CN112785116A - 煤矿企业贷款评定方法及装置 - Google Patents
煤矿企业贷款评定方法及装置 Download PDFInfo
- Publication number
- CN112785116A CN112785116A CN202011423867.XA CN202011423867A CN112785116A CN 112785116 A CN112785116 A CN 112785116A CN 202011423867 A CN202011423867 A CN 202011423867A CN 112785116 A CN112785116 A CN 112785116A
- Authority
- CN
- China
- Prior art keywords
- coefficient
- production
- coal mine
- credit
- information
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 196
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004519 manufacturing process Methods 0.000 claims abstract description 154
- 230000000875 corresponding effect Effects 0.000 claims description 52
- 238000009499 grossing Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000005065 mining Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005484 gravity Effects 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002817 coal dust Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012876 topography Methods 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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种煤矿企业贷款评定方法及装置,该方法包括:若接收到煤矿企业的贷款申请,则获取所述煤矿企业的生产基本信息;根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数;所述信贷能力系数由以下至少一项确定:生产能力系数、存储能力系数、销售能力系数;根据所述信贷能力系数确定所述贷款申请是否通过。本发明实施例可以对煤矿企业的信贷能力全面、准确判定,有效评估及降低放贷风险。
Description
技术领域
本发明涉及放贷评定技术领域,具体而言,涉及一种煤矿企业贷款评定方法及装置。
背景技术
现有针对煤矿企业的信贷能力评估方法,无法准确判定煤矿企业的信贷能力,导致放贷风险评估困难。
发明内容
本发明解决的问题是针对煤矿企业的信贷能力评估方法,无法准确判定煤矿企业的信贷能力,导致放贷风险评估困难。
为解决上述问题,本发明提供一种煤矿企业贷款评定方法,所述方法包括:若接收到煤矿企业的贷款申请,则获取所述煤矿企业的生产基本信息;根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数;所述信贷能力系数由以下至少一项确定:生产能力系数、存储能力系数、销售能力系数;根据所述信贷能力系数确定所述贷款申请是否通过。
可选地,在所述根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数之前,所述方法还包括:根据所述生产基本信息核验所述煤矿企业是否符合安全生产标准;若所述煤矿企业符合安全生产标准,则执行所述根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数的步骤。
可选地,所述根据所述生产基本信息核验所述煤矿企业是否符合安全生产标准,包括:比较所述生产基本信息中的安全生产信息与安全生产标准中的各条标准,确定所述安全生产信息符合所述安全生产标准的比例;若所述比例大于预设的比例阈值,则确定所述煤矿企业符合安全生产标准。
可选地,所述根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数,包括:根据所述生产基本信息中的历史产量数据,预测所述煤矿企业的产量系数;根据所述生产基本信息中的生产事故数据及风险隐患数据,计算所述煤矿企业的产量影响系数;根据所述产量系数及所述产量影响系数,确定所述生产能力系数。
