CN112163944A - 客户的贷款资质评分方法、装置、计算机设备和存储介质 - Google Patents
客户的贷款资质评分方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112163944A CN112163944A CN202010986811.9A CN202010986811A CN112163944A CN 112163944 A CN112163944 A CN 112163944A CN 202010986811 A CN202010986811 A CN 202010986811A CN 112163944 A CN112163944 A CN 112163944A
- Authority
- CN
- China
- Prior art keywords
- loan
- target
- qualification
- application information
- model
- 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.)
- Granted
Links
- 238000012797 qualification Methods 0.000 title claims abstract description 176
- 238000013077 scoring method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000011156 evaluation Methods 0.000 claims abstract description 45
- 238000012549 training Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种客户的贷款资质评分方法、装置、计算机设备和存储介质。该方法包括：当确定目标客户的贷款基本信息满足预测评规则时，获取目标客户的贷款申请信息；将所述贷款申请信息输入至预先训练的贷款资质评分模型中，获取所述贷款资质评分模型输出的目标贷款资质评分。使用本发明的技术方案，可以实现实时、快速、客观的对客户贷款资质进行评估，从而提高贷款流程的效率。
Description
技术领域
本发明实施例涉及数据处理技术，尤其涉及一种客户的贷款资质评分方法、装置、计算机设备和存储介质。
背景技术
在个人贷款的审批过程中，为了降低贷款发放的风险，银行需要通过客户的个人信息、还款能力、信用情况以及负债情况等因素，对客户的贷款资质进行测评。
传统的银行个人贷款审批过程中，主要依赖于在客户填写基本资料后，人力对客户贷款资质进行评估，这种客户贷款资质的评估方式，人工成本较高，评估效率低，且评估标准较为主观，评估结果的客观性较差。
发明内容
本发明实施例提供一种客户的贷款资质评分方法、装置、计算机设备和存储介质，以实现实时、快速、客观的对客户贷款资质进行评估，从而提高贷款流程的效率。
第一方面，本发明实施例提供了一种客户的贷款资质评分方法，该方法包括：
当确定目标客户的贷款基本信息满足预测评规则时，获取目标客户的贷款申请信息；
将所述贷款申请信息输入至预先训练的贷款资质评分模型中，获取所述贷款资质评分模型输出的目标贷款资质评分。
第二方面，本发明实施例还提供了一种客户的贷款资质评分装置，该装置包括：
贷款申请信息获取模块，用于当确定目标客户的贷款基本信息满足预测评规则时，获取目标客户的贷款申请信息；
目标贷款资质评分获取模块，用于将所述贷款申请信息输入至预先训练的贷款资质评分模型中，获取所述贷款资质评分模型输出的目标贷款资质评分。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的客户的贷款资质评分方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例中任一所述的客户的贷款资质评分方法。
本发明实施例通过先判断目标客户的贷款基本信息是否满足预测评规则，再在满足预测评规则时，将贷款申请信息输入至贷款资质评分模型中，获取目标贷款资质评分。解决了现有技术中对客户贷款资质进行评估的方式，人工成本较高，评估效率低，且评估标准较为主观，评估结果的客观性较差的问题，实现了实时、快速、客观的对客户贷款资质进行评估，提高了贷款流程的效率。
附图说明
图1是本发明实施例一中的一种客户的贷款资质评分方法的流程图；
图2是本发明实施例二中的一种客户的贷款资质评分方法的流程图；
图3是本发明实施例三中的一种客户的贷款资质评分装置的结构示意图；
图4是本发明实施例四中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种客户的贷款资质评分方法的流程图，本实施例可适用于线上实时对客户的贷款资质进行评分，以便进行贷款审批的情况，该方法可以由客户的贷款资质评分装置来执行，该装置可以由软件和/或硬件来实现，并一般集成在计算机设备中。
如图1所示，本发明实施例的技术方案，具体包括如下步骤：
S110、当确定目标客户的贷款基本信息满足预测评规则时，获取目标客户的贷款申请信息。
