CN111833170A - 一种应收账款债权融资客户授信方法及系统 - Google Patents

一种应收账款债权融资客户授信方法及系统 Download PDF

Info

Publication number
CN111833170A
CN111833170A CN201910326992.XA CN201910326992A CN111833170A CN 111833170 A CN111833170 A CN 111833170A CN 201910326992 A CN201910326992 A CN 201910326992A CN 111833170 A CN111833170 A CN 111833170A
Authority
CN
China
Prior art keywords
credit
module
client
variable
financing
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
CN201910326992.XA
Other languages
English (en)
Inventor
梁樑
黄林
黄学柱
朱香友
李书生
陈洪兵
曾水保
胡勇
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.)
Anhui Sea Converge Financial Investment Group Co ltd
Original Assignee
Anhui Sea Converge Financial Investment Group 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 Anhui Sea Converge Financial Investment Group Co ltd filed Critical Anhui Sea Converge Financial Investment Group Co ltd
Priority to CN201910326992.XA priority Critical patent/CN111833170A/zh
Publication of CN111833170A publication Critical patent/CN111833170A/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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种应收账款债权融资客户授信方法及系统，包括如下步骤：银行等授信机构获取客户应收账款债权融资请求信息，查验应收账款债权信息；对客户进行信用评价，以确定客户的授信额度；办理应收账款质押或转让登记，根据客户的授信额度，向获得授信的客户发放融资；客户(借款人)或承诺支付的应收账款债务人或承诺回购的初始债权人按约定向银行等授信机构还(付)款，以结清贷款并同步解除应收账款质押。通过应收账款债权管理服务机构与银行等授信机构的合作与系统对接，高效便捷地为应收账款债权融资客户办理授信审批，以提高授信审批的效率和放款速度，对于优质客户可以实现极速、瞬时放款，降低融资成本。

