CN112785204A - 确定对象风险值的方法和调整业务参数的方法 - Google Patents
确定对象风险值的方法和调整业务参数的方法 Download PDFInfo
- Publication number
- CN112785204A CN112785204A CN202110222654.9A CN202110222654A CN112785204A CN 112785204 A CN112785204 A CN 112785204A CN 202110222654 A CN202110222654 A CN 202110222654A CN 112785204 A CN112785204 A CN 112785204A
- Authority
- CN
- China
- Prior art keywords
- field
- information
- value
- determining
- target
- 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
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
- G06Q10/0633—Workflow 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种确定对象风险值的方法和装置,涉及大数据领域。该方法包括:获取与目标业务有关的多个历史数据,历史数据包括多个信息字段,每个信息字段包括多个字段选项;确定每个信息字段的信息价值,并根据所述信息价值从信息字段中选择多个目标字段;确定多个目标字段的每个字段选项的风险系数;以及响应于目标对象申请目标业务,根据风险系数确定目标对象的风险值。本公开还提供了一种调整业务参数的方法和装置、一种电子设备以及一种计算机可读存储介质。
Description
技术领域
本公开涉及大数据领域,特别是涉及一种确定对象风险值的方法、一种调整业务参数的方法,以及装置、电子设备和存储介质。
背景技术
随着大数据技术的快速发展,如何利用各种存量数据来解决实际业务问题成为研究的热点。在传统银行业务中,需要人工对申请对象的风险度进行评估,并基于所确定的对象风险度来拟定业务调整参数。这种方式主观程度过高,并且没有充分结合并利用已有的用户样本数据,因此,无法实现对当前申请对象的全面准确的评估,明显制约了相关业务产品的发展。
发明内容
本公开的一个方面提供了一种确定对象风险值的方法,包括:
获取与目标业务有关的多个历史数据,所述历史数据包括多个信息字段,每个信息字段包括多个字段选项;
确定每个信息字段的信息价值,并根据所述信息价值从所述信息字段中选择多个目标字段;
确定所述多个目标字段的每个字段选项的风险系数;以及
响应于目标对象申请所述目标业务,根据所述风险系数确定所述目标对象的风险值。
可选地,所述确定每个信息字段的信息价值包括:
分别对每个字段所包括的字段选项进行分组;
确定每组字段选项的证据权重,所述证据权重表示该组字段选项将履约的对象与违约的对象相互区分的能力;以及
根据每组字段选项针对所述证据权重的加权和确定每个信息字段的信息价值。
可选地,所述根据所述信息价值从所述信息字段中选择多个目标字段包括:
在所述信息价值大于或等于准入阈值的情况下,将所述信息字段确定为候选字段;
从所述候选字段中选择表示不同类型属性的候选字段作为目标字段。
可选地,所述确定所述多个目标字段的每个字段选项的风险系数包括:
以每个字段选项的证据权重作为每个字段选项的风险系数。
可选地,根据以下表达式确定字段选项的证据权重:
其中,WoEα表示字段选项α的证据权重,P(α|履约)表示具有字段选项α作为属性特征的对象履约的概率,P(α|违约)表示具有字段选项α作为属性特征的对象违约的概率。
可选地,根据以下表达式确定信息字段的信息价值:
其中,IVx表示信息字段的信息价值,x表示信息字段所包括的字段选项分组。
可选地,所述根据所述风险系数确定所述目标对象的风险值包括:
确定所述目标对象所涉及的目标字段的字段选项;以及
根据所述字段选项的风险系数之和确定所述目标对象的风险值。
本公开的另一个方面提供了一种一种调整业务参数的方法,包括:
获取申请目标业务的目标对象的贡献度;
根据本公开实施例所述的方法确定所述目标对象的风险值;以及
根据所述目标对象的贡献度和风险值确定参数调整比率,以根据所述参数调整比率调整所述业务参数。
本公开的另一方面提供了一种确定对象风险值的装置,包括:
数据获取模块,配置为获取与目标业务有关的多个历史数据,所述历史数据包括多个信息字段,每个信息字段包括多个字段选项;
字段选择模块,配置为确定每个信息字段的信息价值,并根据所述信息价值从所述信息字段中选择多个目标字段;
第一确定模块,配置为确定所述多个目标字段的每个字段选项的风险系数;以及
第二确定模块,配置为响应于目标对象申请所述目标业务,根据所述风险系数确定所述目标对象的风险值。
本公开的另一方面提供了一种调整业务参数的装置,包括:
贡献度获取模块,配置为获取申请目标业务的目标对象的贡献度;
风险值确定模块,配置为根据如权利要求1-7中任一项所述的方法确定所述目标对象的风险值;以及
调整模块,配置为根据所述目标对象的贡献度和风险值确定参数调整比率,以根据所述参数调整比率调整所述业务参数。
本公开的另一方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质,存储有计算机可执行指令,当指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序,该计算机程序包括计算机可执行指令,当指令在被执行时用于实现如上所述的方法。
附图说明
为了更完整地理解本公开及其优势,现在将参考结合附图的以下描述,其中:
图1示出了本公开的实施例所涉及的业务流程的示意图;
图2示出了根据本公开实施例的确定对象风险值的方法的流程图;
图3示出了根据本公开实施例的对象的信息字段和字段选项的示例;
图4示出了根据本公开实施例的对象的信息字段和字段选项的另一示例;
图5示出了根据本公开另一实施例的调整业务参数的方法的流程图;
图6示出了根据本公开另一实施例的确定对象风险值的装置的框图;
图7示出了根据本公开另一实施例的调整业务参数的装置的框图;以及
图8示意性示出了根据本公开实施例的电子设备的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
附图中示出了一些方框图和/或流程图。应理解,方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外,本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式,该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。
本公开实施例提出了一种确定对象风险值的方法,可以对办理业务的对象的风险水平进行评估。该确定对象风险值的方法可以进一步被用于调整业务参数的方法中。在具体的实施例中,根据本公开实施例的调整业务参数的方法可以用于确定抵押经营类业务的利率定价。下面结合图1说明根据本公开实施例的应用场景。
图1示出了本公开的实施例所涉及的业务流程的示意图。如图1所示,客户在渠道端发起融资申请,例如,客户通过客户端设备签订授权书。接下来,业务提供方(利用银行)系统接收客户传输的指令,对客户的融资申请进行预审批。如果预审批未通过,则客户的本次融资申请失败,可以向客户返回相关的通知消息。如果预审批通过,则进入对房产价值的评估流程。在具体的实施例中,该评估过程可以由专门的外部评估公司完成。在银行系统接收到房产价值估值之后,启动行内审批过程。行内审批可以包括自动建信、生成押品和担保、业务申请、触发评级和业务审批等过程。行内审批大部分过程可以通过银行系统自动完成,如果满足自动审批条件,则生成自动审批结果。如果不满足自动审批条件,则可以由客户经理对审批条件进行复核,并给出审批结果。接下来,是抵押登记合同生成阶段,在该阶段中,银行系统生成网签合同,客户在客户端验签合同,该过程由系统自动作业监督。接下来,进入提还款过程。在该过程中,银行系统利用根据本公开实施例建立的利率定价模型对合同中的利率进行自动定价。接下来,将确定的利率展现在单笔提款合同中,发给客户验签。客户签署合同后,银行系统执行校验征信、交叉违约等处理,最后完成放款。
根据本公开实施例建立的利率定价模型,可以基于银行数据库中的业务样本数据,实现利率的自动定价,相比于通过人工拟定利率定价的方式,可以通过结合业务对象的信贷数据对利率进行定价,极大地提高定价精度,并实现快速以及大批量的利率定价处理。
本公开的实施例首先提出了一种确定对象风险值的方法。图2示出了根据本公开实施例的确定对象风险值的方法200的流程图。如图2所示,该确定对象风险值的方法200包括以下步骤:
在步骤S210中,获取与目标业务有关的多个历史数据,该历史数据包括多个信息字段,每个信息字段包括多个字段选项。
在步骤S220中,确定每个信息字段的信息价值,并根据信息价值从信息字段中选择多个目标字段。
