CN111429258A - 一种监测贷款资金流向的方法和装置 - Google Patents

Abstract

本发明公开了监测贷款资金流向的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括获取贷款账户的支用金额和交易金额，确定支用金额和交易金额均大于或等于预设预警阈值且贷款账户中存在交易后的存款账户余额小于支用金额；提取交易流水数据中的目标属性值，基于预设的标签数据库如果在目标属性值中查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序。从而，本发明的实施方式能够解决现有针对贷款资金流向的监测困难、效率低下的问题。

Description

一种监测贷款资金流向的方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种监测贷款资金流向的方法和装置。

背景技术

消费信贷(消费信贷指银行等金融机构向自然人发放的用于以生活为消费目的的贷款，主要用于诸如购车、装修、教育、医疗、保健、养老、留学、旅游等消费场景，但不得用于购房、投资或经营等用途。)业务呈现迅猛上升势头，规模爆发式增长的背后却存在许多风险隐患，据公开数据显示，仅2017年前七个月，居民新增消费贷款1.06万亿元，累计同比多增了7137亿元，远超2016年8305亿元的水平，而国家统计局公布的同期社会消费品零售总额的增速不仅没有相应的涨幅，反而同比增速还创下了新低，说明发放的消费信贷资金并没有真正的投入到消费市场，而是绕向了其他领域。一旦大量的消费信贷资金汇聚于房地产、证券等市场，将助推资产类价格狂涨，加速资产泡沫膨胀，势必会严重破坏国家金融体系的正常运转。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

目前，对资金用途(资金用途是指贷款资金用于解决生产经营活动哪一方面的资金需要，从而用在再生产过程哪个环节上的一种使用方式。)的监控方式是通过借款方提供支用发票的线下方式进行，这种方式耗时耗力，给银行业务人员带来了很多重复性的劳动，存在较高的人工干预风险，不利于银行的风险管控。并且，贷后管理人员需要主动跟踪贷款客户的资金流向，存在风险滞后现象。同时，风险管控逻辑较为简单，运用的数据维度较少，准确性不够。

发明内容

有鉴于此，本发明实施例提供一种监测贷款资金流向的方法和装置，能够解决现有针对贷款资金流向的监测困难、效率低下的问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种监测贷款资金流向的方法，包括获取贷款账户的支用金额和交易金额，确定支用金额和交易金额均大于或等于预设预警阈值且贷款账户中存在交易后的存款账户余额小于支用金额；提取交易流水数据中的目标属性值，基于预设的标签数据库如果在目标属性值中查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序。

可选地，获取贷款账户的支用金额和交易金额之前，包括：

获取贷款账户中的支用明细，识别当前时间点所在的监测周期内贷款账户状态信息为目标状态值，或者查找到贷款支用日至所在的监测周期结束之间贷款余额信息中存在预设数额，则取消对所述贷款账户的监测程序。

可选地，还包括：

根据预设的预警阈值层级表，确定支用金额和交易金额均大于或等于预警阈值的所属层级，且贷款账户中存在交易后的存款账户余额小于支用金额；

提取交易流水数据中的目标属性值，基于所属层级的标签数据库如果查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序。

可选地，将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别之后，还包括：

根据查找到的标签信息，对得到的预警级别标记流向信息；

基于流向信息，向对应的交易渠道系统发送预警消息。

可选地，包括：

采用训练好的决策树模型作为识别模型，其中在训练决策树模型时通过ROC曲线和GINI系数对决策树模型进行预测效果的评价，进而优化决策树模型。

另外，本发明还提供了一种监测贷款资金流向的装置，包括获取模块，用于获取贷款账户的支用金额和交易金额，确定支用金额和交易金额均大于或等于预设预警阈值且贷款账户中存在交易后的存款账户余额小于支用金额；处理模块，用于提取交易流水数据中的目标属性值，基于预设的标签数据库如果在目标属性值中查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序。

可选地，所述获取模块获取贷款账户的支用金额和交易金额之前，还包括：

获取贷款账户中的支用明细，识别当前时间点所在的监测周期内贷款账户状态信息为目标状态值，或者查找到贷款支用日至所在的监测周期结束之间贷款余额信息中存在预设数额，则取消对所述贷款账户的监测程序。

可选地，所述获取模块，还用于：

根据预设的预警阈值层级表，确定支用金额和交易金额均大于或等于预警阈值的所属层级，且贷款账户中存在交易后的存款账户余额小于支用金额；

所述处理模块，还用于：

提取交易流水数据中的目标属性值，基于所属层级的标签数据库如果查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序。

