CN111080432B - 用于不动产借贷的多渠道借贷信息引流和处理系统 - Google Patents
用于不动产借贷的多渠道借贷信息引流和处理系统 Download PDFInfo
- Publication number
- CN111080432B CN111080432B CN201811229657.XA CN201811229657A CN111080432B CN 111080432 B CN111080432 B CN 111080432B CN 201811229657 A CN201811229657 A CN 201811229657A CN 111080432 B CN111080432 B CN 111080432B
- Authority
- CN
- China
- Prior art keywords
- information
- real estate
- credit
- user
- value
- 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
- 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
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/403—Solvency checks
- G06Q20/4037—Remote solvency checks
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及一种用于不动产借贷的多渠道借贷信息引流和处理系统,包括信息引流系统和信息处理系统;信息处理系统包括贷前一键评级估值授信系统和贷前远程风控系统。本发明(1)本发明的借贷信息引流系统,通过广泛的渠道整合,任何一级用户均可将其获知的其它用户需求信息(二级用户借款需求),经过授权或委托后,录入借贷信息引流系统,供核验和储存,核验通过后进入评估授信和远程风控,该种模式下,借贷平台寻求借款主体过程的渠道广,推广效率高。(2)本发明的授信系统通过大数据全方位判断借款主体(二级用户)的信用,能获得较高客观度信用评价结论。真正对评估用户信用有价值的大数据信息均能得到参考。
Description
技术领域
本发明涉及一种用于不动产借贷的多渠道借贷信息引流和处理系统,涉及不动产借贷信息获取和处理技术领域。
背景技术
不动产借贷是指借款主体将不动产抵押登记在出借人的名下,出借人将资金放贷给借款主体,借款主体向出借人按合同约定方式还本付息的一种借贷模式。
随着国内金融改革的进一步深入,金融市场准入进一步开放,市场竞争也日益激烈。无论是银行、小贷公司、典当行、担保公司、网络借贷信息中介机构、融资租赁公司、民间借贷机构、自然人、企业及其他组织等金融直接信用主体,还是为金融提供服务的中介机构、投资评估机构、网络借贷信息中介平台等都面临着一个共同的问题:在日益激烈的金融市场中强化竞争能力,提高服务水平和效率,如何快速、准确、有效的扩大借款主体引流渠道、导流客户资源(借款主体资源),基于导流的大量借款主体资源,通过筛选、分析后给借款主体评定信用等级,抵押不动产估值,快速出授信额度成为金融市场竞业重要之重。
传统的金融借贷信息不对称,服务到达率低,群众辨识不清,服务效率不高,社会认可不清,服务成本较高、信息匹配范围窄,匹配效率差、借款人融资成本难降。
另外,现有技术中获取借款主体资源后,线下人工授信过程的缺点包括至少三点:
(1)授信部门需要全方位判断借款主体的信用,但是借款主体倾向于递交对自身有利的材料,而忽略甚至造假部分材料,以期获得较高信用评价。真正对评估用户信用有价值的大数据信息很可能未出现在申请材料中;
(2)授信的调查由人工完成,过程漫长。为确保授信的准确性,需要借款主体递交大量的书面待审核材料。采用人工核定这些材料的方式,非常费时费力,需要长达数月的时间,效率低,极大的影响借款主体的借款效率。
(3)授信过程难度较高,人工判断需要较丰富经验,而且易受主观因素影响,容易造成评级授信过程中存在较大的不确定性。
再者,有效进行贷前风险控制、贷中贷后处理以及贷后客户分类分级高效管理也非常关键。
现有技术中的线下贷前风险控制过程的缺点包括至少二点:
(1)风险控制由人工现场调查完成,过程漫长,风控成本高;
(2)风险控制过程难度较高,人工判断需要较丰富经验,而且易受主观因素影响,容易造成风险控制过程中存在较大的不确定性。
鉴于现有技术存在的上述缺点,本发明提供一种用于不动产借贷的多渠道借贷信息引流和处理系统,可以一揽子解决现有技术中借款主体信息导流、评估授信和风险控制存在的问题。
发明内容
本发明的目的在于解决现有技术的不足,提供一种用于不动产借贷的多渠道借贷信息引流和处理系统。
本发明解决其技术问题所采用的技术方案是:
用于不动产借贷的多渠道借贷信息引流和处理系统,
包括信息引流系统和信息处理系统;
所述信息引流系统包括用户信息注册模块,与通信网络相关联,用于接收一级用户信息注册申请;
用户信息核验和存储模块,与通信网络相关联,用于核验一级用户信息并将核验后的信息予以存储;
所述用户信息注册模块下设有信息引流子模块,该子模块的权限在一级用户信息核验通过后开放,用于一级用户提交自身的一级用户信用评价信息和/或经授权或委托提交的一个或多个二级用户信用评价信息;