可选地,所述生产基本信息包括储煤场所信息和/或煤量监测信息;所述根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数,包括:对所述生产基本信息进行描述性统计,得到描述性指标;所述描述性指标包括以下至少一项:煤量均值、煤量标准差、煤量最大值或煤量最小值;根据所述描述性指标计算储煤场所的煤量稳定值,及根据所述煤量稳定值确定所述存储能力系数。
可选地,所述生产基本信息包括以下至少一项:历史销量信息、销售周期信息、销售回款模式信息;所述根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数,包括:根据指数平滑法及所述历史销量信息,预测未来期间的销售数据;将所述销售数据乘以所述销售周期信息对应的影响系数、所述销售回款模式信息对应的影响系数,计算得到所述销售能力系数。
可选地,所述根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数,包括:根据所述生产能力系数、所述存储能力系数、所述销售能力系数及对应的权重系数,计算得到所述煤矿企业对应的信贷能力系数。
可选地,所述根据所述信贷能力系数评定所述贷款申请是否通过,包括:若所述信贷能力系数小于预设的信贷能力阈值,则确定所述贷款申请未通过;若所述信贷能力系数大于或等于所述信贷能力阈值,则确定所述贷款申请通过。
可选地,所述方法还包括:若所述信贷能力系数大于或等于所述信贷能力阈值,则根据所述信贷能力系数确定所述贷款申请的实际发放贷款额度;其中,所述实际发放贷款额度与所述信贷能力系数正相关。
本发明提供一种煤矿企业贷款评定装置,所述装置包括:获取模块,用于若接收到煤矿企业的贷款申请,则获取所述煤矿企业的生产基本信息;计算模块,用于根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数;所述信贷能力系数由以下至少一项确定:生产能力系数、存储能力系数、销售能力系数;评定模块,用于根据所述信贷能力系数确定所述贷款申请是否通过。
本发明实施例提供的煤矿企业贷款评定方法及装置,通过审核煤矿的生产能力系数、存储能力系数、销售能力系数中的一项或多项确定煤矿企业的信贷能力,在其信贷能力满足要求的情况下确定煤矿企业的贷款申请通过,从而对煤矿企业的信贷能力全面、准确判定,有效评估及降低放贷风险。
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,还可以根据提供的附图获得其他的附图。
图1为本发明的一个实施例中一种煤矿企业贷款评定方法的示意性流程图;
图2为本发明的一个实施例中另一种煤矿企业贷款评定方法的示意性流程图;
图3为本发明的一个实施例中一种煤矿企业贷款评定装置的结构示意图。
附图标记说明:
301-获取模块;302-计算模块;303-评定模块。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1是本发明的一个实施例中一种煤矿企业贷款评定方法的示意性流程图,该煤矿企业贷款评定方法包括:
S102,若接收到煤矿企业的贷款申请,则获取该煤矿企业的生产基本信息。
当银行等信贷机构接收到煤矿企业的贷款申请时,贷款评定系统可以接入煤矿监测系统,在煤矿监测系统的煤矿档案模块中查询上述煤矿企业的生产基本信息。
其中,该生产基本信息可以包括以下内容:
1、关键指标,如核定产能、设计产能、瓦斯等级、安全生产标准化等级;2、基础信息,如煤矿地理位置、煤层赋存、可采煤层煤质、储量、地质条件、生产情况、原设计(核定)生产能力、安全生产标准化等级等基本情况;3、安全信息,如水文地质类型划分情况、瓦斯鉴定情况、煤层自燃倾向性鉴定情况、煤尘爆炸性鉴定情况等;4、生产信息,如矿井开拓方式、开采工艺、运输方式等;5、井下信息,如煤层顶板岩性、矿井涌水量、通风方式、开采深度等;6、证照信息,如采矿许可证、安全生产许可证、营业执照等;7、图纸信息,如地质地形图、采掘工程平面图、地层综合柱状图、水文地质图和供电、通风、排水、运输等系统图等。
S104,根据生产基本信息确定煤矿企业对应的信贷能力系数。
信贷能力系数由以下至少一项确定:生产能力系数、存储能力系数、销售能力系数。在本实施例中过对生产、存储、销售三方面的分析来评定煤矿企业的信贷能力。其中,生产能力系数基于煤矿企业的生产质量维度及生产数量维度共同确定,存储能力系数基于煤矿企业的煤炭存储能力及煤炭传输机制等共同确定,销售能力系数基于煤矿企业的销量数据及回款数据等共同确定。
在获得上述生产能力系数、存储能力系数、销售能力系数后,可以根据生产能力系数、存储能力系数、销售能力系数及其对应的权重系数,计算得到煤矿企业对应的信贷能力系数。其中,各系数对应的权重系数表示各系数在信贷能力评定中侧重程度,权重越大则表示在评定过程中更重视该方面能力,认为该方面能力对未来还款可能性的影响更大。上述权重系数可以根据不同的经济环境、行业前景及贷款规定要求等方面的因素灵活确定及调整。
S106,根据信贷能力系数确定贷款申请是否通过。
具体地,若信贷能力系数小于预设的信贷能力阈值,则确定贷款申请未通过;若信贷能力系数大于等于信贷能力阈值,则确定贷款申请通过。
在信贷能力系数大于等于信贷能力阈值的情况下,则根据信贷能力系数确定贷款申请的实际发放贷款额度。其中,实际发放贷款额度与信贷能力系数正相关,信贷能力系数越大则实际发放贷款额度越高,信贷能力系数越小则实际发放贷款额度越低。