Description

一种应收账款债权融资客户授信方法及系统
技术领域
本发明涉及金融信用管理技术领域，尤其涉及一种应收账款债权融资的客户授信方法及系统。
背景技术
当前，各类经济主体尤其是民营企业和中小微企业拥有大量的应收账款，传统银行业金融机构、保理商等相关资金提供方以及应收账款债权管理公司等债权管理服务机构，对于应收账款流转融资申请，普遍存在申请手续复杂、审批周期较长、人工成本高等诸多问题，难以快速满足市场旺盛的应收账款流转融资需求，小微企业小额、分散的融资需求更是难以获得，因此，如何高效便捷地为应收账款债权融资客户办理授信审批，以提高授信审批的效率和放款速度，降低融资成本，对于破解民营企业和中小微企业融资难、融资贵、融资慢等问题具有积极意义。
发明内容
基于背景技术存在的技术问题，本发明提出了一种应收账款债权融资客户授信方法及系统，通过应收账款债权管理服务机构与银行等授信机构的合作与系统对接，银行等授信机构可以联机实时获取已经应收账款债权管理服务机构増信审查的应收账款债权及客户相关信息，结合模型和算法实现快速授信，高效便捷地为应收账款债权融资客户办理授信审批，以提高授信审批的效率和放款速度，对于优质客户可以实现极速、瞬时放款，降低融资成本。
本发明提出的一种应收账款债权融资客户授信方法，包括如下步骤：
获取应收账款债权的融资请求信息，查询并核实与融资请求信息对应的应收账款债权信息；
对客户进行信用评价，以确定客户的授信额度；
根据客户的授信额度，向授信后的客户发放融资，以实现应收账款债权的授信融资。
进一步地，在所述对客户进行信用评价，确定客户的授信额度中，包括如下步骤：
从外部合作数据源、互联网以及内部数据库中获取被评客户的外部和内部数据，所述外部和内部数据至少包括供应链上下游交易数据、工商数据、信用记录以及信用评级的历史数据；
对获取的外部和内部数据进行清洗操作，清洗操作用于从原始数据中筛选出标准数据；
计算标准数据对应的统计量F和相关矩阵S；
设定入选临界值Fin和剔除临界值Fout；
判断统计量F中的变量是否处于入选临界值Fin和剔除临界值Fout之间；
若是，则输出该变量，得到入选终量，所述入选终量作为信用评价模型的模型变量，构建信用评价模型；
若否，则剔除该变量，并再次判断统计量F中的变量是否处于入选临界值Fin和剔除临界值Fout之间。
通过信用评价模型输出信用评分和信用等级，以进行客户授信。
进一步地，所述判断统计量F中的变量是否处于入选临界值Fin和剔除临界值Fout之间，包括：
计算统计量F中变量的最大值Fmax；
判断最大值Fmax是否大于入选临界值Fin；
若是，则输出该统计量F中的变量，得到入选变量。
若否，则剔除该统计量F中的变量，再次判断统计量F中变量的最大值Fmax是否大于入选临界值Fin；
进一步地，所述输出该变量，得到入选变量后，包括：
计算入选变量中的最小值Fmin；
判断最小值Fmin是否小于剔除临界值Fout；
若是，则剔除该入选变量，并再次判断最大值Fmax是否小于剔除临界值Fout；
若否，则输出该入选变量，该入选变量作为入选终量。
进一步地，所述输出该变量，得到入选终量时，对相关矩阵S进行消去变换，得到入选相关矩阵。
进一步地，所述入选终量对应的入选相关矩阵的最后一行数据作为信用评价模型的回归系数。
一种应收账款债权融资客户授信系统，包括融资请求获取模块、客户授信模块和融资发放模块；
融资请求获取模块用于获取应收账款债权的融资请求信息，查询并核实与融资请求信息对应的应收账款债权信息；
客户授信模块用于对客户进行信用评价，以确定客户的授信额度；
融资发放模块用于根据客户的授信额度，向授信后的客户发放融资，以实现应收账款债权的授信融资。
进一步地，客户授信模块包括获取模块、清洗筛选模块、计算模块、参数设定模块、判断模块、输出模块、剔除模块、模型构建模块和信用授信模块；
获取模块用于从外部合作数据源、互联网以及内部数据库中获取被评客户的外部和内部数据；
清洗筛选模块用于对获取的外部和内部数据进行清洗操作，清洗操作用于从原始数据中筛选出标准数据；
计算模块用于计算标准数据对应的统计量F和相关矩阵S；
