CN113362153A - 一种银行授信的信用风险预警方法及装置 - Google Patents

Abstract

本发明提供了一种银行授信的信用风险预警方法及装置，涉及银行授信技术领域，该方法包括以下步骤获取行内客户的信息，建立预警规则；根据行内客户的信息，建立监测客户清单，根据所述预警规则，对监测客户清单进行预警，获取预警客户清单；根据所述预警客户清单以及预警规则，获取预警规则对应的有效性评价指标的指标结果；其中，所述有效性评价指标包括出险客户、规则覆盖率、规则转化率、触警率、命中率、漏警率和误报率；根据有效性评价指标的所述指标结果，调整预警规则，本发明通过获取预警规则对应的有效性评价指标的指标结果，建立预警规则/预警模型有效性评价体系，有效分析预警规则的有效性。

Description

一种银行授信的信用风险预警方法及装置

技术领域

本发明涉及银行授信技术领域，尤其涉及一种银行授信的信用风险预警方法及装置。

背景技术

在银行授信领域，为了提升银行对客户的信用风险的应对能力，提高银行风险识别的更早发现的水平，许多银行都建立了风险预警方法。这类风险预警方法通常通过建立不同维度预警规则/预警模型，来实现对客户信用风险监测，但是预警规则/预警模型通常在一段时间内是维持不变的，风险预警系统中预警规则/预警模型的有效性尤为重要，直接影响到了风险预警系统是否可行，因此，更直观、更有效地评价并优化预警规则/预警模型，提供更加准确有效的风险预警方法是目前业界亟待解决的重要课题。

发明内容

有鉴于此，本发明的目的在于提出一种银行授信的信用风险预警方法及装置，以解决上述背景技术中提及的全部问题或之一。

基于上述目的，本发明提供一种银行授信的信用风险预警方法，包括以下步骤：

获取行内客户的信息，建立预警规则；

根据行内客户的信息，建立监测客户清单，根据所述预警规则，对监测客户清单进行预警，获取预警客户清单；

根据所述预警客户清单以及预警规则，获取预警规则对应的有效性评价指标的指标结果；其中，所述有效性评价指标包括出险客户、规则覆盖率、规则转化率、触警率、命中率、漏警率和误报率；

根据有效性评价指标的所述指标结果，调整预警规则。

可选的，获取行内客户的信息，建立预警规则具体包括以下步骤：

获取行内客户的信息，根据所述有效性评价指标，建立有效性评价指标的更新机制；

根据所述更新机制，建立预警规则；

对所述预警规则进行分类，根据预警规则以及对应的分类，对预警规则的预警信号进行分类。

可选的，获取行内客户的信息，根据所述有效性评价指标，建立有效性评价指标的更新机制具体包括以下步骤：

获取获取行内客户的信息中出险客户的信息，建立所述出险客户的名单以及相应的更新机制；其中，出险客户为存在行内贷款业务逾期、行内贷款五级分类中非正常分类、存在他行贷款业务逾期、外部发债未按约定兑付、行内贷款展期以及被划分认定的行内客户。

可选的，获取出险客户的信息，建立所述出险客户的名单以及相应的更新机制具体包括以下步骤：

获取行内客户的信息，将存在行内贷款业务逾期、行内贷款五级分类中非正常分类、存在他行贷款业务逾期、外部发债未按约定兑付、行内贷款展期的行内用户确定为风险客户并存入出险客户的名单；

对行内客户的风险程度进行划分，所述风险程度划分后包括第一等级、第二等级、第三等级、第四等级和第五等级，将被划分为第一等级、第二等级和第三等级的行内客户确定为风险客户并存入出险客户的名单；其中，第一等级为授信主体出现经营危机；第二等级为授信主体经营下滑或出现下滑的苗头；第三等级为授信主体风险相对于评审准入时有扩大迹象，存在潜在风险隐患；第四等级为授信主体存在影响授信安全的不利因素，需要提高关注，或提高贷后检查频率，增强对客户的跟踪和监控；第五等级为授信主体正常运营，没有理由怀疑贷款可能出现风险。

可选的，根据行内客户的信息，建立监测客户清单，根据所述预警规则，对监测客户清单进行预警，获取预警客户清单具体包括以下步骤：

建立数据缓冲层数据表，获取行内数据和外部数据，根据主题域划分，将数据缓冲层数据加工整合至数据整合层，根据应用需要，将数据整合层数据归纳整理至应用接口层，将应用接口层数据卸数至Oracle数据库；其中，行内数据指银行内部积累的客户数据，行外数据指从银行外部数据获取的信息，对于有效性评价指标对应的维度数据将根据维度划分形成独立数据表；