所述一级和/或二级用户信用评价信息传送至用户信息核验和存储模块,初步核验通过后予以存储,存储的一级和/或二级用户信用评价信息通过通信网络进入信息处理系统;
所述信息处理系统包括贷前一键评级估值授信子系统和贷前远程风控子系统,所述贷前一键评级估值授信子系统包括:
评级信息处理模块,基于信息引流系统采集获取的一级和/或二级用户信用评价信息,运用评级规则引擎,与信用评价信息数据进行比对分析,输出一级和/或二级用户评级数据信息;
估值数据存储模块,用于存储不动产信息数据;
估值信息采集模块,用于采集一级和/或二级用户不动产信息;
估值信息处理模块,基于采集获取的二级用户不动产信息,运用估值规则引擎,与不动产信息数据进行比对分析,输出一级和/或二级用户不动产估值数据信息;
授信数据存储模块,用于存储预设的授信额度标准数据;
授信信息处理模块,基于获取的一级和/或二级用户评级数据信息和不动产估值数据信息,运用授信规则引擎,与授信额度标准数据进行比对分析,一键输出授信额度,各模块之间通过通信网络相关联;
所述贷前远程风控系统包括:
风控发起和接收单元,包括智能调查方端和被调查方端;
信息采集单元,基于远程风控器具,用于核对、再采集一级和/或二级用户身份信息和不动产信息;
中央处理单元,包括预设信息存储子单元、采集信息存储子单元、风险点和价值发现点筛选子单元、风险值和价值发现值评估子单元以及风险等级评估子单元;
预设信息存储子单元用于存储预设风险等级评估参考值;
采集信息存储子单元用于存储远程风控器具核对、再采集获取的二级用户身份信息和不动产信息;
风险点和价值发现点筛选子单元用于根据预设的风险和价值评估规则引擎,筛选获取风险点和价值发现点数据集合;
风险值和价值发现值评估子单元用于根据预设的风险评估模型和价值评估模型,评估各风险点的风险值以及价值发现点的价值评估值;
风险等级评估子单元用于将各个风险点的风险值和各个价值发现点评估值基于一定的规则引擎进行对比、对冲、分析后得出风险评估总参考值,输出风险等级,各子单元之间的信息传递通过通信网络相关联。
优选的,所述信用评价信息数据对接第三方大数据信息,包括公安部户籍信息、民政部婚姻登记信息、国家企业信用信息公示系统信息以及负面信用信息,所述负面信用信息包括一票否决负面信用信息和常规负面信用信息,所述一票否决负面信用信息包括公安部违法信息、全国法院被执行人信息和全国失信被执行人名单信息中的任意一种,所述常规负面信用信息包括中国人民银行征信报告信息;
所述不动产信息数据对接第三方大数据信息,至少包括同城市同类型不动产及所属不动产一定范围内类似不动产的半年内的实际成交价格、同城市同类型不动产及所属不动产一定范围内类似不动产的平均单价、周边同类型城市同类型不动产的半年内的实际成交价格及平均单价。
优选的,所述评级规则引擎具体如下:
当用户为自然人时,用户年龄<18岁或者>65岁,用户评级数据值为 0;
用户包括一级用户和二级用户;
当用户存在一票否决负面信用信息时,用户评级数据值为0;
当用户为自然人,用户年龄∈[18,65]以及非自然人用户,且未存在一票否决负面信用信息时,用户评级数据值=100-Σ常规负面信用信息* (1-10);
用户评级数据值<75时,信用评级为E级;
用户评级数据值∈[75,80)时,信用评级为D级;
用户评级数据值∈[80,85)时,信用评级为C级;
用户评级数据值∈[85,90)时,信用评级为B级;
用户评级数据值∈[90,100)时,信用评级为A级。
优选的,所述估值规则引擎具体如下:
不动产权利人为自然人,年龄<18岁或者>65岁,不动产评估数据值为0;
涉及中华人民共和国物权法和中华人民共和国担保法不得抵押的不动产的,不动产评估数据值为0;
不动产价值=同城市同类型不动产和/或所属不动产一定范围内类似不动产的平均单价*(1+因素调整系数1)*(1+因素调整系数2)*(1+因素调整系数3)*(1+因素调整系数4)*面积;
所述因素调整系数1为不动产性质;
所述因素调整系数2为不动产区位;
所述因素调整系数3为不动产维护状况;
所述因素调整系数4为不动产权利年限;
因素调整系数1-4的数值范围为-0.2~0.2。
优选的,所述授信规则引擎具体如下:
当用户评级数据值为0,授信为0;
用户评级数据值<75时,信用评级为E级,授信为0;
用户评级数据值∈[75,80)时,信用评级为D级,授信为不动产估值的50%;
用户评级数据值∈[80,85)时,信用评级为C级,授信为不动产估值的60%;
用户评级数据值∈[85,90)时,信用评级为B级,授信为不动产估值的70%;
用户评级数据值∈[90,100)时,信用评级为A级,授信为不动产估值的80%。
优选的,所述评级信息采集模块采集的信息包括:
用户为自然人时,包括:姓名、身份证号、手机号、面部图像信息、征信信息、银行流水和资产负债情况;
用户包括一级用户和二级用户;
用户为企事业单位时,包括:营业执照、法人代表身份证及征信信息、开户许可证、章程、验资报告、基本情况介绍、财务报表;
所述估值信息采集模块采集的信息包括:不动产性质、不动产区位、不动产权利年限、不动产维护状态和不动产面积。
优选的,所述远程风控器具和远程直播器具包括可调用的带摄像头的手持移动终端、穿戴设备或固定机具。
优选的,所述风险和价值发现规则引擎考虑的要素包括:
用户为自然人,身份信息包括二级用户的身体状况、谈话及文化水平、收入及资产负债情况、工作单位、工作经验、人际关系、职称或持有的技术证件、婚姻情况、需供养人数和直系亲属情况;