参数设定模块用于设定入选临界值Fin和剔除临界值Fout；
判断模块用于判断统计量F中的变量是否处于入选临界值Fin和剔除临界值Fout之间，若是，则进入输出模块，若否，则进入剔除模块；
输出模块用于输出该变量，得到入选终量，所述入选终量作为信用评价模型的模型变量；
剔除模块用于剔除统计量F中的变量，并再次进入判断模块；
模型构建模块用于通过入选终量构建信用评价模型。
信用授信模块用于通过信用评价模型输出信用评分和信用等级，以进行客户授信。
进一步地，判断模块包括统计量设定模块和第一判断模块，输出模块包括入选变量输出单元，剔除模块包括入选变量剔除单元；
统计量设定模块用于计算统计量F中变量的最大值Fmax；
第一判断模块用于判断最大值Fmax是否大于入选临界值Fin；
若是，则进入入选变量输出单元；
若否，则进入入选变量剔除单元，然后再次进入第一判断模块；
入选变量输出单元用于输出统计量F中的变量，得到入选变量；
入选变量剔除单元用于剔除统计量F中的变量；
进一步地，判断模块还包括第二判断模块，输出模块还包括终量输出单元，剔除模块还包括终量剔除单元；
第二判断模块用于判断统计量F中变量的最小值Fmin是否小于剔除临界值Fout；
若是，则进入终量剔除单元，然后再次进入第二判断模块；
若否，则进入终量输出单元；
终量剔除单元用于剔除入选变量；
终量输出单元用于输出入选变量，该入选变量作为入选终量。
进一步地，还包括消去变换模块，所述消去变换模块用于对相关矩阵S进行消去变换，得到入选相关矩阵。
本发明提供的一种应收账款债权融资客户授信方法及系统的优点在于：本发明结构中提供的一种应收账款债权融资客户授信方法及系统，通过应收账款债权管理服务机构与银行等授信机构的合作与系统对接，银行等授信机构可以联机实时获取已经应收账款债权管理服务机构増信审查的应收账款债权及客户相关信息，结合模型和算法实现快速授信，高效便捷地为应收账款债权融资客户办理授信审批，以提高授信审批的效率和放款速度，对于优质客户可以实现极速、瞬时放款，降低融资成本。
附图说明
图1为本发明一种应收账款债权融资客户授信方法的步骤示意图；
图2为本发明一种应收账款债权融资客户授信方法中步骤S2的详细步骤示意图；
图3为本发明一种应收账款债权融资客户授信系统的流程示意图；
其中，1-融资请求获取模块，2-客户授信模块，3-融资发放模块，21-获取模块，22-清洗筛选模块，23-计算模块，24-参数设定模块，25-判断模块，26-输出模块，27-剔除模块，28-模型构建模块，29-信用授信模块，51-统计量设定模块，52-第一判断模块，53-第二判断模块，61-入选变量输出单元，62-终量输出单元，71-入选变量剔除单元，72-终量剔除单元。
具体实施方式
下面，通过具体实施例对本发明的技术方案进行详细说明。需要说明的是，其中：
(1)应收账款债权管理服务机构是指由地方政府或国企独资组建的应收账款债权管理公司或者人民法院、仲裁委员会、依法成立的各类调解组织，主要职能是借助国家科技支撑计划“基于债权流转的新一代电子支付服务体系研发及应用示范”项目建设的应收账款债权凭证(合同)流转系统，将各类经济主体拥有的对政府、国企等产业链核心龙头企业的应收账款，转变为纸质或电子的应收账款债权凭证(合同)，凭证(合同)记载的债权人可在银行等金融机构融资或通过转让、融货、抵付、交易、质押等方式进行流转；
(2)债权凭证(合同)、凭证(合同)、债权凭证均为应收账款债权凭证(合同)的简称；应收账款债权是指经应收账款债权凭证(合同)记载的应收账款债权；
(3)银行等授信机构，是指银行业金融机构、保理商、小额贷款公司等有资质发放贷款的机构。
参照图1，本发明提出的一种应收账款债权融资客户授信方法，包括如下步骤：
S1：获取客户的应收账款债权融资请求信息，向应收账款债权管理服务机构查验拟融资的应收账款债权信息；
银行等授信机构与应收账款债权管理服务机构合作并进行系统对接，受理客户的应收账款债权融资申请，融资申请信息推送方式包括但不限于以下几种：
(1)应收账款债权管理服务机构可根据债权人的委托，实时向银行等授信机构推送客户融资申请；
