CN113362154A - 一种基于行内数据及外部数据的贷后预警方法及装置 - Google Patents
一种基于行内数据及外部数据的贷后预警方法及装置 Download PDFInfo
- Publication number
- CN113362154A CN113362154A CN202110535821.5A CN202110535821A CN113362154A CN 113362154 A CN113362154 A CN 113362154A CN 202110535821 A CN202110535821 A CN 202110535821A CN 113362154 A CN113362154 A CN 113362154A
- Authority
- CN
- China
- Prior art keywords
- early warning
- data
- risk
- credit
- inline
- 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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
- G06F16/24565—Triggers; Constraints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Emergency Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种基于行内数据及外部数据的贷后预警方法及装置,涉及银行贷后信息技术领域,该方法包括以下步骤获取并整合行内数据和行外数据,建立风险数据集市;其中,所述行内数据指银行内部积累的客户数据,所述行外数据指从银行外部数据获取的信息;根据所述风险数据集市,建立预警规则;其中,所述预警规则包括工商、司法、人行征信、财务信息、关联关系、负面舆情方面的预警规则;根据预警规则,建立客户风险管控流程,进行贷后预警,本发明通过建设统一的风险预警平台,实现预警信号的实时、自动生成及下发,极大地节约了人工成本,提高了贷后检查效率的同时实现了风险信息早发现。
Description
技术领域
本发明涉及银行贷后信息技术领域,尤其涉及一种基于行内数据及外部数据的贷后预警方法及装置。
背景技术
目前银行进行贷后检查多为通过客户经理人工定期走访、检查的方式,此种方式存在时效性差、不能全面发现客户的风险信息、人工成本高、检查周期长等问题。同时,目前贷后检查对于客户风险情况的反馈为通过线下邮件等方式进行,效率较低,信息传递能力较差。因此,提供一种对银行贷后进行风险预警的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基于行内数据及外部数据的贷后预警方法及装置,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,本发明提供一种基于行内数据及外部数据的贷后预警方法,包括以下步骤:
获取并整合行内数据和行外数据,建立风险数据集市;其中,所述行内数据指银行内部积累的客户数据,所述行外数据指从银行外部数据获取的信息;
根据所述风险数据集市,建立预警规则;其中,所述预警规则包括工商、司法、人行征信、财务信息、关联关系、负面舆情方面的预警规则;
根据预警规则,建立客户风险管控流程,进行贷后预警。
可选的,获取并整合行内数据和行外数据,建立风险数据集市具体包括以下步骤:
基于大数据技术,获取并行内数据和行外数据,建立数据缓冲层数据表,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,将应用接口层数据卸数至应用数据库。
可选的,所述应用数据库为Oracle数据库。
可选的,所述预警规则基于Fico规则引擎建立。
可选的,根据预警规则,建立客户风险管控流程,进行贷后预警具体包括以下步骤:
当有效性评价指标对应的维度数据卸数至所述应用数据库后,将调用Fico引擎读取应用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;
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,将传导的关联关系风险也存入预警结果清单表中;
调用预警信号下发脚本,筛选处于启用状态的预警规则进行下发,在下发过程中,过滤在途任务或处于观察期的信号,并只对行内监测主体为借款人主体的下发;
对预警规则的预警信号进行分类,对不同分类的预警信号执行不同的预警操作;
对行内客户的风险程度进行划分,对不同风险程度的行内客户执行不同的预警操作。
可选的,对预警规则的预警信号进行分类,对不同分类的预警信号执行不同的预警操作具体包括以下步骤:
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,对不同分类的预警信号执行不同的操作;其中,预警信号由风险程度高至低被划分为一级信号、二级信号和三级信号,三级信号对应的预警操作为客户经理进行签收,一级信号和二级信号对应的预警操作为对客户风险进行认定。
可选的,对行内客户的风险程度进行划分,对不同风险程度的行内客户执行不同的预警操作具体包括以下步骤:
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,并生成处置跟踪任务,对第一等级、第二等级和第三等级的行内客户的风险化解情况进行持续跟踪;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。
进一步的,本发明还提供一种银行贷后信息的信用风险管理装置,包括:
数据整合模块,用于获取并整合行内数据和行外数据,建立风险数据集市;其中,所述行内数据指银行内部积累的客户数据,所述行外数据指从银行外部数据获取的信息;
预警规则建立模块,用于根据所述风险数据集市,建立预警规则;其中,所述预警规则包括工商、司法、人行征信、财务信息、关联关系、负面舆情方面的预警规则;