本实施例提供的煤矿企业贷款评定方法,通过审核煤矿企业是否符合安全生产标准,以及根据生产能力系数、存储能力系数、销售能力系数中的一项或多项确定煤矿企业的信贷能力,在其信贷能力满足要求的情况下确定煤矿企业的贷款申请通过,从而对煤矿企业的信贷能力全面、准确判定,有效评估及降低放贷风险。
考虑到煤矿企业的安全生产极大程度上依赖于其是否积极遵守国家及行业制定的安全生产标准,若发生安全事故,极可能导致煤矿被关闭,致使丧失还款能力,因此可以将煤矿是否符合安全生产标准作为贷款评定的一个必要条件。基于此,本实施例提供了一种煤矿企业贷款评定方法,参见图2所示的一种煤矿企业贷款评定方法的示意性流程图,包括:
S202,若接收到煤矿企业的贷款申请,则获取该煤矿企业的生产基本信息。
S204,根据上述生产基本信息核验煤矿企业是否符合安全生产标准。
由于煤矿企业一旦发生安全事故,极可能导致煤矿被关闭,致使煤矿企业丧失还款能力,因此存在安全事故隐患的煤矿企业的放贷风险较高。在本实施例中,以煤矿企业是否符合各类安全生产标准确定煤矿企业的安全事故隐患大小。
可选地,安全生产标准包括《煤矿安全规程》、《煤矿生产能力管理办法》和《煤矿生产能力核定标准》等文件规定的各条标准。上述S204包括:
(1)比较生产基本信息中的安全生产信息与安全生产标准中的各条标准,确定安全生产信息符合安全生产标准的比例。首先,将煤矿基本信息中的安全生产信息与上述文件中规定的每一条具体标准进行对比,例如:是否具有采矿许可证、安全生产许可证、营业执照和矿长安全资格证等,各类证书是否齐全,以及各类证书是否在有效期内等。然后,统计上述安全生产信息符合其对应的标准的数量占上述标准总量的比例。
(2)若该比例大于预设的比例阈值,则确定煤矿企业符合安全生产标准。例如,将符合核定标准的80%及以上确定为符合安全生产标准。
S206,若验煤矿企业符合安全生产标准,则根据生产基本信息确定煤矿企业对应的信贷能力系数。
若煤矿企业不符合安全生产标准,则确定贷款申请未通过。
S208,根据上述信贷能力系数确定贷款申请是否通过。
本实施例提供的煤矿企业贷款评定方法,在评定煤矿企业对应的信贷能力系数的基础上,还增加了对煤矿企业的安全生产能力的评定过程,可以进一步降低放贷风险。
以下详细介绍煤矿企业的信贷能力系数的计算过程:
(1)生产能力系数
生产能力系数基于煤矿企业的生产质量维度及生产数量维度共同确定。该生产数量维度为产量系数,该生产质量维度为产量影响系数。可选地,按照以下方式执行:
首先,根据生产基本信息中的历史产量数据,预测煤矿企业的产量系数。
该历史产量数据包括煤矿的日产量,月产量,年产量等产量数据,数据来源可以是煤矿大脑的产量监控。基于历史产量数据判定其生产能力,例如,采用分段线性回归模型和自回归模型对煤矿原煤产量进行预测,将得到的煤矿原煤产量作为上述产量系数。
分段线性回归是指当A对B的回归在B的某一范围的服从某种线性关系,在其他范围内又服从斜率不同的线性关系时适用的一种回归估计方法。这种方法使用指示变量对各段(即不同范围的)数据同时拟合统—的回归模型。自回归模型是统计上的一种处理时间序列的方法,用同一变数例如B 的之前各期,亦即B1至Bt-1来预测本期Bt的表现,并假设它们为一线性关系。
其次,根据生产基本信息中的生产事故数据及风险隐患数据,计算煤矿企业的产量影响系数。
产量影响系数表示的是煤矿生产影响因素的分析。该生产事故数据可以包括煤矿发生事故情况的信息,例如:煤矿发生事故类型、事故重大程度、损失程度、引发原因等,该风险隐患数据可以包括多项煤矿生产过程存在的各项风险隐患相关信息,例如:煤矿存在的风险隐患、煤矿隐患整改情况、井下设备引发的风险、人员操作导致的风险等多维度数据。基于上述数据逐级指标计算方法,建立风险分析模型:
A.指标子项间没有紧密关系,采用子项线性加权的方式计算隐患发生比重。线性加权的方式计算公式如下:
其中,y是隐患发生比重,xj是事故影响因子比重,wj是事故发生的比重,m是一组无紧密关系的事故影响因子的数量。
B.指标子项间有紧密关系,采用各子项求积法计算事故影响因子综合比重,然后采用线性加权的方法计算隐患发生比重。
(1)各子项求积方法计算公式如下:
其中,z是事故影响因子综合比重,xj是事故影响因子比重,m是一组有紧密关系的事故影响因子的数量。
求积法是将多个具有紧密关系的因素的事故影响因子相乘,可获取事故影响因子综合比重。
例如,事故影响因素包括:事故发生的次数、引发事故的原因、存在的隐患数量,这些事故影响因素间是有紧密关系的,针对每个事故影响因素分别评定一个事故影响因子比重(表示对事故发生产生影响大小),然后把这些事故影响因子比重相乘,得到其共同作用带来的事故影响因子综合比重。
(2)线性加权计算公式如下:
其中,y是隐患发生比重,zk是上述各子项求积方法计算公式得到的事故影响因子综合比重;wk是事故发生比重,表示有紧密关系的一组事故影响因子共同对应的一个系数,该系数表示事故影响因子引发事故的可能性,可以由专家进行评定;m是一组有紧密关系的事故影响因子的数量。使用事故影响因子综合比重与事故发生比重,采用线性加权的方式可得到产量影响系数。
