CN113011967A - 一种授信管理方法、装置、存储介质及电子设备 - Google Patents
一种授信管理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113011967A CN113011967A CN202110309896.1A CN202110309896A CN113011967A CN 113011967 A CN113011967 A CN 113011967A CN 202110309896 A CN202110309896 A CN 202110309896A CN 113011967 A CN113011967 A CN 113011967A
- Authority
- CN
- China
- Prior art keywords
- risk
- value
- revenue
- asset
- income
- 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 87
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000001960 triggered effect Effects 0.000 claims abstract description 12
- 230000004044 response Effects 0.000 claims abstract description 10
- 230000012010 growth Effects 0.000 claims description 84
- 238000013145 classification model Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 206010063659 Aversion Diseases 0.000 claims description 6
- 230000001737 promoting effect Effects 0.000 claims description 4
- 230000003450 growing effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 239000002609 medium Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000012954 risk control Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012417 linear regression Methods 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
- 239000012120 mounting media Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
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
本发明实施例公开了一种授信管理方法、装置、存储介质及电子设备,涉及人工智能技术领域。所述方法包括:响应于授信管理事件被触发,确定风险限额期限;确定目标客户在所述风险限额期限内的无形资产的现金流价值和有形资产的市场价值;根据所述无形资产的现金流价值和所述有形资产的市场价值,计算所述目标客户的风险限额;其中,所述风险限额为所述无形资产的现金流价值和所述有形资产的市场价值的和;根据所述风险限额对所述目标客户进行授信管理。通过本发明实施例提供的技术方案,基于客户的无形资产的现金流价值和有形资产的市场价值,可简单、快捷、准确地计算客户的风险限额,有助于提高对客户进行授信管理的准确性,有效降低信贷风险。
Description
技术领域
本发明实施例涉及人工智能技术领域,尤其涉及一种授信管理方法、装置、存储介质及电子设备。
背景技术
零售客户的风险限额是零售客户授信总量的天花板,近几年中国经济波动较大,信贷风险管理的问题日益突出,零售客户的风险控制和管理更加复杂,如何从个人经济价值成长性的角度,科学、客观地评价个人所能承担的最大债务总量,是一个具有前瞻性和探索性的问题。
本着客观性和一致性原则,科学的度量零售客户的风险限额,对将计算的风险限额嵌入业务流程,与零售客户授信管理及实施流程紧密融合,相互衔接,夯实限额管控,守住风险边界,变得至关重要。
发明内容
本发明实施例提供一种授信管理方法、装置、存储介质及电子设备,可以简单、快捷、准确地计算客户的风险限额,从而有助于提高对客户进行授信管理的准确性。
第一方面,本发明实施例提供了一种授信管理方法,包括:
响应于授信管理事件被触发,确定风险限额期限;
确定目标客户在所述风险限额期限内的无形资产的现金流价值和有形资产的市场价值;
根据所述无形资产的现金流价值和所述有形资产的市场价值,计算所述目标客户的风险限额;其中,所述风险限额为所述无形资产的现金流价值和所述有形资产的市场价值的和;
根据所述风险限额对所述目标客户进行授信管理。
第二方面,本发明实施例还提供了一种授信管理装置,包括:
期限确定模块,用于响应于授信管理事件被触发,确定风险限额期限;
价值确定模块,用于确定目标客户在所述风险限额期限内的无形资产的现金流价值和有形资产的市场价值;
风险限额计算模块,用于根据所述无形资产的现金流价值和所述有形资产的市场价值,计算所述目标客户的风险限额;其中,所述风险限额为所述无形资产的现金流价值和所述有形资产的市场价值的和;
授信管理模块,用于根据所述风险限额对所述目标客户进行授信管理。
第三方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例提供的授信管理方法。
第四方面,本发明实施例提供了一种电子设备,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计算机程序时实现如本发明实施例提供的授信管理方法。
本发明实施例提供的授信管理方案,响应于授信管理事件被触发,确定风险限额期限;确定目标客户在所述风险限额期限内的无形资产的现金流价值和有形资产的市场价值;根据所述无形资产的现金流价值和所述有形资产的市场价值,计算所述目标客户的风险限额;其中,所述风险限额为所述无形资产的现金流价值和所述有形资产的市场价值的和;根据所述风险限额对所述目标客户进行授信管理。通过本发明实施例提供的技术方案,基于客户的无形资产的现金流价值和有形资产的市场价值,可简单、快捷、准确地计算客户的风险限额,从而有助于提高对客户进行授信管理的准确性,有效降低信贷风险。
附图说明
图1是本发明一实施例提供的一种授信管理方法的流程图;
图2是本发明实施例提供的客户分群示意图;
图3是本发明另一实施例中的一种授信管理方法的流程图;
图4是本发明另一实施例中的一种授信管理装置的结构示意图;
图5是本发明另一实施例中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的实施例。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
应当理解,本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本发明实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
相关技术中,对零售客户进行风险限额计量需要尽可能全面的整合客户相关数据,从中找出与该客户未来收入最相关的特征,进而建立合适的模型。目前零售风险限额计量方法主要有以下几类:1)基于收入的限额策略:收入是客户未来用于偿还负债的主要资金来源,因此可以将客户年收入乘以风险倍数得到风险限额,风险倍数的确定主要取决于客户风险水平和贷款条件。2)基于最优化的限额策略:随着客户额度提高,信贷收益和信用风险也会相应提高,可采用运筹学方法,找到一定风险水平下,收益最大化的额度策略。3)基于他行授信的限额策略:根据他行授信额度进行系数调整,调整系数主要基于风险水平和精准策略。
然而,方法(1)虽然逻辑简单,计算方便,是业内普遍采用的风险限额策略,但过于简单,对客户没有进行分群,不同群体之间劳动收入变化规律会存在差异。方法2)需要掌握信贷收益,违约率随额度变化的规律,对金融机构的数据质量和风险计量水平要求较高。方法3)无法解决过度授信的问题,主要作为客户信息不充分情况下的竞争策略使用。
图1为本发明一实施例提供的一种授信管理方法的流程图,本发明实施例可适用于对风险限额进行计算的情况,该方法可以由授信管理装置来执行,该装置可由硬件和/或软件组成,并一般可集成在电子设备中。如图1所示,该方法具体包括如下步骤:
步骤110,响应于授信管理事件被触发,确定风险限额期限。
在本发明实施例中,当检测到授信管理事件被触发时,获取风险限额期限,从而进行授信管理事件。可选的,当检测到用户输入的授信管理指令时,表示授信管理事件被触发。其中,风险限额期限表示风险限额的未来年限时长。其中,本发明实施例对风险限额期限的长短不做限定,可以为一年,也可以为两年,还可以为五年。
步骤120,确定目标客户在所述风险限额期限内的无形资产的现金流价值和有形资产的市场价值。
在本发明实施例中,目标客户可以包括用于计算风险限额的零售客户。确定目标客户在风险限额期限内的无形资产的现金价值和有形资产的市场价值。其中,无形资产的现金流价值可以理解为:从金融资产定价的视角预测目标客户在风险限额期限内的现金流价值;有形资产的市场价值可以理解为:从收益增长的视角预测目标客户的有形资产在风险限额期限年内的价值。
可选的,所述无形资产的现金流价值包括劳动收入未来价值和/或晋升潜在收入增长;所述有形资产的市场价值包括流动资产收入价值和/或固定资产收入价值。
步骤130,根据所述无形资产的现金流价值和所述有形资产的市场价值,计算所述目标客户的风险限额;其中,所述风险限额为所述无形资产的现金流价值和所述有形资产的市场价值的和。
在本发明实施例中,计算无形资产的现金流价值和有形资产的市场价值的和,并将该和作为目标客户的风险限额。例如,无形资产的现金流价值包括劳动收入未来价值和晋升潜在收入增长,有形资产的市场价值包括流动资产收入价值和固定资产收入价值,则目标客户的风险限额为劳动收入未来价值、晋升潜在收入增长、流动资产收入价值及固定资产收入价值的和。
步骤140,根据所述风险限额对所述目标客户进行授信管理。
在本发明实施例中,根据风险限额对目标客户进行授信管理。例如,可以根据风险限额确定目标客户的授信总量,如将风险限额作为目标客户的授信总量,也可以将预设倍数与风险限额的乘积作为目标客户的授信总量,其中,预设倍数大于等于1。
本发明实施例提供的授信管理方法,响应于授信管理事件被触发,确定风险限额期限;确定目标客户在所述风险限额期限内的无形资产的现金流价值和有形资产的市场价值;根据所述无形资产的现金流价值和所述有形资产的市场价值,计算所述目标客户的风险限额;其中,所述风险限额为所述无形资产的现金流价值和所述有形资产的市场价值的和;根据所述风险限额对所述目标客户进行授信管理。通过本发明实施例提供的技术方案,基于客户的无形资产的现金流价值和有形资产的市场价值,可简单、快捷、准确地计算客户的风险限额,从而有助于提高对客户进行授信管理的准确性,有效降低信贷风险。
在一些实施例中,所述无形资产的现金流价值包括劳动收入未来价值;确定目标客户在所述风险限额期限内的无形资产的现金流价值,包括:确定目标客户所属的目标客群;确定所述目标客群的收入成长性;根据所述收入成长性及所述目标客户当前的收入基数,计算所述目标客户在所述风险限额期限内的劳动收入未来价值。这样设置的好处在于,对目标客户进行智能化分群后,再根据目标客户所属的客群的未来价值,对目标客户的劳动收入未来价值进行预测,有利于降低目标客户的劳动收入未来价值预测的偏差,可以更加准确预测目标客户在风险限额期限内的劳动收入未来价值。
具体的,确定目标客户所属的目标客群。示例性的,获取目标客户的基本信息,其中,基本信息可以包括目标客户的学历,行业,现居住地,是否高管和工作年限、收入等相关信息,根据该基本信息确定目标客户所属的目标客群。可选的,确定目标客户所属的目标客群,包括:获取所述目标客户的基本数据;将所述基本数据输入预先训练的客群分类模型中,根据所述客群分类模型的输出结果,确定所述目标客户所属的目标客群。其中,客群分类模型为能够快速确定目标客户所属客群的机器学习模型。获取大量的不同客户的基本数据,并将大量的不同客户的基本数据作为客群分类模型的训练样本数据,将该训练样本数据输入至预设的机器学习模型中,生成客群分类模型。将目标客户的基本数据输入至客群分类模型中,以使客群分类模型对目标客户的基本数据进行分析,确定目标客户所属的目标客群。其中,客群分类模型的训练样本数据筛选可以是从各个客户的收入现状现状和人力资本研究成果,结合线性回归和XGBboost模型自动筛选的。可选的,考虑分类变量的稳定性和合理数量区间,可以选定客户的学历,行业,现居住地,是否高管和工作年限共计5个分类指标,作为各个客户的基本数据。示例性的,图2是本发明实施例提供的客户分群示意图。
在本发明实施例中,当确定目标客户所属的目标客群后,进一步确定目标客群在风险限额期限内的收入成长性。由于同一客群的行为特征相似度较高,同一群组中的客户行为特征对收入预测的影响基本相同。因此,可以基于目标客群的收入成长性及目标客户当前的收入基数,计算目标客户在风险限额期限内的劳动收入未来价值。示例性的,可以根据如下公式计算目标客户在风险限额期限内的劳动收入未来价值:劳动收入未来价值=收入基数*∑(1+收入成长性)风险限额期限。其中,目标客群的收入成长性可以理解为目标客群包含的各个客户的收入成长性的均值。例如,目标客群内共包含100个客户,分别计算各个客户的收入成长性,并对各个客户的收入成长性的均值,作为该目标客群的收入成长性。其中,收入成长性可以理解为收入增长率。
可选的,根据所述收入成长性及所述目标客户当前的收入基数,计算所述目标客户在所述风险限额期限内的劳动收入未来价值,包括:根据所述收入成长性计算风险调整后成长性;根据所述风险调整后成长性及所述目标客户当前的收入基数,计算所述目标客户在所述风险限额期限内的劳动收入未来价值。这样设置的好处在于,可以更加准确地预估目标客户在风险限额期限内的劳动收入未来价值。
具体的,目标客群的收入成长性可能存在一定波动性和风险性,因此,可根据收入成长性计算风险调整后成长性,然后根据风险调整后成长性及目标客户当前的收入基数,计算目标客户在风险限额期限内的劳动收入未来价值。可选的,根据所述风险调整后成长性及所述目标客户当前的收入基数,计算所述目标客户在所述风险限额期限内的劳动收入未来价值,包括:根据如下公式计算所述目标客户在所述风险限额期限内的劳动收入未来价值:劳动收入未来价值=收入基数*∑(1+风险调整后成长性)风险限额期限。可选的,根据所述收入成长性计算风险调整后成长性,包括:确定收入波动性及收入尾部风险;根据所述收入成长性、所述收入波动性及所述收入尾部风险,计算风险调整后成长性。具体的,根据收入波动性及输入尾部风险对目标客群的收入成长性进行调整,以反映客户受到区域经济和行业周期性营销,成长不及预期的可能性,并将调整后的收入成长性作为风险调整后成长性。可选的,根据所述收入成长性、所述收入波动性及所述收入尾部风险,计算风险调整后成长性,包括:根据如下公式计算风险调整后成长性:风险调整后成长性=收入成长性-λ1*收入波动性2-λ2*收入尾部风险2;其中,λ1表示预设金融机构对收入波动性的厌恶系数,λ2表示所述预设金融机构对收入尾部风险的厌恶程度。其中,λ1≥0,λ2≥0,λ1越大表示预设金融机构对收入波动性的厌恶程度越大;λ2越大表示预设金融机构对收入尾部风险的厌恶程度越大。
可选的,确定收入波动性及收入尾部风险,包括:计算所述收入成长性的方差,将所述方差作为所述收入波动性;计算所述收入成长性的第一预设分位数与第二预设分位数的差值,并将所述差值作为所述收入尾部风险。具体的,通过目标客群的收入成长性的方差刻画目标客群内客户收入成长性达不到平均水平的风险,并将该方差作为收入波动性。通过收入成长性的第一预设分位数与第二预设分位数的差值,刻画客户的成长性从中位数降低至异常低水平的风险,并将该差值作为收入尾部风险。其中,第一预设分位数大于第二预设分位数。例如,计算收入成长性的50%分位数与收入成长性5%分位数的差值,将该差值作为收入尾部风险。
在一些实施例中,所述无形资产的现金流价值包括晋升潜在收入增长;确定目标客户在所述风险限额期限内的无形资产的现金流价值,包括:确定所述目标客户在所述风险限额期限内的晋升概率;根据所述晋升概率及晋升前后的劳动收入增长,计算所述目标客户在所述风险限额期限内的晋升潜在收入增长。其中,晋升概率反映了目标客户在风险限额期限内晋升的可能小大小。具体的,可以基于目标客户的基本信息对目标客户得风险限额期限内的晋升概率进行预测。例如,可以根据目标客户的学历(也即教育水平)、工作年限、行业及性别等相关信息对目标客户的晋升概率进行预测。示例性的,将目标客户的基本信息及风险限额年限输入至晋升概率预测模型中,根据晋升概率预测模型的输出结果,确定目标客户在风险限额期限内的晋升概率。其中,晋升概率预测模型可以基于大量客户晋升前后的相关基本信息进行训练生成的机器学习模型。然后,根据晋升概率及晋升前后的劳动收入增长,计算目标客户在风险限额期限内的晋升潜在收入增长。其中,晋升潜在收入增长可以为晋升概率与晋升前后的劳动收入增长的乘积。示例性的,假设目标客户被提升为高管过程满足泊松过程,目标客户i在下面一年晋升高管的概率是关于性别,学历和工作年限的非线性函数:其中,p表示晋升概率,xi表示目标客户对应的性别、学历及工作年限,β及β0表示权重。对于普通客户晋升为高管这一晋升概率的预测后,可根据如下公式计算晋升潜在收入增长:晋升潜在收入增长=(高管平均劳动收入-普通员工平均劳动收入)*晋升概率。
在一些实施例中,所述有形资产的市场价值包括流动资产收入价值;确定目标客户在所述风险限额期限内的有形资产的市场价值,包括:确定目标客户当前的流动资产价值;确定与所述流动资产价值对应的资产收益率;根据所述流动资产价值及所述资产收益率,计算所述目标客户在所述风险限额期限内的流动资产收入价值。具体的,流动资产价值包括国债、实物金、财务金、易存金、代理基金、代理债券、理财、托管、保险和人寿等价值。由于不同的流动资产对应的资产收益率不同,因此,确定与目标客户的流动资产对应的资产收益率。然后可根据如下公式计算流动资产收入价值:流动资产收入价值=流动资产价值*(1+资产收益率)风险限额期限。
在一些实施例中,所述有形资产的市场价值包括固定资产收入价值;确定目标客户在所述风险限额期限内的有形资产的市场价值,包括:确定目标客户当前的固定资产价值;确定与所述固定资产价值对应的租售比;根据所述固定资产价值及所述租售比,计算所述目标客户在所述风险限额期限内的固定资产收入价值。具体的,确定目标客户当前的固定资产价值及对应的租售比,其中,固定资产可以房产。示例性的,根据如下公式计算目标客户在风险限额期限内的固定资产收入价值:固定资产收入价值=固定资产价值*租售比+风险限额期限。
本方案不完全以专家经验为依托,保证客观性,应用机器学习新技术,通过聚类分群,综合考虑外部宏观经济、客户人力资本、客户资产收益、客户金融行为、客户所处行业、客户生命周期及未来成长性、我行风险偏好等因素,采用量化模型进行科学计算,并结合限额使用情况及风险管控要求,合理设定每一位零售客户风险限额。
图3是本发明另一实施例中的一种授信管理方法的流程图,如图3所示,该方法包括如下步骤:
步骤310,响应于授信管理事件被触发,确定风险限额期限。
步骤320,确定目标客户所属的目标客群。
步骤330,确定所述目标客群的收入成长性。
步骤340,确定收入波动性及收入尾部风险。
步骤350,根据所述收入成长性、所述收入波动性及所述收入尾部风险,计算风险调整后成长性。
步骤360,根据所述风险调整后成长性及所述目标客户当前的收入基数,计算所述目标客户在所述风险限额期限内的劳动收入未来价值。
步骤370,确定所述目标客户在所述风险限额期限内的晋升概率。
步骤380,根据所述晋升概率及晋升前后的劳动收入增长,计算所述目标客户在所述风险限额期限内的晋升潜在收入增长。
步骤390,确定目标客户当前的流动资产价值及与所述流动资产价值对应的资产收益率。
步骤3100,根据所述流动资产价值及所述资产收益率,计算所述目标客户在所述风险限额期限内的流动资产收入价值。
步骤3110,确定目标客户当前的固定资产价值及与所述固定资产价值对应的租售比。
步骤3120,根据所述固定资产价值及所述租售比,计算所述目标客户在所述风险限额期限内的固定资产收入价值。
步骤3130,计算劳动收入未来价值、晋升潜在收入增长、流动资产收入价值及固定资产收入价值的和,并将该和作为目标客户在风险限额期限内的风险限额。
需要说明的是,本发明实施例对步骤320-步骤360、步骤370-步骤380、步骤390-步骤3100及步骤3110-步骤3120的执行顺序不做限定。
步骤3140,根据所述风险限额对所述目标客户进行授信管理。
本发明实施例提供的授信管理方法,高效、省时省力,可进行大数据量的处理,提高计算风险限额的处理效率,减少业务人员手工计算和人工监控的工作时间,以及因主、客观因素造成疏漏、误判的可能性。另外,还可以进一步强化零售客户风险管理,全面实现客户风险总量控制,完善限额管理,规范限额管控流程,有助于提高对客户进行授信管理的准确性,有效降低信贷风险。
图4为本发明另一实施例提供的一种授信管理装置的结构示意图。如图4所示,该装置包括:期限确定模块410,价值确定模块420,风险限额计算模块430和授信管理模块440,。其中,
期限确定模块410,用于响应于授信管理事件被触发,确定风险限额期限;
价值确定模块420,用于确定目标客户在所述风险限额期限内的无形资产的现金流价值和有形资产的市场价值;
风险限额计算模块430,用于根据所述无形资产的现金流价值和所述有形资产的市场价值,计算所述目标客户的风险限额;其中,所述风险限额为所述无形资产的现金流价值和所述有形资产的市场价值的和;
授信管理模块440,用于根据所述风险限额对所述目标客户进行授信管理。
本发明实施例提供的授信管理装置,响应于授信管理事件被触发,确定风险限额期限;确定目标客户在所述风险限额期限内的无形资产的现金流价值和有形资产的市场价值;根据所述无形资产的现金流价值和所述有形资产的市场价值,计算所述目标客户的风险限额;其中,所述风险限额为所述无形资产的现金流价值和所述有形资产的市场价值的和;根据所述风险限额对所述目标客户进行授信管理。通过本发明实施例提供的技术方案,基于客户的无形资产的现金流价值和有形资产的市场价值,可简单、快捷、准确地计算客户的风险限额,从而有助于提高对客户进行授信管理的准确性,有效降低信贷风险。
可选的,所述无形资产的现金流价值包括劳动收入未来价值和/或晋升潜在收入增长;所述有形资产的市场价值包括流动资产收入价值和/或固定资产收入价值。
可选的,所述无形资产的现金流价值包括劳动收入未来价值;
所述价值确定模块,包括:
目标客群确定子模块,用于确定目标客户所属的目标客群;
收入成长性确定子模块,用于确定所述目标客群的收入成长性;
价值确定子模块,用于根据所述收入成长性及所述目标客户当前的收入基数,计算所述目标客户在所述风险限额期限内的劳动收入未来价值。
可选的,所述价值确定子模块,包括:
风险成长性计算单元,用于根据所述收入成长性计算风险调整后成长性;
价值确定单元,用于根据所述风险调整后成长性及所述目标客户当前的收入基数,计算所述目标客户在所述风险限额期限内的劳动收入未来价值。
可选的,所述风险成长性计算单元,包括:
波动确定子单元,用于确定收入波动性及收入尾部风险;
风险成长性计算子单元,用于根据所述收入成长性、所述收入波动性及所述收入尾部风险,计算风险调整后成长性。
所述风险成长性计算子单元,用于:
根据如下公式计算风险调整后成长性:
风险调整后成长性=收入成长性-λ1*收入波动性2-λ2*收入尾部风险2;
其中,λ1表示预设金融机构对收入波动性的厌恶系数,λ2表示所述预设金融机构对收入尾部风险的厌恶程度。
所述波动确定子单元,用于:
计算所述收入成长性的方差,将所述方差作为所述收入波动性;
计算所述收入成长性的第一预设分位数与第二预设分位数的差值,并将所述差值作为所述收入尾部风险。
可选的,所述价值确定单元,用于:
根据如下公式计算所述目标客户在所述风险限额期限内的劳动收入未来价值:
劳动收入未来价值=收入基数*∑(1+风险调整后成长性)风险限额期限。
可选的,所述目标客群确定子模块,用于:
获取所述目标客户的基本数据;
将所述基本数据输入预先训练的客群分类模型中,根据所述客群分类模型的输出结果,确定所述目标客户所属的目标客群。
可选的,所述无形资产的现金流价值包括晋升潜在收入增长;
所述价值确定模块,用于:
确定所述目标客户在所述风险限额期限内的晋升概率;
根据所述晋升概率及晋升前后的劳动收入增长,计算所述目标客户在所述风险限额期限内的晋升潜在收入增长。
可选的,所述有形资产的市场价值包括流动资产收入价值;
所述价值确定模块,用于:
确定目标客户当前的流动资产价值;
确定与所述流动资产价值对应的资产收益率;
根据所述流动资产价值及所述资产收益率,计算所述目标客户在所述风险限额期限内的流动资产收入价值。
可选的,所述有形资产的市场价值包括固定资产收入价值;
所述价值确定模块,用于:
确定目标客户当前的固定资产价值;
确定与所述固定资产价值对应的租售比;
根据所述固定资产价值及所述租售比,计算所述目标客户在所述风险限额期限内的固定资产收入价值。
上述装置可执行本发明前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本发明实施例中详尽描述的技术细节,可参见本发明前述所有实施例所提供的方法。
本发明实施例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授信管理方法,该方法包括:
响应于授信管理事件被触发,确定风险限额期限;
确定目标客户在所述风险限额期限内的无形资产的现金流价值和有形资产的市场价值;
根据所述无形资产的现金流价值和所述有形资产的市场价值,计算所述目标客户的风险限额;其中,所述风险限额为所述无形资产的现金流价值和所述有形资产的市场价值的和;
根据所述风险限额对所述目标客户进行授信管理。
存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDRRAM、SRAM、EDORAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
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授信管理操作,还可以执行本发明任意实施例所提供的授信管理方法中的相关操作。
本发明实施例提供了一种电子设备,该电子设备中可集成本发明实施例提供的授信管理装置。图5为本发明实施例提供的一种电子设备的结构框图。电子设备500可以包括:存储器501,处理器502及存储在存储器501上并可在处理器运行的计算机程序,所述处理器502执行所述计算机程序时实现如本发明实施例所述的授信管理方法。
本发明实施例中提供的电子设备,响应于授信管理事件被触发,确定风险限额期限;确定目标客户在所述风险限额期限内的无形资产的现金流价值和有形资产的市场价值;根据所述无形资产的现金流价值和所述有形资产的市场价值,计算所述目标客户的风险限额;其中,所述风险限额为所述无形资产的现金流价值和所述有形资产的市场价值的和;根据所述风险限额对所述目标客户进行授信管理。通过本发明实施例提供的技术方案,基于客户的无形资产的现金流价值和有形资产的市场价值,可简单、快捷、准确地计算客户的风险限额,从而有助于提高对客户进行授信管理的准确性,有效降低信贷风险。
上述实施例中提供的授信管理装置、存储介质及电子设备可执行本发明任意实施例所提供的授信管理方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的授信管理方法。
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)
1.一种授信管理方法,其特征在于,包括:
响应于授信管理事件被触发,确定风险限额期限;
确定目标客户在所述风险限额期限内的无形资产的现金流价值和有形资产的市场价值;
根据所述无形资产的现金流价值和所述有形资产的市场价值,计算所述目标客户的风险限额;其中,所述风险限额为所述无形资产的现金流价值和所述有形资产的市场价值的和;
根据所述风险限额对所述目标客户进行授信管理。
2.根据权利要求1所述的方法,其特征在于,所述无形资产的现金流价值包括劳动收入未来价值和/或晋升潜在收入增长;所述有形资产的市场价值包括流动资产收入价值和/或固定资产收入价值。
3.根据权利要求2所述的方法,其特征在于,所述无形资产的现金流价值包括劳动收入未来价值;
确定目标客户在所述风险限额期限内的无形资产的现金流价值,包括:
确定目标客户所属的目标客群;
确定所述目标客群的收入成长性;
根据所述收入成长性及所述目标客户当前的收入基数,计算所述目标客户在所述风险限额期限内的劳动收入未来价值。
4.根据权利要求3所述的方法,其特征在于,根据所述收入成长性及所述目标客户当前的收入基数,计算所述目标客户在所述风险限额期限内的劳动收入未来价值,包括:
根据所述收入成长性计算风险调整后成长性;
根据所述风险调整后成长性及所述目标客户当前的收入基数,计算所述目标客户在所述风险限额期限内的劳动收入未来价值。
5.根据权利要求4所述的方法,其特征在于,根据所述收入成长性计算风险调整后成长性,包括:
确定收入波动性及收入尾部风险;
根据所述收入成长性、所述收入波动性及所述收入尾部风险,计算风险调整后成长性。
6.根据权利要求5所述的方法,其特征在于,根据所述收入成长性、所述收入波动性及所述收入尾部风险,计算风险调整后成长性,包括:
根据如下公式计算风险调整后成长性:
风险调整后成长性=收入成长性-λ1*收入波动性2-λ2*收入尾部风险2;
其中,λ1表示预设金融机构对收入波动性的厌恶系数,λ2表示所述预设金融机构对收入尾部风险的厌恶程度。
7.根据权利要求5所述的方法,其特征在于,确定收入波动性及收入尾部风险,包括:
计算所述收入成长性的方差,将所述方差作为所述收入波动性;
计算所述收入成长性的第一预设分位数与第二预设分位数的差值,并将所述差值作为所述收入尾部风险。
8.根据权利要求4-7任一所述的方法,其特征在于,根据所述风险调整后成长性及所述目标客户当前的收入基数,计算所述目标客户在所述风险限额期限内的劳动收入未来价值,包括:
根据如下公式计算所述目标客户在所述风险限额期限内的劳动收入未来价值:
劳动收入未来价值=收入基数*∑(1+风险调整后成长性)风险限额期限。
9.根据权利要求3所述的方法,其特征在于,确定目标客户所属的目标客群,包括:
获取所述目标客户的基本数据;
将所述基本数据输入预先训练的客群分类模型中,根据所述客群分类模型的输出结果,确定所述目标客户所属的目标客群。
10.根据权利要求2所述的方法,其特征在于,所述无形资产的现金流价值包括晋升潜在收入增长;
确定目标客户在所述风险限额期限内的无形资产的现金流价值,包括:
确定所述目标客户在所述风险限额期限内的晋升概率;
根据所述晋升概率及晋升前后的劳动收入增长,计算所述目标客户在所述风险限额期限内的晋升潜在收入增长。
11.根据权利要求2所述的方法,其特征在于,所述有形资产的市场价值包括流动资产收入价值;
确定目标客户在所述风险限额期限内的有形资产的市场价值,包括:
确定目标客户当前的流动资产价值;
确定与所述流动资产价值对应的资产收益率;
根据所述流动资产价值及所述资产收益率,计算所述目标客户在所述风险限额期限内的流动资产收入价值。
12.根据权利要求2所述的方法,其特征在于,所述有形资产的市场价值包括固定资产收入价值;
确定目标客户在所述风险限额期限内的有形资产的市场价值,包括:
确定目标客户当前的固定资产价值;
确定与所述固定资产价值对应的租售比;
根据所述固定资产价值及所述租售比,计算所述目标客户在所述风险限额期限内的固定资产收入价值。
13.一种授信管理装置,其特征在于,包括:
期限确定模块,用于响应于授信管理事件被触发,确定风险限额期限;
价值确定模块,用于确定目标客户在所述风险限额期限内的无形资产的现金流价值和有形资产的市场价值;
风险限额计算模块,用于根据所述无形资产的现金流价值和所述有形资产的市场价值,计算所述目标客户的风险限额;其中,所述风险限额为所述无形资产的现金流价值和所述有形资产的市场价值的和;
授信管理模块,用于根据所述风险限额对所述目标客户进行授信管理。
14.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现如权利要求1-12中任一所述的授信管理方法。
15.一种电子设备,其特征在于,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-12任一所述的授信管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110309896.1A CN113011967A (zh) | 2021-03-23 | 2021-03-23 | 一种授信管理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110309896.1A CN113011967A (zh) | 2021-03-23 | 2021-03-23 | 一种授信管理方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113011967A true CN113011967A (zh) | 2021-06-22 |
Family
ID=76405644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110309896.1A Pending CN113011967A (zh) | 2021-03-23 | 2021-03-23 | 一种授信管理方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011967A (zh) |
-
2021
- 2021-03-23 CN CN202110309896.1A patent/CN113011967A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Blankespoor et al. | Disclosure processing costs, investors’ information choice, and equity market outcomes: A review | |
Holzhacker et al. | Unraveling the black box of cost behavior: An empirical investigation of risk drivers, managerial resource procurement, and cost elasticity | |
US20060100957A1 (en) | Electronic data processing system and method of using an electronic data processing system for automatically determining a risk indicator value | |
Yurniwati et al. | Effect of biological asset intensity, company size, ownership concentration, and type firm against biological assets | |
US20140195406A1 (en) | Method for agency cost estimation | |
JP2001525577A (ja) | 財務助言システム | |
CN112598500A (zh) | 一种无额度客户的授信处理方法及系统 | |
US20210019833A1 (en) | System and Method for Rule Set Selection | |
CN113609193A (zh) | 训练用于预测客户交易行为的预测模型的方法及装置 | |
Caldeira et al. | Combining multivariate volatility forecasts: an economic-based approach | |
CN110796536A (zh) | 风险限额确定方法及装置 | |
CN112308623A (zh) | 基于监督学习的优质客户流失预测方法、装置及存储介质 | |
CN116596659A (zh) | 基于大数据风控的企业智能化信贷审批方法、系统及介质 | |
Falk | Comparing benefits and total compensation in the federal government and the private sector | |
Abebe | Modeling time-varying coffee price volatility in Ethiopia | |
CN113420909A (zh) | 一种用户响应信息预测模型建立方法及信息预测方法 | |
US7783547B1 (en) | System and method for determining hedge strategy stock market forecasts | |
CN110796379A (zh) | 业务渠道的风险评估方法、装置、设备及存储介质 | |
CN113011967A (zh) | 一种授信管理方法、装置、存储介质及电子设备 | |
CN115186101A (zh) | 一种投资管理后端系统、方法、设备及存储介质 | |
Arano et al. | The great recession and changes in faculty expected retirement age | |
Ozkok et al. | Bayesian modelling of the time delay between diagnosis and settlement for critical illness insurance using a Burr generalised-linear-type model | |
CN112308639B (zh) | 目标事件的时效预计方法及装置 | |
Blochwitz et al. | Validation of Banks’ Internal Rating Systems: A Supervisory Perspective | |
Primawan et al. | Corporate in Financial Distress and Determinant Analysis of Successful Financial Turnaround |
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 |