CN111160695A - 计算机运行的风险账户的识别方法、系统、装置及存储介质 - Google Patents
计算机运行的风险账户的识别方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN111160695A CN111160695A CN201911149324.0A CN201911149324A CN111160695A CN 111160695 A CN111160695 A CN 111160695A CN 201911149324 A CN201911149324 A CN 201911149324A CN 111160695 A CN111160695 A CN 111160695A
- Authority
- CN
- China
- Prior art keywords
- risk
- sub
- identification
- identification model
- risk score
- 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
Images
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种风险账户的识别方法、系统、装置及存储介质,其中,所述识别方法包括:通过对公账户信息数据库获取支付账户的全量交易记录;将所述全量交易记录投入预先构建的风险识别模型,获取风险得分;将所述风险得分与预设的阈值进行比较;若所述风险得分大于所述阈值,则标记所述支付账户为风险账户。采用本发明可以实现对账户的批量化分析,主动、及时识别疑似无证提供支付服务的风险点,同时,全量交易记录数据为风险识别提供大数据基础支撑,提高了识别的准确率。
Description
技术领域
本发明涉及计算机应用技术领域,更为具体而言,涉及一种计算机运行的风险账户的识别方法、系统、装置及存储介质。
背景技术
随着信息技术日新月异的发展,支付服务技术深入人们日常生活的每一个角落。支付服务是指金融机构和非金融机构在收付款人之间作为中介机构提供货币资金转移服务,转移形式包括网络支付、预付卡的发行与受理、银行卡收单等。法律规定,非金融机构提供支付服务,应当取得《支付业务许可证》,成为支付机构。
目前,有一部分公司虽然在银行开立对公结算账户,但未取得《支付业务许可证》,违规为第三方提供支付服务。这样的支付账户存在极大的金融风险,如洗钱、传销、诈骗等。
当前,银行识别上述违规提供支付服务的支付账户手段主要是上门检查或暗访,包括查看公司是否正常营业、银行支付机具是否正常使用、交易记录是否有异常等,以确定巡检对象的账务记录是否属于合法经营所产生的,从而确定该公司是否存在违规提供支付服务的行为。
但是,上述风险识别手段受银行员工业务能力、违规公司逃避检查的能力等因素影响,不仅无法批量排查,且耗时低效、成本较高,还存在着识别准确率低的缺点。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种计算机运行的风险账户的识别方法、系统、装置及存储介质,实现对账户的自动批量化分析。
根据本发明的实施方式,提供了一种计算机运行的风险账户的识别方法,所述识别方法包括:通过对公账户信息数据库获取支付账户的全量交易记录;将所述全量交易记录投入预先构建的风险识别模型,获取风险得分;将所述风险得分与预设的阈值进行比较;若所述风险得分大于所述阈值,则标记所述支付账户为风险账户。
在本发明的一些实施方式中,所述将所述全量交易记录投入预先构建的风险识别模型,获取风险得分包括:据所述全量交易记录获取交易要素数据;将所述交易要素数据投入预先构建的所述风险识别模型,获取所述风险得分。
在本发明的一些实施方式中,所述交易要素数据至少包括支付账户信息数据、收款账户信息数据、资金转移方向数据、时间数据和金额数据。
在本发明的一些实施方式中,所述风险识别模型包括多个子模型;所述将所述全量交易记录投入预先构建的风险识别模型,获取风险得分包括:将所述全量交易记录分别投入所述多个子模型,获取多个子得分;根据所述多个子得分获取所述风险得分。
在本发明的一些实施方式中,所述多个子模型至少包括反洗钱识别模型、反二清识别模型、反诈骗识别模型和反虚假交易识别模型。
在本发明的一些实施方式中,根据以下方法计算所述风险得分:Z=M1Z1+M2Z2+…+MxZx+…+MnZn;其中,Z表示所述风险得分,Zx表示通过第x个子模型计算所得的子得分,Mx表示所述第x个子模型的权重,n表示子模型的个数;M1+M2+…+Mx+…+Mn=1。
同时,本发明提供了一种计算机运行的风险账户的识别系统,所述识别系统包括:获取模块,用于通过对公账户信息数据库获取支付账户的全量交易记录;计算模块,用于将所述全量交易记录投入预先构建的风险识别模型,获取风险得分;识别模块,用于将所述风险得分与预设的阈值进行比较,若所述风险得分大于所述阈值,则标记所述支付账户为风险账户。
