CN111742335A - 用于优化借款请求的分配的方法和系统 - Google Patents

用于优化借款请求的分配的方法和系统 Download PDF

Info

Publication number
CN111742335A
CN111742335A CN202080001358.XA CN202080001358A CN111742335A CN 111742335 A CN111742335 A CN 111742335A CN 202080001358 A CN202080001358 A CN 202080001358A CN 111742335 A CN111742335 A CN 111742335A
Authority
CN
China
Prior art keywords
entity
time period
user
previous time
projected
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
Application number
CN202080001358.XA
Other languages
English (en)
Inventor
刘赣
华致刚
王震
杨双红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Publication of CN111742335A publication Critical patent/CN111742335A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q40/08—Insurance

Abstract

本文提供了用于优化资源分配的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。所述方法可以包括：接收来自用户的资源请求；至少基于以下各项，遍历多个实体以获得每个实体的相应评分：该实体批准所述资源请求的预计批准率，该实体服务于所述资源请求的预计风险，以及应用于所述预计批准率和所述预计风险的一个或多个乘子；以及基于相应评分推荐所述多个实体中的一个实体来服务于所述用户的资源请求，其中，所述一个或多个乘子是通过求解基于先前时间段收集的历史数据构建的优化模型而获得的，所述历史数据包括所述多个实体在先前时间段内的预计批准率。