例如,人员不规范操作的综合比重*对应的事故发生比重+事故次数原因隐患数共同作用的综合比重*对应的事故发生比重+……,得到采用线性加权方式计算的产量影响系数。
然后,根据产量系数及产量影响系数,确定煤矿企业的生产能力系数。
产量系数及产量影响系数没有紧密关系,可采用线性加权的方式计算得到生产量。线性加权的方式计算方法如下:
f=ap+bq (4)
其中,f为生产量,p为产量系数,q为产量影响系数,a为产量系数的影响因子,b为产量影响系数的影响因子。a为正值,b为负值,产量系数越高则生产量越大,产量影响系数越高则生产量越小。可选地,可通过专家评定为产量系数及产量影响系数分别设置影响因子a、b,以综合得到生产量。基于预先制定的生产量与生产能力系数对应标准,由上述计算得到的生产量确定对应的生产能力系数。
(2)存储能力系数
具体地,可以根据生产基本信息中以下至少一项确定存储能力系数:储煤场所信息、煤量监测信息、存储方式信息、传输方式信息。
储煤场所信息可包括:储煤场的位置、大小、环境等,煤量监测信息可包括煤量监测设施、储煤量信息等,存储方式信息可包括煤的存储方式等,传输方式信息可包括煤从井下到储煤场的传输机制等。
将生产基本信息的数据汇总后进行描述性统计。该描述性统计是指运用制表和分类,图形以及计算概括性数据来描述数据的集中趋势、离散趋势、偏度、峰度等。若存在数据缺失,则使用均值法填充缺失值。最终评定存储能力系数。
以煤量监测信息为例,针对近12个月的储煤量进行描述性统计,分析其集中趋势的指标,可以包括均值、标准差、最大值、最小值等),然后根据上述指标评定存储能力系数。以均值、标准差为例,可以通过两者求和得到煤场储煤量的稳定值,该稳定值即为煤场的存储量。基于预先制定的存储量与存储能力系数对应标准,由上述计算得到的存储量确定对应的存储能力系数。
(3)销售能力系数
具体地,可以根据生产基本信息中以下至少一项确定销售能力系数:历史销量信息、销售周期信息、开采量与销售量的比例、销售回款模式信息。该销售回款模式信息包括销售回款模式及回款周期,该销售回款模式可以是现金流或赊账。再汇总以上销售量相关数据采用指数平滑法预测未来销售情况。
例如:在预测计划期销售量(或销售金额)时,导入平滑系数(或称加权因子)进行计算。平滑系数越大,则近期实际值对预测结果的影响越大,反之则小。采用较小的平滑系数,使此法的平均数能反映观察值变动的长期趋势;也可以采用较大的平滑系数,使此法的平均数能反映观察值的变动趋势,以便进行近期的销售预测。
上述指数平滑法的公式如下:
St=c·ut-1+(1-c)St-1 (5)
其中,St为第t期的预测值,ut-1为第t-1期的实际值,St-1为第t-1期的预测值,c为平滑系数,其取值范围为[0,1]。
作为一种可行方式,在得到未来一段期限内的销售预测值后,结合销售周期信息、销售回款模式信息对应的影响系数,相乘计算得到销售量。其中,销售周期信息、销售回款模式信息对应的影响系数可以基于专家评定确定。基于预先制定的销售量与销售能力系数对应标准,由上述计算得到的销售量确定对应的销售能力系数。
在得到上述生产能力系数、存储能力系数及销售能力系数后,可以基于生产能力系数、存储能力系数及销售能力系数分别对应的评定比例计算信贷能力系数,计算公式如下:
F=d·D+e·E+g·G (6)
其中,F为信贷能力系数,D为生产能力系数、E为存储能力系数及G 为销售能力系数,d为生产能力占比,e为存储能力占比,g为销售能力占比。各系数的占比可以根据信贷审核中对生产、存储、销售对还款的影响程度确定,某系数的影响程度越强则其对应的占比越大。需要说明的是,上述d、e、g的和可以等于1或者不等于1。
可选地,上述信贷能力系数,可以由绝对值转换为0-100范围内的相对值,如表1所示,可具体划分为四个等级。
分值 | 等级 |
91-100 | 优秀 |
75-90 | 良好 |
60-75 | 一般 |
小于60 | 差 |
银行可根据三个方面给出的评定系数及其对应的占比来计算用以预判煤矿信贷能力的信贷能力系数,从而降低对煤矿的放贷风险。例如,以分值为60作为信贷能力判定阈值,所计算的信贷能力系数大于60,则下放对应贷款金额;所计算的信贷能力系数小于60,则驳回贷款申请。对应到等级上,也就是等级在差以上,则下放信贷能力系数对应等级的贷款金额,等级为差,则驳回贷款申请。
图3是本发明的一个实施例中一种煤矿企业贷款评定装置,所述装置包括:
获取模块301,用于若接收到煤矿企业的贷款申请,则获取所述煤矿企业的生产基本信息;
计算模块302,用于根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数;所述信贷能力系数由以下至少一项确定:生产能力系数、存储能力系数、销售能力系数;
评定模块303,用于根据所述信贷能力系数确定所述贷款申请是否通过。
本实施例提供的煤矿企业贷款评定装置,通过审核煤矿的生产能力系数、存储能力系数、销售能力系数中的一项或多项确定煤矿企业的信贷能力,在其信贷能力满足要求的情况下确定煤矿企业的贷款申请通过,从而对煤矿企业的信贷能力全面、准确判定,有效评估及降低放贷风险。