其中，目标客户可以是申请进行个人贷款的客户，银行对目标客户放贷前，需要审核目标客户的贷款资质。贷款基本信息可以是目标客户的身份信息，以及与贷款项目相关的基本信息。贷款基本信息用于判断目标客户能否通过预测评，当贷款基本信息满足预测评规则时，目标客户通过预测评，可以进一步进行贷款资质评分。贷款申请信息是目标客户申请贷款需要的全部信息，用于综合评估目标客户的贷款资质。
需要进行说明的是，当贷款基本信息不满足预测评规则时，目标客户未通过预测评，可以对目标客户不予放贷，或要求目标客户提供其他证明信息，由后台工作人员进行审核，本实施例对未通过预测评时的处理策略不进行限制。
在本发明实施例中，在对目标客户进行贷款资质评分之前，首先根据贷款基本信息进行预测评，当贷款基本信息满足预测评规则时，才获取目标客户的贷款申请信息并进行贷款资质评分。
在本发明一个可选的实施例中，所述贷款基本信息可以包括以下至少一项：拟购房屋建造年份、拟购房屋面积、户口所在地、婚姻状况、家庭名下房产数量、未结清住房贷款笔数以及社保连续缴存年限。
相应的，在本发明一个可选的实施例中，所述预测评规则可以包括下述至少一项：当前年份与拟购房屋建造年份的差值是否满足最高房屋年限的上限；拟购房屋面积是否满足最小购置面积的下限；当所述户口所在地为本地时，所述目标客户家庭名下房产数量和未结清住房贷款笔数是否满足与所述目标客户的婚姻状况匹配的数量条件；以及当所述户口所在地为外地且社保连续缴存年限大于等于预设年限时，所述目标客户家庭名下房产数量和未结清住房贷款笔数是否满足与所述目标客户的婚姻状况匹配的预设数量条件。
其中，拟购房屋建造年份是目标客户申请贷款所要购买的房屋的建造年份，拟购房屋面积目标客户申请贷款所要购买的房屋的建筑面积，当前目标客户的户口所在地是本地还是外地，当前目标客户的婚姻状况是否为已婚都会影响目标客户的贷款资格。家庭名下房产数量是指目标客户以及与目标客户存在家庭关系的各家庭成员名下的房产总数量。未结清住房贷款笔数是指目标客户名下尚未还款结束的住房贷款的数量。社保连续缴存年限是指目标客户连续缴纳社保的年份。
在本发明实施例中，当前年份与拟购房屋建造年份的差值需小于最高房屋年限，拟购房屋面积需大于等于最小购置面积。当目标客户户口所在地为本地且目标客户已婚，家庭名下房产数量需小于第一房产数量，且未结清住房贷款笔数需小于第一贷款笔数。当目标客户户口所在地为本地且目标客户未婚，家庭名下房产数量需小于第二房产数量，且未结清住房贷款笔数需小于第二贷款笔数。当目标客户户口所在地为外地，社保连续缴存年限需大于等于预设年限，并且当目标客户已婚时，家庭名下房产数量需小于第三房产数量，且未结清住房贷款笔数需小于第三贷款笔数；当目标客户未婚时，家庭名下房产数量需小于第四房产数量，且未结清住房贷款笔数需小于第四贷款笔数。
上述可选的实施方式，只是根据预测评规则和贷款基本信息判断预测评是否通过的其中一种实现方式，本发明实施例对预测评规则的具体内容不进行限制。
S120、将所述贷款申请信息输入至预先训练的贷款资质评分模型中，获取所述贷款资质评分模型输出的目标贷款资质评分。
其中，贷款资质评分模型是预先根据贷款申请信息的历史数据进行训练得到的模型，用于获取目标客户对应的贷款资质评分。目标贷款资质评分用于表征目标客户的贷款资质，目标贷款资质评分越高，目标客户的信用越良好，银行将贷款发放给目标客户的风险越低。
在本发明实施例中，预测评通过后，获取目标用户的贷款申请信息，将贷款申请信息输入至贷款资质评分模型，贷款资质评分模型输出目标客户对应的目标贷款资质评分。
在本发明一个可选的实施例中，所述贷款申请信息可以包括：人行数据、交易数据、行内细分数据以及行内客户信息。
其中，人行数据可以包括养老保险数据、征信资产处置数据、保证人代偿数据、违约信息、担保信息、逾期记录明细、逾期信息、还款情况信息、还款状态信息、当前账户信息、授信负债汇总信息、人行征信评分、查询记录明细、身份信息、配偶信息、居住信息、职业信息以及住房公积金信息等。交易数据可以包括信用卡账户账单汇总信息以及借记卡交易流水等。行内细分数据可以包括行内资产信息、房产信息、公积金信息以及代发工资信息等。行内客户信息可以包括客户基本信息、个人补充信息以及联系位置信息等。本发明实施例对贷款申请信息的数量和具体类型不进行限制。
本实施例的技术方案，通过先判断目标客户的贷款基本信息是否满足预测评规则，再在满足预测评规则时，将贷款申请信息输入至贷款资质评分模型中，获取目标贷款资质评分。解决了现有技术中对客户贷款资质进行评估的方式，人工成本较高，评估效率低，且评估标准较为主观，评估结果的客观性较差的问题，实现了实时、快速、客观的对客户贷款资质进行评估，提高了贷款流程的效率。
实施例二
图2是本发明实施例二提供的一种客户的贷款资质评分方法的流程图，本发明实施例在上述实施例的基础上，对判断贷款基本信息是否满足预测评规则的过程，以及将贷款申请信息输入贷款资质评分模型的过程进行了进一步的具体化，并加入了训练贷款资质评分模型的过程以及根据目标贷款资质评分确定目标客户贷款类型的过程。
相应的，如图2所示，本发明实施例的技术方案，具体包括如下步骤：
S210、获取贷款申请信息集合，其中，所述贷款申请信息集合中的每项贷款申请信息中预先标注有贷款资质评分。