用户包括一级用户和二级用户;
不动产信息为房产,不动产信息包括不动产得房率、利用率、视野开阔程度、不动产南北是否通透、不动产装修情况、标准不动产和非标准不动产、不动产周围商业配套情况及小居设施定位高或低、居住人数、不动产有无暇疵、租赁不动产可不可以破租及租费的高低和不动产所属市场是否稀缺;
风险点为对还款能力产生负面影响的要素,分为一般风险点和极端风险点;价值发现点为对还款能力产生正面影响的要素,分为一般价值发现点和重要价值发现点;一般风险点每出现一处,风险值1-5分,极端风险点每出现一处,风险值8-10分,一般价值发现点每出现一处,价值发现值 1-5分,重要价值发现点每出现一处,价值发现值8-10分;
风险值综合=Σ一般风险点*(1-5)+Σ极端风险点*(8-10)-Σ一般价值发现点*(1-5)-Σ重要价值发现点(8-10);
所述风险评估模型具体如下:
用户存在法律法规规定禁止的借款条件或借款用途的,风险等级极高,一票否决;
用户无法律规定禁止的借款条件或借款用途的,风险等级根据风险值总和进行评级输出:
用户风险值总和<20时,风险等级为1级,还款能力优;
用户风险值总和∈[20,30)时,风险等级为2级,还款能力良;
用户风险值总和∈[30,40)时,风险等级为3级,还款能力中;
用户风险值总和∈[40,50)时,风险等级为4级,还款能力差;
用户风险值总和≥50时,风险等级为5级,还款能力极差。
优选的,所述一级或二级用户为借款人本人,或者借款人本人和第三方担保人,一级或二级用户为非自然人借款人的,由其授权的代表人协助核对、再采集一级或二级用户信息。
本发明的有益效果包括了各系统优点的集合:
(1)本发明的借贷信息引流系统,通过广泛的渠道整合,任何一级用户均可将其获知的其它用户需求信息(二级用户借款需求),经过授权或委托后,录入借贷信息引流系统,供核验和储存,核验通过后进入评估授信和远程风控,该种模式下,网络借贷平台寻求借款主体过程的渠道广,推广效率高。
(2)本发明的授信系统通过大数据全方位判断借款主体(二级用户) 的信用,能获得较高客观度信用评价结论。真正对评估用户信用有价值的大数据信息均能得到参考;
(3)授信的调查智能完成,效率高,极大的方便借款主体(二级用户) 的借款效率。
(4)授信过程规则引擎明确,不易受主观因素影响,不会存在暗箱操作的可能,评级授信过程确定性高;
(5)本发明的风险控制由远程调查完成高效,风控成本低;
(6)风险控制过程难度较低,综合大数据做研判,不易受主观因素影响,风险控制过程确定;
具体实施方式
下面通过具体实施例,对本发明的技术方案作进一步的具体说明。
本发明的用于不动产借贷的多渠道借贷信息引流和处理系统,
包括信息引流系统和信息处理系统;
所述信息引流系统包括用户信息注册模块,与通信网络相关联,用于接收一级用户信息注册申请;
用户信息核验和存储模块,与通信网络相关联,用于核验一级用户信息并将核验后的信息予以存储;
所述用户信息注册模块下设有信息引流子模块,该子模块的权限在一级用户信息核验通过后开放,用于一级用户提交自身的一级用户信用评价信息和/或经授权或委托提交的一个或多个二级用户信用评价信息;
所述一级和/或二级用户信用评价信息传送至用户信息核验和存储模块,核验通过后予以存储,存储的一级和/或二级用户信用评价信息通过通信网络进入信息处理系统;
所述信息处理系统包括贷前一键评级估值授信子系统和贷前远程风控子系统;
所述贷前一键评级估值授信子系统包括:
评级信息处理模块,基于信息引流系统采集获取的一级和/或二级用户信用评价信息,运用评级规则引擎,与信用评价信息数据进行比对分析,输出一级和/或二级用户评级数据信息;
估值数据存储模块,用于存储不动产信息数据;
估值信息采集模块,用于采集一级和/或二级用户不动产信息;
估值信息处理模块,基于采集获取的一级和/或二级用户不动产信息,运用估值规则引擎,与不动产信息数据进行比对分析,输出一级和/或二级用户不动产估值数据信息;
授信数据存储模块,用于存储预设的授信额度标准数据;
授信信息处理模块,基于获取的一级和/或二级用户评级数据信息和不动产估值数据信息,运用授信规则引擎,与授信额度标准数据进行比对分析,一键输出授信额度,各模块之间通过通信网络相关联;
所述贷前远程风控系统包括:
风控发起和接收单元,包括智能调查方端和被调查方端;
信息采集单元,基于远程风控器具,用于核对、再采集一级和/或二级用户身份信息和不动产信息;
中央处理单元,包括预设信息存储子单元、采集信息存储子单元、风险点和价值发现点筛选子单元、风险值和价值发现值评估子单元以及风险等级评估子单元;
预设信息存储子单元用于存储预设风险等级评估参考值;
采集信息存储子单元用于存储远程风控器具核对、再采集获取的一级和/或二级用户身份信息和不动产信息;
风险点和价值发现点筛选子单元用于根据预设的风险和价值评估规则引擎,筛选获取风险点和价值发现点数据集合;
风险值和价值发现值评估子单元用于根据预设的风险评估模型和价值评估模型,评估各风险点的风险值以及价值发现点的价值评估值;
风险等级评估子单元用于将各个风险点的风险值和各个价值发现点评估值基于一定的规则引擎进行对比、对冲、分析后得出风险评估总参考值,输出风险等级,各子单元之间的信息传递通过通信网络相关联。