可选地,所述装置还包括核验模块,用于:根据所述生产基本信息核验所述煤矿企业是否符合安全生产标准;若所述煤矿企业符合安全生产标准,则执行所述根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数的步骤。
可选地,所述核验模块,具体用于:比较所述生产基本信息中的安全生产信息与安全生产标准中的各条标准,确定所述安全生产信息符合所述安全生产标准的比例;若所述比例大于预设的比例阈值,则确定所述煤矿企业符合安全生产标准。
可选地,所述计算模块302,具体用于:根据所述生产基本信息中的历史产量数据,预测所述煤矿企业的产量系数;根据所述生产基本信息中的生产事故数据及风险隐患数据,计算所述煤矿企业的产量影响系数;根据所述产量系数及所述产量影响系数,确定所述生产能力系数。
可选地,所述生产基本信息包括储煤场所信息和/或煤量监测信息;所述计算模块302,具体用于:对所述生产基本信息进行描述性统计,得到描述性指标;所述描述性指标包括以下至少一项:煤量均值、煤量标准差、煤量最大值或煤量最小值;根据所述描述性指标计算储煤场所的煤量稳定值,及根据所述煤量稳定值确定所述存储能力系数。
可选地,所述生产基本信息包括以下至少一项:历史销量信息、销售周期信息、销售回款模式信息;所述计算模块302,具体用于:根据指数平滑法及所述历史销量信息,预测未来期间的销售数据;将所述销售数据乘以所述销售周期信息对应的影响系数、所述销售回款模式信息对应的影响系数,计算得到所述销售能力系数。
可选地,所述计算模块302,具体用于:根据所述生产能力系数、所述存储能力系数、所述销售能力系数及对应的权重系数,计算得到所述煤矿企业对应的信贷能力系数。
可选地,所述评定模块303,具体用于:若所述信贷能力系数小于预设的信贷能力阈值,则确定所述贷款申请未通过;若所述信贷能力系数大于或等于所述信贷能力阈值,则确定所述贷款申请通过。
可选地,所述装置还额度确定模块,用于:若所述信贷能力系数大于或等于所述信贷能力阈值,则根据所述信贷能力系数确定所述贷款申请的实际发放贷款额度;其中,所述实际发放贷款额度与所述信贷能力系数正相关。
上述实施例提供的煤矿企业贷款评定装置能够实现上述煤矿企业贷款评定方法的实施例中的各个过程,为避免重复,这里不再赘述。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述煤矿企业贷款评定方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称 RAM)、磁碟或者光盘等。
当然,本领域技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程度来指令控制装置来完成,所述的程序可存储于一计算机可读取的存储介质中,所述程序在执行时可包括如上述各方法实施例的流程,其中所述的存储介质可为存储器、磁盘、光盘等。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种煤矿企业贷款评定方法,其特征在于,所述方法包括:
若接收到煤矿企业的贷款申请,则获取所述煤矿企业的生产基本信息;
根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数;所述信贷能力系数由以下至少一项确定:生产能力系数、存储能力系数、销售能力系数;
根据所述信贷能力系数确定所述贷款申请是否通过。
2.根据权利要求1所述的方法,其特征在于,在所述根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数之前,所述方法还包括:
根据所述生产基本信息核验所述煤矿企业是否符合安全生产标准;
若所述煤矿企业符合安全生产标准,则执行所述根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数的步骤。
3.根据权利要求2所述的方法,其特征在于,所述根据所述生产基本信息核验所述煤矿企业是否符合安全生产标准,包括:
比较所述生产基本信息中的安全生产信息与安全生产标准中的各条标准,确定所述安全生产信息符合所述安全生产标准的比例;
若所述比例大于预设的比例阈值,则确定所述煤矿企业符合安全生产标准。
4.根据权利要求1所述的方法,其特征在于,所述根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数,包括:
根据所述生产基本信息中的历史产量数据,预测所述煤矿企业的产量系数;
根据所述生产基本信息中的生产事故数据及风险隐患数据,计算所述煤矿企业的产量影响系数;
根据所述产量系数及所述产量影响系数,确定所述生产能力系数。
5.根据权利要求1所述的方法,其特征在于,所述生产基本信息包括储煤场所信息和/或煤量监测信息;所述根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数,包括:
对所述生产基本信息进行描述性统计,得到描述性指标;所述描述性指标包括以下至少一项:煤量均值、煤量标准差、煤量最大值或煤量最小值;
根据所述描述性指标计算储煤场所的煤量稳定值,及根据所述煤量稳定值确定所述存储能力系数。