Description

用于优化借款请求的分配的方法和系统
技术领域
本公开总体上涉及用于优化借款请求的分配的系统和方法。
背景技术
资源分配通常寻求在各种约束条件下最大化用于分配的资源(例如，满足最大数量的资源请求)，所述约束条件例如为与一种资源相关联的限制(例如，一种商品的数量、一种服务的服务能力)、预定的风险承受能力(例如，银行可以要求借贷方满足最低信用分)、其他适合的约束条件或其任意组合。资源分配平台(例如，服务器或其他计算系统)通常需要最佳的资源分配策略，以在考虑各种约束条件的同时满足最大数量的请求。例如，贷款服务平台可能需要根据某些策略将从用户池接收到的借贷请求分配给合作金融机构。在接收到借贷请求后，金融机构确定是否批准该请求，然后确定要贷给该用户的金额。可能影响金融机构的决定的考虑因素和限制多种多样。作为贷款服务平台，必须考虑所有合作金融机构的考虑因素和限制，以实现分配借款请求的全局最佳策略。
发明内容
本说明书的各种实施例可以包括用于个性化优惠的系统、方法和非暂时性计算机可读介质。
根据一个方面，一种用于确定资源分配的方法包括：接收来自用户的资源请求；至少基于以下各项，遍历多个实体以获得每个实体的相应评分：该实体批准所述资源请求的预计批准率，该实体服务于所述资源请求的预计风险，以及应用于所述预计批准率和所述预计风险的一个或多个乘子；以及基于相应评分推荐所述多个实体中的一个实体来服务于所述用户的资源请求，其中所述一个或多个乘子是通过求解基于从先前时间段收集的历史数据构建的优化模型而获得的，所述历史数据包括所述多个实体在所述先前时间段内的预计批准率。
在一些实施例中，该方法还包括：基于所述历史数据构建所述优化模型，所述优化模型包括目标函数以及一个或多个约束条件，其中所述目标函数用于最大化至少由所述预计批准率确定的目标值，并且所述一个或多个约束条件对应于所述一个或多个乘子；以及将所述优化模型转换为拉格朗日函数以确定所述一个或多个乘子。
在一些实施例中，所述资源请求是贷款请求，所述预计风险至少基于与所述用户相关联的预计违约率、与每个实体相关联的风险承受比率以及每个实体提供给所述用户的预计贷款金额来确定的；以及所述历史数据还包括与所述先前时间段的用户相关联的预计违约率，在所述先前时间段内与所述多个实体相关联的风险承受比率，以及在所述先前时间段内所述多个实体预计的贷款金额。
在一些实施例中，所述一个或多个约束条件包括针对每个实体的第一约束条件，即：与该实体相关联的风险承受比率不小于至少基于与所述用户相关联的预计违约率以及该实体将提供给所述用户的预计贷款金额确定的比率。
在一些实施例中，所述第一约束条件对应于第一乘子，并且所述预计风险与第一乘子相关联以用于获得每个实体的相应评分。
在一些实施例中，每个实体与用户流百分比相关联，以确定该实体在先前时间段内的服务能力。
在一些实施例中，所述历史数据还包括先前时间段内用户提出的请求总数，并且所述服务能力是基于与每个实体相关联的用户流百分比与先前时间段内用户提出的请求总数之积来确定的。
在一些实施例中，所述一个或多个约束条件还包括针对每个实体的第二约束条件，即：该实体要服务的用户总数不超过该实体的服务能力。
在一些实施例中，所述第二约束条件对应于用于获得每个实体的相应评分的第二乘子。
在一些实施例中，如果每个实体在所述先前时间段内服务的用户总数与该实体在所述先前时间段的服务能力不匹配，则在当前时间段更新与该实体相关联的用户流百分比。
在一些实施例中，所述优化模型包括决策变量，并且所述优化模型的解确定每个决策变量的二进制值，所述每个决策变量的二进制值指示是否向相应实体推荐相应用户。
在一些实施例中，推荐多个实体中的一个实体以服务于所述用户的资源请求包括：选择具有最高相应评分的一个实体。
根据其他实施例，一种用于确定资源分配的系统包括一个或多个处理器以及耦接到所述一个或多个处理器并且其上存储有指令的一个或多个计算机可读存储器，所述指令能够由所述一个或多个处理器执行以前述任一个实施例所述的方法。
根据其他实施例，一种非暂时性计算机可读存储介质配置有指令，所述指令可由一个或多个处理器执行，以使所述一个或多个处理器执行前述任一个实施例所述的方法。
根据其他实施例，一种用于确定资源分配的装置包括用于执行前述任一个实施例所述的方法的多个模块。
根据另一个方面，一种用于确定资源分配的系统可以包括计算机系统，该计算机系统包括处理器和存储有指令的非暂时性计算机可读存储介质，所述指令可由处理器执行以使该计算机系统执行操作，包括：接收来自用户的资源请求；至少基于以下各项，遍历多个实体以获得每个实体的相应评分：该实体批准所述资源请求的预计批准率，该实体服务于所述资源请求的预计风险，以及应用于所述预计批准率和所述预计风险的一个或多个乘子；以及基于相应评分推荐所述多个实体中的一个实体来服务于所述用户的资源请求，其中所述一个或多个乘子是通过求解基于从先前时间段收集的历史数据构建的优化模型而获得的，所述历史数据包括所述多个实体在所述先前时间段内的预计批准率。
根据又一个方面，一种用于确定资源分配的非暂时性计算机可读存储介质可配置有指令，所述指令可由一个或多个处理器执行以使所述一个或多个处理器执行操作，包括：接收来自用户的资源请求；至少基于以下各项，遍历多个实体以获得每个实体的相应评分：该实体批准所述资源请求的预计批准率，该实体服务于所述资源请求的预计风险，以及应用于所述预计批准率和所述预计风险的一个或多个乘子；以及基于相应评分推荐所述多个实体中的一个实体来服务于所述用户的资源请求，其中所述一个或多个乘子是通过求解基于从先前时间段收集的历史数据构建的优化模型而获得的，所述历史数据包括所述多个实体在所述先前时间段内的预计批准率。
本文中公开的实施例具有一种或多种技术效果。在一个实施例中，所公开的方法和系统采用在线决策系统将借贷请求分配给金融机构。在线决策系统在制定分配决策时会考虑各种因素(例如，预计批准率和贷款利用率)，同时确保风险并管理金融机构的流控制。这样的在线决策系统可以提供用于分配借贷请求的全局优化策略。在一些实施例中，所公开的方法和系统收集过去时间段的历史数据，并基于历史数据构建优化模型。这种优化模型的解可以提供过去时间段的理想分配策略。将与解相关联的一些参数(例如，乘子)输入到在线决策系统中，用以在下一时间段制定分配决策。经验证据表明，一个时间段内的数据分布(例如，借款人的特征和金融机构的特征)可能在下一个时间段内不会发生巨大变化。结果，通过求解基于历史数据(例如，从过去时间段)构建的优化模型而获得的理想分配策略可以帮助在下一时间段中优化分配决策。
在参照附图考虑以下描述和所附权利要求时，本文公开的系统、方法和非暂时性计算机可读介质的这些和其他特征，以及相关结构要素和部件组合的操作方法和功能以及制造的经济性将变得更加明显，所有这些均构成本说明书的一部分，其中，相同的附图标记在各个附图中表示相应的部分。然而，应当明确地理解，附图仅出于说明和描述的目的，并且无意作为对本发明进行限制的限定。
附图说明
图1示出了根据各种实施例的用于确定借款请求的分配的示例环境。
图2示出了根据各种实施例的用于确定借款请求的分配的示例系统流程。
图3示出了根据各种实施例的用于确定借款请求的分配的示例方法。
图4示出了根据各种实施例的用于确定借款请求的分配的另一示例方法。
图5示出了根据一些实施例的用于确定借款请求的分配的计算机系统装置的框图。
图6示出了可在其中实现本文描述的任何实施例的示例计算机系统。
具体实施方式
本文公开的方法可以为受约束的资源分配用例确定最佳的资源分配计划。受约束的资源分配通常寻求在各种约束条件下最大化用于分配的资源(例如，满足最大数量的资源请求)，所述约束条件例如为与一类资源相关联的限制(例如，一种商品的数量、一种服务的服务能力)、预定的风险承受能力(例如，银行可能要求借贷方满足最低信用分)、其他适合的约束条件或其任意组合。
一个受约束的资源分配实施例可以是计算系统(例如，单独的计算机系统、数据中心、云存储服务)中的数据存储资源分配。在这样的计算系统内，运行中的服务可能需要存储用以满足各种要求的数据。例如，某些数据(例如，个人信息、客户数据)可能需要比其他数据更高的隐私保护，因此可能请求计算系统(具体而言，计算系统的存储子系统)分配相应的存储资源(例如，这样的存储资源可以实现更严格的数据加密和访问控制机制)。作为另一示例，取决于数据的性质，计算系统中的运行中的服务可能请求在线存储资源(以存储当前正在使用或很有可能使用的活动数据)、备份存储资源(例如，归档存储资源以存储对组织仍然重要、或为将来参考或出于法规遵从性原因必须保留的较旧数据)、或近线存储资源(例如，既不是活动数据也不是归档数据的数据)。在这些情景中，响应于来自运行中的服务的资源分配请求，计算系统可以在考虑各种约束条件的同时，寻求满足最大数量的请求的最佳资源分配计划，所述约束条件例如为一类资源可以提供的隐私保护的最高级别、一类资源的总可用量，等等。
