CN112241917A - 一种智能化金融机构贷前管理方法及其系统 - Google Patents
一种智能化金融机构贷前管理方法及其系统 Download PDFInfo
- Publication number
- CN112241917A CN112241917A CN202011183173.3A CN202011183173A CN112241917A CN 112241917 A CN112241917 A CN 112241917A CN 202011183173 A CN202011183173 A CN 202011183173A CN 112241917 A CN112241917 A CN 112241917A
- Authority
- CN
- China
- Prior art keywords
- information
- enterprise
- manufacturing
- power consumption
- correlation coefficient
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 27
- 238000004519 manufacturing process Methods 0.000 claims abstract description 172
- 238000011835 investigation Methods 0.000 claims abstract description 43
- 230000005611 electricity Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 13
- 238000000034 method Methods 0.000 abstract description 13
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000012795 verification Methods 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明涉及智能化金融机构贷前管理方法及其系统,该方法包括:接收贷款调查请求;贷款调查请求包括制造型企业的企业信息、经营信息和借款用途信息;根据请求判断制造型企业的借款用途是否用于扩大生产;若是,则根据企业信息获取制造型企业的用电信息,并根据用电信息判断制造型企业的借款用途是否为真;其中用电信息包括分时用电量信息和容量扩容信息;根据经营信息获取经营信息中的时间区间的制造型企业用电量信息,确定经营信息与制造型企业用电量信息的相关系数,并根据相关系数与预设阈值的比较结果判断制造型企业提交的经营信息是否真实。实施本发明,能够帮助金融机构对制造型企业的经营信息真实性进行智能化核验以及借款用途智能化分析。
Description
技术领域
本发明涉及智能金融技术领域,具体涉及一种智能化金融机构贷前管理方法及其系统。
背景技术
金融机构对于申请贷款请求的客户,会要求申请客户提交相关的信息,即贷前管理,在此期间金融机构会对这些信息展开调查,而调查的思路就是获取客户信息并对这些信息进行验证和分析,包括客户借款用途分析和经营信息真实性;
其中,所述客户借款用途分析是贷前调查的重要环节,也是信贷业务中主要风险来源之一。由于当前金融机构信贷资金是全社会最便宜的资金来源之一,不少企业从金融机构借款后,改变了借款资金的约定用途,将借款用于不符合监管规定的用途或挪作他用。企业借款用途可以通过贷前核实购销合同,贷后监控物资、单据、流水来把握。但借款原因有时候不好判断,要靠推理。由于借款人与金融机构之间的信息不对称,对借款用途的确认往往需要花费大量的人力成本。如果能借助外部有效数据对企业借款用途进行核验,将显著提高金融机构的风险把控能力,降低金融机构的坏账率。
其中,所述经营信息真实性分析一般会通过以下的步骤对信息进行校验:
现场调查:信息求证过程中,调查人员应该眼见为实,要尽量对客户、项目进行实地调查,通过现场核对、直接访谈、正面观察等方式获取信息,对信息进行印证;
交叉核对方法:交叉检验是通过不同信息来源途径,对同一信息进行真实性、准确性、完整性确定的过程;
文书审查:营业执照、章程、决议、原始凭证、会计报表、企业档案、身份信息复印件、流水打印件、征信打印件、采购合同等文书需要进过形式审查,审核文件是否有伪造、涂改、克隆痕迹,各类文件的有效期和逻辑衔接;
数据分析:交易流水、销售收入等财务数据,常规的核查分析方法侧重于其交易背景的真实性,包括合同、流水形式上的鉴别,除此之外还有这些数字本身就有很多内在规律,可以从数理统计方法上去核实其数字的真实性,比如审计上常用到的本福德定律(Benford’s Law),通过对首位数出现概率的分析,可以判断数据是否经过人为编造或改动;