在本发明的一些实施方式中,所述计算模块用于:根据所述全量交易记录获取交易要素数据;将所述交易要素数据投入预先构建的所述风险识别模型,获取所述风险得分。
在本发明的一些实施方式中,所述交易要素数据至少包括支付账户信息数据、收款账户信息数据、资金转移方向数据、时间数据和金额数据。
在本发明的一些实施方式中,所述风险识别模型包括多个子模型;所述将所述全量交易记录投入预先构建的风险识别模型,获取风险得分包括:将所述全量交易记录分别投入所述多个子模型,获取多个子得分;根据所述多个子得分获取所述风险得分。
在本发明的一些实施方式中,所述多个子模型至少包括反洗钱识别模型、反二清识别模型、反诈骗识别模型和反虚假交易识别模型。
在本发明的一些实施方式中,所述计算模块根据以下方法计算所述风险得分:Z=M1Z1+M2Z2+…+MxZx+…+MnZn;其中,Z表示所述风险得分,Zx表示通过第x个子模型计算所得的子得分,Mx表示所述第x个子模型的权重,n表示子模型的个数;M1+M2+…+Mx+…+Mn=1。
此外,本发明实施方式提供了一种计算机运行的风险账户的识别装置,包括存储器和处理器,所述存储器用于存储一条或多条计算机可读指令;所述处理器用于执行所述一条或多条计算机可读指令从而实现前述任一项的识别方法。
本发明实施方式还提供了一种计算机存储介质,存储有一条或多条计算机程序,所述一条或多条计算机程序在执行时实现前述任一项的识别方法。
本发明通过预设的风险识别模型对未取得《支付业务许可证》的支付账户的全量交易记录进行分析计算,实现对账户的批量化分析,可以主动、及时识别疑似无证提供支付服务的风险账户。同时,全量交易记录数据为风险识别提供大数据基础支撑,提高了识别的准确率。并且,借助大数据处理手段,将识别结果进行及时反馈,辅助风险管理决策,可以有效阻断后续风险事件。
附图说明
为了便于理解本发明,以下通过具体实施方式并结合附图对本发明进行具体说明。
图1是根据本发明实施方式的一种计算机运行的风险账户的识别方法的流程示意图;
图2是根据本发明实施方式的一种计算机运行的风险账户的识别系统的框图。
具体实施方式
以下结合附图和具体实施方式对本发明的各个方面进行详细阐述。其中,众所周知的模块、单元及其相互之间的连接、链接、通信或操作没有示出或未作详细说明。并且,所描述的特征、架构或功能可在一个或一个以上实施方式中以任何方式组合。本领域技术人员应当理解,下述的各种实施方式只用于举例说明,而非用于限制本发明的保护范围。还可以容易理解,本文所述和附图所示的各实施方式中的模块或单元或处理方式可以按各种不同配置进行组合和设计。
图1是根据本发明实施方式的一种计算机运行的风险账户的识别方法的流程示意图,在本发明的实施方式中,参照图1,该方法包括:
100:通过对公账户信息数据库获取支付账户的全量交易记录;
102:将全量交易记录投入预先构建的风险识别模型,获取风险得分;
104:将风险得分与预设的阈值进行比较;
106:风险得分是否大于阈值,若是,则执行108;
108:标记支付账户为风险账户。
在本发明的实施方式中,该对公账户信息数据库可以为除去已获得《支付业务许可证》和其他白名单公司外,在银行开设有对公账户的公司的支付账户的数据库,每个支付账户有一个唯一的商户编号作为识别编号。
在可选的实施方式中,该对公账户信息数据库可以实时更新,以全面覆盖可疑账户,并提高识别效率。
在本发明的实施方式中,步骤102可以通过以下方式实现:
根据全量交易记录获取交易要素数据,将交易要素数据投入预先构建的风险识别模型,获取风险得分。其中,交易要素数据至少包括支付账户信息数据、收款账户信息数据、资金转移方向数据、时间数据和金额数据。
为了提高识别效率,且精准识别支付账户的风险类别,在本实施方式中,风险识别模型可以包括多个子模型,例如:反洗钱识别模型、反二清识别模型、反诈骗识别模型和反虚假交易识别模型。在可选的实施方式中,子模型的类别和数量可以随监管要求进行变化。
基于此,步骤102可以通过以下方式实现:
将全量交易记录分别投入所述多个子模型,获取多个子得分;根据多个子得分获取风险得分。
具体的,对每个子模型根据其各自的违规程度设置权重,在取得各个子模型的子得分后,综合其权重得出风险得分。在本发明的一些实施方式中,给出一种根据多个子得分获取风险得分的方法,具体如下:
Z=M1Z1+M2Z2+…+MxZx+…+MnZn;
其中,Z表示风险得分,Zx表示通过第x个子模型计算所得的子得分,Mx表示第x个子模型的权重,n表示子模型的个数;
M1+M2+…+Mx+…+Mn=1。
例如,风险识别模型包括反洗钱识别模型、反二清识别模型、反诈骗识别模型和反虚假交易识别模型,其权重分别为:0.3、0.4、0.2、0.1。经过计算,反洗钱识别模型的子得分为80、反二清识别模型的子得分为76、反诈骗识别模型的子得分为50、反虚假交易识别模型的子得分为90。则,风险得分Z=0.3*80+0.4*76+0.2*50+0.1*90=73.4。