另一受约束的资源分配实施例可以以贷款服务平台为例，在该平台中，多个金融机构(例如，放贷方)向借贷方提供贷款服务。在这样的平台中，当借款方(例如，客户)向贷款服务平台提出借贷请求时，该平台可以通过考虑各种因素，将该请求分配给多个放款方(例如，合作金融机构)中的一个来服务于该请求，所述因素例如为与每个放款方相关联的客户流限制(也可以称为限定由相应放款方提供的服务能力的用户流百分比)、与每个放款方相关联的最大风险承受能力、其他适合的约束条件/因素、或其任意组合。在此过程中，平台可能需要获取各种因素，例如，放款方可能批准用户的借款请求的预计概率(例如，批准率)、用户可能使用放款方产品(例如，贷款)的预计概率、放款人可能向用户借出的预计金额、用户可能实际使用的预计金额、与用户相关联的违约率、与放款人相对应的风险承受极限、与放款方相关联的服务能力、其他适合因素、或其任意组合。在一些实施例中，这些因素可以由平台从多个放款方、第三方机构或适合的另一方获得。为了便于描述，以下描述中假定这些因素是已知的。
在以下描述中，将上述借贷平台用作示例来描述所公开的方法、系统和存储介质的实施例。然而，可以注意到，这些所公开的方法、系统和存储介质可适用于其他受约束的资源分配用例。
在本文中，借贷请求是一对一映射到客户/借贷方的。这个假设可以被合理扩展，因为一个客户可能借入多笔贷款，并且每笔贷款可能与多个客户相关联。但是，这些扩展的案例可以容易地转换，使得先前的假设仍然适用。例如，当一个客户与多笔贷款相关联时，可以将每笔贷款背后的客户视为一个个体(即使这些个体指的是同一个人)。
在一些实施例中，在接收到借款请求时，贷款服务平台可以基于与该请求相对应的在线决策系统对多个放款方中的每一个进行评分，并将该请求分配(例如，通过将客户与放款方连接，或者通过将请求转发给放款方)给具有最高评分的放款方以进行服务。在一些实施例中，在线决策系统可以基于以下公式(1)中所示的公式，为借款请求i选择放款方j*。
j*＝argmaxj{sijkij-λjcijuij(pi-rj)-μj)} (1)
其中，i是借款方/请求标识(假设请求是与借款方一对一映射的)，j是放款方标识，sij是放款方j将批准请求i的预计批准率，kij是借款方可能实际使用来自放款方j的贷款的预计产品使用概率(例如，如果借款方先前在放款方处有积极的用户体验，则其可能会有较高的预计产品使用概率)，cij是放款方j将借出给借款方的预计贷款金额(例如，信贷额)，uij是代表借款方可能使用(例如，花费)的贷款的百分比的预计贷款使用率，pi是借款方的预计违约率(例如，可以基于与借款方相关联的唯一标识(例如，SSN)来获得)，rj是与放款方j相对应的风险承受极限，λj是与放款方j的风险相关因素相关联的乘子，以及μj是与放款方j的服务能力相关因素(例如，与消费者流控制有关的因素)相关联的乘子。
在一些实施例中，在线决策系统可以被周期性地更新以响应于环境的改变，所述环境的改变例如为用户流量的改变、放款方配额的改变(例如，风险承受极限的改变、服务能力的改变)、其他适合的改变、或其任意组合。在一些实施例中，基于两个相邻时间段之间的环境改变可能不明显的假设以及经验证据，在线决策系统可以根据历史数据来更新。
图1示出了根据各种实施例的用于确定借款请求的分配的示例环境。如图1所示，该环境可以包括与借款方相关联的计算设备104。借款方可以使用计算设备104创建借贷请求并将其发送到与贷款服务平台相关联的计算系统102。该环境还可以包括与放款方(例如，与贷款服务平台合作的金融机构)相关联的服务器106。计算系统102可以将接收到的借贷请求分配给与一个放款方相关联的服务器106(例如，一个放款方可以对应于一个或多个服务器106)。
图1示出的计算系统102的组件旨在说明。取决于实施方式，计算系统102可以包括更多、更少或替代性的组件。可以在一个或多个网络(例如，企业网络)、一个或多个端点、一个或多个服务器、或者一个或多个云中实现计算系统102。计算系统102可以包括管理对网络中的集中式资源或服务的访问的硬件或软件。云可以包括在网络上分布的服务器和其他设备的集群。在一些实施例中，计算系统102可以被理解为用于确定将借贷请求流分配给多个放款方的分配策略的在线决策平台。
在一些实施例中，计算系统102可以包括在线决策组件112、数据收集组件114、优化组件116和更新组件118。计算系统102可以包括一个或多个处理器(例如，数字处理器、模拟处理器、设计用于处理信息的数字电路、中央处理单元、图形处理单元、微控制器或微处理器、设计用于处理信息的模拟电路、状态机和/或用于以电子方式处理信息的其他机制)以及一个或多个存储器(例如，永久存储器、临时存储器、非暂时性计算机可读存储介质)。一个或多个存储器可以被配置为具有可被一个或多个处理器执行的指令。处理器可以被配置为通过解释存储在存储器中的机器可读指令来执行各种操作。
在一些实施例中，计算系统102的在线决策组件112可以确定应将借贷请求分配给哪个放款方。在线决策组件112可以包括评分模型，该评分模型用于响应于借贷请求，对多个放款方进行评分，并且将该请求分配(例如，指派)给具有最高评分的放款方。在一些实施例中，评分模型可以包括公式(1)中所示的公式。在一些实施例中，评分模型使用的公式可以包括更少、更多或替代性的因素。例如，公式(1)中的kij(例如，借款人可能实际使用来自放款方j的贷款的预计产品使用概率)可以被假定为100％或其他固定值(例如，一旦请求获得批准，借款方将有固定的概率使用来自放款方的贷款)。作为另一示例，取决于贷款的规模，放款方可能有一个以上的风险承受极限。
在一些实施例中，计算系统102的数据收集组件114可以在一时间段内持续收集数据。收集到的数据可以包括在线决策组件112中使用的各种变量。例如，对于在前一个小时内分配的每个借贷请求，数据收集组件114可以收集用于对每个放款方进行评分的一个或多个变量，例如sij(例如，放款方j将批准请求i的预计批准率)、kij(例如，借款方可能实际使用来自放款方j的贷款的预计产品使用概率)、cij(例如，放款方j将借出给借款方的预计贷款金额)、uij(例如，表示借款方可能使用的贷款的百分比的预计贷款使用率)、pi(例如，与借款方相关联的预计违约率)、rj(例如，与放款方j相对应的风险承受极限)。
在一些实施例中，计算系统102的优化组件116可以基于在过去时间段内由数据收集组件114收集的历史数据来构建优化问题。优化问题可以包括目标函数和一个或多个约束条件。这种优化问题的解可以提供对于过去时间段使目标函数最大化的理想分配策略。例如，目标函数可以被设计用于使有可能被借出和花费的贷款总额最大化。在一些实施例中，优化问题可以包括对于每个放款方的一个或多个约束条件。例如，对于过去时间段的给定分配策略，风险相关约束条件可以要求放款方承担的总风险必须等于或小于与放款方相关联的风险承受极限。作为另一示例，对于上一时间段的给定分配策略，流程控制相关约束条件可以要求放款方所服务的请求的总数必须等于或小于该放款方的服务能力。放款方的服务能力可以基于在过去时间段内提出的请求的总数和与放款方相关联的百分比来确定。该百分比可以由贷款服务平台确定并且是可调整的。
在一些实施例中，优化问题可以包括多个决策变量。求解优化问题可以确定多个决策变量的值(例如，决策变量的值是优化问题的解)。每个决策变量可以指示是否将请求分配给放款方。
在一些实施例中，在求解优化问题的过程中，可以获得一个或多个乘子。每个乘子可以对应于优化问题的约束条件之一。在一些实施例中，在线决策组件112(例如，在评分模型中)使用乘子来做出分配决策。
在一些实施例中，计算系统102的更新组件118可以更新在线决策组件112的评分模型。例如，评分模型中的一个或多个乘子可以由求解优化问题的过程中获得的新乘子代替。由于新乘子是基于最新历史数据获得的(例如，更确切地，新乘子是在求解使用最新历史数据构建的优化问题的过程中获得的)，因此它们可以更好地反映环境的改变，例如，用户流量的改变、放款方配额的改变(例如，风险承受极限的改变、服务能力的改变)、其他适合的改变、或其任意组合。
图2示出了根据各种实施例的用于确定借款请求的分配的示例系统流程200。如图2所示，客户210可以表示借贷请求。在某些情况下，一个客户可以发送多个请求(例如，针对多个贷款)，或者可以由多个客户(例如，共同借款方)提出一个贷款请求。为了简化描述，本文假设一个客户对应一个贷款请求。虽然图2中的客户210被示出为按顺序到达并被处理的，但是在一些实施例中，它们可以并行地到达并被处理。
在一些实施例中，对于一个客户(例如，一个借贷请求)，在线决策系统220可以使用评分模型来对每个放款方230评分。然后，可以将客户分配给具有最高评分的放款方。在一些实施例中，评分模型可以使用公式(1)中所示的公式。