(2)应收账款债权人在应收账款债权管理服务机构端的业务系统，自行向合作银行等授信机构提交应收账款债权融资申请；
(3)应收账款债权人同时是银行等授信机构现有客户的，也可直接在银行等授信机构端的业务系统(如网银)提交应收账款债权融资申请；
(4)应收账款债权人通过银行等授信机构柜台提交融资申请。
银行等机构收到客户的应收账款债权融资申请后，通过系统实时向应收账款债权管理服务机构查询和验证对应的应收账款债权信息，确认债权真实有效，并避免出现同一笔债权进行重复融资。
S2：对客户进行信用评价，以确定客户的授信额度；
银行等授信机构通过系统向应收账款债权管理服务机构实时核实应收账款债权信息，确认其真实、合法、有效，并从应收账款债权管理服务机构系统实时调取应收账款债权相关信息，至少包括债务人信息、初始债权人信息、债权金额、债权期限、増信措施、债权流转情况、当前持有人(债权受让人)信息、相关业务合同以及对应附件材料。
同时银行等授信机构根据应收账款债权及融资客户的资信状况，通过信用评价模型进行信用评价，确定客户的授信额度。
S3：根据客户的授信额度，向获得授信的客户发放融资，以实现应收账款债权的授信融资。
在银行等授信机构审核通过，客户的授信额度确定后，银行等授信机构通过系统实时通知应收账款债权管理服务机构将对应的债权办理流转登记，其中：如以应收账款质押方式融资的，为质押登记；如以应收账款债权转让方式融资的，则为转让登记。应收账款债权管理服务机构完成登记并通知银行等授信机构。银行等授信机构确认应收账款债权管理服务机构完成登记后根据授信审批额度为客户发放融资(贷款)，并将放款信息通知应收账款债权管理服务机构，应收账款债权管理服务机构记录银行等授信机构的融资放款信息，以便进行后续跟踪管理和服务。
融资到期，由借款人或承诺付款的应收账款债务人或承诺回购的初始债权人按期向银行等授信机构还本付息，银行结清贷款本息后，通过系统实时通知应收账款债权管理服务机构对应的贷款已结清，如为质押贷款的，应收账款债权管理服务机构同步将此前办理质押登记的应收账款解除质押。
通过步骤S1至S3，实现银行等授信机构对客户的授信和放款，通过应收账款债权管理服务机构与银行等授信机构的合作以及系统联动共享信息，全面提升授信审查审批效率，让银行等授信机构从原本耗时耗力的授信调查等中解脱出来，为客户提供更好的金融服务，同时，对于中小微企业、自然人等分散、小额的应收账款债权融资需求也更容易获得。
进一步地，如图2所示，所述在步骤S2：所述对客户进行信用评价，确定客户的授信额度中，包括如下步骤：
S21：从外部合作数据源、互联网以及内部数据库中获取被评客户的外部和内部数据，所述外部和内部数据至少包括供应链上下游交易数据、工商数据、信用记录以及信用评级历史数据；
根据客户融资授信请求，直接从外部合作数据源、互联网以及内部数据库中调用被评客户的外部和内部数据，其中，从合作方应收账款债权管理服务机构实时调取的应收账款债权以及客户信息对于银行等授信机构的授信具有极为重要的参考价值，因为应收账款债权管理服务机构作为独立的业务机构，已对应收账款债权真实性、合法性、有效性进行了全面审查并根据风险管理要求落实了具体的増信措施，可节省银行等授信机构原本需要进行客户调查等耗时耗力的前期工作。
S22：对获取的外部和内部数据进行清洗操作，清洗操作用于从原始数据中筛选出标准数据；
剔除原始数据中的异常值、重复值、无效值、缺失值以获得标准数据。
异常值指样本历史数据中的个别值，其数值明显偏离它(或他们)所属样本的其余观测值，也称异常数据，离群值。缺失值是指现有数据集中某个或某些属性的值是不完全的。重复值是指数据行中完全一样的数据。
以上将被评客户的原始数据数字格式化，将字符值转化为对应的数量值。
数据标准化过程包括：连续变量的数据、名义变量的数据、序数变量的数据等。
(1)对于连续变量的数据，进行0-1标准化，公式如下：
Figure BDA0002036534620000091
其中x为连续变量，如年龄、月工资等。
(2)对于名义变量的数据，将名义变量转化为布尔变量，具体如下：