同样的,为了提高识别精准率,在不同的子模型中,也可以通过对不同的交易要素数据设置不同的权重,从而综合计算出更加精准的子得分。在可选的实施的方式中,每个子模型可以选择与自身密切相关的交易要素数据作为输入数据,剔除与自身无关的交易要素数据以减少计算量,提高处理效率。
在本发明的一些实施方式中,在确定支付账户为风险账户后,对其进行标记,并将处理结果推送至风险管理的终端上。
本发明通过预设的风险识别模型对未取得《支付业务许可证》的支付账户的全量交易记录进行分析计算,实现对账户的批量化分析,可以主动、及时识别疑似无证提供支付服务的风险账户。同时,全量交易记录数据为风险识别提供大数据基础支撑,提高了识别的准确率。并且,借助大数据处理手段,将识别结果进行及时反馈,辅助风险管理决策,可以有效阻断后续风险事件。
图2是根据本发明实施方式的一种计算机运行的风险账户的识别系统1的框图,参照图2,该识别系统1包括:获取模块11,用于通过对公账户信息数据库获取支付账户的全量交易记录;计算模块12,用于将全量交易记录投入预先构建的风险识别模型,获取风险得分;识别模块13,用于将风险得分与预设的阈值进行比较,若风险得分大于所述阈值,则标记该支付账户为风险账户。
在本发明的实施方式中,计算模块12将全量交易记录投入预先构建的风险识别模型,获取风险得分包括:根据全量交易记录获取交易要素数据;将交易要素数据投入预先构建的所述风险识别模型,获取所述风险得分。其中,交易要素数据至少包括支付账户信息数据、收款账户信息数据、资金转移方向数据、时间数据和金额数据。
在本发明的实施方式中,风险识别模型包括多个子模型;计算模块12将所述全量交易记录投入预先构建的风险识别模型,获取风险得分包括:将全量交易记录分别投入多个子模型,获取多个子得分;根据多个子得分获取风险得分。其中,多个子模型至少包括反洗钱识别模型、反二清识别模型、反诈骗识别模型和反虚假交易识别模型。
在可选的实施方式中,计算模块12根据以下方法计算风险得分:
Z=M1Z1+M2Z2+…+MxZx+…+MnZn;
其中,Z表示风险得分,Zx表示通过第x个子模型计算所得的子得分,Mx表示第x个子模型的权重,n表示子模型的个数;
M1+M2+…+Mx+…+Mn=1。
可选的,本发明实施方式提供了一种计算机运行的风险账户的识别装置,该状态监控装置包括存储器,用于存储一条或多条计算机可读指令;处理器,用于执行所述一条或多条计算机可读指令从而实现本发明前述实施方式或实现方式所提供的风险账户的识别方法。可选地,在本发明实施方式的一种实现方式中,所述适用于加密机的状态监控装置还可以包括用于进行数据通信的输入输出接口。例如,所述处理装置可以是计算机、智能终端、服务器等。
本发明实施方式还提供了一种计算机存储介质,存储有一条或多条计算机程序,用于在执行时实现本发明前述实施方式或实现方式提供的风险账户的识别方法。例如,所述存储介质可以包括硬盘、软盘、光盘、磁带、磁盘、优盘、闪存等。
虽然本文举例描述了一些实施方式,但是,在不脱离本发明实质的前提下,可以对这些实施方式进行各种变形,所有这些变形仍属于本发明的构思,并且落入本发明权利要求所限定的保护范围。
本文所公开的具体实施方式仅用于举例说明本发明,对于本领域技术人员而言,显然可以根据本文的教导进行各种修改,可以采用各种等同的方式实施本发明,因此,本发明上述公开的特定的实施方式仅仅是示例性的,其保护范围不受在此公开的结构或设计的细节所限,除非在权利要求中另有说明。因此,上述公开的特定的示例性的实施方式可进行各种替换、组合或修改,其所有的变形都落入本文公开的范围内。在缺少本文没有具体公开的任何元件或缺少本文公开的任选的部件的情况下,本文示例性公开的计算机运行的风险账户的识别方法、系统、装置及存储介质仍可适当地实施。上述公开的所有的数值和范围也可进行一定变化。每当公开了具有下限和上限的数值范围,落入此范围内的任何数值及任何被包含的范围都被具体地公开了。具体而言,本文公开的数值的任一范围均可理解为列举了包含在较宽数值范围内的任一数值和范围。同样,除非申请人明确且清楚地另有定义,权利要求中的术语具有它们的清楚、通常的含义。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件结合硬件平台的方式来实现。基于这样的理解,本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施方式或者实施方式的某些部分所述的方法。
此外,权利要求书中的部件的数量包括一个或至少一个,除非另有说明。如果本发明中的用词或术语与其它文献中的用法或含义存在不一致,则应当以与本发明所定义的为准。
Claims (14)