具体到本发明,所述信用评价信息数据对接第三方大数据信息,包括公安部户籍信息、民政部婚姻登记信息、国家企业信用信息公示系统信息以及负面信用信息,所述负面信用信息包括一票否决负面信用信息和常规负面信用信息,所述一票否决负面信用信息包括公安部违法信息、全国法院被执行人信息和全国失信被执行人名单信息中的任意一种,所述常规负面信用信息包括中国人民银行征信报告信息;
所述不动产信息数据对接第三方大数据信息,至少包括同城市同类型不动产及所属不动产一定范围内类似不动产的半年内的实际成交价格、同城市同类型不动产及所属不动产一定范围内类似不动产的平均单价、周边同类型城市同类型不动产的半年内的实际成交价格及平均单价。
具体到本发明,所述评级规则引擎具体如下:
当用户为自然人时,用户年龄<18岁或者>65岁,用户评级数据值为 0;
用户包括一级用户和二级用户;
当用户存在一票否决负面信用信息时,用户评级数据值为0;
当用户为自然人,用户年龄∈[18,65]以及非自然人用户,且未存在一票否决负面信用信息时,用户评级数据值=100-Σ常规负面信用信息* (1-10);
用户评级数据值<75时,信用评级为E级;
用户评级数据值∈[75,80)时,信用评级为D级;
用户评级数据值∈[80,85)时,信用评级为C级;
用户评级数据值∈[85,90)时,信用评级为B级;
用户评级数据值∈[90,100)时,信用评级为A级。
具体到本发明,所述估值规则引擎具体如下:
不动产权利人为自然人,年龄<18岁或者>65岁,不动产评估数据值为0;
涉及中华人民共和国物权法和中华人民共和国担保法不得抵押的不动产的,不动产评估数据值为0;
不动产价值=同城市同类型不动产和/或所属不动产一定范围内类似不动产的平均单价*(1+因素调整系数1)*(1+因素调整系数2)*(1+因素调整系数3)*(1+因素调整系数4)*面积;
所述因素调整系数1为不动产性质;
所述因素调整系数2为不动产区位;
所述因素调整系数3为不动产维护状况;
所述因素调整系数4为不动产权利年限;
因素调整系数1-4的数值范围为-0.2~0.2。
具体到本发明,所述授信规则引擎具体如下:
当用户评级数据值为0,授信为0;
用户包括一级用户和二级用户;
用户评级数据值<75时,信用评级为E级,授信为0;
用户评级数据值∈[75,80)时,信用评级为D级,授信为不动产估值的50%;
用户评级数据值∈[80,85)时,信用评级为C级,授信为不动产估值的60%;
用户评级数据值∈[85,90)时,信用评级为B级,授信为不动产估值的70%;
用户评级数据值∈[90,100)时,信用评级为A级,授信为不动产估值的80%。
具体到本发明,所述评级信息采集模块采集的信息包括:
用户为自然人时,包括:姓名、身份证号、手机号、面部图像信息、征信信息、银行流水和资产负债情况;
用户包括一级用户和二级用户;
用户为企事业单位时,包括:营业执照、法人代表身份证及征信信息、开户许可证、章程、验资报告、基本情况介绍、财务报表;
所述估值信息采集模块采集的信息包括:不动产性质、不动产区位、不动产权利年限、不动产维护状态和不动产面积。
具体到本发明,所述远程风控器具和远程直播器具包括可调用的带摄像头的手持移动终端、穿戴设备或固定机具。
具体到本发明,所述风险和价值发现规则引擎考虑的要素包括:
用户为自然人,身份信息包括二级用户的身体状况、谈话及文化水平、收入及资产负债情况、工作单位、工作经验、人际关系、职称或持有的技术证件、婚姻情况、需供养人数和直系亲属情况;
用户包括一级用户和二级用户;
不动产信息为房产,不动产信息包括不动产得房率、利用率、视野开阔程度、不动产南北是否通透、不动产装修情况、标准不动产和非标准不动产、不动产周围商业配套情况及小居设施定位高或低、居住人数、不动产有无暇疵、租赁不动产可不可以破租及租费的高低和不动产所属市场是否稀缺;
风险点为对还款能力产生负面影响的要素,分为一般风险点和极端风险点;价值发现点为对还款能力产生正面影响的要素,分为一般价值发现点和重要价值发现点;一般风险点每出现一处,风险值1-5分,极端风险点每出现一处,风险值8-10分,一般价值发现点每出现一处,价值发现值 1-5分,重要价值发现点每出现一处,价值发现值8-10分;
风险值综合=Σ一般风险点*(1-5)+Σ极端风险点*(8-10)-Σ一般价值发现点*(1-5)-Σ重要价值发现点(8-10);
所述风险评估模型具体如下:
用户存在法律法规规定禁止的借款条件或借款用途的,风险等级极高,一票否决;
用户无法律规定禁止的借款条件或借款用途的,风险等级根据风险值总和进行评级输出:
用户风险值总和<20时,风险等级为1级,还款能力优;
用户风险值总和∈[20,30)时,风险等级为2级,还款能力良;
用户风险值总和∈[30,40)时,风险等级为3级,还款能力中;
用户风险值总和∈[40,50)时,风险等级为4级,还款能力差;
用户风险值总和≥50时,风险等级为5级,还款能力极差。
本发明中,所述一级或二级用户为借款人本人,或者借款人本人和第三方担保人,一级或二级用户为非自然人借款人的,由其授权的代表人协助核对、再采集一级或二级用户信息。
以上所述的实施例只是本发明的一种较佳的方案,并非对本发明作任何形式上的限制,在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。
Claims (9)
1.用于不动产借贷的多渠道借贷信息引流和处理系统,其特征在于:
包括信息引流系统和信息处理系统;
所述信息引流系统包括用户信息注册模块,与通信网络相关联,用于接收一级用户信息注册申请;