在一些实施例中，在线决策系统220可以重复地执行以上操作(例如，接收借贷请求、对放款方230评分、以及分配请求)并在一个时间段内收集数据。历史数据240可以在该时间段内被收集。历史数据240可以包括多个预计批准率，每个预计批准率指示放款方j批准贷款请求i的概率。在一些实施例中，该时间段的长度可以是一小时、三十分钟、十分钟或另一合适的长度。该时间段的长度可以基于对训练数据(例如，与历史数据240不同的一组历史数据)的实验运行来确定。
在一些实施例中，在过去的时间段内收集的历史数据240可以用于构建具有目标函数以及一个或多个约束条件的优化问题。例如，优化问题可以如下构建。
Figure BDA0002603234210000112
其中，i是借款方/借款请求标识(假设请求是与借款方一对一映射的)，j是放款方标识，sij是放款方j将批准请求i的预计批准率，kii是借款方可能实际使用来自放款方j的贷款的预计产品使用概率(例如，如果借款方先前在放款方处有积极的用户体验，则其可能会有较高的预计产品使用概率)，cij是放款方j将借出给借款方的预计贷款金额(例如，信贷额)，uij是代表借款方可能使用(例如，花费)的贷款的百分比的预计贷款使用率，pi是借款方的预计违约率(例如，可以基于与借款方相关联的唯一标识(例如，SSN)来获得)，rj是与放款方j相对应的风险承受极限，bj是可以被分配给放款方j的客户的最大百分比，N是过去时间段内接收到的客户总数(例如，借贷请求的总数)，λj是与放款方j的风险相关因素相关联的乘子，以及μj是与放款方j的服务能力相关因素(例如，与消费者流控制有关的因素)相关联的乘子。也就是说，公式(2)是目标函数，其中最大目标值(例如∑i∑jsijkijxij)是有待求解的，公式(3)是与违约率相关联的第一约束条件(例如，与放款方j相关联的风险承受比率rj不小于至少基于与用户相关联的预计违约率pi以及放款方j将要提供给用户的预计贷款金额cij确定的比率)，公式(4)是与放款方j的用户流限制相关的第二约束条件(例如，限定“放款方j愿意在一个时间段内服务的客户总数的百分比，例如5％”的用户流百分比)。
在某些实施例中，放款方j的bj(例如，可以分配给放款方的最大客户百分比)可以由放款方j、贷款服务平台、或两者(例如，通过协商)初始确定，并且可以根据过去时间段内分配的业绩动态更新。例如，当过去时间段内分配给放款方j的总客户百分比大于bj，那么可以在下一时间段内使bj增加预定量。作为另一示例，当过去时间段内分配给放款方j的总客户百分比大于当客户分配给贷方的总百分比小于bj，那么可以在下一时间段内使bj减少预定量。在一些实施例中，可以允许bj与分配给放款方j的总客户百分比之间存在微小差异。例如，如果bj的值与上一时间段内分配给放款方j的总客户百分比之差小于1％，bj可能会跳过更新。
在一些实施例中，可以通过使用各种求解器来求解由公式(2)(3)和(4)表示的优化问题，所述求解器例如为CP求解器、IP求解器、SAT求解器、上述求解器的混合版本、或者另一个合适的求解器(例如，内部开发的求解器)。由于公式(2)中的目标函数以及公式(3)和(4)中的约束条件都是线性的，因此可以通过线性系统250求解优化问题。本领域技术人员可以理解，线性系统250可以由用以解决优化问题的非线性系统代替。公式(3)(或(4))中的约束条件可以包括多个约束条件，每个约束条件对应于一个放款方。例如，对于100个放款方，公式(3)(或(4))中的约束条件可以包括100个约束条件。
在求解优化问题的过程中，可以获得一个或多个对偶乘子260(例如，拉格朗日乘子(Lagrange multipliers))。在一些实施例中，一个或多个对偶乘子260可以对应于公式(3)和(4)中的约束条件。由于公式(3)中的约束条件是风险相关的，因此与公式(3)中的约束条件相对应的对偶乘子260可以被称为风险相关乘子。类似地，由于公式(4)中的约束条件是客户流相关的，因此与公式(4)中的约束条件相对应的对偶乘子260可以被称为客户流相关乘子。
在一些实施例中，在线决策系统220可以通过使用新获得的对偶乘子260来更新其评分模型(例如，如公式(1)所示)。例如，新获得的风险相关乘子可以用作公式(1)中的λj，新获得的流相关乘子可以用作公式(1)中的μj。通过应用从基于最新历史数据(例如，过去时间段)求解优化问题而习得的乘子260，可以采用在线决策系统220中的更新的评分模型来进行下一时间段的分配决策。这个系统背后的基本原理可以与以下假设有关：在下一时间段到达的客户的特征(例如，或者特征的分布)可能与过去时间段内到达的客户的特征(例如，或者特征的分布)相似。为了使此假设达到合理的准确性，贷款服务平台可能需要确定每个时间段的适当长度。时间段越长，可能导致客户特征的变化越大。根据实际经验(例如，从历史数据中习得)，可以将一个小时确定为一个时间段的适当长度。
图3示出了根据各种实施例的用于确定借款请求的分配的示例方法300。方法300可以由贷款服务平台执行。如图3所示，方法300可以包括循环，在该循环期间可以执行多个操作。图3中所示的操作顺序旨在说明，并且可以根据实施方式而改变。例如，步骤320和330可以在步骤350之后执行。
所述操作可以包括：在步骤310，在一个时间段内将客户分配给放款方。当客户被分配给放款方时，放款方可以确定客户的借贷请求是否可以被批准。在一些实施例中，在批准客户的请求之后，放款方可以确定要借出给客户的贷款金额(例如，可以与客户请求的金额相同，或者可以是贷款服务平台确定的金额)。
在一些实施例中，在一个时间段之后，在步骤320，贷款服务平台可以确定是否更新其配置。如果不需要更新，则流程300可进行到步骤340。否则，可以在步骤330处更新平台的一些配置。例如，如果平台使用用于确定接收到的请求的分配的评分模型，则可以更新评分模型中的某些参数(例如，如果某些放款方不关心流控制，则评分模型可以在评分时忽略这些客户)。作为另一示例，如果平台确定过去时间段内的分配违反了放款方的客户流约束条件(例如，放款方接收到的客户多于其同意服务的客户)，则对应的客户流控制参数(例如，公式(4)中针对放款方j的bj)可以相应地被调整。
在一些实施例中，可以在从过去时间段将借贷请求分配给放款方的过程中收集多个变量。在步骤340，所述变量可以用于构建优化问题。优化问题的解提供了对于过去时间段的最佳分配策略，并且还可以确定可以用在平台的评分模型中的某些乘子，以便为下一时间段制定分配决策。
在一些实施例中，一旦在求解优化问题的过程中确定了乘子，就可以在步骤350处更新平台的评分模型。新模型可以在下一时间段部署。
图4示出了用于确定资源分配的方法。该方法可被图1所示的计算系统102、图2所示的系统实现，并且对应于图3所示的流程。取决于实施方式，该方法可以有更多、更少或替代性的步骤。
框410包括接收来自用户的资源请求。
框420包括至少基于以下各项，遍历多个实体以获得每个实体的相应评分：该实体批准所述资源请求的预计批准率，该实体服务于所述资源请求的预计风险，以及应用于所述预计批准率和所述预计风险的一个或多个乘子。在一些实施例中，所述资源请求是贷款请求，预计风险是至少基于与用户相关联的预计违约率、与每个实体相关联的风险承受比率以及由每个实体提供给用户的预计贷款金额来确定的。在一些实施例中，每个实体与用户流百分比相关联，以确定所述实体在先前时间段内的服务能力。在一些实施例中，如果在先前时间段内由所述实体服务的用户总数与所述实体在先前时间段的服务能力不匹配，则在当前时间段更新与每个实体相关联的用户流百分比。
框430包括基于相应评分推荐多个实体之一来服务于用户的资源请求，其中所述一个或多个乘子是通过求解基于从先前时间段收集的历史数据构建的优化模型而获得的，所述历史数据包括先前时间段内多个实体预计的批准率。在一些实施例中，历史数据还包括与先前时间段的用户相关联的预计违约率、与先前时间段内的多个实体相关联的风险承受比率、以及先前时间段内的多个实体预计的贷款金额。在一些实施例中，历史数据还包括先前时间段内用户提出的请求总数，服务能力是基于与实体相关联的用户流百分比与先前时间段内用户提出的请求总数之积来确定的。在一些实施例中，优化模型包括决策变量，并且优化模型的解确定每个决策变量的二进制值，其指示是否向相应实体推荐相应用户。在一些实施例中，推荐多个实体之一来服务于用户的资源请求包括：选择具有最高相应评分的一个实体。