经过以上步骤后会对申请的企业有一个初步的调查结果,但是因为客户和金融机构之间的信息不对称,金融机构调查源无法识别企业信息的真实行,如财务数据,而且因为公司财务数据更新的频率为一季度更新一次,当前的数据信息不能反映出企业以后的情况,之后会存在问题,而对于制造行企业来说,其企业的相关电力数据是企业运行以及发展情况的重要信息,因此,基于企业的相关电力数据有助于对制造型企业的经营信息真实性进行核验。
发明内容
本发明的目的在于提出一种智能化金融机构贷前管理方法及其系统,以帮助金融机构对制造型企业的经营信息真实性进行智能化核验以及借款用途智能化分析。
根据第一方面,本发明实施例提出一种智能化金融机构贷前管理方法,包括:
接收贷款调查请求;所述贷款调查请求包括制造型企业的企业信息、经营信息和借款用途信息;
根据所述请求判断制造型企业的借款用途是否用于扩大生产;若否,则生成另案调查处理信息,并将所述另案调查处理信息发送至调查人员的智能终端,以提示调查人员进行另案调查;若是,则根据所述企业信息获取制造型企业的用电信息,并根据所述用电信息判断制造型企业的借款用途是否为真;其中所述用电信息包括分时用电量信息和容量扩容信息;
根据所述经营信息获取所述经营信息中的时间区间所对应的制造型企业用电量信息,确定所述经营信息与所述制造型企业用电量信息的相关系数,并根据所述相关系数与预设阈值的比较结果判断所述制造型企业提交的经营信息是否真实;
输出所述借款用途是否为真的判断结果以及所述制造型企业提交的经营信息是否真实的判断结果。
可选地,所述根据所述用电信息判断制造型企业的借款用途是否为真,包括:
根据所述分时用电量信息判断制造型企业近期用电是否处于高负荷;
根据所述容量扩容信息判断制造型企业近期是否有容量扩容;
如果上述任一判断的结果为是,则确定制造型企业的借款用途为真;如果上述任一判断的结果为否,则确定制造型企业的借款用途存疑。
可选地,所述根据所述分时用电量信息判断制造型企业近期用电是否处于高负荷,包括:
如果制造型企业最近一个月的日平均用电量rdl≥全年日用电量3/4分位点×80%,则制造型企业近期用电处于高负荷。
可选地,所述经营信息包括销售商品和提供劳务收到的现金信息、营业成本信息、营业利润信息和营业总收入信息;
所述确定所述经营信息与所述制造型企业用电量信息的相关系数,包括:
确定销售商品和提供劳务收到的现金信息与制造型企业用电量信息的相关系数X1;
确定营业成本信息与制造型企业用电量信息的相关系数X2;
确定营业利润信息与制造型企业用电量信息的相关系数X3;
确定营业总收入信息与制造型企业用电量信息的相关系数X4;以及
根据公式X=(X1+X2+X3+X4)/4计算所述经营信息与所述制造型企业用电量信息的相关系数X。
可选地,根据所述相关系数与预设阈值的比较结果确定所述制造型企业提交的经营信息是否真实,包括:
当所述相关系数X大于等于预设阈值时,确定所述制造型企业提交的经营信息为真实;
当所述相关系数X大于等于预设阈值时,确定所述制造型企业提交的经营信息为存疑。
根据第二方面,本发明实施例提出一种智能化金融机构贷前管理系统,包括:
信息接收单元,用于接收贷款调查请求;所述贷款调查请求包括制造型企业的企业信息、经营信息和借款用途信息;
借款用途判断单元,用于根据所述请求判断制造型企业的借款用途是否用于扩大生产;若否,则生成另案调查处理信息,并将所述另案调查处理信息发送至调查人员的智能终端,以提示调查人员进行另案调查;若是,则根据所述企业信息获取制造型企业的用电信息,并根据所述用电信息判断制造型企业的借款用途是否为真;其中所述用电信息包括分时用电量信息和容量扩容信息;
真实性判断单元,用于根据所述经营信息获取所述经营信息中的时间区间所对应的制造型企业用电量信息,确定所述经营信息与所述制造型企业用电量信息的相关系数,并根据所述相关系数与预设阈值的比较结果判断所述制造型企业提交的经营信息是否真实;以及
判断结果输出单元,用于输出所述借款用途是否为真的判断结果以及所述制造型企业提交的经营信息是否真实的判断结果。
可选地,所述借款用途判断单元,具体用于:
根据所述分时用电量信息判断制造型企业近期用电是否处于高负荷;
根据所述容量扩容信息判断制造型企业近期是否有容量扩容;
如果上述任一判断的结果为是,则确定制造型企业的借款用途为真;如果上述任一判断的结果为否,则确定制造型企业的借款用途存疑。
可选地,所述借款用途判断单元,具体用于:
如果制造型企业最近一个月的日平均用电量rdl≥全年日用电量3/4分位点×80%,则所述借款用途判断单元判断制造型企业近期用电处于高负荷。
可选地,所述经营信息包括销售商品和提供劳务收到的现金信息、营业成本信息、营业利润信息和营业总收入信息;
所述真实性判断单元,具体用于:
确定销售商品和提供劳务收到的现金信息与制造型企业用电量信息的相关系数X1;
确定营业成本信息与制造型企业用电量信息的相关系数X2;