其中，贷款申请信息集合用于训练贷款资质评分模型，贷款申请信息集合中的贷款申请信息可以是贷款审批的历史数据。
S220、对贷款申请信息集合中的各贷款申请信息进行预处理。
示例性的，当贷款申请信息为数值类型的信息时，直接对贷款申请信息进行透传处理。当贷款申请信息为分类型信息时，可以先将该贷款申请信息以及其他类型的贷款申请信息进行合并后，再进行透传处理。
当贷款申请信息为地址型信息时，可以对该贷款申请信息，以及与该贷款申请信息匹配的其他贷款申请信息计算相似度，从而进行交叉比对，识别欺诈数据。
当贷款申请信息为流水类数据时，可以划分不同的时间窗口，计算各时间窗口内各贷款申请信息的统计变量。例如，当贷款申请信息为数值型信息时，可以计算各时间窗口内各贷款申请信息的和值、均值、最小值或者最大值等；当贷款申请信息为分类型信息时，可以计算各时间窗口内各贷款申请信息的出现次数等。
本发明实施例对预处理的具体方式不进行限制。
S230、根据所述贷款申请信息集合对预设的机器学习模型进行训练，获得贷款资质评分模型。
在本发明实施例中，可以基于LightGBM算法等机器学习算法进行模型训练，但本发明实施例对采用的机器学习算法的具体类型不进行限制。
相应的，S230又包括：
S231、将预处理后的各贷款申请信息根据模型维度数据划分为多个贷款申请信息维度集合。
其中，模型维度数据与贷款资质评分模型相匹配，不同的模型维度数据可以对应不同的贷款资质评分模型。示例性的，模型维度数据可以是目标客户所在城市，根据所在城市为一线城市、二线城市、三线城市还是通用群体，可以对应四个不同的贷款资质评分模型。
S232、根据各贷款申请信息维度集合，分别对预设的机器学习模型进行训练，获得与模型维度数据匹配的贷款资质评分模型。
在本发明实施例中，根据与模型维度数据匹配的各贷款申请信息维度集合，分别进行模型训练，获得与模型维度数据匹配的各贷款资质评分模型。
S240、判断目标客户的贷款基本信息是否满足预测评规则，如果是，则执行S250，否则执行S2110。
S250、获取目标客户的贷款申请信息。
S260、获取与所述目标客户匹配的模型维度数据。
在本发明实施例中，根据目标客户对应的模型维度数据，获取匹配的贷款资质评分模型。
S270、根据所述模型维度数据确定匹配的贷款资质评分模型；其中，模型维度数据包括所在城市和/或逾期情况。
在本发明实施例中，模型维度数据可以是所在城市，也可以是逾期情况，示例性的，根据所在城市为一线城市、二线城市、三线城市还是通用群体，以及逾期情况为未逾期、逾期1-30天、逾期31-60天还是逾期61天以上，可以分别对应不同的贷款资质评分模型。
本发明实施例对模型维度数据的数量、类别和具体分类，以及模型维度数据与贷款资质评分模型之间的对应关系不进行限制。
S280、将所述贷款申请信息输入至与所述模型维度数据匹配的贷款资质评分模型中。
S290、获取所述贷款资质评分模型输出的目标贷款资质评分。
S2100、根据所述目标贷款资质评分确定所述目标客户对应的贷款类型。
在本发明实施例中，获得目标贷款资质评分之后，目标贷款资质评分可以为目标客户的贷款审批提供参考。
相应的，S2100又包括：
S2101、判断所述目标贷款资质评分是否大于或者等于预设贷款资质评分最小值，如果是，则执行S2102，否则执行S2104。
S2102、根据所述目标贷款资质评分确定目标客户的贷款资质等级。
S2103、根据所述贷款资质等级确定目标客户对应的贷款类型。
S2104、确定对所述目标客户不予放贷。
在本发明实施例中，目标贷款资质评分越高，目标客户越优质，信用越好，可以预先确定贷款资质评分与贷款资质等级之间的对应关系。当目标贷款资质评分小于预设贷款资质评分最小值时，说明银行对目标客户放贷的风险较高，因此对目标客户不予放贷。当目标贷款资质评分大于或者等于预设贷款资质评分最小值时，根据目标贷款资质评分，确定对应的贷款资质等级，根据不同的贷款资质等级可以确定不同的贷款类型。
S2110、结束。
本实施例的技术方案，通过预先根据贷款申请信息集合训练得到贷款资质评分模型，并在客户贷款资质评分时，先判断目标客户的贷款基本信息是否满足预测评规则，再在满足预测评规则时，将贷款申请信息输入至与模型维度数据匹配的贷款资质评分模型中，获取目标贷款资质评分，根据目标贷款资质评分确定目标客户的贷款类型。解决了现有技术中对客户贷款资质进行评估的方式，人工成本较高，评估效率低，且评估标准较为主观，评估结果的客观性较差的问题，实现了实时、快速、客观的对客户贷款资质进行评估，提高了贷款流程的效率。
实施例三
图3是本发明实施例三提供的一种客户的贷款资质评分装置的结构示意图，该装置可以由软件和/或硬件来实现，并一般集成在计算机设备中。该装置包括：贷款申请信息获取模块310和目标贷款资质评分获取模块320。
贷款申请信息获取模块310，用于当确定目标客户的贷款基本信息满足预测评规则时，获取目标客户的贷款申请信息；
目标贷款资质评分获取模块320，用于将所述贷款申请信息输入至预先训练的贷款资质评分模型中，获取所述贷款资质评分模型输出的目标贷款资质评分。