上述发明中的一个实施例具有如下优点或有益效果：因为采用获取贷款账户的支用金额和交易金额，确定支用金额和交易金额均大于或等于预设预警阈值且贷款账户中存在交易后的存款账户余额小于支用金额；提取交易流水数据中的目标属性值，基于预设的标签数据库如果在目标属性值中查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序的技术手段，所以克服了现有贷款资金流向的监测困难、效率低下的技术问题。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明第一实施例的监测贷款资金流向的方法的主要流程的示意图；

图2是根据本发明第二实施例的监测贷款资金流向的方法的主要流程的示意图；

图3是根据本发明实施例的监测贷款资金流向的装置的主要模块的示意图；

图4是本发明实施例可以应用于其中的示例性系统架构图；

图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明第一实施例的监测贷款资金流向的方法的主要流程的示意图，如图1所示，所述监测贷款资金流向的方法包括：

步骤S101，获取贷款账户的支用金额和交易金额，确定支用金额和交易金额均大于或等于预设预警阈值且贷款账户中存在交易后的存款账户余额小于支用金额。

在实施例中，支用金额是贷款发放后贷款账户使用的额度，例如快贷隶属消费贷，支用金额就是指支用金额：交易后的存款账户余额是$100000，支用金额是$150000。其中，快贷是指个人客户全流程线上自主贷款，客户可通过电子渠道在线完成贷款，包括实时申请、批贷、签约支用和还款的一种贷款方式。而支用金额需要在借款人及配偶名下所有银行卡交易流水的一定区间内才满足条件，例如支用金额在借款人及配偶名下所有银行卡交易金额的0.8-1.5之间。

作为另一些实施例，获取贷款账户的支用金额和交易金额之前，可以获取贷款账户中的支用明细，识别当前时间点所在的监测周期内贷款账户状态信息为目标状态值，或者查找到贷款支用日至所在的监测周期结束之间贷款余额信息中存在预设数额，则取消对所述贷款账户的监测程序，即不在执行步骤S101和步骤S102。

在具体地实施例中，获取贷款账户的支用金额和交易金额之前，可以获取贷款账户中的支用明细，判断当前时间点所在的监测周期内(例如以月为一个监测周期，此处为当月月底)贷款账户状态信息是否为目标状态值(例如目标状态值为销户)，若是则取消对所述贷款账户的监测程序，否则继续执行步骤S101和步骤S102。

或者，获取贷款账户的支用金额和交易金额之前，可以获取贷款账户中的支用明细，判断贷款支用日至所在的监测周期结束(例如以月为一个监测周期，此处为当月月底)之间贷款余额信息中是否存在预设数额(例如数额为0)，若是则取消对所述贷款账户的监测程序，否则继续执行步骤S101和步骤S102。

步骤S102，提取交易流水数据中的目标属性值，基于预设的标签数据库如果在目标属性值中查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序。

在实施例中，输入至预设的识别模型中的用户信息、账户信息和交易流水数据分别可以为：用户信息包括但不限于用户职业、年龄、收入、家庭住址、所属行业等基本属性。账户信息包括但不限于账户状态、贷款状态、开户时间、拖欠期数、拖欠金额等。交流流水信息包括但不限于交易次数、交易金额、交易对手所属行业、交易时间等。

在一些实施例中，步骤S101根据预设的预警阈值层级表，确定支用金额和交易金额均大于或等于预警阈值的所属层级，且贷款账户中存在交易后的存款账户余额小于支用金额。那么步骤S102提取交易流水数据中的目标属性值，基于所属层级的标签数据库如果查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序。

例如：预设的预警阈值层级表包括：第一层级：10000元；第二层级：3000元；第三层级：1000元。

如果支用金额和交易金额均大于或等于10000元的所属第一层级，且贷款账户中存在交易后的存款账户余额小于支用金额。那么执行步骤S102提取交易流水数据中的目标属性值，基于所属层级的标签数据库如果查找到相应的标签信息时，例如：场景1)根据资金转出交易摘要(即目标属性值)筛选出交易备注包含首付、首付款、房款(即标签信息)等字段的交易明细。场景2)资金转入账户名称(即目标属性值)中包含中介、房地产、房产、住房、置业、开发(即标签信息)等字段，且不包含公积金，暂挂户，住房基金，虚拟户，过渡户。场景3)资金转入公司账户名称或账号(即目标属性值)与我行个贷系统合作方(合作方类型为“住房置业担保公司”、“担保公司”、“评估公司”、“房地产开发商”、“房屋中介公司”、“住房置换公司”等)名称或账号相同(即标签信息)。场景4)资金转入账户(交易对手账户)名称或账号(即目标属性值)与我行个贷系统合作方(合作方类型为“住房置业担保公司”、“担保公司”、“评估公司”、“房地产开发商”、“房屋中介公司”、“住房置换公司”等)法人代表名下所有活期存款账户的名称或账号相同(即标签信息)。场景5)资金转入公司账户(交易对手账户)名称或账号(即目标属性值)与我行对公贷款房地产企业名称或账号(即标签信息)一致。场景6)资金在商户POS中MCC码值(即目标属性值)的标签信息为1520(一般承包商－住宅与商业楼)、7013(不动产代理--房地产经纪)。

如果支用金额和交易金额均大于或等于3000元的所属第一层级，且贷款账户中存在交易后的存款账户余额小于支用金额。那么执行步骤S102提取交易流水数据中的目标属性值，基于所属层级的标签数据库如果查找到相应的标签信息时，例如：场景7)根据资金转出交易摘要(即目标属性值)筛选出交易代码表值的标签信息为0031(证券业务)、0227(银证转账应收款)、0228(银证转账应付款)、0273(划转建银投资)、0259(证券资金清算)、0023(银证转账)、0223(银证转账)、0229(银证通)、0230(银期转账)、0173(个人外汇买卖)的交易明细；或根据资金转出交易摘要筛选出交易备注包含理财、证券、基金、国债、贵金属、期货、保险、信托、申购等字段的交易明细。场景8)资金转入账户(交易对手账户)名称(即目标属性值)中包含标签信息：证券、期货、保险、基金、担保、小额、贷款、典当行、投资、资产管理、彩票、置业、信托、财富管理、消费金融、资产交易(且不包含公积金，住房公积金，暂挂户，住房基金，虚拟户，过渡户，平账户)。场景9)资金转入公司账户(交易对手账户)名称或账号(即目标属性值)与我行个贷系统合作方(合作方类型为“保险公司”、“委托基金公司”)名下所有活期账户名称或账号(即标签信息)相同。场景10)资金转入账户(交易对手账户)名称或账号(即目标属性值)与我行个贷系统合作方(合作方类型为“保险公司”、“委托基金公司”)法人代表的名称或账号(即标签信息)相同。场景11)资金在商户POS中MCC码值(即目标属性值)的标签信息为6300(保险销售、保险业和保险金)、5960(直销－保险直销)、6211(证券公司－经纪人和经销商)类中发生交易的。

如果支用金额和交易金额均大于或等于1000元的所属第一层级，且贷款账户中存在交易后的存款账户余额小于支用金额。那么执行步骤S102提取交易流水数据中的目标属性值，基于所属层级的标签数据库如果查找到相应的标签信息时，例如：场景12)根据资金转出交易摘要(即目标属性值)筛选出交易备注包含彩票(即标签信息)字段的交易明细。场景13)资金在商户POS中MCC码值(即目标属性值)的标签信息为7995(彩票销售)类中发生交易的。

进一步地实施例，将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别之后，还包括：

根据查找到的标签信息，对得到的预警级别标记流向信息；基于流向信息，向对应的交易渠道系统发送预警消息。例如：应用于1-6的场景，在监测输出内容的“问题类型”字段中标记流向信息为“房地产”，然后向涉及房地产的交易渠道系统发送预警消息，预警消息中可以包括用户信息和账户信息等等。还例如：应用于场景7-11，在监测输出内容的“问题类型”字段中标记流向信息为“其他”。应用于场景12-13，在监测输出内容的“问题类型”字段中标记流向信息为“彩票”。

还值得说明的是，可以从监测输出结果中剔除包括预设属性值的结果，例如：从监测输出结果中剔除资金转入账户名称为“支付宝-天弘基金管理有限公司”、“支付宝-重庆市阿里巴巴小额贷款有限公司”、“支付宝-重庆市阿里小微小额贷款有限公司”、“支付宝-重庆市蚂蚁商城小额贷款有限公司”。

作为另一些实施例，本发明采用训练好的决策树模型作为识别模型，即通过决策树模型进行贷款资金流向的分类和预测，以得到预警级别。其中在训练决策树模型时通过ROC曲线和GINI系数对决策树模型进行预测效果的评价，进而优化决策树模型。ROC曲线是指在特定刺激条件下，以被试在不同判断标准下所得的虚报概率P(y/N)为横坐标，以击中概率P(y/SN)为纵坐标，画得的各点的连线。GINI系数最大为“1”，最小等于“0”，越接近0表明收入分配越是趋向平等。

其中，ROC曲线用于X对Y的预测准确率情况，曲线越接近左上角(即X越小，Y越大)，预测准确率越高。

GINI系数用于决策树模型风险区分能力进行评估。GINI系数统计值衡量坏账户数在好账户数上的累积分布与随机分布曲线之间的面积，好账户与坏账户分布之间的差异越大，GINI指标越高，表明决策树模型的风险区分能力越强。具体地，GINI系数的计算步骤包括：计算每个评分区间的好坏账户数。然后，计算每个评分区间的累计好账户数占总好账户数比率(累计good％)和累计坏账户数占总坏账户数比率(累计bad％)。按照累计好账户占比和累计坏账户占比得出曲线ADC。计算曲线ADC中阴影部分面积，阴影面积占直角三角形ABC面积的百分比，即为GINI系数。

两者是是评价模型好坏的指标。本模型结合两者指标，来综合判断某特征因子对模型预测准确性的影响因素，进而对模型的特征进行选择。

在一些实施例中，得到预警级别进而执行相应的风控程序。例如：预警级别设置有：A、B、C三级，相应的风控程序：上级风控管理(即对贷款账户进行的每一项业务处理都需发送请求至上一级进行风控处理)、限制贷款数额和年限、禁止贷款。对于预警级别和相应的风控程序可以根据实际业务需求进行配置。

需要说明的是，在将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别之前，需要对输入的数据进行加工预处理，包括对重复值进行剔除，缺失值根据历史数据进行补充等操作。并且，针对预处理后的输入数据选择权重占比、可解释性均高的因子作为识别模型的入参。

其中，权重占比是建立识别模型得到的数据结果，即入参的特征变量对识别模型的重要和贡献程度，根据识别模型对特征变量的需要选择权重占比较高的特征变量作为进入模型的最终变量。

可解释性高是指特征训练会根据预设规则训练出非常庞大数量级的特征数据，但一些数据特征是没有实际业务含义的，或者说从业务角度无法做出合理的解释，例如：训练处理的特征有：

家庭收入＝家庭成员月收入*12、平均逾期天数、年龄*3、总借款次数等，其中，年龄*3这个特征就属于可解释性较弱或无法合理解释的因子。

图2是根据本发明第二实施例的监测贷款资金流向的方法的主要流程的示意图，如图2所示，所述监测贷款资金流向的方法包括：

步骤S201，获取贷款账户中的支用明细。

步骤S202，判断当前时间点所在的监测周期内贷款账户状态信息是否为目标状态值，或者贷款支用日至所在的监测周期结束之间贷款余额信息中是否存在预设数额；若是则退出该流程，否则进行步骤S203。

步骤S203，判断支用金额和交易金额是否均大于或等于预设预警阈值且贷款账户中存在交易后的存款账户余额小于支用金额，若是则进行步骤S204，否则推出该流程。

步骤S204，提取交易流水数据中的目标属性值，基于预设的标签数据库判断是否查找到相应的标签信息，若是则进行步骤S205，否则推出该流程。

步骤S205，将用户信息、账户信息和交易流水信息输入至预设的决策树模型中以得到预警级别，进而执行相应的风控程序。

步骤S206，根据查找到的标签信息，对得到的预警级别标记流向信息，以基于流向信息向对应的交易渠道系统发送预警消息。

综上所述，本发明所述的监测贷款资金流向的方法，实现了自动化的规则预警和决策树预警两道防线，其准确性更高，基于多维度的大数据优势全方位跟踪客户获取贷款资金后的流向，结合个贷业务数据、小微企业数据、对公贷款数据、客户征信数据、交易流水数据、黑名单、风控数据等多维度的结构化和非结构化数据进行实体识别、语义转换，摆脱了传统的风险滞后现象。具体地，利用大数据分析技术，从客户数据到欺诈数据，再结合业务数据从多个维度深度挖掘贷款和客户等数据，建立全面的客户和外部关联人的信息库，设计复杂的处理机制。同时，在此基础之上继续采用机器学习方法决策树算法建立客户和资金之间的关联关系，采用有监督的学习方法来对可能产生资金用途不当的贷款进行感知并预测。

图3是根据本发明实施例的监测贷款资金流向的装置的主要模块的示意图，如图3所示，所述监测贷款资金流向的装置300包括获取模块301和处理模块302。其中，获取模块301获取贷款账户的支用金额和交易金额，确定支用金额和交易金额均大于或等于预设预警阈值且贷款账户中存在交易后的存款账户余额小于支用金额；处理模块302提取交易流水数据中的目标属性值，基于预设的标签数据库如果在目标属性值中查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序。

在一些实施例中，获取模块301获取贷款账户的支用金额和交易金额之前，包括：

获取贷款账户中的支用明细，识别当前时间点所在的监测周期内贷款账户状态信息为目标状态值，或者查找到贷款支用日至所在的监测周期结束之间贷款余额信息中存在预设数额，则取消对所述贷款账户的监测程序。

在一些实施例中，获取模块301根据预设的预警阈值层级表，确定支用金额和交易金额均大于或等于预警阈值的所属层级，且贷款账户中存在交易后的存款账户余额小于支用金额；

处理模块302提取交易流水数据中的目标属性值，基于所属层级的标签数据库如果查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序。

进一步地实施例，处理模块302将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别之后，还包括：

根据查找到的标签信息，对得到的预警级别标记流向信息；基于流向信息，向对应的交易渠道系统发送预警消息。

在一些实施例中，处理模块302采用训练好的决策树模型作为识别模型，其中在训练决策树模型时通过ROC曲线和GINI系数对决策树模型进行预测效果的评价，进而优化决策树模型。

需要说明的是，在本发明所述监测贷款资金流向的方法和所述监测贷款资金流向的装置在具体实施内容上具有相应关系，故重复内容不再说明。

图4示出了可以应用本发明实施例的监测贷款资金流向的方法或监测贷款资金流向的装置的示例性系统架构400。

如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备401、402、403可以是具有监测贷款资金流向的屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的监测贷款资金流向的方法一般由服务器405执行，相应地，计算装置一般设置于服务器405中。

应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图5，其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中，还存储有计算机系统500操作所需的各种程序和数据。CPU501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶监测贷款资金流向的器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括获取模块和处理模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括获取贷款账户的支用金额和交易金额，确定支用金额和交易金额均大于或等于预设预警阈值且贷款账户中存在交易后的存款账户余额小于支用金额；提取交易流水数据中的目标属性值，基于预设的标签数据库如果在目标属性值中查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序。

根据本发明实施例的技术方案，能够解决现有针对贷款资金流向的监测困难、效率低下的问题。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种监测贷款资金流向的方法，其特征在于，包括：

获取贷款账户的支用金额和交易金额，确定支用金额和交易金额均大于或等于预设预警阈值且贷款账户中存在交易后的存款账户余额小于支用金额；

提取交易流水数据中的目标属性值，基于预设的标签数据库如果在目标属性值中查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序。

2.根据权利要求1所述的方法，其特征在于，获取贷款账户的支用金额和交易金额之前，包括：

获取贷款账户中的支用明细，识别当前时间点所在的监测周期内贷款账户状态信息为目标状态值，或者查找到贷款支用日至所在的监测周期结束之间贷款余额信息中存在预设数额，则取消对所述贷款账户的监测程序。

3.根据权利要求1所述的方法，其特征在于，还包括：

根据预设的预警阈值层级表，确定支用金额和交易金额均大于或等于预警阈值的所属层级，且贷款账户中存在交易后的存款账户余额小于支用金额；

提取交易流水数据中的目标属性值，基于所属层级的标签数据库如果查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序。

4.根据权利要求3所述的方法，其特征在于，将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别之后，还包括：

根据查找到的标签信息，对得到的预警级别标记流向信息；

基于流向信息，向对应的交易渠道系统发送预警消息。

5.根据权利要求1-4任一所述的方法，其特征在于，包括：

采用训练好的决策树模型作为识别模型，其中在训练决策树模型时通过ROC曲线和GINI系数对决策树模型进行预测效果的评价，进而优化决策树模型。

6.一种监测贷款资金流向的装置，其特征在于，包括：

获取模块，用于获取贷款账户的支用金额和交易金额，确定支用金额和交易金额均大于或等于预设预警阈值且贷款账户中存在交易后的存款账户余额小于支用金额；

处理模块，用于提取交易流水数据中的目标属性值，基于预设的标签数据库如果在目标属性值中查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序。

7.根据权利要求6所述的装置，其特征在于，所述获取模块获取贷款账户的支用金额和交易金额之前，还包括：

获取贷款账户中的支用明细，识别当前时间点所在的监测周期内贷款账户状态信息为目标状态值，或者查找到贷款支用日至所在的监测周期结束之间贷款余额信息中存在预设数额，则取消对所述贷款账户的监测程序。

8.根据权利要求6所述的装置，其特征在于，所述获取模块，还用于：

根据预设的预警阈值层级表，确定支用金额和交易金额均大于或等于预警阈值的所属层级，且贷款账户中存在交易后的存款账户余额小于支用金额；

所述处理模块，还用于：

提取交易流水数据中的目标属性值，基于所属层级的标签数据库如果查找到相应的标签信息，则将用户信息、账户信息和交易流水信息输入至预设的识别模型中以得到预警级别，进而执行相应的风控程序。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。

Images