确定营业利润信息与制造型企业用电量信息的相关系数X3;
确定营业总收入信息与制造型企业用电量信息的相关系数X4;以及
根据公式X=(X1+X2+X3+X4)/4计算所述经营信息与所述制造型企业用电量信息的相关系数X。
可选地,所述真实性判断单元,具体用于:
当所述相关系数X大于等于预设阈值时,所述真实性判断单元确定所述制造型企业提交的经营信息为真实;
当所述相关系数X大于等于预设阈值时,所述真实性判断单元确定所述制造型企业提交的经营信息为存疑。
实施本发明实施例具有以下有益效果:
(1)对于借款用途为用于扩大生产的制造型企业,根据制造型企业近期用电信息来判断其借款用途是否与制造型企业请求借款时所说明的一致;能够核验客户借款用途是否存在欺诈风险,为金融机构贷前调查反欺诈应用场景提供服务,提升金融机构风险感知能力,具有广阔的应用前景;
(2)引入制造型企业的用电信息对制造型企业客户所提交的信息进行核验,根据制造型企业客户所提交的信息随时间的变化趋势/规律,与该制造型企业客户的用电量随时间的变化趋势/规律之间的相关性来核验制造型企业客户所提交的信息是否正确,辅助金融机构对制造型企业的经营信息真实性进行核验,识别企业财报造假行为,从而降低金融机构业务的非系统性风险;避免因为企业和金融机构之间的信息不对称,金融机构调查源无法识别企业信息的真实行,如财务数据,而且因为公司财务数据更新的频率为一季度更新一次,当前的数据信息不能反映出企业以后的情况,之后会存在问题。
本发明的其它特征和优点将在随后的具体实施方式中阐述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一实施例中一种智能化金融机构贷前管理方法流程图。
图2为本发明一实施例中某一制造型企业经营信息与用电量信息的相关性示意图。
图3为本发明一实施例中一种智能化金融机构贷前管理系统框架图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。另外,为了更好地说明本发明,在下文的具体的实施例中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本发明同样可以实施。在一些实例中,对于本领域技术人员熟知的手段未作详细描述,以便于凸显本发明的主旨。
本发明一实施例提出一种智能化金融机构贷前管理方法,参阅图1,本实施例方法包括如下步骤S1~S4:
步骤S1、接收贷款调查请求;所述贷款调查请求包括制造型企业的企业信息、经营信息和借款用途信息;
步骤S2、根据所述请求判断制造型企业的借款用途是否用于扩大生产;若否,则生成另案调查处理信息,并将所述另案调查处理信息发送至调查人员的智能终端,以提示调查人员进行另案调查;若是,则根据所述企业信息获取制造型企业的用电信息,并根据所述用电信息判断制造型企业的借款用途是否为真;其中所述用电信息包括分时用电量信息和容量扩容信息;
具体而言,如果目标企业的借款用途不是用于企业扩大生产,对于其他用途,企业用电量则无法可靠地进行对用途进行核验,因此,需要另案调查处理,由调查人员通过其他的方式进行用途核验。
需说明的是,所述步骤S2借助借款企业的用电数据对企业借款用途进行核验,将显著提高金融机构的风险把控能力,降低金融机构的坏账率。
步骤S3、根据所述经营信息获取所述经营信息中的时间区间所对应的制造型企业用电量信息,确定所述经营信息与所述制造型企业用电量信息的相关系数,并根据所述相关系数与预设阈值的比较结果判断所述制造型企业提交的经营信息是否真实;
步骤S4、输出所述借款用途是否为真的判断结果以及所述制造型企业提交的经营信息是否真实的判断结果。
可选地,在所述步骤S2中,根据所述用电信息判断制造型企业的借款用途是否为真,包括:
根据所述分时用电量信息判断制造型企业近期用电是否处于高负荷;
根据所述容量扩容信息判断制造型企业近期是否有容量扩容;
如果上述任一判断的结果为是,则确定制造型企业的借款用途为真;如果上述任一判断的结果为否,则确定制造型企业的借款用途存疑。
具体而言,对于生产制造型企业,若借款用途属实是用于扩大生产,可预期该企业在贷款申请之前的一段时间内,其产能应该基本处于满载的状态,相应的其用电负荷也应该长期处于高载荷的状态。
可选地,所述根据所述分时用电量信息判断制造型企业近期用电是否处于高负荷,包括:
如果制造型企业最近一个月的日平均用电量rdl≥全年日用电量3/4分位点×80%,则制造型企业近期用电处于高负荷。
具体而言,制造型企业的日用电负荷水平,可根据最近一年的全年日用电量3/4分位点的50%,80%划分出、为高用电、低用电和无用电三个档位,通过统计一个月内各档位的累计天数即可得到当月不同用电负荷水平的天数。需说明的是,本实施例中采用3/4分位点作为判断的依据而不是采用最大值,主要出于增强指标鲁棒性的考量。
其中,高、低、无三种日用电负荷类型判定逻辑如下:
高用电:rdl≥3/4分位点×80%
低用电:3/4分位点×80%>rdl≥3/4分位点×50%
无用电:rdl<3/4分位点×50%。
其中,为了应对日益增长的订单,企业在近期甚至会向供电局申请业扩增大容量,以满足生产用电容量增加的需求。扩容指标可反映企业在业扩工作单位(即当地电网公司)基本信息表中是否有容量增减的记录,判断企业是否申请扩容,申请减容记录的则为“1”,申请增容记录的则为“2”,否则为“0”。
可选地,在所述步骤S3中,所述经营信息包括销售商品和提供劳务收到的现金信息、营业成本信息、营业利润信息和营业总收入信息;
具体而言,所述目标企业用电量信息可以从电网公司的电力系统中获取,所述目标企业的销售商品和提供劳务收到的现金、营业成本、营业利润、营业利润和营业总收入4个数据指标可以从企业所提供的经营信息(公司财报数据)中获取。一般来说,经营信息会包括最近几年的财报数据。
所述确定所述经营信息与所述制造型企业用电量信息的相关系数,包括:
确定销售商品和提供劳务收到的现金信息与制造型企业用电量信息的相关系数X1;
确定营业成本信息与制造型企业用电量信息的相关系数X2;
确定营业利润信息与制造型企业用电量信息的相关系数X3;
确定营业总收入信息与制造型企业用电量信息的相关系数X4;以及
根据公式X=(X1+X2+X3+X4)/4计算所述经营信息与所述制造型企业用电量信息的相关系数X。
示例性地,如图2所示为某一制造型企业2012年~2016年的用电量信息、销售商品和提供劳务收到的现金信息、营业成本信息、营业利润信息和营业总收入信息随时间变化的折线图,图2中的坐标点为每一季度的信息数据值。参阅图2,可以明显看出,用电量信息、销售商品和提供劳务收到的现金信息、营业成本信息、营业利润信息和营业总收入信息具体有明显的相关性。
需说明的是,相关系数(Correlation coefficient)是反应变量之间关系密切程度的统计指标,本实施例中相关系数的取值区间在1到-1之间。1表示两个变量完全线性相关,-1表示两个变量完全负相关,0表示两个变量不相关。数据越趋近于0表示相关关系越弱。使用相关系数的数据相关分析方法,根据设置的阈值来反映企业用电量与企业公司营业数据之间的关联关系。根据数据之间的关系得出的相关系数如果满足设置的阈值,就可以判断出财务数据的真实行,不满足则表示财务数据不真实。
其中,相关系数计算公式如下:
其中,r(X,Y)为X和Y的相关系数,X和Y分别为两种数据;Cov(X,Y)为X与Y的协方差,Var[X]为X的方差,Var[Y]为Y的方差。
可选地,根据所述相关系数与预设阈值的比较结果确定所述制造型企业提交的经营信息是否真实,包括:
当所述相关系数X大于等于预设阈值时,确定所述制造型企业提交的经营信息为真实;
当所述相关系数X大于等于预设阈值时,确定所述制造型企业提交的经营信息为存疑。
本发明另一实施例提出一种智能化金融机构贷前管理系统,本实施例系统与上述实施例方法对应,参阅图3,本实施例系统包括:
信息接收单元1,用于接收贷款调查请求;所述贷款调查请求包括制造型企业的企业信息、经营信息和借款用途信息;
借款用途判断单元2,用于根据所述请求判断制造型企业的借款用途是否用于扩大生产;若否,则生成另案调查处理信息,并将所述另案调查处理信息发送至调查人员的智能终端,以提示调查人员进行另案调查;若是,则根据所述企业信息获取制造型企业的用电信息,并根据所述用电信息判断制造型企业的借款用途是否为真;其中所述用电信息包括分时用电量信息和容量扩容信息;
真实性判断单元3,用于根据所述经营信息获取所述经营信息中的时间区间所对应的制造型企业用电量信息,确定所述经营信息与所述制造型企业用电量信息的相关系数,并根据所述相关系数与预设阈值的比较结果判断所述制造型企业提交的经营信息是否真实;以及
判断结果输出单元4,用于输出所述借款用途是否为真的判断结果以及所述制造型企业提交的经营信息是否真实的判断结果。
可选地,所述借款用途判断单元2,具体用于:
根据所述分时用电量信息判断制造型企业近期用电是否处于高负荷;
根据所述容量扩容信息判断制造型企业近期是否有容量扩容;
如果上述任一判断的结果为是,则确定制造型企业的借款用途为真;如果上述任一判断的结果为否,则确定制造型企业的借款用途存疑。
可选地,所述借款用途判断单元2,具体用于:
如果制造型企业最近一个月的日平均用电量rdl≥全年日用电量3/4分位点×80%,则所述借款用途判断单元判断制造型企业近期用电处于高负荷。
可选地,所述经营信息包括销售商品和提供劳务收到的现金信息、营业成本信息、营业利润信息和营业总收入信息;
所述真实性判断单元3,具体用于:
确定销售商品和提供劳务收到的现金信息与制造型企业用电量信息的相关系数X1;
确定营业成本信息与制造型企业用电量信息的相关系数X2;
确定营业利润信息与制造型企业用电量信息的相关系数X3;
确定营业总收入信息与制造型企业用电量信息的相关系数X4;以及