建立虚拟变量var，每个序号对应一个变量，如变量v1取值1/2/3，那么分别建立var1 var2 var3，当v1为1时，var1为1，v1取其他值，var1为0，其他变量类似；
(3)对于序数变量的数据，将序数变量转化为布尔变量，具体同上(2)的对于名义变量数据的处理。
S23：计算标准数据对应的统计量F和相关矩阵S；
S24：设定入选临界值Fin和剔除临界值Fout，Fin小于等于Fout；
S25：计算统计量F中变量的最大值Fmax；
S26：判断最大值Fmax是否大于入选临界值Fin；
若是，则进入步骤S27；
若否，则进入步骤S28，然后进入步骤S25，直至统计量F中变量均判断结束；
S27：输出该统计量F中的变量，得到入选变量，进入步骤S9；
S28：剔除统计量F中的该变量；
S29：计算入选变量中的最小值Fmin；
S30：判断最小值Fmin是否小于剔除临界值Fout；
若是，则进入步骤S31，然后再次进入步骤S29，直至入选变量中的变量判断结束；
若否，则进入步骤S32；
S31：剔除该入选变量；
S32：输出该入选变量，该入选变量作为入选终量。
S33：通过入选终量构建信用评价模型；
S34：通过信用评价模型输出信用评分和信用等级，以进行客户授信。
通过以上步骤S21至S34，通过获取被评客户的外部和内部数据，并经过清洗和构建信用评价模型来实现对客户的授信，能够有效的快速输出授信等级，提高授信审查审批效率。
进一步地，所述输出该变量，得到入选终量时，对相关矩阵S进行消去变换，得到入选相关矩阵。
相关矩阵S是将表格中标准变量所对应行的相关系数作为相关矩阵S的行，将表格中标准变量所对应列的相关系数作为相关矩阵S的列，得到相应的相关矩阵。
在对相关矩阵S做消去变换时，将相关矩阵S中的入选变量对应的数值提取出来，并按照提取出来的行列顺序进行依次组合，得到入选相关矩阵。
进一步地，所述入选终量对应的入选相关矩阵的最后一行数据作为信用评价模型的回归系数。
信用评价模型通过入选终量和回归系数进行构建。
通过以上方法构建信用评价模型，在进行客户授信的过程中，对该信用评价模型进行深度学习的迭代处理，以完善信用评价模型；提高了信用评价模型对客户的授信准确率。
如图3所示，一种应收账款债权融资客户授信系统，融资请求获取模块1、客户授信模块2和融资发放模块3；
融资请求获取模块1用于获取应收账款债权的融资请求信息，查询并核实与融资请求信息对应的应收账款债权信息；
客户授信模块2用于对客户进行信用评价，以确定客户的授信额度；
融资发放模块3用于根据客户的授信额度，向授信后的客户发放融资，以实现应收账款债权的授信融资。
进一步地，客户授信模块2包括获取模块21、清洗筛选模块22、计算模块23、参数设定模块24、判断模块25、输出模块26、剔除模块27、模型构建模块28和信用授信模块29；
获取模块21用于从外部合作数据源、互联网以及内部数据库中获取被评客户的外部和内部数据，所述外部和内部数据至少包括供应链上下游交易数据、工商数据、信用记录以及信用评级历史数据；
清洗筛选模块22用于对获取的外部和内部数据进行清洗操作，清洗操作用于从原始数据中筛选出标准数据；
计算模块23用于计算标准数据对应的统计量F和相关矩阵S；
参数设定模块24用于设定入选临界值Fin和剔除临界值Fout；
判断模块25用于判断统计量F中的变量是否处于入选临界值Fin和剔除临界值Fout之间，若是，则进入输出模块26，若否，则进入剔除模块27；
输出模块26用于输出该变量，得到入选终量，所述入选终量作为信用评价模型的模型变量；
剔除模块27用于剔除统计量F中的变量，并再次进入判断模块25；
模型构建模块28用于通过入选终量构建信用评价模型。
信用授信模块29用于通过信用评价模型输出信用评分和信用等级，以进行客户授信。
进一步地，判断模块25包括统计量设定模块51和第一判断模块252，输出模块26包括入选变量输出单元61，剔除模块27包括入选变量剔除单元71；
统计量设定模块51用于计算统计量F中变量的最大值Fmax和最小值Fmin；