在一些实施例中，该方法还包括：基于历史数据构建优化模型，该优化模型包括目标函数以及一个或多个约束条件，其中该目标函数用于最大化至少由预计批准率确定的目标值，并且一个或多个约束条件对应于一个或多个乘子；以及将优化模型转换为拉格朗日函数，以找到一个或多个乘子。在一些实施例中，对于给定的贷款分配方案，所述一个或多个约束条件包括针对每个实体的第一约束条件，即与该实体相关联的风险承受比率不小于至少基于与用户相关联的预计违约率以及实体将提供给用户的预计贷款金额确定的比率。在一些实施例中，第一约束条件对应于第一乘子，并且预计风险与第一乘子相关联以用于获得实体的相应评分。在一些实施例中，对于给定的资源分配方案，一个或多个约束条件还包括针对实体的第二约束条件，即该实体要服务的用户总数不超过该实体的服务能力。在一些实施例中，第二约束条件对应于第二乘子以用于获得实体的相应评分。
图5示出了根据一些实施例的用于确定借款请求的分配的计算机系统装置的框图。以下呈现的计算机系统500的组件旨在说明。取决于实施方式，计算机系统500可以包括更多、更少或替代性的组件。
计算机系统500可以是计算系统102的一个或多个组件的实现的示例。图1至图4所示的流程和方法可被计算机系统500实现。计算机系统500可以包括一个或多个处理器以及耦接到所述一个或多个处理器并且配置有指令的一个或多个非暂时性计算机可读存储介质(例如，一个或多个存储器)，所述指令可被所述一个或多个处理器执行以使系统或设备(例如，处理器)执行上述方法，例如方法400。计算机系统500可以包括与所述指令(例如，软件指令)相对应的各种单元/模块。
在一些实施例中，计算机系统500可以被称为用于确定借贷请求的分配的装置。该装置可以包括数据收集模块510、评分模块520和推荐模块530。在一些实施例中，数据收集模块510可以接收来自用户的贷款请求；评分模块520可以至少基于以下各项，遍历多个实体以获得每个实体的相应评分：该实体批准所述资源请求的预计批准率，该实体服务于所述资源请求的预计风险，以及应用于所述预计批准率和所述预计风险的一个或多个乘子；推荐模块530可以基于相应评分推荐多个放款方中的一个来服务于用户的贷款请求，其中，所述一个或多个乘子是通过求解基于从先前时间段收集的历史数据构建的优化模型而获得的，所述历史数据包括先前时间段内多个实体预计的批准率。
图6示出了可在其中实现本文描述的任何实施例的示例电子设备。所述电子设备可以用于实现图1至图5所示的系统和方法的一个或多个组件。电子设备600可以包括总线602或用于通信信息的其他通信构建，以及与总线602耦接用于处理信息的一个或多个硬件处理器604。硬件处理器604可以是例如一个或多个通用微处理器。
电子设备600还可以包括耦接到总线602用于存储将由处理器604执行的信息和指令的主存储器607，例如随机存取存储器(RAM)、缓存和/或其他动态存储设备。主存储器607还可用于在要被处理器604执行的指令的执行期间，存储临时变量或其他中间信息。在将这些指令存储在处理器604可访问的存储介质中时，这些指令可以使电子设备600成为专用机器，该专用机器被定制用于执行指令中指定的操作。主存储器607可以包括非易失性介质和/或易失性介质。非易失性介质可以包括，例如，光盘或磁盘。易失性介质可以包括动态存储器。常见形式的介质可以包括，例如，RAM、DRAM、PROM和EPROM、FLASH-EPROM、NVRAM、任何其他存储芯片或盒式磁带、或它们的网络版本。
电子设备600可以使用定制的硬连线逻辑、一个或多个ASIC或FPGA、固件和/或程序逻辑来实现本文所述的技术，所述定制的硬连线逻辑、一个或多个ASIC或FPGA、固件和/或程序逻辑和元件与该计算设备结合可以使电子设备600成为专用机器，或将电子设备600编程为专用机器。根据一个实施例，响应于处理器604执行包含在主存储器607中的一个或多个指令的一个或多个序列，由电子设备600来执行本文的技术。可以从诸如存储设备606的另一存储介质将这样的指令读入主存储器607中。执行包含在主存储器607中的指令序列可以使处理器604执行本文所述的过程步骤。例如，本文公开的过程/方法可以通过存储在主存储器607中的计算机程序指令来实现。当这些指令由处理器604执行时，它们可以执行如相应的附图所示且如上所述的步骤。在替代性的实施例中，可以使用硬连线电路代替软件指令或与软件指令结合使用。
电子设备600还包括耦接到总线602的通信接口610。通信接口610可以提供耦接到一个或多个网络链接的双向数据通信，所述网络链接与一个或多个网络连接。再例如，通信接口610可以是局域网(LAN)卡，以提供与兼容性LAN(或与WAN通信的WAN组件)的数据通信连接。也可实现无线链接。
某些操作的执行可能会分布在处理器之间，不仅驻留在单个机器中，而且会部署在多个机器上。在一些示例实施例中，处理器或处理器实现的引擎可以位于单个地理位置(例如，在家庭环境、办公室环境或服务器集群中)。在其他示例实施例中，处理器或处理器实现的引擎可分布在多个地理位置。
前面各部分描述的每个过程、方法和算法都可以体现在由一个或多个计算机系统或包含计算机硬件的计算机处理器执行的代码模块中，并且可以由这些代码模块完全或部分自动化。这些过程和算法可以在专用电路中部分或完全实现。
当本文公开的功能以软件功能单元的形式实现并且以独立产品被出售或使用时，这些功能可以被存储在处理器可执行的非易失性计算机可读存储介质中。本文(全部或部分)公开的特定技术方案或对当前技术有贡献的方面可以实现为软件产品的形式。该软件产品可以存储在存储介质中，该存储介质包括使计算设备(可以是个人计算机、服务器、网络设备等)执行本申请实施例的方法的全部或某些步骤的多个指令。该存储介质可以包括闪存驱动器、便携式硬盘驱动器、ROM、RAM、磁盘、光盘、可操作来存储程序代码的另一种介质或其任意组合。
特定实施例还提供一种系统，该系统包括处理器和存储指令的非暂时性计算机可读存储介质，所述指令可被处理器执行以使系统执行与以上公开的实施例的任何方法中的步骤相对应的操作。特定实施例还提供一种配置有指令的非暂时性计算机可读存储介质，所述指令可由一个或多个处理器执行，以使一个或多个处理器执行与以上公开的实施例的任何方法中的步骤相对应的操作。
可以通过与客户端交互的云平台、服务器或服务器组(以下统称为“服务系统”)来实现本文公开的实施例。客户端可以是终端设备，也可以是用户在平台上注册的客户端，其中，终端设备可以是移动终端、个人计算机(PC)以及可以安装有平台应用程序的任何设备。
以上描述的各特征和过程可以彼此独立地使用，或者可以以各种方式组合。所有可能的组合和子组合旨在落入本公开的范围内。另外，在一些实施方式中，某些方法或过程框可以省略。本文描述的方法和过程也不限于任何特定的顺序，并且可以以适当的其他顺序执行与之相关的框或状态。例如，可以以不同于具体公开的顺序来执行所描述的框或状态，或者可以将多个框或状态组合成单个框或状态。示例性的框或状态可以以串行、并行或其他方式执行。可以将框或状态添加到所公开的示例实施例中，或从中删除。本文描述的示例性系统和组件可以按照与所描述的不同的方式被配置。例如，与所公开的示例实施例相比，可以添加、删除或重新布置元素。
在本文中的各处，多个实例可以实现被描述为单个实例的组件、操作或结构。尽管将一种或多种方法的单个操作示出并描述为单独的操作，但是可以同时执行一个或多个单独操作，并且不需要按照所示顺序执行操作。在示例配置中表示为单独组件的结构和功能可以实现为组合结构或组件。类似地，呈现为单个组件的结构和功能可以被实现为单独的组件。这些和其他变型、修改、添加和改进落入本文主题的范围内。
如本文所使用的，“或”是包括性的而不是排他性的，除非另有明确指示，或通过上下文另外指出。因此，在本文中，“A、B或C”表示“A，B，A和B，A和C，B和C，或者A、B和C”，除非另有明确指示，或通过上下文另外指出。
术语“包含”或“包括”被用于表示随后声明的特征的存在，但不排除其他特征的添加。条件性语言，例如“可”、“能”、“可以”或“可能”等，通常旨在表达某些实施例包括某些特征、要素和/或步骤，而其他实施例不包括某些特征、要素和/或步骤，除非另外明确说明或在上下文中根据使用的情况以其他方式理解。因此，这样的条件性语言通常无意暗示特征、要素和/或步骤对于一个或多个实施例而言在任何方式上是必需的，或者一个或多个实施例必然包括用于在有或无用户输入或提示的情况下确定这些特征、要素和/或步骤是否包括在任何特定实施例中或将在任何特定实施例中执行的逻辑。
尽管已经参考特定示例实施例描述了主题的概述，但是在不脱离本公开的实施例的较宽范围的情况下，可以对这些实施例进行各种修改和改变。在本文中，可以仅出于方便的目的，由术语“发明”来单独地或共同地指代主题的这些实施例，而不旨在将本申请的范围自发地限制为任何单个公开或概念，如果实际上所公开的不止一个。
本文示出的实施例已被充分详细地描述，以使本领域技术人员能够实践所公开的教导。可以使用其他实施例并从中得出其他实施例，使得在不脱离本公开的范围的情况下进行结构和逻辑上的替换和改变。因此，不应以限制意义理解具体实施方式，各种实施例的范围仅由所附权利要求以及这些权利要求所赋予的全部等效范围来限定。