当应用接口层数据表中有效性评价指标对应的维度数据卸数至所述Oracle数据库后，将调用Fico规则引擎读取Oracle数据库中该有效性评价指标对应的维度数据，根据预警规则设定的计量阈值，Fico规则引擎对监测客户清单内的客户进行预警，对预警的客户存入所述预警客户清单中；

调用关联关系预警脚本，对已经预警的客户进行关联关系识别，若存在关联关系则将风险传导给对应的关联客户，将对应的关联客户存入预警客户清单中。

可选的，根据所述预警客户清单以及预警规则，获取预警规则对应的有效性评价指标的指标结果具体包括以下步骤：

根据所述预警客户清单以及预警规则，分析关联关系预警脚本，根据有效性评价指标的日期，计算有效性评价指标的指标结构。

可选的，满足规则覆盖率超过3％、3个月的规则转化率低于0.5％、12个月的规则转化低于5％、触警率超过3％、命中率低于5％、漏警率高于5％、误报率高于10％其中一种情况或者多种情况时，调整预警规则。

进一步的，本发明还提供一种银行授信的信用风险管理装置，包括：

规则建立模块，用于获取行内客户的信息，建立预警规则；

预警客户获取模块，用于根据行内客户的信息，获取行内客户的信息，建立监测客户清单，根据所述预警规则，对监测客户清单进行预警，获取预警客户清单；

有效性评价模块，用于根据所述预警客户清单以及预警规则，获取预警规则对应的有效性评价指标的指标结果；其中，所述有效性评价指标包括出险客户、规则覆盖率、规则转化率、触警率、命中率、漏警率和误报率；

动态调整模块，用于根据有效性评价指标的所述指标结果，调整预警规则。

进一步的，本发明还提供一种电子设备，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程序时实现如上述任一种所述银行授信的信用风险预警方法的步骤。

进一步的，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述银行授信的信用风险预警方法的步骤。

从上面所述可以看出，本发明提供的银行授信的信用风险预警方法及装置，提供了一种同时基于事中及事后的评价方法及装置，通过获取预警规则对应的有效性评价指标的指标结果，建立预警规则/预警模型有效性评价体系，具体是通过计算展示预警规则/预警模型的各个评价指标，提升评价预警规则/预警模型的有效性、及时性，通过将预警规则以及对应的有效性评价指标与客户出险情况关联，以及计算信号覆盖率、误报率、漏警率等指标，可有效分析预警规则的有效性。同时，该评价体系还可以与专家经验关联，专家对每个客户的风险判断都将影响到出险率等指标，进而帮助提升各个指标的准确性。

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为本发明银行授信的信用风险预警方法的流程示意图；

图2为本发明银行授信的信用风险预警方法中步骤S100具体的流程示意图；

图3为本发明银行授信的信用风险预警方法中步骤S110具体的流程示意图；

图4为本发明银行授信的信用风险预警方法中步骤S200具体的流程示意图；

图5为本发明银行授信的信用风险预警装置的结构示意图；

图6为本发明银行授信的信用风险预警装置中规则建立模块具体的结构示意图；

图7为本发明银行授信的信用风险预警装置中机制建立单元具体的结构示意图；

图8为本发明银行授信的信用风险预警装置中预警客户获取模块具体的结构示意图；

图9是本发明提供的电子设备的流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明的是，除非另外定义，本发明实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

作为本发明的一个优选实施例，本发明提供一种银行授信的信用风险预警方法，包括以下步骤：

获取行内客户的信息，建立预警规则；

根据行内客户的信息，建立监测客户清单，根据所述预警规则，对监测客户清单进行预警，获取预警客户清单；

根据所述预警客户清单以及预警规则，获取预警规则对应的有效性评价指标的指标结果；其中，所述有效性评价指标包括出险客户、规则覆盖率、规则转化率、触警率、命中率、漏警率和误报率；