1.一种计算机运行的风险账户的识别方法,其特征在于,所述识别方法包括:
通过对公账户信息数据库获取支付账户的全量交易记录;
将所述全量交易记录投入预先构建的风险识别模型,获取风险得分;
将所述风险得分与预设的阈值进行比较;
若所述风险得分大于所述阈值,则标记所述支付账户为风险账户。
2.如权利要求1所述的识别方法,其特征在于,所述将所述全量交易记录投入预先构建的风险识别模型,获取风险得分包括:
根据所述全量交易记录获取交易要素数据;
将所述交易要素数据投入预先构建的所述风险识别模型,获取所述风险得分。
3.如权利要求2所述的识别方法,其特征在于,所述交易要素数据至少包括支付账户信息数据、收款账户信息数据、资金转移方向数据、时间数据和金额数据。
4.如权利要求1所述的识别方法,其特征在于,
所述风险识别模型包括多个子模型;
所述将所述全量交易记录投入预先构建的风险识别模型,获取风险得分包括:
将所述全量交易记录分别投入所述多个子模型,获取多个子得分;
根据所述多个子得分获取所述风险得分。
5.如权利要求4所述的识别方法,其特征在于,所述多个子模型至少包括反洗钱识别模型、反二清识别模型、反诈骗识别模型和反虚假交易识别模型。
6.如权利要求4所述的识别方法,其特征在于,根据以下方法计算所述风险得分:
Z=M1Z1+M2Z2+…+MxZx+…+MnZn;
其中,Z表示所述风险得分,Zx表示通过第x个子模型计算所得的子得分,Mx表示所述第x个子模型的权重,n表示子模型的个数;
M1+M2+…+Mx+…+Mn=1。
7.一种计算机运行的风险账户的识别系统,其特征在于,所述识别系统包括:
获取模块,用于通过对公账户信息数据库获取支付账户的全量交易记录;
计算模块,用于将所述全量交易记录投入预先构建的风险识别模型,获取风险得分;
识别模块,用于将所述风险得分与预设的阈值进行比较,若所述风险得分大于所述阈值,则标记所述支付账户为风险账户。
8.如权利要求7所述的识别系统,其特征在于,所述计算模块用于:
根据所述全量交易记录获取交易要素数据;
将所述交易要素数据投入预先构建的所述风险识别模型,获取所述风险得分。
9.如权利要求8所述的识别系统,其特征在于,所述交易要素数据至少包括支付账户信息数据、收款账户信息数据、资金转移方向数据、时间数据和金额数据。
10.如权利要求7所述的识别系统,其特征在于,
所述风险识别模型包括多个子模型;
所述将所述全量交易记录投入预先构建的风险识别模型,获取风险得分包括:
将所述全量交易记录分别投入所述多个子模型,获取多个子得分;
根据所述多个子得分获取所述风险得分。
11.如权利要求10所述的识别系统,其特征在于,所述多个子模型至少包括反洗钱识别模型、反二清识别模型、反诈骗识别模型和反虚假交易识别模型。
12.如权利要求10所述的识别系统,其特征在于,所述计算模块根据以下方法计算所述风险得分:
Z=M1Z1+M2Z2+…+MxZx+…+MnZn;
其中,Z表示所述风险得分,Zx表示通过第x个子模型计算所得的子得分,Mx表示所述第x个子模型的权重,n表示子模型的个数;
M1+M2+…+Mx+…+Mn=1。
13.一种计算机运行的风险账户的识别装置,包括存储器和处理器,其特征在于,
所述存储器用于存储一条或多条计算机可读指令;
所述处理器用于执行所述一条或多条计算机可读指令以实现如权利要求1-6中任一项所述的方法。
14.一种计算机存储介质,存储有一条或多条计算机程序,其特征在于,所述一条或多条计算机程序在被处理器执行时实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911149324.0A CN111160695A (zh) | 2019-11-21 | 2019-11-21 | 计算机运行的风险账户的识别方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911149324.0A CN111160695A (zh) | 2019-11-21 | 2019-11-21 | 计算机运行的风险账户的识别方法、系统、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111160695A true CN111160695A (zh) | 2020-05-15 |
Family
ID=70556075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911149324.0A Pending CN111160695A (zh) | 2019-11-21 | 2019-11-21 | 计算机运行的风险账户的识别方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160695A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113807853A (zh) * | 2020-11-12 | 2021-12-17 | 中科金审(北京)科技有限公司 | 一种经济犯罪识别方法 |