6.根据权利要求1所述的方法,其特征在于,所述生产基本信息包括以下至少一项:历史销量信息、销售周期信息、销售回款模式信息;所述根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数,包括:
根据指数平滑法及所述历史销量信息,预测未来期间的销售数据;
将所述销售数据乘以所述销售周期信息对应的影响系数、所述销售回款模式信息对应的影响系数,计算得到所述销售能力系数。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数,包括:
根据所述生产能力系数、所述存储能力系数、所述销售能力系数及对应的权重系数,计算得到所述煤矿企业对应的信贷能力系数。
8.根据权利要求1-6任一项所述的方法,其特征在于,所述根据所述信贷能力系数评定所述贷款申请是否通过,包括:
若所述信贷能力系数小于预设的信贷能力阈值,则确定所述贷款申请未通过;
若所述信贷能力系数大于或等于所述信贷能力阈值,则确定所述贷款申请通过。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
若所述信贷能力系数大于或等于所述信贷能力阈值,则根据所述信贷能力系数确定所述贷款申请的实际发放贷款额度;其中,所述实际发放贷款额度与所述信贷能力系数正相关。
10.一种煤矿企业贷款评定装置,其特征在于,所述装置包括:
获取模块,用于若接收到煤矿企业的贷款申请,则获取所述煤矿企业的生产基本信息;
计算模块,用于根据所述生产基本信息确定所述煤矿企业对应的信贷能力系数;所述信贷能力系数由以下至少一项确定:生产能力系数、存储能力系数、销售能力系数;
评定模块,用于根据所述信贷能力系数确定所述贷款申请是否通过。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011423867.XA CN112785116A (zh) | 2020-12-08 | 2020-12-08 | 煤矿企业贷款评定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011423867.XA CN112785116A (zh) | 2020-12-08 | 2020-12-08 | 煤矿企业贷款评定方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112785116A true CN112785116A (zh) | 2021-05-11 |
Family
ID=75750814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011423867.XA Pending CN112785116A (zh) | 2020-12-08 | 2020-12-08 | 煤矿企业贷款评定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785116A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034208A (zh) * | 2010-12-15 | 2011-04-27 | 中国民生银行股份有限公司 | 信贷业务审批数据处理系统及方法 |
CN102722847A (zh) * | 2012-05-11 | 2012-10-10 | 杭州商友全球网信息技术有限公司 | 一种金融审核系统 |
CN105956823A (zh) * | 2016-04-28 | 2016-09-21 | 中国建设银行股份有限公司 | 一种业务数据办理系统 |
CN106779755A (zh) * | 2016-12-31 | 2017-05-31 | 湖南文沥征信数据服务有限公司 | 一种网络电商借贷风险评估方法及模型 |
-
2020
- 2020-12-08 CN CN202011423867.XA patent/CN112785116A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034208A (zh) * | 2010-12-15 | 2011-04-27 | 中国民生银行股份有限公司 | 信贷业务审批数据处理系统及方法 |
CN102722847A (zh) * | 2012-05-11 | 2012-10-10 | 杭州商友全球网信息技术有限公司 | 一种金融审核系统 |
CN105956823A (zh) * | 2016-04-28 | 2016-09-21 | 中国建设银行股份有限公司 | 一种业务数据办理系统 |
CN106779755A (zh) * | 2016-12-31 | 2017-05-31 | 湖南文沥征信数据服务有限公司 | 一种网络电商借贷风险评估方法及模型 |
Non-Patent Citations (1)
Title |
---|
宋晓波等: ""基于大数据背景下煤矿安全信用监管模式研究"", 《中国能源》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | The ordered qualitative model for credit rating transitions | |