用户信息核验和存储模块,与通信网络相关联,用于核验一级用户信息并将核验后的信息予以存储;
所述用户信息注册模块下设有信息引流子模块,该子模块的权限在一级用户信息核验通过后开放,用于一级用户提交自身的一级用户信用评价信息和/或经授权或委托提交的一个或多个二级用户信用评价信息;
所述一级和/或二级用户信用评价信息传送至用户信息核验和存储模块,初步核验通过后予以存储,存储的一级和/或二级用户信用评价信息通过通信网络进入信息处理系统;
所述信息处理系统包括贷前一键评级估值授信子系统和贷前远程风控子系统,所述贷前一键评级估值授信子系统包括:
评级信息处理模块,基于信息引流系统采集获取的一级和/或二级用户信用评价信息,运用评级规则引擎,与信用评价信息数据进行比对分析,输出一级和/或二级用户评级数据信息;
估值数据存储模块,用于存储不动产信息数据;
估值信息采集模块,用于采集一级和/或二级用户不动产信息;
估值信息处理模块,基于采集获取的一级和/或二级用户不动产信息,运用估值规则引擎,与不动产信息数据进行比对分析,输出一级和/或二级用户不动产估值数据信息;
授信数据存储模块,用于存储预设的授信额度标准数据;
授信信息处理模块,基于获取的一级和/或二级用户评级数据信息和不动产估值数据信息,运用授信规则引擎,与授信额度标准数据进行比对分析,一键输出授信额度,各模块之间通过通信网络相关联;
所述贷前远程风控系统包括:
风控发起和接收单元,包括智能调查方端和被调查方端;
信息采集单元,基于远程风控器具,用于核对、再采集一级和/或二级用户身份信息和不动产信息;
中央处理单元,包括预设信息存储子单元、采集信息存储子单元、风险点和价值发现点筛选子单元、风险值和价值发现值评估子单元以及风险等级评估子单元;
预设信息存储子单元用于存储预设风险等级评估参考值;
采集信息存储子单元用于存储远程风控器具核对、再采集获取的一级和/或二级用户身份信息和不动产信息;
风险点和价值发现点筛选子单元用于根据预设的风险和价值评估规则引擎,筛选获取风险点和价值发现点数据集合;
风险值和价值发现值评估子单元用于根据预设的风险评估模型和价值评估模型,评估各风险点的风险值以及价值发现点的价值评估值;
风险等级评估子单元用于将各个风险点的风险值和各个价值发现点评估值基于一定的规则引擎进行对比、对冲、分析后得出风险评估总参考值,输出风险等级,各子单元之间的信息传递通过通信网络相关联。
2.根据权利要求1所述的用于不动产借贷的多渠道借贷信息引流和处理系统,其特征在于:
所述信用评价信息数据对接第三方大数据信息,包括公安部户籍信息、民政部婚姻登记信息、国家企业信用信息公示系统信息以及负面信用信息,所述负面信用信息包括一票否决负面信用信息和常规负面信用信息,所述一票否决负面信用信息包括公安部违法信息、全国法院被执行人信息和全国失信被执行人名单信息中的任意一种,所述常规负面信用信息包括中国人民银行征信报告信息;
所述不动产信息数据对接第三方大数据信息,至少包括同城市同类型不动产及所属不动产一定范围内类似不动产的半年内的实际成交价格、同城市同类型不动产及所属不动产一定范围内类似不动产的平均单价、周边同类型城市同类型不动产的半年内的实际成交价格及平均单价。
3.根据权利要求1所述的用于不动产借贷的多渠道借贷信息引流和处理系统,其特征在于:所述评级规则引擎具体如下:
用户为自然人时,用户年龄<18岁或者>65岁,用户评级数据值为0;用户包括一级用户和二级用户;
当用户存在一票否决负面信用信息时,用户评级数据值为0;
当用户为自然人,用户年龄∈[18,65]以及非自然人用户,且未存在一票否决负面信用信息时,用户评级数据值=100-Σ常规负面信用信息*(1-10);
用户评级数据值<75时,信用评级为E级;
用户评级数据值∈[75,80)时,信用评级为D级;
用户评级数据值∈[80,85)时,信用评级为C级;
用户评级数据值∈[85,90)时,信用评级为B级;
用户评级数据值∈[90,100)时,信用评级为A级。
4.根据权利要求1所述的用于不动产借贷的多渠道借贷信息引流和处理系统,其特征在于:所述估值规则引擎具体如下:
不动产权利人为自然人,年龄<18岁或者>65岁,不动产评估数据值为0;
涉及中华人民共和国物权法和中华人民共和国担保法不得抵押的不动产的,不动产评估数据值为0;
不动产价值=同城市同类型不动产和/或所属不动产一定范围内类似不动产的平均单价*(1+因素调整系数1)*( 1+因素调整系数2)* ( 1+因素调整系数3)*(1+因素调整系数4)*面积;
所述因素调整系数1为不动产性质;
所述因素调整系数2为不动产区位;
所述因素调整系数3为不动产维护状况;
所述因素调整系数4为不动产权利年限;
因素调整系数1-4的数值范围为-0.2~0.2。
5.根据权利要求1所述的用于不动产借贷的多渠道借贷信息引流和处理系统,其特征在于:所述授信规则引擎具体如下:
当用户评级数据值为0,授信为0;用户包括一级用户和二级用户;
用户评级数据值<75时,信用评级为E级,授信为0;
用户评级数据值∈[75,80)时,信用评级为D级,授信为不动产估值的50%;
用户评级数据值∈[80,85)时,信用评级为C级,授信为不动产估值的60%;
用户评级数据值∈[85,90)时,信用评级为B级,授信为不动产估值的70%;
用户评级数据值∈[90,100)时,信用评级为A级,授信为不动产估值的80%。
6.根据权利要求1所述的用于不动产借贷的多渠道借贷信息引流和处理系统,其特征在于:所述评级信息采集模块采集的信息包括:
用户为自然人时,包括:姓名、身份证号、手机号、面部图像信息、征信信息、银行流水和资产负债情况;用户包括一级用户和二级用户;
用户为企事业单位时,包括:营业执照、法人代表身份证及征信信息、开户许可证、章程、验资报告、基本情况介绍、财务报表;
所述估值信息采集模块采集的信息包括:不动产性质、不动产区位、不动产权利年限、不动产维护状态和不动产面积。
7.根据权利要求1所述的用于不动产借贷的多渠道借贷信息引流和处理系统,其特征在于:所述远程风控器具和远程直播器具包括可调用的带摄像头的手持移动终端、穿戴设备或固定机具。
8.根据权利要求1所述的用于不动产借贷的多渠道借贷信息引流和处理系统,其特征在于:所述风险和价值发现规则引擎考虑的要素包括:
用户为自然人,身份信息包括二级用户的身体状况、谈话及文化水平、收入及资产负债情况、工作单位、工作经验、人际关系、职称或持有的技术证件、婚姻情况、需供养人数和直系亲属情况;
用户包括一级用户和二级用户;
不动产信息为房产,不动产信息包括不动产得房率、利用率、视野开阔程度、不动产南北是否通透、不动产装修情况、标准不动产和非标准不动产、不动产周围商业配套情况及小居设施定位高或低、居住人数、不动产有无暇疵、租赁不动产可不可以破租及租费的高低和不动产所属市场是否稀缺;
风险点为对还款能力产生负面影响的要素,分为一般风险点和极端风险点;价值发现点为对还款能力产生正面影响的要素,分为一般价值发现点和重要价值发现点;一般风险点每出现一处,风险值1-5分,极端风险点每出现一处,风险值8-10分,一般价值发现点每出现一处,价值发现值1-5分,重要价值发现点每出现一处,价值发现值8-10分;
风险值综合=Σ一般风险点*(1-5)+Σ极端风险点*(8-10)-Σ一般价值发现点*(1-5)-Σ重要价值发现点(8-10);
所述风险评估模型具体如下:
用户存在法律法规规定禁止的借款条件或借款用途的,风险等级极高,一票否决;
用户无法律规定禁止的借款条件或借款用途的,风险等级根据风险值总和进行评级输出:
用户风险值总和<20时,风险等级为1级,还款能力优;
用户风险值总和∈[20,30)时,风险等级为2级,还款能力良;
用户风险值总和∈[30,40)时,风险等级为3级,还款能力中;
用户风险值总和∈[40,50)时,风险等级为4级,还款能力差;
用户风险值总和≥50时,风险等级为5级,还款能力极差。
9.根据权利要求1所述的用于不动产借贷的多渠道借贷信息引流和处理系统,其特征在于:所述一级或二级用户为借款人本人,或者借款人本人和第三方担保人,一级或二级用户为非自然人借款人的,由其授权的代表人协助核对、再采集一级或二级用户信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811229657.XA CN111080432B (zh) | 2018-10-22 | 2018-10-22 | 用于不动产借贷的多渠道借贷信息引流和处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811229657.XA CN111080432B (zh) | 2018-10-22 | 2018-10-22 | 用于不动产借贷的多渠道借贷信息引流和处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111080432A CN111080432A (zh) | 2020-04-28 |
CN111080432B true CN111080432B (zh) | 2023-06-02 |
Family
ID=70309730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811229657.XA Active CN111080432B (zh) | 2018-10-22 | 2018-10-22 | 用于不动产借贷的多渠道借贷信息引流和处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111080432B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1650701A1 (en) * | 2004-10-22 | 2006-04-26 | The First American Corporation | Product, system and method for certification of closing and mortgage loan fulfillment |
CN101458807A (zh) * | 2007-12-12 | 2009-06-17 | 乔美国际网络股份有限公司 | 一价到底房屋贷款的方法与平台 |
JP2009151579A (ja) * | 2007-12-21 | 2009-07-09 | Isamu Matsukawa | 不動産物件取引支援システム、不動産物件取引処理サーバ、不動産物件取引支援方法、及び不動産物件取引支援コンピュータ・プログラム |
JP2012078987A (ja) * | 2010-09-30 | 2012-04-19 | Mizuho Bank Ltd | ローン管理システム、ローン管理方法及びローン管理プログラム |