根据公式X=(X1+X2+X3+X4)/4计算所述经营信息与所述制造型企业用电量信息的相关系数X。
可选地,所述真实性判断单元3,具体用于:
当所述相关系数X大于等于预设阈值时,所述真实性判断单元确定所述制造型企业提交的经营信息为真实;
当所述相关系数X大于等于预设阈值时,所述真实性判断单元确定所述制造型企业提交的经营信息为存疑。
以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
需说明的是,上述实施例所述系统与上述实施例所述方法对应,因此,上述实施例所述系统未详述部分可以参阅上述实施例所述方法的内容得到,此处不再赘述。
并且,上述实施例所述智能化金融机构贷前管理系统如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中;
例如,一种计算机设备,包括:根据上述实施例所述的智能化金融机构贷前管理系统;或者,存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行根据上述实施例所述的智能化金融机构贷前管理方法的步骤。当然,所述计算机设备还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该计算机设备还可以包括其他用于实现设备功能的部件,在此不做赘述。示例性地,所述计算机程序可以被分割成一个或多个单元,所述一个或者多个单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述计算机设备中的执行过程。所述处理器可以是中央处理单元(Central ProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述计算机设备的控制中心,利用各种接口和线路连接整个所述计算机设备的各个部分。所述存储器可用于存储所述计算机程序和/或单元,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或单元,以及调用存储在存储器内的数据,实现所述计算机设备的各种功能。此外,存储器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,例如硬盘、内存、插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
又例如,一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现根据上述所述的智能化金融机构贷前管理方法。示例性地,所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (10)
1.一种智能化金融机构贷前管理方法,其特征在于,包括:
接收贷款调查请求;所述贷款调查请求包括制造型企业的企业信息、经营信息和借款用途信息;
根据所述请求判断制造型企业的借款用途是否用于扩大生产;若否,则生成另案调查处理信息,并将所述另案调查处理信息发送至调查人员的智能终端,以提示调查人员进行另案调查;若是,则根据所述企业信息获取制造型企业的用电信息,并根据所述用电信息判断制造型企业的借款用途是否为真;其中所述用电信息包括分时用电量信息和容量扩容信息;
根据所述经营信息获取所述经营信息中的时间区间所对应的制造型企业用电量信息,确定所述经营信息与所述制造型企业用电量信息的相关系数,并根据所述相关系数与预设阈值的比较结果判断所述制造型企业提交的经营信息是否真实;
输出所述借款用途是否为真的判断结果以及所述制造型企业提交的经营信息是否真实的判断结果。
2.根据权利要求1所述的智能化金融机构贷前管理方法,其特征在于,所述根据所述用电信息判断制造型企业的借款用途是否为真,包括:
根据所述分时用电量信息判断制造型企业近期用电是否处于高负荷;
根据所述容量扩容信息判断制造型企业近期是否有容量扩容;
如果上述任一判断的结果为是,则确定制造型企业的借款用途为真;如果上述任一判断的结果为否,则确定制造型企业的借款用途存疑。
3.根据权利要求2所述的智能化金融机构贷前管理方法,其特征在于,所述根据所述分时用电量信息判断制造型企业近期用电是否处于高负荷,包括:
如果制造型企业最近一个月的日平均用电量rdl≥全年日用电量3/4分位点×80%,则制造型企业近期用电处于高负荷。
4.根据权利要求1所述的智能化金融机构贷前管理方法,其特征在于,所述经营信息包括销售商品和提供劳务收到的现金信息、营业成本信息、营业利润信息和营业总收入信息;
所述确定所述经营信息与所述制造型企业用电量信息的相关系数,包括:
确定销售商品和提供劳务收到的现金信息与制造型企业用电量信息的相关系数X1;
确定营业成本信息与制造型企业用电量信息的相关系数X2;
确定营业利润信息与制造型企业用电量信息的相关系数X3;