在步骤S230中,确定多个目标字段的每个字段选项的风险系数。
在步骤S240中,响应于目标对象申请目标业务,根据风险系数确定目标对象的风险值。
根据实施例,以业务提供方的数据库中所存储的大量历史数据作为样本数据。在获取历史数据时,可以针对不同的目标业务进行选取。例如,可以针对抵押经营类业务的类型来选取历史数据。
在本公开的实施例中,历史数据包括多个信息字段,每个信息字段进一步包括多个字段选项。具体的,信息字段和字段选项共同描述对象的属性特征。举例而言,根据银行的现有数据维度,信息字段包括但不限于客户的年龄、职业、学历、健康状况、婚姻状况、四色标识、个人年收入、家庭年总收入等;还可以通过押品档案(GCMS的“押品档案查询”)获取信息字段包括但不限于押品的小区、楼栋、面积、建成年份、装修程度、押品价值、押品预警等;还可以通过关联关系管理获取借款人的社会关系网络信息,进而获取与借款人相关的社会关系,例如父母、配偶、子女、老师、同学、朋友等;还可以通过业务台账获取本笔业务的合同金额、合同期限、借据金额、担保信息、客户评级等。
根据实施例,字段选项可以是具体的对象关于某个信息字段的信息值。举例而言,对于客户的年龄这个字段,不同客户的年龄不同。对于客户A,年龄为30,则客户A的年龄这个信息字段的字段选项可以是30。对于客户B,年龄为50,则客户B的年龄这个信息字段的字段选项可以是50。
图3和图4分别示出了根据本公开实施例的对象的信息字段和字段选项的示例。其中,图3示出的是业务对象为法人的对公客户标签体系。图4示出的是业务对象为个人的客户标签体系。
如图3所示,法人对象的信息字段主要涉及五个方面,分别为客户基本特征、客户关联信息、客户履约能力、客户行为偏好和客户信用历史。具体的,法人对象的信息字段可以包括例如客户类型、所属行业、股权结构、创新能力、担保圈、合作机构性质、价值信息、授信情况、交易惯常时间、交易惯常渠道、交易对手、资金结算量、历史评级、灰黑名单、诉讼情况、欠税情况等各种法人的历史数据信息。
如图4所示,个人对象的信息字段主要涉及六个方面,分别为人口属性、资产特征、营销特征、兴趣爱好、购物偏好和需求特征。具体的,个人对象的信息字段可以包括例如年龄、性别、居住城市、活跃区域、持有业务提供方的其他产品的种类、金额、资产负债率以及每月交易的变化趋势、营销敏感度、风险偏好、阅读兴趣、运动兴趣、社交兴趣、交易行为偏好、便利性偏好、当前需求和潜在需求等。在图4中,还进一步示出了针对具体的个人对象,各个信息字段的具体值,即字段属性。如图4所示,对象年龄在26~35岁这个年龄区间范围内,性别为男,阅读兴趣主要是旅游、小说和数据分析等。
在本公开的实施例中,建立了一套通过对融资申请者的信用与行为进行画像打分来确定是否提供融资及确定融资条件的模型。根据实施例,通过存量客户的建档建信字段与既往违约史建立打分模型,在客户端通过打分卡的形式展示给申请者。申请者通过填写打分卡来提供审核所需的信息,系统利用模型为未来客户进行打分,并基于此确定客户的风险利率定价。
客户画像是对客户属性特征的建模过程,包括客户特征画像以及客户行为画像两个方面。其中,客户特征指的是相对固定的客户指标,例如贷款人性别、民族、公司注册地址等。客户行为特征指的是相对波动较大的指标,例如资产负债率、前一季度总营业收入、工资等。对于具体的业务,申请者可以是个人或法人,信息字段可以参考前述实施例分别制定。
根据实施例,打分卡的建立被分为两个步骤,根据既往贷款历史验证字段区分好客户与坏客户的能力,并选择可以用于表格的字段。在选择的字段中,选择相互独立的字段,并进行校准(calibration)以便数据阅读及分析。
根据实施例,首先确定每个信息字段的信息价值,该信息价值能够体现字段区分好客户与坏客户的能力。在具体的实施例中,确定每个信息字段的信息价值包括:分别对每个字段所包括的字段选项进行分组,确定每组字段选项的证据权重,以及根据每组字段选项针对证据权重的加权和确定每个信息字段的信息价值。
根据实施例,对信息字段的全部字段选项进行分组,即根据字段选项的值,将字段选项划分为不同的区间,可以相对地增加样本的数量,并使样本的分布相对均衡。举例而言,对于客户年龄这个信息字段,包含18~65岁等48个字段选项,可以对这48个字段选项进行预先分组。例如,可以将18~25岁范围内的客户划分到一个集合,将25~35岁范围内的客户划分到一个集合,以此类推,并针对形成的各个集合计算字段选项集合的证据权重。
在本公开的实施例中,证据权重表示字段选项将履约的对象与违约的对象相互区分的能力。可以根据如下表达式(1)计算字段选项的证据权重:
式中,WoEα表示字段选项α的证据权重,P(α|履约)表示具有字段选项α作为属性特征的对象履约的概率,P(α|违约)表示具有字段选项α作为属性特征的对象违约的概率。在某些实施例中,表达式(1)可以进一步表示为表达式(2):
在本公开的实施例中,信息字段的信息价值根据如下表达式(3)计算得到:
IVx=∑α∈x[WoEα*(P(α|履约)-P(α|违约))] (3)
式中,IVx表示信息字段的信息价值,x表示信息字段所包括的字段选项分组。
根据实施例,采用了信息字段的证据权重WoE与信息价值IV来对字段选项与信息字段区分好坏客户的能力进行判断。其中,IV针对的是信息字段,而WoE针对的则是信息字段下的每个字段选项(或具体对象的具体特征)。该方式基于贝叶斯理论与概率的相乘法则,WoE通过分析在一个信息字段内拥有某一项特征(即具有该字段选项作为属性特征)的客户的违约率与全体客户违约率的相差程度(如上表达式(2)所示),判断该特征的拥有者是否(以及是否显著地)区别于全样本平均值,确定该特征是否可以有效地筛选出好客户或坏客户。IV值则是基于WoE值的加权值,通过综合该信息字段内全部特征的筛选有效性,确定该信息字段整体是否可以有效地区分好客户和坏客户。其中,坏客户根据贷款的违约情况进行定义。
如表达式(1)和(2)所示,当WoE的值为正数时,特征可以筛选出较好的客户,且WoE的正数值越大,筛选能力越强。当WoE的值为负数时,特征可以筛选出较差的客户,且WoE的负数值越小,筛选能力越强。对于信息价值,如表达式(3)所示,对于,由于IV值的每一个乘积项都正负相同,因此数值越大,IV值也越大,即该信息字段可以更好地区分好客户与坏客户。
根据实施例,根据信息价值从信息字段中选择多个目标字段可以包括:在信息价值大于或等于准入阈值的情况下,将信息字段确定为候选字段,并从候选字段中选择表示不同类型属性的候选字段作为目标字段。
在具体的实施例中,IV值的准入阈值分别为:0.05以及0.2。只有在IV值大于或等于0.2时,信息字段才可以被确定为候选字段。IV值小于0.2的信息字段,除非有合理的解释,否则不准入。对于IV值小于0.05的字段,则需要有高度合理的解释,否则不准入。需要注意的是,被准入的字段不一定能够出现在最终的打分卡上,还需要经过字段选择。
在确定了候选字段之后,开始对字段进行选择。在计算信息字段的信息价值时,需保证信息字段之间须具有高度的独立性,即同类信息字段只能选取一个。举例而言,前六个月营业收入、前一年营业收入与前三年营业收入中只能选取一个作为目标字段。
根据实施例,将每个字段选项的证据权重作为该字段选项的风险系数。在根据风险系数确定目标对象的风险值包括:确定目标对象所涉及的目标字段的字段选项,以及根据字段选项的风险系数之和确定目标对象的风险值。具体的,可以根据如下表达式(4)确定目标对象的风险值:
y=[a11 a12 … a1n][x11 x12 … x1n]T+[a21 a22 … a2m][x21 x22 … x2m]T+… (4)
式中,y表示目标对象的风险值,行向量[a11 a12 … a1n]中的每一项为第一个目标字段中的每个字段选项所对应的风险系数,即每个字段选项的证据权重值;列向量[x11 x12… x1n]T中的每一项表示第一个目标字段中的每个字段选项;行向量[a21 a22 … a2m]中的每一项为第二个目标字段中的每个字段选项所对应的风险系数,列向量[x21 x22 … x2m]T中的每一项表示第二个目标字段中的每个字段选项;以此类推,针对每个目标字段计算上述乘积。
举例而言,第一个目标字段是对象的年龄,且对象的年龄为30岁,落入x12表示的字段选项的区间内,则第一个列向量可以被表示为[0 1 … 0]T,通过与其风险系数行向量相乘,得到a12。第二个目标字段是对象的居住地,该居住地是x21表示的字段选项,则第二个列向量可以被表示为[1 0 … 0]T,通过与其风险系数行向量相乘,得到a21,以此类推,可以确定目标字段上的目标对象的风险值。
由于WoE为具有该字段选项作为属性特征的客户的违约率的自然对数与平均违约率的自然对数的差额,因此WoE的值每降低1,客户出现违约的概率就会提高e倍,如表达式(2)所示。因此,在未进行校准时,当选择的信息字段基本相互独立时,可以近似的认为此时客户的信用分与客户的违约率呈负相关的指数级关系。针对每一个客户,可以根据如上所述的方法得知其风险得分。
根据本公开实施例的方法计算的是拥有某种特征的样本用户的违约率与平均违约率之间的关系,并以此关系作为该特征的得分,实现了完全依靠客观数据对非数据性特征进行风险量化的效果,摆脱了包含主观因素的专家评分方式,提高了评分的客观性和准确性。