根据有效性评价指标的所述指标结果，调整预警规则。

进一步的，本发明还提供一种银行授信的信用风险管理装置，包括：

规则建立模块，用于获取行内客户的信息，建立预警规则；

预警客户获取模块，用于根据行内客户的信息，获取行内客户的信息，建立监测客户清单，根据所述预警规则，对监测客户清单进行预警，获取预警客户清单；

有效性评价模块，用于根据所述预警客户清单以及预警规则，获取预警规则对应的有效性评价指标的指标结果；其中，所述有效性评价指标包括出险客户、规则覆盖率、规则转化率、触警率、命中率、漏警率和误报率；

动态调整模块，用于根据有效性评价指标的所述指标结果，调整预警规则。

通过该银行授信的信用风险预警装置及方法，提供了一种同时基于事中及事后的评价方法及装置，通过获取预警规则对应的有效性评价指标的指标结果，建立预警规则/预警模型有效性评价体系，具体是通过计算展示预警规则/预警模型的各个评价指标，提升评价预警规则/预警模型的有效性、及时性，通过将预警规则以及对应的有效性评价指标与客户出险情况关联，以及计算信号覆盖率、误报率、漏警率等指标，可有效分析预警规则的有效性。同时，该评价体系还可以与专家经验关联，专家对每个客户的风险判断都将影响到出险率等指标，进而帮助提升各个指标的准确性。

下面结合附图对本发明银行授信的信用风险预警装置及方法的较佳实施例进行说明。

请参阅图1，该信用风险预警方法包括以下步骤：

S100、获取行内客户的信息，建立预警规则。

在步骤S100中，在建立预警规则时，可以让行业专家确定预警规则对应等级，行业专家可以修改预警规则对应的等级，之后将预警规则存入预警规则库，之后再根据预警规则相应的触发信号即预警信号，对预警信号进行划分，可以理解的是，信号等级即预警规则等级。

具体的，对预警信号进行等级分类时，从高到低分别划分为一级信号、二级信号、三级信号，各等级预警信号的定义如下：

一级信号：指可能对监测对象产生重大风险，进而影响商业银行授信业务资产安全的预警信息；

二级信号：指可能对监测对象产生风险隐患的预警信息，需进一步核实是否对商业银行授信产生影响；

三级信号：指一般的风险信号，风险程度较低不会对商业银行授信安全造成明显的影响。

S200、根据行内客户的信息，建立监测客户清单，根据预警规则，对监测客户清单进行预警，获取预警客户清单。

在步骤S200中，监测客户清单由风险数据集市进行加工，记录每日预警系统监测的全部客户信息，包括客户编号、客户名称、授信金额等信息。预警客户清单基于Fico预警规则引擎，将预警结果记录到预警结果清单表，包括客户编号、客户名称、信号等级、信号名称、信号详情、触发日期等信息。其中，上述的风险数据集市并非数据库，风险数据集市会对底层数据进行整合，根据主题域划分，加工整合至数据整合层(M层)，然后根据应用功能的需要，将数据整合层的数据加工至应用接口层(D层)，最后才将数据卸数给应用数据库，例如Oracle数据库。

S300、根据预警客户清单以及预警规则，获取预警规则对应的有效性评价指标的指标结果；其中，有效性评价指标包括出险客户、规则覆盖率、规则转化率、触警率、命中率、漏警率和误报率。S400、根据有效性评价指标的指标结果，调整预警规则。请参阅表1，表1对各个有效性评价指标进行了相应的解释。

表1

步骤S400中，可以将有效性评价指标的指标结果可视化，例如绘制为折线图、柱状图、散点图等。在步骤S400中，会根据计算的指标结果初步判断指标优劣，并结合行业专家分析判断各指标值优劣，进而对需要的预警规则进行调整。预警规则调整后，经过一段时间运行，继续积累效能分析数值。如此循环迭代优化，逐步提升预警规则的预警有效性。

具体的满足规则覆盖率超过3％、3个月的规则转化率低于0.5％、12个月的规则转化低于5％、触警率超过3％、命中率低于5％、漏警率高于5％、误报率高于10％其中一种情况或者多种情况时，调整预警规则。

请参阅图2，步骤S100具体包括以下步骤：

S110、获取行内客户的信息，根据有效性评价指标，建立有效性评价指标的更新机制。

S120、根据更新机制，建立预警规则。

S130、对预警规则进行分类，根据预警规则以及对应的分类，对预警规则的预警信号进行分类。

步骤S110具体包括以下步骤：

获取获取行内客户的信息中出险客户的信息，建立出险客户的名单以及相应的更新机制，根据表1，出险客户为存在行内贷款业务逾期、行内贷款五级分类中非正常分类、存在他行贷款业务逾期、外部发债未按约定兑付、行内贷款展期以及被划分认定的行内客户。