Claims (15)

1.一种计算机实现的用于确定资源分配的方法，包括：
接收来自用户的资源请求；
至少基于以下各项，遍历多个实体以获得每个实体的相应评分：
该实体批准所述资源请求的预计批准率，
该实体服务于所述资源请求的预计风险，以及
应用于所述预计批准率和所述预计风险的一个或多个乘子；以及
基于所述相应评分推荐所述多个实体中的一个实体来服务于所述用户的资源请求，其中所述一个或多个乘子是通过求解基于从先前时间段收集的历史数据构建的优化模型而获得的，所述历史数据包括所述多个实体在所述先前时间段内的预计批准率。
2.根据权利要求1所述的方法，还包括：
基于所述历史数据构建所述优化模型，所述优化模型包括目标函数以及一个或多个约束条件，其中，所述目标函数用于最大化至少由所述预计批准率确定的目标值，并且所述一个或多个约束条件对应于所述一个或多个乘子；以及
将所述优化模型转换为拉格朗日函数以确定所述一个或多个乘子。
3.根据前述任一项权利要求所述的方法，其中，所述资源请求是贷款请求，所述预计风险至少基于与所述用户相关联的预计违约率、与每个实体相关联的风险承受比率以及每个实体提供给所述用户的预计贷款金额来确定的；以及
所述历史数据还包括与所述先前时间段的用户相关联的预计违约率，在所述先前时间段内与所述多个实体相关联的风险承受比率，以及在所述先前时间段内所述多个实体预计的贷款金额。
4.根据权利要求3所述的方法，其中，所述一个或多个约束条件包括针对每个实体的第一约束条件，即：与该实体相关联的风险承受比率不小于至少基于与所述用户相关联的预计违约率以及该实体将提供给所述用户的预计贷款金额确定的比率。
5.根据权利要求4所述的方法，其中，所述第一约束条件对应于第一乘子，并且所述预计风险与所述第一乘子相关联以用于获得每个实体的相应评分。
6.根据前述任一项权利要求所述的方法，其中，每个实体与用户流百分比相关联，以确定该实体在所述先前时间段内的服务能力。
7.根据权利要求6所述的方法，其中，所述历史数据还包括在所述先前时间段内用户提出的请求总数，并且所述服务能力是基于该实体相关联的用户流百分比与在所述先前时间段内用户提出的所述请求总数之积来确定的。
8.根据权利要求6至7中任一项所述的方法，其中，所述一个或多个约束条件还包括针对每个实体的第二约束条件，即：该实体要服务的用户总数不超过该实体的服务能力。
9.根据权利要求8所述的方法，其中，所述第二约束条件对应于用于获得所述实体的相应评分的第二乘子。
10.根据权利要求6至9中任一项所述的方法，其中，如果每个实体在所述先前时间段内服务的用户总数与该实体在所述先前时间段的服务能力不匹配，则在当前时间段更新与该实体相关联的用户流百分比。
11.根据前述任一项权利要求所述的方法，其中，所述优化模型包括决策变量，并且所述优化模型的解确定每个所述决策变量的二进制值，每个所述决策变量的所述二进制值指示是否向相应实体推荐相应用户。
12.根据前述任一项权利要求所述的方法，其中，推荐所述多个实体中的一个实体以服务于所述用户的资源请求包括：
选择具有最高相应评分的一个实体。
13.一种用于确定资源分配的系统，包括一个或多个处理器以及耦接到所述一个或多个处理器并且配置有指令的一个或多个非暂时性计算机可读存储器，所述指令能够由所述一个或多个处理器执行以使所述系统执行权利要求1至12中任一项所述的方法。
14.一种用于确定资源分配的非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质配置有指令，所述指令能够由一个或多个处理器执行以使所述一个或多个处理器执行权利要求1至12中任一项所述的方法。
15.一种用于确定资源分配的装置，包括用于执行权利要求1至12中任一项所述的方法的多个模块。
CN202080001358.XA 2020-04-13 2020-04-13 用于优化借款请求的分配的方法和系统 Pending CN111742335A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2020/084504 WO2020143850A2 (en) 2020-04-13 2020-04-13 Method and system for optimizing allocation of borrowing requests