第一判断模块52用于判断最大值Fmax是否大于入选临界值Fin；
若是，则进入入选变量输出单元61；
若否，则进入入选变量剔除单元71，然后再次进入第一判断模块52；
入选变量输出单元61用于输出统计量F中的变量，得到入选变量；
入选变量剔除单元71用于剔除统计量F中的变量；
进一步地，判断模块25还包括第二判断模块53，输出模块26还包括终量输出单元62，剔除模块27还包括终量剔除单元72；
第二判断模块53用于判断统计量F中变量的最小值Fmin是否小于剔除临界值Fout；
若是，则进入终量剔除单元72，然后再次进入第二判断模块53；
若否，则进入终量输出单元62；
终量剔除单元72用于剔除入选变量；
终量输出单元62用于输出入选变量，该入选变量作为入选终量。
进一步地，还包括消去变换模块，所述消去变换模块用于对相关矩阵S进行消去变换，得到入选相关矩阵。
例如准备评价数据如下：
Figure BDA0002036534620000131
将上述数据代入到模型中就可以得出优质客户这个目标变量的评价值了，结果如下：
Figure BDA0002036534620000132
将这个结果输出即可，可以对这个评价结果作进一步的使用，例如：
(1)信用等级的划分：将客户信用级别分为A、B、C、D四级，客户最终评价指标得分90分以上的为A级，得分70分以上不满90分的为B级，得分50分以上不满70分的为C级，得分不满50分的为D级。
(2)不同信用等级对应的应收账款质押率(折扣率)及放款时效等：
对于等级为A的客户，应收账款质押率可按照最高不超过90％执行，可极速放款；
对于等级为B的客户，应收账款质押率可按照最高不超过80％执行，可极速放款；
对于等级为C的客户，应收账款质押率可按照最高不超过60％执行，并可以根风控要求客户补充担保措施后放款；
对于等级为D的客户，可以直接判定为授信不通过。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种应收账款债权融资客户授信方法，其特征在于，包括如下步骤：
获取应收账款债权的融资请求信息，查询并核实与融资请求信息对应的应收账款债权信息；
对客户进行信用评价，以确定客户的授信额度；
根据客户的授信额度，向授信后的客户发放融资，以实现应收账款债权的授信融资。
2.根据权利要求1所述的应收账款债权融资客户授信方法，其特征在于，在所述对客户进行信用评价，确定客户的授信额度中，包括如下步骤：
从外部合作数据源、互联网以及内部数据库中获取被评客户的外部和内部数据，所述外部和内部数据至少包括供应链上下游交易数据、工商数据、信用记录以及信用评级历史数据；
对获取的外部和内部数据进行清洗操作，清洗操作用于从原始数据中筛选出标准数据；
计算标准数据对应的统计量F和相关矩阵S；
设定入选临界值Fin和剔除临界值Fout；
判断统计量F中的变量是否处于入选临界值Fin和剔除临界值Fout之间；
若是，则输出该变量，得到入选终量，所述入选终量作为信用评价模型的模型变量，构建信用评价模型；
若否，则剔除该变量，并再次判断统计量F中的变量是否处于入选临界值Fin和剔除临界值Fout之间。
通过信用评价模型输出信用评分和信用等级，以进行客户授信。
3.根据权利要求2所述的应收账款债权融资客户授信方法，其特征在于，所述判断统计量F中的变量是否处于入选临界值Fin和剔除临界值Fout之间，包括：
计算统计量F中变量的最大值Fmax；
判断最大值Fmax是否大于入选临界值Fin；
若是，则输出该统计量F中的变量，得到入选变量。
若否，则剔除统计量F中的该变量，再次判断统计量F中变量的最大值Fmax是否大于入选临界值Fin。
4.根据权利要求3所述的应收账款债权融资客户授信方法，其特征在于，所述输出该变量，得到入选变量后，包括：
计算入选变量中的最小值Fmin；
判断最小值Fmin是否小于剔除临界值Fout；
若是，则剔除该入选变量，并再次判断最大值Fmax是否小于剔除临界值Fout；
若否，则输出该入选变量，该入选变量作为入选终量。