CN114708090A (zh) * | 2022-06-06 | 2022-07-05 | 广州番禺职业技术学院 | 基于大数据的银行支付业务风险识别装置 |
CN114723554A (zh) * | 2022-06-09 | 2022-07-08 | 中国工商银行股份有限公司 | 异常账户识别方法及装置 |
-
2019
- 2019-11-21 CN CN201911149324.0A patent/CN111160695A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113807853A (zh) * | 2020-11-12 | 2021-12-17 | 中科金审(北京)科技有限公司 | 一种经济犯罪识别方法 |
CN114708090A (zh) * | 2022-06-06 | 2022-07-05 | 广州番禺职业技术学院 | 基于大数据的银行支付业务风险识别装置 |
CN114723554A (zh) * | 2022-06-09 | 2022-07-08 | 中国工商银行股份有限公司 | 异常账户识别方法及装置 |
CN114723554B (zh) * | 2022-06-09 | 2022-09-23 | 中国工商银行股份有限公司 | 异常账户识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210374756A1 (en) | Methods and systems for generating rules for unseen fraud and credit risks using artificial intelligence | |
CA2615683C (en) | Identification and risk evaluation | |
Eze et al. | Electronic banking and profitability of commercial banks in Nigeria | |
CN111461857A (zh) | 中小银行个人线上信贷方法、装置、系统、设备和介质 | |
CN111160695A (zh) | 计算机运行的风险账户的识别方法、系统、装置及存储介质 | |
CN111353901A (zh) | 风险识别监控方法、装置以及电子设备 | |
CN110533521A (zh) | 动态贷后预警方法、装置、设备及可读存储介质 | |
CN105956824A (zh) | 一种业务数据申请评估方法及装置 | |
US20090210327A1 (en) | System and method for cash flow prediction | |
CN110020795A (zh) | 用于基金收益发放风险控制的方法及装置 | |
CN110910002B (zh) | 一种应收账款违约风险识别方法及系统 | |
US10699335B2 (en) | Apparatus and method for total loss prediction | |
CN105956919A (zh) | 一种业务数据申请评估方法及装置 | |
JP6423031B2 (ja) | 情報処理装置及びプログラム | |
JP6760875B2 (ja) | 口座管理装置及びプログラム | |
JP6760874B2 (ja) | 情報処理装置及びプログラム | |
CN110570301B (zh) | 风险识别方法、装置、设备及介质 | |
JP6766023B2 (ja) | 情報処理装置及びプログラム | |
CN113807943A (zh) | 一种不良资产的多因子估值方法及系统、介质、设备 | |
KR20210078743A (ko) | 회계 자동화 방법 및 시스템 | |
CN111709834A (zh) | 黑名单的设置方法及装置、电子设备、计算机存储介质 | |
JP7016394B2 (ja) | 情報処理装置及びプログラム | |
CN118297686B (zh) | 一种金融业务智能审单方法及系统、电子设备 | |
CN118735709A (zh) | 一种基于银企对接系统的企业财务风险识别方法和存储介质 | |
WO2021229572A1 (en) | Cheques validation system and validation method thereof |
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: 20200515 |