Publications (1)

Publication Number Publication Date
CN111742335A true CN111742335A (zh) 2020-10-02

Family

ID=71522298

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080001358.XA Pending CN111742335A (zh) 2020-04-13 2020-04-13 用于优化借款请求的分配的方法和系统

Country Status (4)

Country Link
US (1) US11257152B2 (zh)
CN (1) CN111742335A (zh)
SG (1) SG11202102554PA (zh)
WO (1) WO2020143850A2 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113570114A (zh) * 2021-07-02 2021-10-29 上海淇玥信息技术有限公司 一种资源服务智能匹配方法、系统和计算机设备
CN114581223A (zh) * 2022-05-05 2022-06-03 支付宝(杭州)信息技术有限公司 分配任务处理方法、设备、分布式计算系统及存储介质
CN114581222A (zh) * 2022-05-05 2022-06-03 支付宝(杭州)信息技术有限公司 一种资源分配方法、电子设备、应用程序及存储介质
WO2022236501A1 (en) * 2021-05-08 2022-11-17 Alipay (Hangzhou) Information Technology Co., Ltd. Method and system for optimizing large-scale resource allocation with constraints

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115002049B (zh) * 2022-06-15 2023-11-14 支付宝(杭州)信息技术有限公司 资源分配的方法及装置