本实施例的技术方案，通过先判断目标客户的贷款基本信息是否满足预测评规则，再在满足预测评规则时，将贷款申请信息输入至贷款资质评分模型中，获取目标贷款资质评分。解决了现有技术中对客户贷款资质进行评估的方式，人工成本较高，评估效率低，且评估标准较为主观，评估结果的客观性较差的问题，实现了实时、快速、客观的对客户贷款资质进行评估，提高了贷款流程的效率。
在上述实施例的基础上，所述贷款基本信息包括以下至少一项：拟购房屋建造年份、拟购房屋面积、户口所在地、婚姻状况、家庭名下房产数量、未结清住房贷款笔数以及社保连续缴存年限。
在上述实施例的基础上，所述预测评规则包括下述至少一项：
当前年份与拟购房屋建造年份的差值是否满足最高房屋年限的上限；
拟购房屋面积是否满足最小购置面积的下限；
当所述户口所在地为本地时，所述目标客户家庭名下房产数量和未结清住房贷款笔数是否满足与所述目标客户的婚姻状况匹配的数量条件；以及
当所述户口所在地为外地且社保连续缴存年限大于等于预设年限时，所述目标客户家庭名下房产数量和未结清住房贷款笔数是否满足与所述目标客户的婚姻状况匹配的预设数量条件。
在上述实施例的基础上，所述目标贷款资质评分获取模块320，包括：
模型维度数据获取单元，用于获取与所述目标客户匹配的模型维度数据；
贷款资质评分模型确定单元，用于根据所述模型维度数据确定匹配的贷款资质评分模型；其中，模型维度数据包括所在城市和/或逾期情况；
贷款申请信息输入单元，用于将所述贷款申请信息输入至与所述模型维度数据匹配的贷款资质评分模型中。
在上述实施例的基础上，所述贷款申请信息包括：人行数据、交易数据、行内细分数据以及行内客户信息。
在上述实施例的基础上，所述装置，还包括：
贷款申请信息集合获取模块，用于获取贷款申请信息集合，其中，所述贷款申请信息集合中的每项贷款申请信息中预先标注有贷款资质评分；
模型训练模块，用于根据所述贷款申请信息集合对预设的机器学习模型进行训练，获得贷款资质评分模型。
在上述实施例的基础上，所述装置，还包括：
数据预处理模块，用于对贷款申请信息集合中的各贷款申请信息进行预处理；
所述模型训练模块，包括：
贷款申请信息集合划分单元，用于将预处理后的各贷款申请信息根据模型维度数据划分为多个贷款申请信息维度集合；
贷款资质评分模型训练单元，用于根据各贷款申请信息维度集合，分别对预设的机器学习模型进行训练，获得与模型维度数据匹配的贷款资质评分模型。
在上述实施例的基础上，所述装置，还包括：
贷款类型确定模块，用于根据所述目标贷款资质评分确定所述目标客户对应的贷款类型。
在上述实施例的基础上，所述贷款类型确定模块，包括：
贷款资质等级确定单元，用于如果确定所述目标贷款资质评分大于或者等于预设贷款资质评分最小值，则根据所述目标贷款资质评分确定目标客户的贷款资质等级；
贷款类型确定单元，用于根据所述贷款资质等级确定目标客户对应的贷款类型。
在上述实施例的基础上，所述贷款类型确定模块，包括：
不予放贷确定单元，用于如果确定所述目标贷款资质评分小于预设贷款资质评分最小值，则确定对所述目标客户不予放贷。
本发明实施例所提供的客户的贷款资质评分装置可执行本发明任意实施例所提供的客户的贷款资质评分方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4为本发明实施例四提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括处理器70、存储器71、输入装置72和输出装置73；计算机设备中处理器70的数量可以是一个或多个，图4中以一个处理器70为例；计算机设备中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接，图4中以通过总线连接为例。
存储器71作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的客户的贷款资质评分方法对应的模块(例如，客户的贷款资质评分装置中的贷款申请信息获取模块310和目标贷款资质评分获取模块320)。处理器70通过运行存储在存储器71中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的客户的贷款资质评分方法。该方法包括：
当确定目标客户的贷款基本信息满足预测评规则时，获取目标客户的贷款申请信息；
将所述贷款申请信息输入至预先训练的贷款资质评分模型中，获取所述贷款资质评分模型输出的目标贷款资质评分。
存储器71可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器71可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器71可进一步包括相对于处理器70远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置72可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种客户的贷款资质评分方法，该方法包括：
当确定目标客户的贷款基本信息满足预测评规则时，获取目标客户的贷款申请信息；