5.根据权利要求2所述的应收账款债权融资客户授信方法，其特征在于，所述输出该变量，得到入选终量时，对相关矩阵S进行消去变换，得到入选相关矩阵，所述入选终量对应的入选相关矩阵的最后一行数据作为信用评价模型的回归系数。
6.一种应收账款债权融资客户授信系统，其特征在于，包括融资请求获取模块(1)、客户授信模块(2)和融资发放模块(3)；
融资请求获取模块(1)用于获取应收账款债权的融资请求信息，查询并核实与融资请求信息对应的应收账款债权信息；
客户授信模块(2)用于对客户进行信用评价，以确定客户的授信额度；
融资发放模块(3)用于根据客户的授信额度，向授信后的客户发放融资，以实现应收账款债权的授信融资。
7.根据权利要求6所述的应收账款债权融资客户授信系统，其特征在于，客户授信模块(2)包括获取模块(21)、清洗筛选模块(22)、计算模块(23)、参数设定模块(24)、判断模块(25)、输出模块(26)、剔除模块(27)、模型构建模块(28)和信用授信模块(29)；
获取模块(21)用于从外部合作数据源、互联网以及内部数据库中获取被评客户的外部和内部数据；
清洗筛选模块(22)用于对获取的外部和内部数据进行清洗操作，清洗操作用于从原始数据中筛选出标准数据；
计算模块(23)用于计算标准数据对应的统计量F和相关矩阵S；
参数设定模块(24)用于设定入选临界值Fin和剔除临界值Fout；
判断模块(25)用于判断统计量F中的变量是否处于入选临界值Fin和剔除临界值Fout之间，若是，则进入输出模块(26)，若否，则进入剔除模块(27)；
输出模块(26)用于输出该变量，得到入选终量，所述入选终量作为信用评价模型的模型变量；
剔除模块(27)用于剔除统计量F中的变量，并再次进入判断模块(25)；
模型构建模块(28)用于通过入选终量构建信用评价模型。
信用授信模块(29)用于通过信用评价模型输出信用评分和信用等级，以进行客户授信。
8.根据权利要求7所述的应收账款债权融资客户授信系统，其特征在于，判断模块(25)包括统计量设定模块(51)和第一判断模块(52)，输出模块(26)包括入选变量输出单元(61)，剔除模块(27)包括入选变量剔除单元(71)；
统计量设定模块(51)用于计算统计量F中变量的最大值Fmax；
第一判断模块(52)用于判断最大值Fmax是否大于入选临界值Fin；
若是，则进入入选变量输出单元(61)；
若否，则进入入选变量剔除单元(71)，然后再次进入第一判断模块(52)；
入选变量输出单元(61)用于输出统计量F中的变量，得到入选变量；
入选变量剔除单元(71)用于剔除统计量F中的变量。
9.根据权利要求8所述的应收账款债权融资客户授信系统，其特征在于，判断模块(25)还包括第二判断模块(53)，输出模块(26)还包括终量输出单元(62)，剔除模块(27)还包括终量剔除单元(72)；
第二判断模块(53)用于判断入选变量输出单元(61)输出的入选变量的最小值Fmin是否小于剔除临界值Fout；
若是，则进入终量剔除单元(72)，然后再次进入第二判断模块(53)；
若否，则进入终量输出单元(62)；
终量剔除单元(72)用于剔除入选变量；
终量输出单元(62)用于输出入选变量，该入选变量作为入选终量。
10.根据权利要求7所述的应收账款债权融资客户授信系统，其特征在于，还包括消去变换模块，所述消去变换模块用于对相关矩阵S进行消去变换，得到入选相关矩阵。
CN201910326992.XA 2019-04-23 2019-04-23 一种应收账款债权融资客户授信方法及系统 Pending CN111833170A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910326992.XA CN111833170A (zh) 2019-04-23 2019-04-23 一种应收账款债权融资客户授信方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910326992.XA CN111833170A (zh) 2019-04-23 2019-04-23 一种应收账款债权融资客户授信方法及系统