US20170177756A1 (en) | Apparatus and method for safety analysis evaluation with data-driven workflow | |
Jakubík et al. | The JT index as an indicator of financial stability of corporate sector | |
CN103793854A (zh) | 多重组合优化的架空输电线路运行风险信息化评估方法 | |
McAleer et al. | GFC-robust risk management strategies under the Basel Accord | |
Boyko et al. | Risk assessment of using insurance companies in suspicious transactions | |
Ben‐Haim | Value‐at‐risk with info‐gap uncertainty | |
CN113256324A (zh) | 数据资产定价方法、装置、计算机设备和存储介质 | |
Filipishyna et al. | Model scenarios of sustainable development strategy in the formulation of mechanisms for enterprise support resources | |
CN112766814A (zh) | 一种信用风险压力测试模型的训练方法、装置及设备 | |
CN112785116A (zh) | 煤矿企业贷款评定方法及装置 | |
Zeng | [Retracted] Research on Risk Measurement and Early Warning of Electronic Banking Business Based on GMDH Algorithm | |
Babajani et al. | A model for financial control in metropolitan municipalities of Iran | |
Li et al. | Validation techniques and performance metrics for loss given default models | |
Rahmawati et al. | Determining Pure Premium of Motor Vehicle Insurance with Generalized Linear Models (GLM) | |
Melikhova et al. | Improvement of bankruptcy probability model based on the analysis of industrial enterprises of Ukraine | |
CN112150036B (zh) | 一种基于数据驱动的锅炉用气用户偷盗气检测方法及装置 | |
KR102633684B1 (ko) | 경기 상황을 자동으로 반영하는 신용 평가 모형 조정 방법 및 그 방법을 실행하는 프로그램을 저장한 기록 매체 | |
US11854087B1 (en) | Systems and methods for water loss mitigation messaging | |
Azzarqa et al. | The application of survival analysis in credit scoring using the accelerated failure time exponential model | |
Kalouda et al. | Alternative bankruptcy models–First results | |
Sun et al. | A Time‐Varying Coupling Analysis of Expressway Traffic Volume and Manufacturing PMI | |
Vyskocil et al. | Extreme value theory for operational risk in insurance: a case study | |
Soares et al. | A simple fuzzy system applied to predict default rate | |
Parieva et al. | Quantity Assessment of the Risk of Investment Projects |
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: 20210511 |
|
RJ01 | Rejection of invention patent application after publication |