确定营业总收入信息与制造型企业用电量信息的相关系数X4;以及
根据公式X=(X1+X2+X3+X4)/4计算所述经营信息与所述制造型企业用电量信息的相关系数X。
5.根据权利要求4所述的智能化金融机构贷前管理方法,其特征在于,根据所述相关系数与预设阈值的比较结果确定所述制造型企业提交的经营信息是否真实,包括:
当所述相关系数X大于等于预设阈值时,确定所述制造型企业提交的经营信息为真实;
当所述相关系数X大于等于预设阈值时,确定所述制造型企业提交的经营信息为存疑。
6.一种智能化金融机构贷前管理系统,其特征在于,包括:
信息接收单元,用于接收贷款调查请求;所述贷款调查请求包括制造型企业的企业信息、经营信息和借款用途信息;
借款用途判断单元,用于根据所述请求判断制造型企业的借款用途是否用于扩大生产;若否,则生成另案调查处理信息,并将所述另案调查处理信息发送至调查人员的智能终端,以提示调查人员进行另案调查;若是,则根据所述企业信息获取制造型企业的用电信息,并根据所述用电信息判断制造型企业的借款用途是否为真;其中所述用电信息包括分时用电量信息和容量扩容信息;
真实性判断单元,用于根据所述经营信息获取所述经营信息中的时间区间所对应的制造型企业用电量信息,确定所述经营信息与所述制造型企业用电量信息的相关系数,并根据所述相关系数与预设阈值的比较结果判断所述制造型企业提交的经营信息是否真实;以及
判断结果输出单元,用于输出所述借款用途是否为真的判断结果以及所述制造型企业提交的经营信息是否真实的判断结果。
7.根据权利要求6所述的智能化金融机构贷前管理系统,其特征在于,所述借款用途判断单元,具体用于:
根据所述分时用电量信息判断制造型企业近期用电是否处于高负荷;
根据所述容量扩容信息判断制造型企业近期是否有容量扩容;
如果上述任一判断的结果为是,则确定制造型企业的借款用途为真;如果上述任一判断的结果为否,则确定制造型企业的借款用途存疑。
8.根据权利要求7所述的智能化金融机构贷前管理系统,其特征在于,所述借款用途判断单元,具体用于:
如果制造型企业最近一个月的日平均用电量rdl≥全年日用电量3/4分位点×80%,则所述借款用途判断单元判断制造型企业近期用电处于高负荷。
9.根据权利要求6所述的智能化金融机构贷前管理系统,其特征在于,所述经营信息包括销售商品和提供劳务收到的现金信息、营业成本信息、营业利润信息和营业总收入信息;
所述真实性判断单元,具体用于:
确定销售商品和提供劳务收到的现金信息与制造型企业用电量信息的相关系数X1;
确定营业成本信息与制造型企业用电量信息的相关系数X2;
确定营业利润信息与制造型企业用电量信息的相关系数X3;
确定营业总收入信息与制造型企业用电量信息的相关系数X4;以及
根据公式X=(X1+X2+X3+X4)/4计算所述经营信息与所述制造型企业用电量信息的相关系数X。
10.根据权利要求9所述的智能化金融机构贷前管理系统,其特征在于,所述真实性判断单元,具体用于:
当所述相关系数X大于等于预设阈值时,所述真实性判断单元确定所述制造型企业提交的经营信息为真实;
当所述相关系数X大于等于预设阈值时,所述真实性判断单元确定所述制造型企业提交的经营信息为存疑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011183173.3A CN112241917A (zh) | 2020-10-29 | 2020-10-29 | 一种智能化金融机构贷前管理方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011183173.3A CN112241917A (zh) | 2020-10-29 | 2020-10-29 | 一种智能化金融机构贷前管理方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112241917A true CN112241917A (zh) | 2021-01-19 |
Family
ID=74170114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011183173.3A Pending CN112241917A (zh) | 2020-10-29 | 2020-10-29 | 一种智能化金融机构贷前管理方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112241917A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664085A (zh) * | 2023-08-01 | 2023-08-29 | 四川享宇科技有限公司 | 一种金融行业信贷调查交叉核验系统及方法 |