Publications (1)

Publication Number Publication Date
CN111833170A true CN111833170A (zh) 2020-10-27

Family

ID=72911410

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910326992.XA Pending CN111833170A (zh) 2019-04-23 2019-04-23 一种应收账款债权融资客户授信方法及系统

Country Status (1)

Country Link
CN (1) CN111833170A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657999A (zh) * 2021-10-20 2021-11-16 深圳市商票圈科技有限公司 一种线上化商票快贷方法、装置、计算机设备和存储介质
CN116739744A (zh) * 2023-06-13 2023-09-12 湖北盈嘉集团有限公司 一种应收账款确权中企业信用评级系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156893A (zh) * 2011-03-24 2011-08-17 大连海事大学 Rfid设备网络环境下采集数据的清洗系统及方法
CN103413242A (zh) * 2013-07-24 2013-11-27 通联支付网络服务股份有限公司 一种非面对面交易中小企业信誉及融资信用标准系统
CN106157139A (zh) * 2015-04-03 2016-11-23 上海拓悉信息科技有限公司 一种债权交易方法
CN108038781A (zh) * 2017-12-05 2018-05-15 安徽海汇金融投资集团有限公司 一种应收账款债权凭证（合同）流转系统
CN108416668A (zh) * 2018-03-07 2018-08-17 物数（上海）信息科技有限公司 贸易跟踪和应收账款融资方法、系统、设备及存储介质
CN108564286A (zh) * 2018-04-19 2018-09-21 天合泽泰（厦门）征信服务有限公司 一种基于大数据征信的人工智能金融风控授信评定方法和系统
CN109410065A (zh) * 2018-09-26 2019-03-01 上海嵩石投资管理有限公司 一种融资实现方法和装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102156893A (zh) * 2011-03-24 2011-08-17 大连海事大学 Rfid设备网络环境下采集数据的清洗系统及方法
CN103413242A (zh) * 2013-07-24 2013-11-27 通联支付网络服务股份有限公司 一种非面对面交易中小企业信誉及融资信用标准系统
CN106157139A (zh) * 2015-04-03 2016-11-23 上海拓悉信息科技有限公司 一种债权交易方法
CN108038781A (zh) * 2017-12-05 2018-05-15 安徽海汇金融投资集团有限公司 一种应收账款债权凭证（合同）流转系统
CN108416668A (zh) * 2018-03-07 2018-08-17 物数（上海）信息科技有限公司 贸易跟踪和应收账款融资方法、系统、设备及存储介质
CN108564286A (zh) * 2018-04-19 2018-09-21 天合泽泰（厦门）征信服务有限公司 一种基于大数据征信的人工智能金融风控授信评定方法和系统
CN109410065A (zh) * 2018-09-26 2019-03-01 上海嵩石投资管理有限公司 一种融资实现方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
冯俊萍;: "中小企业应收账款质押融资博弈分析", 商业会计, no. 08, pages 8 - 10 *
单世民;: "小企业应收账款质押融资问题分析", 齐鲁珠坛, no. 04, pages 40 - 42 *
曹文彬;马翠香;: "基于供应链金融的应收账款融资博弈分析", 商业研究, no. 03, pages 169 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113657999A (zh) * 2021-10-20 2021-11-16 深圳市商票圈科技有限公司 一种线上化商票快贷方法、装置、计算机设备和存储介质
CN116739744A (zh) * 2023-06-13 2023-09-12 湖北盈嘉集团有限公司 一种应收账款确权中企业信用评级系统
CN116739744B (zh) * 2023-06-13 2024-01-26 湖北盈嘉集团有限公司 一种应收账款确权中企业信用评级系统

Similar Documents

Publication Publication Date Title
US8086524B1 (en) Systems and methods for transaction processing and balance transfer processing
US20060224480A1 (en) Systems and methods for loan management with variable security arrangements
US20080294547A1 (en) Systems and methods for establishing business credit and improving personal credit
US20140207634A1 (en) Refund purchase system
US20130159165A1 (en) Automated process guidance application and method for credit instrument origination, administration and fractionalization system
WO2006020218A2 (en) Future check financing method
KR101980307B1 (ko) 피투피(p2p) 투자 중개 시스템
KR20020013677A (ko) 온라인 상에서 공인인증된 매출채권 양수도 계약에 의한매출채권 결제방법 및 장치
CN111833170A (zh) 一种应收账款债权融资客户授信方法及系统
KR101621411B1 (ko) 예금보험금 지급 관리시스템
CN111461861B (zh) 一种二级法人资金业务管理系统
KR20190046189A (ko) 피투피(p2p) 대출 제공 방법 및 그 장치
KR100478693B1 (ko) 기업간 주문 및 거래 정보 관리 시스템 및 이를 이용한장래매출 채권의 형성 및 전자 결제 관리 방법
US20140006192A1 (en) Selective escrow of funds based on transaction receipts
Iftikhar et al. Blockchain Based Smart Sukuk as Shariah Compliant Investment Avenues for Islamic Financial Institutions in Pakistan
KR102012673B1 (ko) 해외 담보를 이용한 ｐ2ｐ 방식의 자금 조달 시스템
KR101452043B1 (ko) 대출고객 중 대출기준에 미달하는 대출회원에게 예금담보를 제공하는 회원을 모집하는 예금담보인 구인중계시스템 및 예금담보인 구인중계서비스 관리방법
TWI629656B (zh) 債權交易平台
JP2003248754A (ja) 資産査定支援システム
CN111754319A (zh) 一种应收账款债权增信系统
CN113657356B (zh) 一种基于商票的资产证券化系统、方法和存储介质
Peretz The single euro payment area: a new opportunity for consumer alternative dispute resolution in the European Union
Ba et al. Transaction Systems
KR100737640B1 (ko) 담보콜거래 관리시스템 및 그 방법
CN116258589A (zh) 一种基于竞价交易的债权流转系统

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