更具体的，请参阅图3，步骤S110具体包括以下步骤：

S111、获取行内客户的信息，将存在行内贷款业务逾期、行内贷款五级分类中非正常分类、存在他行贷款业务逾期、外部发债未按约定兑付、行内贷款展期的行内用户确定为风险客户并存入出险客户的名单。具体的，风险数据集市每日从行内大数据应用平台获取来自行内信贷管理系统、行内核心系统、行内征信前置平台、行内外部数据管理平台等系统的相关表的行内客户数据，用sql脚本筛选出满足存在行内贷款业务逾期、行内贷款五级分类中非正常分类、存在他行贷款业务逾期、外部发债未按约定兑付、行内贷款展期这五类情况之一的行内客户，将这些行内客户及其相关信息从数据集市卸数到系统Oracle数据库的出险客户名单中，并记录客户编号、客户名称、纳入时间、退出时间等信息。

S112、对行内客户的风险程度进行划分，风险程度划分后包括第一等级、第二等级、第三等级、第四等级和第五等级，将被划分为第一等级、第二等级和第三等级的行内客户确定为风险客户并存入出险客户的名单；其中，第一等级为授信主体出现经营危机；第二等级为授信主体经营下滑或出现下滑的苗头；第三等级为授信主体风险相对于评审准入时有扩大迹象，存在潜在风险隐患；第四等级为授信主体存在影响授信安全的不利因素，需要提高关注，或提高贷后检查频率，增强对客户的跟踪和监控；第五等级为授信主体正常运营，没有理由怀疑贷款可能出现风险。

由于使用用户可以自定义出险客户，对于由使用用户认定的出险客户，在预警认定流程中，使用用户对客户风险程度进行划分，如从高到低依次为第一等级、第二等级、第三等级、第四等级和第五等级。对于划分为第一等级、第二等级、第三等级的行内客户，在完成预警认定后，将直接将这些等级的行内客户自动纳入出险客户的名单中，并记录客户编号、客户名称、纳入时间、退出时间等信息。具体的，各风险等级定义分别如下：

第一等级：授信主体出现经营危机；主要财务指标严重恶化，偿债能力大幅下降；发债客户出现债券违约；出现重大安全事故导致生产停滞；出现重大违法违规行为或重大案件风险；授信主体出现重大负面舆情；企业现金流断裂等情况，授信主体风险已暴露，有较大可能在授信到期后无法按时足额偿还，需立即退出或进行清收处置；

第二等级：授信主体经营下滑或出现下滑的苗头；主要财务指标大幅下降；发债客户外部评级、债券估值近期出现异常波动；贷款挪用或用途不合规；抵押物情况出现恶化、房开贷对应抵押物销售状况远不及预期、抵押物维护管理不善或因其他因素导致抵押物价值出现明显下滑；抵质押物被司法查封冻结；他行出现缩贷、压贷、断贷或贷款分类下调；对外担保存在未结清不良类余额、陷入担保圈且担保圈风险存在恶化趋势等情况，造成授信有可能在授信期间出现违约风险或造成其他风险，需进一步增加担保措施或提前收回部分贷款以控制风险。

第三等级：授信主体风险较评审准入时有扩大迹象，存在潜在风险隐患，包括但不限于客户有息债务规模较大，但账面货币资金对短期到期债务及利息覆盖力度减弱；对外担保明显增多，特别是非关联对外担保余额增长明显；所处区域近年来违约现象频发、政府主导的各项防范化解债务危机处置应对方案成效有限等各类情况，需要补充论证或增加风险控制或缓释措施以缓释风险。

第四等级：授信主体存在影响授信安全的不利因素(内部、外部)，需要提高关注，或提高贷后检查频率，增强对客户的跟踪和监控。

第五等级：授信主体正常运营，没有理由怀疑贷款可能出现风险。

请参阅图4，步骤S200具体包括以下步骤：

S210、通过风险数据集市建立数据缓冲层(O层)数据表，整合获取的行内数据和外部数据，根据主题域划分，将数据缓冲层数据归纳加工整合至数据整合层(M层)数据表，根据应用需要，将数据整合层数据整理至应用接口层(D层)，将应用接口层数据卸数至Oracle数据库。其中，行内数据指银行内部积累的客户数据，行外数据指从银行外部数据获取的信息。对于有效性评价指标对应的维度数据将根据维度划分形成独立数据表。