CN116797001A (zh) * | 2023-08-16 | 2023-09-22 | 四川享宇科技有限公司 | 金融行业从业人员的管理系统及方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709818A (zh) * | 2016-12-30 | 2017-05-24 | 国家电网公司 | 一种用电企业信用风险评价方法 |
CN107169860A (zh) * | 2016-12-30 | 2017-09-15 | 中国建设银行股份有限公司 | 一种风险预警方法及装置 |
CN107392464A (zh) * | 2017-07-19 | 2017-11-24 | 江苏安纳泰克能源服务有限公司 | 用于企业的贷款风险等级评估方法 |
CN107909472A (zh) * | 2017-12-08 | 2018-04-13 | 上海壹账通金融科技有限公司 | 经营数据审核方法、装置、设备及计算机可读存储介质 |
CN109190954A (zh) * | 2018-08-22 | 2019-01-11 | 深圳合纵能源技术有限公司 | 基于实时用电数据评估企业生产经营管理风险的方法 |
CN109214917A (zh) * | 2018-11-07 | 2019-01-15 | 深圳行知聚能科技发展有限公司 | 一种贷款风险实时监控系统及方法 |
CN110033159A (zh) * | 2019-02-27 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 风险识别方法、装置及设备 |
CN110458691A (zh) * | 2019-08-06 | 2019-11-15 | 深圳市拜特科技股份有限公司 | 一种贷前风险监控方法及装置 |
CN111028072A (zh) * | 2019-12-06 | 2020-04-17 | 广州新丝路信息科技有限公司 | 一种供应链金融贷前尽调数据处理方法及系统 |
CN111553563A (zh) * | 2020-04-07 | 2020-08-18 | 国网电子商务有限公司 | 企业欺诈风险的确定方法及装置 |
-
2020
- 2020-10-29 CN CN202011183173.3A patent/CN112241917A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709818A (zh) * | 2016-12-30 | 2017-05-24 | 国家电网公司 | 一种用电企业信用风险评价方法 |
CN107169860A (zh) * | 2016-12-30 | 2017-09-15 | 中国建设银行股份有限公司 | 一种风险预警方法及装置 |
CN107392464A (zh) * | 2017-07-19 | 2017-11-24 | 江苏安纳泰克能源服务有限公司 | 用于企业的贷款风险等级评估方法 |
CN107909472A (zh) * | 2017-12-08 | 2018-04-13 | 上海壹账通金融科技有限公司 | 经营数据审核方法、装置、设备及计算机可读存储介质 |
CN109190954A (zh) * | 2018-08-22 | 2019-01-11 | 深圳合纵能源技术有限公司 | 基于实时用电数据评估企业生产经营管理风险的方法 |
CN109214917A (zh) * | 2018-11-07 | 2019-01-15 | 深圳行知聚能科技发展有限公司 | 一种贷款风险实时监控系统及方法 |
CN110033159A (zh) * | 2019-02-27 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 风险识别方法、装置及设备 |
CN110458691A (zh) * | 2019-08-06 | 2019-11-15 | 深圳市拜特科技股份有限公司 | 一种贷前风险监控方法及装置 |
CN111028072A (zh) * | 2019-12-06 | 2020-04-17 | 广州新丝路信息科技有限公司 | 一种供应链金融贷前尽调数据处理方法及系统 |
CN111553563A (zh) * | 2020-04-07 | 2020-08-18 | 国网电子商务有限公司 | 企业欺诈风险的确定方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664085A (zh) * | 2023-08-01 | 2023-08-29 | 四川享宇科技有限公司 | 一种金融行业信贷调查交叉核验系统及方法 |
CN116664085B (zh) * | 2023-08-01 | 2023-11-03 | 四川享宇科技有限公司 | 一种金融行业信贷调查交叉核验系统及方法 |