本公开的实施例还提出了一种调整业务参数的方法。图5示出了根据本公开另一实施例的调整业务参数的方法500的流程图。如图5所示,该调整业务参数的方法500包括以下步骤:
在步骤S510中,获取申请目标业务的目标对象的贡献度。
在步骤S520中,确定目标对象的风险值。
在步骤S530中,根据目标对象的贡献度和风险值确定参数调整比率,以根据参数调整比率调整业务参数。
根据实施例,目标对象的贡献度是指业务提供方能够从申请目标业务的目标对象获得的收益。根据实施例,可以采用如前述任何实施例所述的确定目标对象的风险值的方法来确定目标对象的风险值。下面结合一般贷款业务对上述实施例进行说明,但容易理解的是,该调整业务参数的方法的应用不限于此,可以将其应用于其他合适的场景中。
根据实施例,贷款利率定价由银行目标利润、银行营收与融资成本所决定。其中,与客户个体相关的包括了银行(从该客户身上获得的)营收与该客户的风险成本。因此,为了确定利率定价,需要确定客户贡献度(由客户所带来的营收确定)以及客户风险成本。客户的贡献度可以直接通过其账户得知,客户风险通过客户画像进行估算。
银行从客户身上获得的营收包括了客户存款带来的收入,客户贷款利息以及中间业务收入。可以按照对于客户带来的总收入进行计算。客户的贡献度在被假设为与客户带来的收益成正比关系。同时,考虑到考核因素,可以对于不同业务收入的权重予以调整。考虑到潜在客户发掘方面的可能,在法人客户贡献度计算中可以通过添加专家评分的方式对客户能够带来的潜在利益进行评估。
针对法人和个人贷款对象建立利率定价模型,模型化定利率。建立一张区域表和楼盘表(区域表最细颗粒度为支行级机构,楼盘表最细颗粒度为小区),根据历史的定价信息,首先计算出一个加权平均得出基准值。然后根据客户贡献度、现金流入、其他业务的交叉共性、整体的预警发现的问题,对基准值进行校正。
利率定价系统模型的主要功能是计算出当前业务的利率浮动值,结合客户的贡献度、业务风险度量进行回归计算。模型基于银行数据库中现有的数据维度,通过客户基本档案(GCMS的“客户管理菜单”)获取。基于所获取的数据维度,利用存量样本数据,是否问题贷款定义为因变量,贷款的五级分类(正常、关注、次级、可疑、损失)中的正常和关注定义为1,其余定于为0,利用主成分分析对因变量进行降维,并构建回归模型,利用模型计算出的违约概率确定利率的上浮比例。同时模型可根据后续生产数据对模型系数进行调整。
应用打分卡来获取客户的总体风险水平与风险分布。打分卡包括了客户信息字段,并针对一个客户在字段中的选项进行打分,将客户各个字段的得分进行相加之后所得出的总分可以直观的反映出客户的风险水平。
在给定的风险溢价调整范围内,根据客户的风险水平,判断其风险溢价。由此,系统模型实现了自动定价,并且可以根据后续样本数据自动调整选取的指标范围以及指标系数。
根据本公开的实施例,除了最终的风险溢价以外,其他的步骤均通过完全客观的计算方式得出结论。表1示出了基于上述利率定价过程所实现的系统所包括的各个功能模块。
表1系统功能模块说明
该利率定价系统模型通过对经营类抵押业务的深度挖掘,显著地增强了银行端产品竞争力。该利率定价系统模型依托大数据分析,大量接入外部信息,充分缓解了中小微信贷中的信息不对称问题。银行能够较为精准的了解和把握小微企业的经营面信息,使银行能够在全面衡量信贷风险的基础上增大普惠领域的贷款资金投放,同时基于数据共享约束,促使借款人尽职经营,减少违约风险。
利用该利率定价系统模型,结合客户录入信息、房产价值认定信息、经办行参数设定信息对融资业务进行模型化高效审批,减少客户等待时间,增大金融机构的小微信贷业务处理能力。同时,由于小微企业的融资需求具有“短频急”的特点,本系统能够快速标准化的进行审批,从而有效缓解了小微企业融资这一难题。
图6示出了根据本公开另一实施例的确定对象风险值的装置600的框图。如图6所示,确定对象风险值的装置600包括数据获取模块610、字段选择模块620、第一确定模块630和第二确定模块640。
具体的,数据获取模块610被配置为获取与目标业务有关的多个历史数据,历史数据包括多个信息字段,每个信息字段包括多个字段选项。字段选择模块620被配置为确定每个信息字段的信息价值,并根据信息价值从信息字段中选择多个目标字段。第一确定模块630被配置为确定多个目标字段的每个字段选项的风险系数。第二确定模块640被配置为响应于目标对象申请目标业务,根据风险系数确定目标对象的风险值。