KR20160073271A (ko) * | 2014-12-16 | 2016-06-24 | 정성훈 | 지역리스크 측정을 통한 부동산 담보 대출심사 장치 |
CN107845033A (zh) * | 2017-11-08 | 2018-03-27 | 上海壹账通金融科技有限公司 | 风控报告生成方法、装置、设备及计算机可读存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030149658A1 (en) * | 2002-02-06 | 2003-08-07 | Radian Group, Inc. | System for providing a warranty for the automated valuation of property |
US20050177508A1 (en) * | 2002-08-14 | 2005-08-11 | Pembroke John J. | Methods and systems for financing expenses with a loan secured by real property |
US20040153330A1 (en) * | 2003-02-05 | 2004-08-05 | Fidelity National Financial, Inc. | System and method for evaluating future collateral risk quality of real estate |
US8521631B2 (en) * | 2008-05-29 | 2013-08-27 | Sas Institute Inc. | Computer-implemented systems and methods for loan evaluation using a credit assessment framework |
US8489499B2 (en) * | 2010-01-13 | 2013-07-16 | Corelogic Solutions, Llc | System and method of detecting and assessing multiple types of risks related to mortgage lending |
US20140279385A1 (en) * | 2013-03-15 | 2014-09-18 | Lps Ip Holding Company, Llc | System for rating real estate loan quality |
US20150379632A1 (en) * | 2014-06-30 | 2015-12-31 | Joseph Michael | Business method for efficient and direct loan financing |
US20180158113A1 (en) * | 2016-12-06 | 2018-06-07 | Value Connect Inc. | Rich content appraisal report generator |
-
2018
- 2018-10-22 CN CN201811229657.XA patent/CN111080432B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1650701A1 (en) * | 2004-10-22 | 2006-04-26 | The First American Corporation | Product, system and method for certification of closing and mortgage loan fulfillment |
CN101458807A (zh) * | 2007-12-12 | 2009-06-17 | 乔美国际网络股份有限公司 | 一价到底房屋贷款的方法与平台 |
JP2009151579A (ja) * | 2007-12-21 | 2009-07-09 | Isamu Matsukawa | 不動産物件取引支援システム、不動産物件取引処理サーバ、不動産物件取引支援方法、及び不動産物件取引支援コンピュータ・プログラム |
JP2012078987A (ja) * | 2010-09-30 | 2012-04-19 | Mizuho Bank Ltd | ローン管理システム、ローン管理方法及びローン管理プログラム |
KR20160073271A (ko) * | 2014-12-16 | 2016-06-24 | 정성훈 | 지역리스크 측정을 통한 부동산 담보 대출심사 장치 |
CN107845033A (zh) * | 2017-11-08 | 2018-03-27 | 上海壹账通金融科技有限公司 | 风控报告生成方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111080432A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ganiyu et al. | Capital structure and firm performance in Nigeria | |