将所述贷款申请信息输入至预先训练的贷款资质评分模型中，获取所述贷款资质评分模型输出的目标贷款资质评分。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的客户的贷款资质评分方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的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计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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例所述的方法。
值得注意的是，上述客户的贷款资质评分装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (15)
1.一种客户的贷款资质评分方法，其特征在于，包括：
当确定目标客户的贷款基本信息满足预测评规则时，获取目标客户的贷款申请信息；
将所述贷款申请信息输入至预先训练的贷款资质评分模型中，获取所述贷款资质评分模型输出的目标贷款资质评分。
2.根据权利要求1所述的方法，其特征在于，所述贷款基本信息包括以下至少一项：拟购房屋建造年份、拟购房屋面积、户口所在地、婚姻状况、家庭名下房产数量、未结清住房贷款笔数以及社保连续缴存年限。
3.根据权利要求2所述的方法，其特征在于，所述预测评规则包括下述至少一项：
当前年份与拟购房屋建造年份的差值是否满足最高房屋年限的上限；
拟购房屋面积是否满足最小购置面积的下限；
当所述户口所在地为本地时，所述目标客户家庭名下房产数量和未结清住房贷款笔数是否满足与所述目标客户的婚姻状况匹配的数量条件；以及
当所述户口所在地为外地且社保连续缴存年限大于等于预设年限时，所述目标客户家庭名下房产数量和未结清住房贷款笔数是否满足与所述目标客户的婚姻状况匹配的预设数量条件。
4.根据权利要求1所述的方法，其特征在于，将所述贷款申请信息输入至预先训练的贷款资质评分模型中，包括：
获取与所述目标客户匹配的模型维度数据；
根据所述模型维度数据确定匹配的贷款资质评分模型；其中，模型维度数据包括所在城市和/或逾期情况；
将所述贷款申请信息输入至与所述模型维度数据匹配的贷款资质评分模型中。
5.根据权利要求4所述的方法，其特征在于，所述贷款申请信息包括：人行数据、交易数据、行内细分数据以及行内客户信息。
6.根据权利要求5所述的方法，其特征在于，在获取目标客户的贷款基本信息之前，还包括：
获取贷款申请信息集合，其中，所述贷款申请信息集合中的每项贷款申请信息中预先标注有贷款资质评分；
根据所述贷款申请信息集合对预设的机器学习模型进行训练，获得贷款资质评分模型。
7.根据权利要求6所述的方法，其特征在于，在获取贷款申请信息集合之后，还包括：
对贷款申请信息集合中的各贷款申请信息进行预处理；
根据所述贷款申请信息集合对预设的机器学习模型进行训练，获得贷款资质评分模型，包括：
将预处理后的各贷款申请信息根据模型维度数据划分为多个贷款申请信息维度集合；
根据各贷款申请信息维度集合，分别对预设的机器学习模型进行训练，获得与模型维度数据匹配的贷款资质评分模型。
8.根据权利要求1所述的方法，其特征在于，在获取所述贷款资质评分模型输出的目标贷款资质评分之后，还包括：
根据所述目标贷款资质评分确定所述目标客户对应的贷款类型。
9.根据权利要求8所述的方法，其特征在于，根据所述目标贷款资质评分确定所述目标客户对应的贷款类型，包括：
如果确定所述目标贷款资质评分大于或者等于预设贷款资质评分最小值，则根据所述目标贷款资质评分确定目标客户的贷款资质等级；
根据所述贷款资质等级确定目标客户对应的贷款类型。
10.根据权利要求9所述的方法，其特征在于，根据所述目标贷款资质评分确定所述目标客户对应的贷款类型，还包括：
如果确定所述目标贷款资质评分小于预设贷款资质评分最小值，则确定对所述目标客户不予放贷。
11.一种客户的贷款资质评分装置，其特征在于，包括：
贷款申请信息获取模块，用于当确定目标客户的贷款基本信息满足预测评规则时，获取目标客户的贷款申请信息；
目标贷款资质评分获取模块，用于将所述贷款申请信息输入至预先训练的贷款资质评分模型中，获取所述贷款资质评分模型输出的目标贷款资质评分。
12.根据权利要求11所述的装置，其特征在于，所述目标贷款资质评分获取模块，包括：
模型维度数据获取单元，用于获取与所述目标客户匹配的模型维度数据；
贷款资质评分模型确定单元，用于根据所述模型维度数据确定匹配的贷款资质评分模型；其中，模型维度数据包括所在城市和/或逾期情况；
贷款申请信息输入单元，用于将所述贷款申请信息输入至与所述模型维度数据匹配的贷款资质评分模型中。
13.根据权利要求11所述的装置，其特征在于，所述装置，还包括：
贷款类型确定模块，用于根据所述目标贷款资质评分确定所述目标客户对应的贷款类型。
14.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-10中任一所述的客户的贷款资质评分方法。