需要说明的是,装置部分的实施例方式与方法部分的实施例方式对应类似,并且所达到的技术效果也对应类似,在此不再赘述。
图7示出了根据本公开另一实施例的调整业务参数的装置700的框图。如图7所示,调整业务参数的装置700包括贡献度获取模块710、风险值确定模块720和调整模块730。
具体的,贡献度获取模块710被配置为获取申请目标业务的目标对象的贡献度。风险值确定模块720被配置为确定目标对象的风险值。调整模块730被配置为根据目标对象的贡献度和风险值确定参数调整比率,以根据参数调整比率调整业务参数。
需要说明的是,装置部分的实施例方式与方法部分的实施例方式对应类似,并且所达到的技术效果也对应类似,在此不再赘述。
根据本公开的实施例的模块、单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,数据获取模块610、字段选择模块620、第一确定模块630和第二确定模块640中的任意多个,或者贡献度获取模块710、风险值确定模块720和调整模块730中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,数据获取模块610、字段选择模块620、第一确定模块630和第二确定模块640中的至少一个,或者贡献度获取模块710、风险值确定模块720和调整模块730中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,数据获取模块610、字段选择模块620、第一确定模块630和第二确定模块640中的至少一个,或者贡献度获取模块710、风险值确定模块720和调整模块730中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图8示意性示出了根据本公开实施例的电子设备的框图。图8示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800包括处理器810、计算机可读存储介质820。该电子设备800可以执行根据本公开实施例的方法。
具体地,处理器810例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器810还可以包括用于缓存用途的板载存储器。处理器810可以是用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
计算机可读存储介质820,例如可以是非易失性的计算机可读存储介质,具体示例包括但不限于:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;等等。
计算机可读存储介质820可以包括计算机程序821,该计算机程序821可以包括代码/计算机可执行指令,其在由处理器810执行时使得处理器810执行根据本公开实施例的方法或其任何变形。
计算机程序821可被配置为具有例如包括计算机程序模块的计算机程序代码。例如,在示例实施例中,计算机程序821中的代码可以包括一个或多个程序模块,例如包括模块821A、模块821B、……。应当注意,模块的划分方式和个数并不是固定的,本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合,当这些程序模块组合被处理器810执行时,使得处理器810可以执行根据本公开实施例的方法或其任何变形。
根据本公开的实施例,各个模块中的至少一个可以实现为参考图8描述的计算机程序模块,其在被处理器810执行时,可以实现上面描述的相应操作。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,尽管已经参照本公开的特定示例性实施例示出并描述了本公开,但是本领域技术人员应该理解,在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下,可以对本公开进行形式和细节上的多种改变。因此,本公开的范围不应该限于上述实施例,而是应该不仅由所附权利要求来进行确定,还由所附权利要求的等同物来进行限定。
Claims (12)
1.一种确定对象风险值的方法,包括:
获取与目标业务有关的多个历史数据,所述历史数据包括多个信息字段,每个信息字段包括多个字段选项;
确定每个信息字段的信息价值,并根据所述信息价值从所述信息字段中选择多个目标字段;
确定所述多个目标字段的每个字段选项的风险系数;以及
响应于目标对象申请所述目标业务,根据所述风险系数确定所述目标对象的风险值。
2.根据权利要求1所述的方法,其中,所述确定每个信息字段的信息价值包括:
分别对每个字段所包括的字段选项进行分组;
确定每组字段选项的证据权重,所述证据权重表示该组字段选项将履约的对象与违约的对象相互区分的能力;以及
根据每组字段选项针对所述证据权重的加权和确定每个信息字段的信息价值。
3.根据权利要求2所述的方法,其中,所述根据所述信息价值从所述信息字段中选择多个目标字段包括:
在所述信息价值大于或等于准入阈值的情况下,将所述信息字段确定为候选字段;
从所述候选字段中选择表示不同类型属性的候选字段作为目标字段。
4.根据权利要求2所述的方法,其中,所述确定所述多个目标字段的每个字段选项的风险系数包括:
以每个字段选项的证据权重作为每个字段选项的风险系数。
7.根据权利要求6所述的方法,其中,所述根据所述风险系数确定所述目标对象的风险值包括:
确定所述目标对象所涉及的目标字段的字段选项;以及
根据所述字段选项的风险系数之和确定所述目标对象的风险值。
8.一种调整业务参数的方法,包括:
获取申请目标业务的目标对象的贡献度;
根据如权利要求1-7中任一项所述的方法确定所述目标对象的风险值;以及
根据所述目标对象的贡献度和风险值确定参数调整比率,以根据所述参数调整比率调整所述业务参数。
9.一种确定对象风险值的装置,包括:
数据获取模块,配置为获取与目标业务有关的多个历史数据,所述历史数据包括多个信息字段,每个信息字段包括多个字段选项;
字段选择模块,配置为确定每个信息字段的信息价值,并根据所述信息价值从所述信息字段中选择多个目标字段;
第一确定模块,配置为确定所述多个目标字段的每个字段选项的风险系数;以及
第二确定模块,配置为响应于目标对象申请所述目标业务,根据所述风险系数确定所述目标对象的风险值。
10.一种调整业务参数的装置,包括:
贡献度获取模块,配置为获取申请目标业务的目标对象的贡献度;
风险值确定模块,配置为根据如权利要求1-7中任一项所述的方法确定所述目标对象的风险值;以及
调整模块,配置为根据所述目标对象的贡献度和风险值确定参数调整比率,以根据所述参数调整比率调整所述业务参数。
11.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至7或8中任一项所述的方法。
12.一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现权利要求1至7或8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110222654.9A CN112785204A (zh) | 2021-02-26 | 2021-02-26 | 确定对象风险值的方法和调整业务参数的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110222654.9A CN112785204A (zh) | 2021-02-26 | 2021-02-26 | 确定对象风险值的方法和调整业务参数的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112785204A true CN112785204A (zh) | 2021-05-11 |
Family
ID=75762004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110222654.9A Pending CN112785204A (zh) | 2021-02-26 | 2021-02-26 | 确定对象风险值的方法和调整业务参数的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785204A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117891852A (zh) * | 2022-11-30 | 2024-04-16 | 荣耀终端有限公司 | 一种数据价值评估方法及电子设备 |
-
2021
- 2021-02-26 CN CN202110222654.9A patent/CN112785204A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117891852A (zh) * | 2022-11-30 | 2024-04-16 | 荣耀终端有限公司 | 一种数据价值评估方法及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12014416B1 (en) | Debt services candidate locator | |