S220、当应用接口层数据表中有效性评价指标对应的维度数据卸数至Oracle数据库后，将调用Fico规则引擎读取Oracle数据库中该有效性评价指标对应的维度数据，根据预警规则设定的计量阈值，Fico规则引擎对监测客户清单内的客户进行预警，对预警的客户存入所述预警客户清单中。

S230、调用关联关系预警脚本，根据客户的关联关系相应的监测策略，对已经预警的客户进行关联关系识别，若存在关联关系则将风险传导给对应的关联客户，将对应的关联客户存入预警客户清单中，将传导的关联关系风险也存入预警结果清单表中。

步骤S300具体包括以下步骤：

根据预警客户清单以及预警规则，分析关联关系预警脚本，根据有效性评价指标的日期，计算有效性评价指标的指标结构。

具体的，调用监测规则分析关联关系预警脚本，将有效性评价指标的日期作为输入参数，在脚本中判断是否为月末，如果日期非月末，则空跑脚本，如果数据日期为月末，则结合预警结果清单表及客户信息的拉链表计算规则覆盖率及触警率，存入监测规则分析表中。结合预警结果清单表及出险客户的名单计算规则转化率、命中率、漏警率及误报率，存入监测规则分析表中。

下面对本发明提供的银行授信的信用风险预警装置进行描述，下文描述的银行授信的信用风险预警装置与上文描述的银行授信的信用风险预警方法可相互对应参照。

请参阅图5，该信用风险预警装置包括：

规则建立模块100，用于获取行内客户的信息，建立预警规则。

在规则建立模块100中，在建立预警规则时，可以让行业专家确定预警规则对应等级，行业专家可以修改预警规则对应的等级，之后将预警规则存入预警规则库，之后再根据预警规则相应的触发信号即预警信号，对预警信号进行划分，可以理解的是，信号等级即预警规则等级。

具体的，对预警信号进行等级分类时，从高到低分别划分为一级信号、二级信号、三级信号，各等级预警信号的定义如下：

一级信号：指可能对监测对象产生重大风险，进而影响商业银行授信业务资产安全的预警信息；

二级信号：指可能对监测对象产生风险隐患的预警信息，需进一步核实是否对商业银行授信产生影响；

三级信号：指一般的风险信号，风险程度较低不会对商业银行授信安全造成明显的影响。

预警客户获取模块200，用于根据行内客户的信息，建立监测客户清单，根据预警规则，对监测客户清单进行预警，获取预警客户清单。

在预警客户获取模块200中，监测客户清单由风险数据集市进行加工，记录每日预警系统监测的全部客户信息，包括客户编号、客户名称、授信金额等信息。预警客户清单基于Fico预警规则引擎，将预警结果记录到预警结果清单表，包括客户编号、客户名称、信号等级、信号名称、信号详情、触发日期等信息。其中，上述的风险数据集市并非数据库，风险数据集市会对底层数据进行整合，根据主题域划分，加工整合至数据整合层(M层)，然后根据应用功能的需要，将数据整合层的数据加工至应用接口层(D层)，最后才将数据卸数给应用数据库，例如Oracle数据库。

有效性评价模块300，用于根据预警客户清单以及预警规则，获取预警规则对应的有效性评价指标的指标结果；其中，有效性评价指标包括出险客户、规则覆盖率、规则转化率、触警率、命中率、漏警率和误报率。

动态调整模块400，用于根据有效性评价指标的指标结果，调整预警规则。

动态调整模块400中，可以将有效性评价指标的指标结果可视化，例如绘制为折线图、柱状图、散点图等。在动态调整模块400中，会根据计算的指标结果初步判断指标优劣，并结合行业专家分析判断各指标值优劣，进而对需要的预警规则进行调整。预警规则调整后，经过一段时间运行，继续积累效能分析数值。如此循环迭代优化，逐步提升预警规则的预警有效性。

具体的满足规则覆盖率超过3％、3个月的规则转化率低于0.5％、12个月的规则转化低于5％、触警率超过3％、命中率低于5％、漏警率高于5％、误报率高于10％其中一种情况或者多种情况时，调整预警规则。

请参阅图6，规则建立模块100具体包括：

机制建立单元110，用于获取行内客户的信息，根据有效性评价指标，建立有效性评价指标的更新机制。

规则建立单元120，用于根据更新机制，建立预警规则。

分类单元130，用于对预警规则进行分类，根据预警规则以及对应的分类，对预警规则的预警信号进行分类。

机制建立单元110具体包括：

获取获取行内客户的信息中出险客户的信息，建立出险客户的名单以及相应的更新机制，出险客户为存在行内贷款业务逾期、行内贷款五级分类中非正常分类、存在他行贷款业务逾期、外部发债未按约定兑付、行内贷款展期以及被划分认定的行内客户。

更具体的，请参阅图7，机制建立单元110具体包括：

第一建立单元111，用于获取行内客户的信息，将存在行内贷款业务逾期、行内贷款五级分类中非正常分类、存在他行贷款业务逾期、外部发债未按约定兑付、行内贷款展期的行内用户确定为风险客户并存入出险客户的名单。具体的，风险数据集市每日从行内大数据应用平台获取来自行内信贷管理系统、行内核心系统、行内征信前置平台、行内外部数据管理平台等系统的相关表的行内客户数据，用sql脚本筛选出满足存在行内贷款业务逾期、行内贷款五级分类中非正常分类、存在他行贷款业务逾期、外部发债未按约定兑付、行内贷款展期这五类情况之一的行内客户，将这些行内客户及其相关信息从数据集市卸数到系统Oracle数据库的出险客户名单中，并记录客户编号、客户名称、纳入时间、退出时间等信息。

第二建立单元112，用于对行内客户的风险程度进行划分，风险程度划分后包括第一等级、第二等级、第三等级、第四等级和第五等级，将被划分为第一等级、第二等级和第三等级的行内客户确定为风险客户并存入出险客户的名单；其中，第一等级为授信主体出现经营危机；第二等级为授信主体经营下滑或出现下滑的苗头；第三等级为授信主体风险相对于评审准入时有扩大迹象，存在潜在风险隐患；第四等级为授信主体存在影响授信安全的不利因素，需要提高关注，或提高贷后检查频率，增强对客户的跟踪和监控；第五等级为授信主体正常运营，没有理由怀疑贷款可能出现风险。

由于使用用户可以自定义出险客户，对于由使用用户认定的出险客户，在预警认定流程中，使用用户对客户风险程度进行划分，如从高到低依次为第一等级、第二等级、第三等级、第四等级和第五等级。对于划分为第一等级、第二等级、第三等级的行内客户，在完成预警认定后，将直接将这些等级的行内客户自动纳入出险客户的名单中，并记录客户编号、客户名称、纳入时间、退出时间等信息。具体的，各风险等级定义分别如下：

第一等级：授信主体出现经营危机；主要财务指标严重恶化，偿债能力大幅下降；发债客户出现债券违约；出现重大安全事故导致生产停滞；出现重大违法违规行为或重大案件风险；授信主体出现重大负面舆情；企业现金流断裂等情况，授信主体风险已暴露，有较大可能在授信到期后无法按时足额偿还，需立即退出或进行清收处置；

第二等级：授信主体经营下滑或出现下滑的苗头；主要财务指标大幅下降；发债客户外部评级、债券估值近期出现异常波动；贷款挪用或用途不合规；抵押物情况出现恶化、房开贷对应抵押物销售状况远不及预期、抵押物维护管理不善或因其他因素导致抵押物价值出现明显下滑；抵质押物被司法查封冻结；他行出现缩贷、压贷、断贷或贷款分类下调；对外担保存在未结清不良类余额、陷入担保圈且担保圈风险存在恶化趋势等情况，造成授信有可能在授信期间出现违约风险或造成其他风险，需进一步增加担保措施或提前收回部分贷款以控制风险。

第三等级：授信主体风险较评审准入时有扩大迹象，存在潜在风险隐患，包括但不限于客户有息债务规模较大，但账面货币资金对短期到期债务及利息覆盖力度减弱；对外担保明显增多，特别是非关联对外担保余额增长明显；所处区域近年来违约现象频发、政府主导的各项防范化解债务危机处置应对方案成效有限等各类情况，需要补充论证或增加风险控制或缓释措施以缓释风险。

第四等级：授信主体存在影响授信安全的不利因素(内部、外部)，需要提高关注，或提高贷后检查频率，增强对客户的跟踪和监控。

第五等级：授信主体正常运营，没有理由怀疑贷款可能出现风险。

请参阅图8，预警客户获取模块200具体包括：

第一获取单元210，用于通过风险数据集市建立数据缓冲层(O层)数据表，整合获取的行内数据和外部数据，根据主题域划分，将数据缓冲层数据归纳加工整合至数据整合层(M层)数据表，根据应用需要，从数据整合层数据整理至应用接口层(D层)，将应用接口层数据卸数至Oracle数据库。其中，行内数据指银行内部积累的客户数据，行外数据指从银行外部数据获取的信息。对于有效性评价指标对应的维度数据将根据维度划分形成独立数据表。

第二获取单元220，用于当应用接口层数据表中有效性评价指标对应的维度数据卸数至Oracle数据库后，将调用Fico规则引擎读取Oracle数据库中该有效性评价指标对应的维度数据，根据预警规则设定的计量阈值，Fico规则引擎对监测客户清单内的客户进行预警，对预警的客户存入所述预警客户清单中。

第三获取单元230，用于调用关联关系预警脚本，根据客户的关联关系相应的监测策略，对已经预警的客户进行关联关系识别，若存在关联关系则将风险传导给对应的关联客户，将对应的关联客户存入预警客户清单中，将传导的关联关系风险也存入预警结果清单表中。

有效性评价模块300具体包括以下步骤：

根据预警客户清单以及预警规则，分析关联关系预警脚本，根据有效性评价指标的日期，计算有效性评价指标的指标结构。

具体的，调用监测规则分析关联关系预警脚本，将有效性评价指标的日期作为输入参数，在脚本中判断是否为月末，如果日期非月末，则空跑脚本，如果数据日期为月末，则结合预警结果清单表及客户信息的拉链表计算规则覆盖率及触警率，存入监测规则分析表中。结合预警结果清单表及出险客户的名单计算规则转化率、命中率、漏警率及误报率，存入监测规则分析表中。

图9示例了一种电子设备的实体结构示意图，如图9所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行银行授信的信用风险预警方法，该方法包括以下步骤：

S100、获取行内客户的信息，建立预警规则。

S200、根据行内客户的信息，建立监测客户清单，根据所述预警规则，对监测客户清单进行预警，获取预警客户清单。

S300、根据所述预警客户清单以及预警规则，获取预警规则对应的有效性评价指标的指标结果；其中，所述有效性评价指标包括出险客户、规则覆盖率、规则转化率、触警率、命中率、漏警率和误报率。

S400、根据有效性评价指标的所述指标结果，调整预警规则。

此外，上述的存储器830中的逻辑指令可以通过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。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或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的银行授信的信用风险预警方法，该方法包括以下步骤：

S100、获取行内客户的信息，建立预警规则。

S200、根据行内客户的信息，建立监测客户清单，根据所述预警规则，对监测客户清单进行预警，获取预警客户清单。

S300、根据所述预警客户清单以及预警规则，获取预警规则对应的有效性评价指标的指标结果；其中，所述有效性评价指标包括出险客户、规则覆盖率、规则转化率、触警率、命中率、漏警率和误报率。

S400、根据有效性评价指标的所述指标结果，调整预警规则。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的银行授信的信用风险预警方法，该方法包括以下步骤：

S100、获取行内客户的信息，建立预警规则。

S200、根据行内客户的信息，建立监测客户清单，根据所述预警规则，对监测客户清单进行预警，获取预警客户清单。

S300、根据所述预警客户清单以及预警规则，获取预警规则对应的有效性评价指标的指标结果；其中，所述有效性评价指标包括出险客户、规则覆盖率、规则转化率、触警率、命中率、漏警率和误报率。

S400、根据有效性评价指标的所述指标结果，调整预警规则。

以上所描述的装置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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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ROM/RAM、磁碟、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)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种银行授信的信用风险预警方法，其特征在于，包括以下步骤：

获取行内客户的信息，建立预警规则；

根据行内客户的信息，建立监测客户清单，根据所述预警规则，对监测客户清单进行预警，获取预警客户清单；

根据所述预警客户清单以及预警规则，获取预警规则对应的有效性评价指标的指标结果；其中，所述有效性评价指标包括出险客户、规则覆盖率、规则转化率、触警率、命中率、漏警率和误报率；