Kumar et al. | The effect of remittances on economic growth in Kyrgyzstan and Macedonia: Accounting for financial development | |
Duqi et al. | Is relationship lending still a mixed blessing? A review of advantages and disadvantages for lenders and borrowers | |
US7139734B2 (en) | Preferred credit information data collection method | |
Das et al. | International articles: Bubbles in south African house prices and their impact on consumption | |
Qu et al. | Does IFRS convergence improve quality of accounting information? Evidence from the Chinese stock market | |
Rahman et al. | Impact of financial ratios on non-performing loans of publicly traded commercial banks in Bangladesh | |
Di Maggio et al. | Partial deregulation and competition: Effects on risky mortgage origination | |
Golubeva | Maximising international returns: Impact of IFRS on foreign direct investments | |
Radović et al. | The Importance of Implementation of Internal Audit in Enterprises Founded by the Republic of Serbia Local Self-government Units. | |
Beer et al. | Are income and credit scores highly correlated? | |
Veerakumar | Non-performing assets in priority sector: A threat to Indian scheduled commercial banks | |
Li | Gender-related differences in credit use and credit scores | |
Dahl et al. | The community reinvestment act and targeted mortgage lending | |
CN111080432B (zh) | 用于不动产借贷的多渠道借贷信息引流和处理系统 | |
Jatana et al. | Green banking and profitability: An empirical study of Indian commercial banks | |
CN109711963B (zh) | 穿透式全透明高效不动产网络借贷信息中介平台系统 | |
Fu | Competition in Chinese commercial banking | |
Liberti | How does organizational form matter? Distance, communication and soft information | |
Septiarini et al. | Capital Buffer, Risk, Profitability, Size, and Macroeconomics: Empirical Study on Islamic Banks | |
Wang et al. | The predicting power of soft information on defaults in the Chinese P2P lending market | |
Billings et al. | The erosion of homeownership and minority wealth | |
Huszár et al. | Does mandatory disclosure affect subprime lending to minority neighborhoods? | |
Merchant et al. | Did the Pandemic Change Who Became Behind on Rent? Characteristics of Renters Behind on Rent Before and After the Pandemic Onset | |
CN111080430A (zh) | 用于不动产借贷的在线公证出证的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |