贷款考核规则中进行查找,得到基本参数c1对应的考核参数C。根据a1以及A得到对应的贷款评估模型M1,根据b1以及B得到对应的贷款评估模型M2,根据c1以及C得到对应的贷款评估模型M3。将贷款请求方的基本参数以及对应的贷款考核规则分别输入对应的贷款评估模型中,得到贷款请求方的贷款评估结果。
以贷款请求方的基本参数包括年龄和薪资为例,贷款请求方甲的贷款基本参数为年龄25岁-30岁以及薪资6K-8K,以年龄大于18岁以及薪资大于5K作为贷款方的贷款考核规则。根据基本参数以及贷款考核规则在贷款评估模型集合中查找,得到对应的贷款评估模型,比如,根据年龄得到贷款评估模型M1,根据薪资得到贷款评估模型M2。再将年龄25岁-30岁以及年龄大于18岁输入至贷款评估模型M1,将薪资6K-8K以及薪资大于5K输入至贷款评估模型M2,得到贷款请求方甲的贷款评估结果。
上述贷款评估方法,通过获取贷款请求方采用值域表示的基本参数,以及贷款方与基本参数对应的贷款考核规则,再基于基本参数以及贷款考核规则,构建贷款评估模型,然后根据基本参数、贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果,这样可以实现根据贷款请求方值域形式的参数进行贷款评估,而不需要限定贷款请求方提供定值形式的参数,因而可以提高贷款评估的精确度,此外,也可以实现贷款评估自动化,可以大幅减少贷款方评估人员的工作量,无需人工进行分析处理,可以有效提高贷款评估的工作效率。
在一个实施例中,如图3所示,基本参数的数量为多个,贷款考核规则包括考核参数以及各个考核参数之间的数学运算关系,基于基本参数以及贷款考核规则,构建贷款评估模型,包括:步骤302,根据基本参数以及对应的考核参数,分别构建单变量贷款评估模型;步骤304,根据单变量贷款评估模型以及数学运算关系,得到贷款评估模型,其中,数学运算关系包括逻辑与或非运算。单变量贷款评估模型是指基于单个基本参数对贷款请求进行评估的模型,贷款评估模型是指综合各个贷款基本参数对贷款请求进行评估的模型。以贷款请求方的基本参数包括年龄、薪资和地域为例,贷款考核规则包括个人基本信息限定规则、还款评估规则等,个人基本信息限定规则可以包括年龄、工作年限等,还款评估规则可以包括薪资、工作地域等。将基本参数年龄在贷款考核规则中进行查找,得到基本参数年龄对应的贷款考核规则为个人基本信息限定规则。将基本参数薪资在贷款考核规则中进行查找,得到基本参数薪资对应的贷款考核规则为还款评估规则;将基本参数地域在贷款考核规则中进行查找,得到基本参数地域对应的贷款考核规则为还款评估规则。比如,基本参数为年龄25岁-30岁,薪资6K-8K,贷款考核规则为年龄大于18岁,薪资大于5K。根据年龄得到单变量贷款评估模型M1,根据薪资得到单变量贷款评估模型M2。获取贷款考核规则中各个考核参数之间的数学运算关系,数学运算关系可以是逻辑与或非运算,也可以是各个考核参数对应不同的权重。比如年龄和薪资之间的关系,具体可以是年龄和薪资彼此独立,且需要同时满足对应的设定条件。根据数学运算关系以及单变量贷款评估模型,得到贷款评估模型M为单变量贷款评估模型M1和M2的串联输出。
基本参数包括不同的数据类型,比如整数型、浮点型、字符型等,不同的数据类型对应不同的单变量贷款评估模型。通过单变量贷款评估模型输出的概率计算结果具体可以包括-1以及0-1之间的数值,其中,-1表示缺乏涉及参数的数值,无法判定最终的计算结果;0-1表示可以得到最后的计算结果,计算匹配的概率;0表示完全不匹配,1表示完全匹配,0-1之间表示可能匹配以及匹配程度。具体地,比如贷款基本参数年龄20-30,贷款考核规则设定年龄限制条件年龄大于18,匹配结果1;贷款基本参数年龄20-30,业贷款考核规则设定年龄限制条件年龄大于25,匹配结果0.5。
在一个实施例中,如图4所示,根据基本参数以及对应的考核参数,分别构建单变量贷款评估模型,包括:步骤402,当基本参数为离散型数据时,获取基本参数中元素个数以及基本参数与对应的考核参数的交集中元素个数;步骤404,根据基本参数中元素个数以及交集中元素个数,得到单变量贷款评估模型。离散型数据对应的单变量贷款评估模型的匹配概率计算公式为:P(A∩B)/P(A),其中P(A∩B)为基本参数A与对应的贷款考核规则B的交集元素个数,P(A)为基本参数中元素个数。一般而言,一个维度的数据元素最大个数即全集建模成M,M是非常大的数值,低于计算机的溢出范围。特殊情况下可以根据需要设置M的大小,比如根据年龄范围,M可以设置成100。不管集合的元素个数是有限还是无限,通过M都可以将其转化成有限值计算。高维度n维的数据元素最大个数即M^n,离散或者连续数据都一样,离散型数据可以直接数元素个数。
在一个实施例中,如图5所示,根据基本参数以及对应的考核参数,分别构建单变量贷款评估模型,包括:步骤502,当基本参数为连续型数据时,获取基本参数的数值范围以及对应的考核参数的数值范围;步骤504,根据基本参数的数值范围以及考核参数的数值范围,得到单变量贷款评估模型。连续型数据根据值域范围计算匹配概率,即一维数据计算距离,二维数据计算面积,以此类推。比如,贷款基本参数A的取值是[0,200],A是正整数,贷款考核规则限制条件B:A>100,得到贷款基本参数A评估结果为概率0.5;A的取值是>0,A是正整数,限制条件B:A的取值是[0,100],则概率为100/N。
在一个实施例中,贷款考核规则包括考核参数以及考核参数之间的数学运算关系,如图6所示,根据基本参数、贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果,包括:步骤602,根据基本参数、与基本参数对应的考核参数以及贷款评估模型,得到贷款请求方的单变量贷款评估结果;步骤604,根据数学运算关系遍历各个单变量贷款评估结果,得到贷款请求方的贷款评估结果。比如,基本参数为年龄25岁-30岁,薪资6K-8K,贷款考核规则为年龄大于18岁,薪资大于5K。根据年龄得到单变量贷款评估模型M1,根据薪资得到单变量贷款评估模型M2。将年龄25岁-30岁以及年龄大于18岁输入至贷款评估模型M1,得到第一单变量贷款评估结果X1。将薪资6K-8K以及薪资大于5K输入至贷款评估模型M2,得到第二单变量贷款评估结果X2。获取贷款考核规则中各个考核参数之间的数学运算关系,数学运算关系可以是逻辑与或非运算,也可以是各个考核参数对应不同的权重。比如年龄和薪资之间的关系,具体可以是年龄和薪资彼此独立,且需要同时满足对应的设定条件,贷款评估结果才判定为合格。根据数学运算关系遍历各个单变量贷款评估结果,得到贷款评估结果X,贷款评估结果为合格的概率P(X)=P(X1)×P(X2)。
如果单变量贷款评估结果中概率计算结果出现-1,此时判断是否需要该缺省值可以直接判断结果,根据与或非的逻辑运算,遍历约束条件。比如已知贷款基本参数年龄<18,而贷款考核规则设定判断条件为年龄>20并且收入>3000,该设定条件不需要判断收入情况,即可知概率为0。如果单变量贷款评估结果都是0或1,则按与或非的计算规则;如果单变量贷款评估结果是概率,则按照概率计算公式,与或非对应不同的计算规则。
在一个实施例中,根据基本参数、贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果之前,包括:将基本参数以及贷款考核规则分别进行数据格式归一转换,得到转换后的基本参数以及贷款考核规则;根据基本参数、贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果,包括:根据转换后的基本参数、转换后的贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果。数据格式归一转换是指对原始不规整数据进行数据格式归一处理,将不规整数据转化为规整数据,比如可以对基本参数以及贷款考核规则进行数据清洗,对数据进行基本的预处理,以方便后续分析处理。数据格式分为底层最基本的逻辑表达以及复合的格式,复合的格式是通用的格式,可以将已经复合的表达式进行更高层的复合,没有层数限制。比如底层的逻辑表达包括等于、不等于、大于、大于等于、小于、小于等于、属于、不属于等。更高层的复合可以通过逻辑基本符号连接,即与、或、非。通过通用的数据格式,可以很好的表述参数的值域以及对参数值域的限制要求。比如基本的逻辑表达:年龄>18,复合的逻辑表达:年龄>18,与,工资>3000。通过层化递归的参数数据格式来表示贷款参数数据和业务规则参数设定数据,这样可以灵活的表达各种逻辑规则输入和参数值域,扩大了规则引擎的计算范围,在参数值是一个值域时也可计算匹配的概率,从而得到贷款评估结果。
应该理解的是,虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-6中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图7所示,提供了一种贷款评估装置,包括:信息获取模块702、模型构建模块704、和贷款评估模块706。信息获取模块,用于获取贷款请求方的基本参数,以及与基本参数对应的贷款考核规则,基本参数为采用值域表示的参数;模型构建模块,用于基于基本参数以及贷款考核规则,构建贷款评估模型;贷款评估模块,用于根据基本参数、贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果。
在一个实施例中,基本参数的数量为多个,贷款考核规则包括考核参数以及各个考核参数之间的数学运算关系,模型构建模块包括单变量模型构建单元,用于根据基本参数以及对应的考核参数,分别构建单变量贷款评估模型;模型生成单元,用于根据单变量贷款评估模型以及数学运算关系,得到贷款评估模型,其中,数学运算关系包括逻辑与或非运算。
在一个实施例中,单变量模型构建单元还用于当基本参数为离散型数据时,获取基本参数中元素个数以及基本参数与对应的考核参数的交集中元素个数;根据基本参数中元素个数以及交集中元素个数,得到单变量贷款评估模型。
在一个实施例中,单变量模型构建单元还用于当基本参数为连续型数据时,获取基本参数的数值范围以及对应的考核参数的数值范围;根据基本参数的数值范围以及考核参数的数值范围,得到单变量贷款评估模型。
在一个实施例中,贷款考核规则包括考核参数以及考核参数之间的数学运算关系,贷款评估模块包括:第一评估单元,用于根据基本参数、与基本参数对应的考核参数以及贷款评估模型,得到贷款请求方的单变量贷款评估结果;第二评估单元,用于根据数学运算关系遍历各个单变量贷款评估结果,得到贷款请求方的贷款评估结果。
在一个实施例中,贷款评估模块之前还包括数据格式转换模块,用于将基本参数以及贷款考核规则分别进行数据格式归一转换,得到转换后的基本参数以及贷款考核规则;贷款评估模块用于根据转换后的基本参数、转换后的贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果。
关于贷款评估装置的具体限定可以参见上文中对于贷款评估方法的限定,在此不再赘述。上述贷款评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储贷款请求方的基本参数、贷款方的贷款考核规则、贷款评估模型等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种贷款评估方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:获取贷款请求方的基本参数,以及与基本参数对应的贷款考核规则,基本参数为采用值域表示的参数;基于基本参数以及贷款考核规则,构建贷款评估模型;根据基本参数、贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据基本参数以及对应的考核参数,分别构建单变量贷款评估模型;根据单变量贷款评估模型以及数学运算关系,得到贷款评估模型,其中,数学运算关系包括逻辑与或非运算。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当基本参数为离散型数据时,获取基本参数中元素个数以及基本参数与对应的考核参数的交集中元素个数;根据基本参数中元素个数以及交集中元素个数,得到单变量贷款评估模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当基本参数为连续型数据时,获取基本参数的数值范围以及对应的考核参数的数值范围;根据基本参数的数值范围以及考核参数的数值范围,得到单变量贷款评估模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:根据基本参数、与基本参数对应的考核参数以及贷款评估模型,得到贷款请求方的单变量贷款评估结果;根据数学运算关系遍历各个单变量贷款评估结果,得到贷款请求方的贷款评估结果。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:将基本参数以及贷款考核规则分别进行数据格式归一转换,得到转换后的基本参数以及贷款考核规则;根据转换后的基本参数、转换后的贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取贷款请求方的基本参数,以及与基本参数对应的贷款考核规则,基本参数为采用值域表示的参数;基于基本参数以及贷款考核规则,构建贷款评估模型;根据基本参数、贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据基本参数以及对应的考核参数,分别构建单变量贷款评估模型;根据单变量贷款评估模型以及数学运算关系,得到贷款评估模型,其中,数学运算关系包括逻辑与或非运算。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当基本参数为离散型数据时,获取基本参数中元素个数以及基本参数与对应的考核参数的交集中元素个数;根据基本参数中元素个数以及交集中元素个数,得到单变量贷款评估模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当基本参数为连续型数据时,获取基本参数的数值范围以及对应的考核参数的数值范围;根据基本参数的数值范围以及考核参数的数值范围,得到单变量贷款评估模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:根据基本参数、与基本参数对应的考核参数以及贷款评估模型,得到贷款请求方的单变量贷款评估结果;根据数学运算关系遍历各个单变量贷款评估结果,得到贷款请求方的贷款评估结果。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:将基本参数以及贷款考核规则分别进行数据格式归一转换,得到转换后的基本参数以及贷款考核规则;根据转换后的基本参数、转换后的贷款考核规则以及贷款评估模型,得到贷款请求方的贷款评估结果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种贷款评估方法,所述方法包括:
获取贷款请求方的基本参数,以及与所述基本参数对应的贷款考核规则,所述基本参数为采用值域表示的参数;
基于所述基本参数以及所述贷款考核规则,构建贷款评估模型;
根据所述基本参数、所述贷款考核规则以及所述贷款评估模型,得到贷款请求方的贷款评估结果。
2.根据权利要求1所述的方法,其特征在于,所述基本参数的数量为多个,所述贷款考核规则包括考核参数以及各个考核参数之间的数学运算关系,所述基于所述基本参数以及所述贷款考核规则,构建贷款评估模型,包括:
根据所述基本参数以及对应的考核参数,分别构建单变量贷款评估模型;
根据所述单变量贷款评估模型以及所述数学运算关系,得到贷款评估模型,其中,所述数学运算关系包括逻辑与或非运算。
3.根据权利要求2所述的方法,其特征在于,所述根据所述基本参数以及对应的考核参数,分别构建单变量贷款评估模型,包括:
当所述基本参数为离散型数据时,获取所述基本参数中元素个数以及所述基本参数与对应的考核参数的交集中元素个数;
根据所述基本参数中元素个数以及所述交集中元素个数,得到单变量贷款评估模型。
4.根据权利要求2所述的方法,其特征在于,所述根据所述基本信息以及对应的考核参数,分别构建单变量贷款评估模型,包括:
当所述基本参数为连续型数据时,获取所述基本参数的数值范围以及对应的考核参数的数值范围;
根据所述基本参数的数值范围以及所述考核参数的数值范围,得到单变量贷款评估模型。
5.根据权利要求1所述的方法,其特征在于,所述贷款考核规则包括考核参数以及考核参数之间的数学运算关系,所述根据所述基本参数、所述贷款考核规则以及所述贷款评估模型,得到贷款请求方的贷款评估结果,包括:
根据所述基本参数、与所述基本参数对应的考核参数以及所述贷款评估模型,得到贷款请求方的单变量贷款评估结果;
根据所述数学运算关系遍历各个单变量贷款评估结果,得到贷款请求方的贷款评估结果。
6.根据权利要求1所述的方法,其特征在于,所述根据所述基本参数、所述贷款考核规则以及所述贷款评估模型,得到贷款请求方的贷款评估结果之前,包括:
将所述基本参数以及所述贷款考核规则分别进行数据格式归一转换,得到转换后的基本参数以及贷款考核规则;
所述根据所述基本参数、所述贷款考核规则以及所述贷款评估模型,得到贷款请求方的贷款评估结果,包括:
根据转换后的基本参数、转换后的贷款考核规则以及所述贷款评估模型,得到贷款请求方的贷款评估结果。
7.一种贷款评估装置,其特征在于,所述装置包括:
信息获取模块,用于获取贷款请求方的基本参数,以及与所述基本参数对应的贷款考核规则,所述基本参数为采用值域表示的参数;
模型构建模块,用于基于所述基本参数以及所述贷款考核规则,构建贷款评估模型;
贷款评估模块,用于根据所述基本参数、所述贷款考核规则以及所述贷款评估模型,得到贷款请求方的贷款评估结果。
8.根据权利要求7所述的装置,其特征在于,所述基本参数的数量为多个,所述贷款考核规则包括考核参数以及各个考核参数之间的数学运算关系,所述模型构建模块包括:
单变量模型构建单元,用于根据所述基本参数以及对应的考核参数,分别构建单变量贷款评估模型;
模型生成单元,用于根据所述单变量贷款评估模型以及所述数学运算关系,得到贷款评估模型,其中,所述数学运算关系包括逻辑与或非运算。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910297970.5A CN110135970A (zh) | 2019-04-15 | 2019-04-15 | 贷款评估方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910297970.5A CN110135970A (zh) | 2019-04-15 | 2019-04-15 | 贷款评估方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110135970A true CN110135970A (zh) | 2019-08-16 |
Family
ID=67569909
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910297970.5A Pending CN110135970A (zh) | 2019-04-15 | 2019-04-15 | 贷款评估方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110135970A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110619569A (zh) * | 2019-09-18 | 2019-12-27 | 深圳前海环融联易信息科技服务有限公司 | 复杂规则定制方法、定制系统、电子设备及计算机存储介质 |
CN113095685A (zh) * | 2021-04-15 | 2021-07-09 | 深圳工盟科技有限公司 | 施工方贷款能力评估方法以及评估装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008009757A (ja) * | 2006-06-29 | 2008-01-17 | Sumitomo Mitsui Banking Corp | ローンリスク評価パラメータ算出装置、プログラム、及び方法 |
US20140129397A1 (en) * | 2008-07-01 | 2014-05-08 | Mortgage Grader, Inc. | System and method for assessing mortgage broker and lender compliance |
CN104463673A (zh) * | 2014-12-22 | 2015-03-25 | 中国科学技术大学苏州研究院 | 一种基于支持向量机的p2p网络贷款风险评估模型 |
US20150127416A1 (en) * | 2013-11-01 | 2015-05-07 | Digital Risk Analytics, LLC | Systems, methods and computer readable media for multi-dimensional risk assessment |
CN105512935A (zh) * | 2015-12-01 | 2016-04-20 | 郑东东 | 一种基于移动平台的借贷系统 |
CN108416664A (zh) * | 2018-01-29 | 2018-08-17 | 广州越秀金融科技有限公司 | 基于消费信贷场景的风险评估方法及系统实现 |
CN108648074A (zh) * | 2018-05-18 | 2018-10-12 | 深圳壹账通智能科技有限公司 | 基于支持向量机的贷款评估方法、装置及设备 |
CN108765130A (zh) * | 2018-05-21 | 2018-11-06 | 北京六行君通信息科技股份有限公司 | 一种在线式个人消费信用贷款申请评估匹配方法和装置 |
CN109166034A (zh) * | 2018-09-18 | 2019-01-08 | 吉林亿联银行股份有限公司 | 一种风险预测方法及系统 |
CN109389486A (zh) * | 2018-08-27 | 2019-02-26 | 深圳壹账通智能科技有限公司 | 贷款风控规则调整方法、装置、设备及计算机存储介质 |
CN109409657A (zh) * | 2018-09-18 | 2019-03-01 | 深圳壹账通智能科技有限公司 | 贷款申请处理方法、装置、计算机设备和存储介质 |
CN109509078A (zh) * | 2018-09-19 | 2019-03-22 | 平安科技(深圳)有限公司 | 基于区块链的借贷运行方法、系统、服务器及存储介质 |
CN109544321A (zh) * | 2018-10-26 | 2019-03-29 | 平安科技(深圳)有限公司 | 智能贷款方法、装置、计算机设备及存储介质 |
-
2019
- 2019-04-15 CN CN201910297970.5A patent/CN110135970A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008009757A (ja) * | 2006-06-29 | 2008-01-17 | Sumitomo Mitsui Banking Corp | ローンリスク評価パラメータ算出装置、プログラム、及び方法 |
US20140129397A1 (en) * | 2008-07-01 | 2014-05-08 | Mortgage Grader, Inc. | System and method for assessing mortgage broker and lender compliance |
US20150127416A1 (en) * | 2013-11-01 | 2015-05-07 | Digital Risk Analytics, LLC | Systems, methods and computer readable media for multi-dimensional risk assessment |
CN104463673A (zh) * | 2014-12-22 | 2015-03-25 | 中国科学技术大学苏州研究院 | 一种基于支持向量机的p2p网络贷款风险评估模型 |
CN105512935A (zh) * | 2015-12-01 | 2016-04-20 | 郑东东 | 一种基于移动平台的借贷系统 |
CN108416664A (zh) * | 2018-01-29 | 2018-08-17 | 广州越秀金融科技有限公司 | 基于消费信贷场景的风险评估方法及系统实现 |
CN108648074A (zh) * | 2018-05-18 | 2018-10-12 | 深圳壹账通智能科技有限公司 | 基于支持向量机的贷款评估方法、装置及设备 |
CN108765130A (zh) * | 2018-05-21 | 2018-11-06 | 北京六行君通信息科技股份有限公司 | 一种在线式个人消费信用贷款申请评估匹配方法和装置 |
CN109389486A (zh) * | 2018-08-27 | 2019-02-26 | 深圳壹账通智能科技有限公司 | 贷款风控规则调整方法、装置、设备及计算机存储介质 |
CN109166034A (zh) * | 2018-09-18 | 2019-01-08 | 吉林亿联银行股份有限公司 | 一种风险预测方法及系统 |
CN109409657A (zh) * | 2018-09-18 | 2019-03-01 | 深圳壹账通智能科技有限公司 | 贷款申请处理方法、装置、计算机设备和存储介质 |
CN109509078A (zh) * | 2018-09-19 | 2019-03-22 | 平安科技(深圳)有限公司 | 基于区块链的借贷运行方法、系统、服务器及存储介质 |
CN109544321A (zh) * | 2018-10-26 | 2019-03-29 | 平安科技(深圳)有限公司 | 智能贷款方法、装置、计算机设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110619569A (zh) * | 2019-09-18 | 2019-12-27 | 深圳前海环融联易信息科技服务有限公司 | 复杂规则定制方法、定制系统、电子设备及计算机存储介质 |
CN113095685A (zh) * | 2021-04-15 | 2021-07-09 | 深圳工盟科技有限公司 | 施工方贷款能力评估方法以及评估装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Koopman et al. | A non-Gaussian panel time series model for estimating and decomposing default risk | |
CN109684383A (zh) | 数据分析结果的获取方法、装置、计算机设备和存储介质 | |
CN109614231A (zh) | 空闲服务器资源发现方法、装置、计算机设备和存储介质 | |
Özmen et al. | The new robust conic GPLM method with an application to finance: prediction of credit default | |
Rambharat et al. | Sequential Monte Carlo pricing of American-style options under stochastic volatility models | |
CN110135970A (zh) | 贷款评估方法、装置、计算机设备和存储介质 | |
Goudenège et al. | Gaussian process regression for pricing variable annuities with stochastic volatility and interest rate | |
Zhang et al. | Goodness-of-fit test of copula functions for semi-parametric univariate time series models | |
Chen et al. | Decomposition and discrete approximation methods for solving two-stage distributionally robust optimization problems | |
JP4443619B2 (ja) | ポートフォリオの信用リスクの計算方法および装置 | |
Muthuraman et al. | Simulation‐Based Portfolio Optimization For Large Portfolios With Transaction Costs | |
Pereira de Souza et al. | The cost efficiency of the Brazilian electricity distribution utilities: a comparison of Bayesian SFA and DEA models | |
Thomas et al. | Credit risk modelling using hardware accelerated monte-carlo simulation | |
Tseung et al. | LRMoE. jl: a software package for insurance loss modelling using mixture of experts regression model | |
Takada et al. | Credit risk model with contagious default dependencies affected by macro-economic condition | |
Capriotti | Likelihood ratio method and algorithmic differentiation: fast second order greeks | |
Fu et al. | Specification tests for time-varying coefficient models | |
CN114139490B (zh) | 一种自动数据预处理的方法、装置以及设备 | |
CN116228400A (zh) | 基于属性重构与注意力机制的信用卡用户行为预测方法 | |
CN116451841A (zh) | 企业贷款违约概率预测方法、装置、电子设备和存储介质 | |
CN113779116A (zh) | 对象排序方法、相关设备及介质 | |
JP2004534305A (ja) | 整合性のあるリスク予測と集積因子モデルを作成する方法および装置 | |
CN106997472A (zh) | 用户信用模型的用户特征分类方法、用户信用评估方法及装置 | |
KR20210008674A (ko) | 형태 문법을 활용한 qpu 매핑 최적화 방법 및 양자 회로 최적화 방법 | |
Kuziak et al. | Assessment of the Systemic Risk in the German Banking Industry |
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 |