15.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-10中任一所述的客户的贷款资质评分方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010986811.9A CN112163944B (zh) | 2020-09-18 | 2020-09-18 | 客户的贷款资质评分方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010986811.9A CN112163944B (zh) | 2020-09-18 | 2020-09-18 | 客户的贷款资质评分方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112163944A true CN112163944A (zh) | 2021-01-01 |
| CN112163944B CN112163944B (zh) | 2024-07-23 |
Family
ID=73859114
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010986811.9A Active CN112163944B (zh) | 2020-09-18 | 2020-09-18 | 客户的贷款资质评分方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112163944B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112529701A (zh) * | 2021-01-26 | 2021-03-19 | 四川享宇金信金融科技有限公司 | 风控系统中信贷客户级别评价方法、装置及设备 |
| CN112907358A (zh) * | 2021-03-17 | 2021-06-04 | 平安消费金融有限公司 | 贷款用户信用评分方法、装置、计算机设备和存储介质 |
| CN113298640A (zh) * | 2021-05-17 | 2021-08-24 | 浙江惠瀜网络科技有限公司 | 用于车贷准入评估的数据处理方法和装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106897918A (zh) * | 2017-02-24 | 2017-06-27 | 上海易贷网金融信息服务有限公司 | 一种混合式机器学习信用评分模型构建方法 |
| CN108648074A (zh) * | 2018-05-18 | 2018-10-12 | 深圳壹账通智能科技有限公司 | 基于支持向量机的贷款评估方法、装置及设备 |
| WO2020077888A1 (zh) * | 2018-10-16 | 2020-04-23 | 深圳壹账通智能科技有限公司 | 贷款用户信用评分的计算方法、装置和计算机设备 |
| CN111369342A (zh) * | 2020-03-05 | 2020-07-03 | 中国建设银行股份有限公司 | 基于机器学习的贷款审批方法、装置、设备和存储介质 |
-
2020
- 2020-09-18 CN CN202010986811.9A patent/CN112163944B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106897918A (zh) * | 2017-02-24 | 2017-06-27 | 上海易贷网金融信息服务有限公司 | 一种混合式机器学习信用评分模型构建方法 |
| CN108648074A (zh) * | 2018-05-18 | 2018-10-12 | 深圳壹账通智能科技有限公司 | 基于支持向量机的贷款评估方法、装置及设备 |
| WO2020077888A1 (zh) * | 2018-10-16 | 2020-04-23 | 深圳壹账通智能科技有限公司 | 贷款用户信用评分的计算方法、装置和计算机设备 |
| CN111369342A (zh) * | 2020-03-05 | 2020-07-03 | 中国建设银行股份有限公司 | 基于机器学习的贷款审批方法、装置、设备和存储介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112529701A (zh) * | 2021-01-26 | 2021-03-19 | 四川享宇金信金融科技有限公司 | 风控系统中信贷客户级别评价方法、装置及设备 |
| CN112907358A (zh) * | 2021-03-17 | 2021-06-04 | 平安消费金融有限公司 | 贷款用户信用评分方法、装置、计算机设备和存储介质 |
| CN113298640A (zh) * | 2021-05-17 | 2021-08-24 | 浙江惠瀜网络科技有限公司 | 用于车贷准入评估的数据处理方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112163944B (zh) | 2024-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Derbali | Determinants of the performance of Moroccan banks | |