根据有效性评价指标的所述指标结果，调整预警规则。

2.根据权利要求1所述的银行授信的信用风险预警方法，其特征在于，获取行内客户的信息，建立预警规则具体包括以下步骤：

获取行内客户的信息，根据所述有效性评价指标，建立有效性评价指标的更新机制；

根据所述更新机制，建立预警规则；

对所述预警规则进行分类，根据预警规则以及对应的分类，对预警规则的预警信号进行分类。

3.根据权利要求2所述的银行授信的信用风险预警方法，其特征在于，获取行内客户的信息，根据所述有效性评价指标，建立有效性评价指标的更新机制具体包括以下步骤：

获取获取行内客户的信息中出险客户的信息，建立所述出险客户的名单以及相应的更新机制；其中，出险客户为存在行内贷款业务逾期、行内贷款五级分类中非正常分类、存在他行贷款业务逾期、外部发债未按约定兑付、行内贷款展期以及被划分认定的行内客户。

4.根据权利要求3所述的银行授信的信用风险预警方法，其特征在于，获取出险客户的信息，建立所述出险客户的名单以及相应的更新机制具体包括以下步骤：

获取行内客户的信息，将存在行内贷款业务逾期、行内贷款五级分类中非正常分类、存在他行贷款业务逾期、外部发债未按约定兑付、行内贷款展期的行内用户确定为风险客户并存入出险客户的名单；

对行内客户的风险程度进行划分，所述风险程度划分后包括第一等级、第二等级、第三等级、第四等级和第五等级，将被划分为第一等级、第二等级和第三等级的行内客户确定为风险客户并存入出险客户的名单；其中，第一等级为授信主体出现经营危机；第二等级为授信主体经营下滑或出现下滑的苗头；第三等级为授信主体风险相对于评审准入时有扩大迹象，存在潜在风险隐患；第四等级为授信主体存在影响授信安全的不利因素，需要提高关注，或提高贷后检查频率，增强对客户的跟踪和监控；第五等级为授信主体正常运营，没有理由怀疑贷款可能出现风险。

5.根据权利要求1所述的银行授信的信用风险预警方法，其特征在于，根据行内客户的信息，建立监测客户清单，根据所述预警规则，对监测客户清单进行预警，获取预警客户清单具体包括以下步骤：

建立数据缓冲层数据表，获取行内数据和外部数据，根据主题域划分，将数据缓冲层数据加工整合至数据整合层，根据应用需要，将数据整合层数据归纳整理至应用接口层，将应用接口层数据卸数至Oracle数据库；其中，行内数据指银行内部积累的客户数据，行外数据指从银行外部数据获取的信息，对于有效性评价指标对应的维度数据将根据维度划分形成独立数据表；

当应用接口层数据表中有效性评价指标对应的维度数据卸数至所述Oracle数据库后，将调用Fico规则引擎读取Oracle数据库中该有效性评价指标对应的维度数据，根据预警规则设定的计量阈值，Fico规则引擎对监测客户清单内的客户进行预警，对预警的客户存入所述预警客户清单中；

调用关联关系预警脚本，对已经预警的客户进行关联关系识别，若存在关联关系则将风险传导给对应的关联客户，将对应的关联客户存入预警客户清单中。

6.根据权利要求5所述的银行授信的信用风险预警方法，其特征在于，根据所述预警客户清单以及预警规则，获取预警规则对应的有效性评价指标的指标结果具体包括以下步骤：

根据所述预警客户清单以及预警规则，分析关联关系预警脚本，根据有效性评价指标的日期，计算有效性评价指标的指标结构。

7.根据权利要求6所述的银行授信的信用风险预警方法，其特征在于，满足规则覆盖率超过3％、3个月的规则转化率低于0.5％、12个月的规则转化低于5％、触警率超过3％、命中率低于5％、漏警率高于5％、误报率高于10％其中一种情况或者多种情况时，调整预警规则。

8.一种银行授信的信用风险管理装置，其特征在于，包括：

规则建立模块(100)，用于获取行内客户的信息，建立预警规则；

预警客户获取模块(200)，用于根据行内客户的信息，获取行内客户的信息，建立监测客户清单，根据所述预警规则，对监测客户清单进行预警，获取预警客户清单；

有效性评价模块(300)，用于根据所述预警客户清单以及预警规则，获取预警规则对应的有效性评价指标的指标结果；其中，所述有效性评价指标包括出险客户、规则覆盖率、规则转化率、触警率、命中率、漏警率和误报率；

动态调整模块(400)，用于根据有效性评价指标的所述指标结果，调整预警规则。

9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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至7任一项所述银行授信的信用风险预警方法步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述银行授信的信用风险预警方法的步骤。

Images