CN116797001A (zh) * | 2023-08-16 | 2023-09-22 | 四川享宇科技有限公司 | 金融行业从业人员的管理系统及方法 |
CN116797001B (zh) * | 2023-08-16 | 2023-10-27 | 四川享宇科技有限公司 | 金融行业从业人员的管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gande et al. | CEO compensation and risk-taking at financial firms: Evidence from US federal loan assistance | |
Zumbach | The riskmetrics 2006 methodology | |
US8155985B2 (en) | System and method using insurance for risk transference | |
US20030014356A1 (en) | Method and system for simulating risk factors in parametric models using risk neutral historical bootstrapping | |
WO2019196257A1 (zh) | 一种自动还款方法、系统及终端设备 | |
Glasserman et al. | Forward and future implied volatility | |
CN112241917A (zh) | 一种智能化金融机构贷前管理方法及其系统 | |
Alexander | Statistical models of operational loss | |
JP2016206983A (ja) | ローンリスク評価パラメータ算出装置、プログラム、及び方法 | |
US7734525B2 (en) | Hybrid multi-thread and multi-process computer simulation system and methods | |
Collin‐Dufresne et al. | How integrated are credit and equity markets? Evidence from index options | |
JP2018514889A (ja) | 当初証拠金標準モデルに基づいて当初証拠金を計算及び提供する方法及びシステム | |
CN112150260A (zh) | 制造型企业经营信息真实性核验方法、系统、设备、介质 | |
Serban et al. | Cross-sectional stock option pricing and factor models of returns | |
CN112150269A (zh) | 企业借款用途核验方法及其系统、计算机设备、存储介质 | |
US7546270B1 (en) | Method and system for estimating economic risk associated with a group of loans | |
CN114387085A (zh) | 流水数据处理方法、装置、计算机设备和存储介质 | |
CN114066616A (zh) | 一种基于区块链的工程领域供应链金融风险评估系统 | |
Grody et al. | Risk accounting-part 2: The risk data aggregation and risk reporting (BCBS 239) foundation of enterprise risk management (ERM) and risk governance | |
CN113962526A (zh) | 电力交易服务费违约风险评估方法、设备和计算机可读存储介质 | |
Nyström et al. | Quantitative operational risk management | |
De Luca et al. | Statistical analysis of operational risk data | |
Lee | The macroeconomic effects of debt relief policies during recessions | |
Van Tassel | Merger options and risk arbitrage | |
Vojtková et al. | Intraday liquidity modelling using statistical methods |
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 |