| Wanke et al. | Financial distress drivers in Brazilian banks: A dynamic slacks approach | |
| CN112163944B (zh) | 客户的贷款资质评分方法、装置、计算机设备和存储介质 | |
| CN109063931A (zh) | 一种预测货运物流司机违约概率的模型方法 | |
| CN106600369A (zh) | 基于朴素贝叶斯分类的银行金融产品实时推荐系统和方法 | |
| CN106296389A (zh) | 一种用户信用度的评估方法及装置 | |
| US20140172681A1 (en) | Process for Verifying Data Identity for Lending Decisions | |
| Sharma et al. | Emergence of Bitcoin as an Investment Alternative: A Systematic Review and Research Agenda. | |
| Xiong et al. | The analysis of influence mechanism for internet financial fraud identification and user behavior based on machine learning approaches | |
| Allen et al. | Search frictions and market power in negotiated price markets | |
| CN112200656A (zh) | 一种房贷的线上预审批方法、装置、介质及电子设备 | |
| Chi et al. | Debt rating model based on default identification: Empirical evidence from Chinese small industrial enterprises | |
| Correia et al. | Online financing without FinTech: Evidence from online informal loans | |
| Wang | How the small and medium-sized enterprises’ owners’ credit features affect the enterprises’ credit default behavior | |
| Hui et al. | The model and empirical research of application scoring based on data mining methods | |
| CN116308615A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
| CN116071142A (zh) | 基于人工智能的贷款资质评估方法、装置、及存储介质 | |
| Yuan | Research on credit risk assessment of P2P network platform: based on the logistic regression model of evidence weight | |
| CN111489134B (zh) | 数据模型的构建方法、装置、设备及计算机可读存储介质 | |
| CN113256401A (zh) | 一种贷前域外用户拦截方法、装置、服务器及存储介质 | |
| Liu et al. | Study on the Evaluation System of Individual Credit Risk in commercial banks based on data mining | |
| Fallah Shams et al. | Designing credit risk early-warning system for individual and corporate customers of the bank using multiple logit comparison model and survival function | |
| Thambiah | A study on consumer adoption of Islamic retail banking services in Malaysia | |
| Melnyk et al. | Improving the quality of credit activity by using scoring model | |
| KR102699976B1 (ko) | 차량 통합형 비교견적 서비스 제공 시스템 |
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 |