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7006992B1 (en) * 2000-04-06 2006-02-28 Union State Bank Risk assessment and management system
US7424451B1 (en) 2000-10-10 2008-09-09 International Business Machines Corporation System and method of solving optimization problems using prestored advanced bases
AU2001263302A1 (en) 2000-11-16 2002-05-27 American International Group, Inc. System and method for reducing mortgage interest rate and mortgage guaranty insurance premiums associated with mortgage loan
US7089503B1 (en) 2001-04-04 2006-08-08 Fannie Mae Mortgage loan customization system and process
CN1596410A (zh) * 2001-11-29 2005-03-16 瑞士再保险公司 开发损失假设的系统和方法
US7860781B1 (en) 2002-01-04 2010-12-28 Midland Loan Services, Inc. Methods and systems for asset/loan management and processing
US7593890B1 (en) 2003-11-04 2009-09-22 Freddie Mac Systems and methods for determining the likelihood that a loan closes
US7630933B2 (en) * 2004-02-20 2009-12-08 Horizon Digital Finance, Llc System and method for matching loan consumers and lenders
US20070073613A1 (en) 2005-09-28 2007-03-29 Ongrand Limited Simultaneous bidding and matching platform for loan borrower and lenders
US20080249925A1 (en) * 2007-04-04 2008-10-09 Financial Crossing, Inc. Liability advice system and method
WO2008151259A2 (en) * 2007-06-04 2008-12-11 Risk Allocation Systems System and method for sharing and allocating financial risk associated with a loan
US20170193596A1 (en) * 2008-04-08 2017-07-06 Capital One Financial Corporation System and Method for Providing a Financial Product Using a Customer Product Criteria
US20100274708A1 (en) * 2008-05-29 2010-10-28 Allen Lewis J Apparatus and method for creating a collateral risk score and value tolerance for loan applications
US8156023B2 (en) 2008-07-02 2012-04-10 Automated Equity Finance Markets, Inc. Incentive structure for centralized trading market
US20100004999A1 (en) 2008-07-02 2010-01-07 Automated Equity Finance Markets, Inc. Infrastructure for anonymous securities lending transactions
US8458074B2 (en) 2010-04-30 2013-06-04 Corelogic Solutions, Llc. Data analytics models for loan treatment
US8660942B2 (en) 2010-12-31 2014-02-25 Advance Loan Technologies Llc Loan management system and methods
US8666881B2 (en) 2011-03-03 2014-03-04 Jonathan Lem Loan management system and method
US8504470B1 (en) * 2011-08-31 2013-08-06 BT Patent LLC Methods and systems for financial transactions
US20140164217A1 (en) 2012-12-06 2014-06-12 Capital One Financial Corporation Systems and methods for providing a digital blank check
WO2014121019A1 (en) * 2013-01-31 2014-08-07 Zestfinance, Inc. Methods and systems for automatically generating high quality adverse action notifications
US20140358765A1 (en) 2013-05-31 2014-12-04 Lendsys, LLC Consumer Loan Borrower and Lender Customer Matching Plus Automated Decision Pricing Software
US10163156B1 (en) * 2013-09-13 2018-12-25 State Farm Mutual Automobile Insurance Company Vehicle loan generation system: prequalified vehicle loan offer generation
US20150379632A1 (en) 2014-06-30 2015-12-31 Joseph Michael Business method for efficient and direct loan financing
CN106571946B (zh) * 2015-10-13 2020-06-12 阿里巴巴集团控股有限公司 资源处理方法及装置
US20210192612A1 (en) * 2015-12-28 2021-06-24 Wells Fargo Bank, N.A. Peer-to-peer lending platform based on financial health analysis
US11138667B2 (en) * 2016-03-30 2021-10-05 Nvstr Technologies Inc. Data structures for transfer and processing of financial data
WO2020068062A1 (en) * 2018-09-26 2020-04-02 Visa International Service Association System, method, and computer program product for real-time, anonymous peer-to-peer lending
US10558913B1 (en) * 2018-10-24 2020-02-11 Equifax Inc. Machine-learning techniques for monotonic neural networks
US11551280B2 (en) * 2018-11-01 2023-01-10 Netflix, Inc. Method, manufacture, and system for recommending items to users
CN110363416A (zh) * 2019-06-29 2019-10-22 上海淇馥信息技术有限公司 金融资源分配方法、装置及电子设备

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022236501A1 (en) * 2021-05-08 2022-11-17 Alipay (Hangzhou) Information Technology Co., Ltd. Method and system for optimizing large-scale resource allocation with constraints
CN113570114A (zh) * 2021-07-02 2021-10-29 上海淇玥信息技术有限公司 一种资源服务智能匹配方法、系统和计算机设备
CN114581223A (zh) * 2022-05-05 2022-06-03 支付宝(杭州)信息技术有限公司 分配任务处理方法、设备、分布式计算系统及存储介质
CN114581222A (zh) * 2022-05-05 2022-06-03 支付宝(杭州)信息技术有限公司 一种资源分配方法、电子设备、应用程序及存储介质
CN114581223B (zh) * 2022-05-05 2022-07-29 支付宝(杭州)信息技术有限公司 分配任务处理方法、设备、分布式计算系统及存储介质

Also Published As

Publication number Publication date
SG11202102554PA (en) 2021-04-29
US20210217082A1 (en) 2021-07-15
US11257152B2 (en) 2022-02-22
WO2020143850A2 (en) 2020-07-16
WO2020143850A3 (en) 2021-01-28

Similar Documents

Publication Publication Date Title
CN111742335A (zh) 用于优化借款请求的分配的方法和系统
US11030681B2 (en) Intermediate blockchain system for managing transactions
US11037118B2 (en) Zero knowledge third party guarantee of service on decentralized computing platform
US11126659B2 (en) System and method for providing a graph protocol for forming a decentralized and distributed graph database
US20110137805A1 (en) Inter-cloud resource sharing within a cloud computing environment
CN106170777A (zh) 降低基于块的存储的数据卷耐久性状态
US20120323821A1 (en) Methods for billing for data storage in a tiered data storage system
US11270390B2 (en) Zero-touch payroll management system
US20210342838A1 (en) Systems and methods for receiving and distributing consideration via smart contracts on a blockchain
CN108921558A (zh) 基于区块链的资产清结算方法、系统、设备及存储介质
WO2021223493A1 (en) Method and system for blockchain-based loan management
US20200098040A1 (en) Flexible loan management system and method
WO2020143851A2 (en) Method and system for optimizing resource redistribution
US10951543B1 (en) System and method for controlling access to resources in a multicomputer network
US20200167756A1 (en) Hybridized cryptocurrency and regulated currency structure
CN110413918A (zh) 数据发送方法、装置、设备及存储介质
JP2005135209A (ja) 分散処理サービス仲介システム及びその方法
CN114254841A (zh) 资源额度处理方法、计算设备、用户设备以及服务器
US10032217B2 (en) Reconciliation for enabling accelerated access to contribution funded accounts
WO2022236501A1 (en) Method and system for optimizing large-scale resource allocation with constraints
US11715126B1 (en) Systems and methods to process payments for subscribership within a membership platform
KR102543152B1 (ko) 가상 화폐에 기반한 메타버스 쇼핑몰을 운영하기 위한 장치 및 방법
US20230289724A1 (en) Distributed ledger inventory management
US20230131232A1 (en) Verifying external accounts in real-time using dynamic smart contracts
CN108009020B (zh) 资源管理的方法、装置和系统

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

Application publication date: 20201002

RJ01 Rejection of invention patent application after publication