US11321774B2 (en) | Risk-based machine learning classifier | |
CN110458693A (zh) | 一种企业贷款自动审批方法、装置、存储介质及电子设备 | |
US8095443B2 (en) | Debt trending systems and methods | |
US11226994B2 (en) | Modifying data structures to indicate derived relationships among entity data objects | |
EP2988258A1 (en) | System and method for determining a cohort | |
US20130290167A1 (en) | System and method for credit risk management for educational institutions | |
US20200410465A1 (en) | Payment-driven sourcing | |
CN108885762B (zh) | 用于在数据市场中分配价格发现机制的方法和系统 | |
CN113034263A (zh) | 一种信贷审批方法、装置、服务器及介质 | |
JP2023546849A (ja) | 通貨市場において証券を予想、推奨、および売買するための機械学習 | |
García-Alcober et al. | Risk-taking behavior, earnings quality, and bank performance: A profit frontier approach | |
JP6679648B2 (ja) | 情報処理装置、情報処理方法、情報処理プログラム、判定装置、判定方法及び判定プログラム | |
US10671952B1 (en) | Transmission of a message based on the occurrence of a workflow event and the output of an externally augmented propensity model identifying a future financial requirement | |
CN117934154A (zh) | 交易风险预测方法、模型训练方法、装置、设备、介质和程序产品 | |
US20220198556A1 (en) | Inventory affordability and policy distance calculator | |
CN112785204A (zh) | 确定对象风险值的方法和调整业务参数的方法 | |
US20230162278A1 (en) | Generation and delivery of funding opportunities using artificial intelligence (ai) based techniques | |
Huang | The financial consequences of online review aggregators: Evidence from Yelp ratings and SBA loans | |
CN116308615A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
US20150170269A1 (en) | Real estate market condition indicator | |
Peussa | Credit risk scorecard estimation by logistic regression | |
JP2022161031A (ja) | 予測モデルを適用して監視リストを生成する方法及びシステム | |
CN114638615A (zh) | 额度确定方法、系统、计算机设备及存储介质 | |
US11107027B1 (en) | Externally augmented propensity model for determining a future financial requirement |
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 |