预警模块,用于根据预警规则,建立客户风险管控流程,进行贷后预警。
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基于行内数据及外部数据的贷后预警方法的步骤。
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基于行内数据及外部数据的贷后预警方法的步骤。
从上面所述可以看出,本发明提供的基于行内数据及外部数据的贷后预警方法及装置,通过获取并整合行内数据和行外数据,建立风险数据集市,之后根据所述风险数据集市,建立预警规则,再根据预警规则,建立客户风险管控流程,进行贷后预警,即通过建设统一的风险预警平台,实现预警信号的实时、自动生成及下发,极大地节约了人工成本,提高了贷后检查效率的同时实现了风险信息早发现、早处置的主动客户贷后风险预警。通过系统内嵌流程,提高沟通效率和信息传递能力,形成了贷后客户风险管控闭环管理。
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为本发明基于行内数据及外部数据的贷后预警方法的流程示意图;
图2为本发明基于行内数据及外部数据的贷后预警方法中步骤S200具体的流程示意图;
图3为本发明基于行内数据及外部数据的贷后预警装置的结构示意图;
图4为本发明基于行内数据及外部数据的贷后预警装置中预警规则建立模块具体的结构示意图;
图5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,本发明提供一种基于行内数据及外部数据的贷后预警方法,包括以下步骤:
获取并整合行内数据和行外数据,建立风险数据集市;其中,所述行内数据指银行内部积累的客户数据,所述行外数据指从银行外部数据获取的信息;
根据所述风险数据集市,建立预警规则;其中,所述预警规则包括工商、司法、人行征信、财务信息、关联关系、负面舆情方面的预警规则。
根据预警规则,建立客户风险管控流程,进行贷后预警。
进一步的,本发明还提供一种银行贷后信息的信用风险管理装置,包括:
数据整合模块,用于获取并整合行内数据和行外数据,建立风险数据集市;其中,所述行内数据指银行内部积累的客户数据,所述行外数据指从银行外部数据获取的信息;
预警规则建立模块,用于根据所述风险数据集市,建立预警规则;其中,所述预警规则包括工商、司法、人行征信、财务信息、关联关系、负面舆情方面的预警规则。
预警模块,用于根据预警规则,建立客户风险管控流程,进行贷后预警。
通过该基于行内数据及外部数据的贷后预警装置及方法,通过获取并整合行内数据和行外数据,建立风险数据集市,之后根据所述风险数据集市,建立预警规则,再根据预警规则,建立客户风险管控流程,进行贷后预警,即通过建设统一的风险预警平台,实现预警信号的实时、自动生成及下发,极大地节约了人工成本,提高了贷后检查效率的同时实现了风险信息早发现、早处置的主动客户贷后风险预警。通过系统内嵌流程,提高沟通效率和信息传递能力,形成了贷后客户风险管控闭环管理。
下面结合附图对本发明基于行内数据及外部数据的贷后预警方法及装置的较佳实施例进行说明。
请参阅图1,该贷后预警方法包括以下步骤:
S100、获取并整合行内数据和行外数据,建立风险数据集市;其中,行内数据指银行内部积累的客户数据,如客户基本信息、账户信息等。行外数据指从银行外部数据获取的信息,如司法诉讼信息、行政处罚信息等。
在步骤S100中,提取客户的相关信息,如客户基本信息表(包含字段:客户名称、客户编号、法人代表、统一社会代码、组织机构代码、总经理等)、客户财务信息表(包含字段:客户年报、财报中披露的各类财务信息)、客户融资信息表(包含字段:我行融资、外部融资)、人行征信(包含字段:负债、账户异常、公共记录等)、关联关系(包含字段:客户担保、持股、担任高管等、投资人参股、投资人控股等)、负面舆情(包含字段:负面舆情来源、详细信息、负面程度等)等,提供全面的数据支持。
S200、根据风险数据集市,建立预警规则;其中,预警规则包括工商、司法、人行征信、财务信息、关联关系、负面舆情方面的预警规则。在本实施例中,预警规则基于Fico规则引擎建立。
在步骤S200中,使用Fico规则引擎结合业务经验配置覆盖工商、司法、人行征信、财务信息、关联关系、负面舆情等方面的若干预警规则,之后利用这些预警规则实现对客户风险的实时预警。并将预警信号下发至对应客户经理或存入待下发列表由对应岗位用户进行手动下发,在下发过程中,将对重复预警的信号进行过滤,对存在在途任务的信号进行合并,减少重复工作量,调高预警效率。
同时在步骤S200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。
S300、根据预警规则,建立客户风险管控流程,进行贷后预警。
在步骤S300中,结合业务实践,实现建立覆盖预警认定-处置跟踪-预警解除的全套客户风险管控流程,实现对客户风险的全线上闭环管理。
同时在步骤S300中,还可以结合业务实践经验,形成基本信息、风险视图、关系图谱、时光轴、财务分析、人行征信、融资视图等模块的客户信息展示,全面展示客户当前状况和风险情况。
步骤S100具体包括以下步骤:
基于大数据技术,获取并行内数据和行外数据,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应用数据库。在本实施例中,应用数据库为Oracle数据库。
请参阅图2,步骤S200具体包括以下步骤:
S210、当有效性评价指标对应的维度数据卸数至应用数据库后,将调用Fico引擎读取应用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。请参阅表1,部分预警规则的计量阈值举例如下:
表1
S220、调用关联关系预警脚本,根据客户的关联关系监测策略,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;
S230、调用预警信号下发脚本,筛选处于启用状态的预警规则进行下发,在下发过程中,过滤在途任务或处于观察期的信号,并只对行内监测主体为借款人主体的下发。
如果客户触碰了预警规则,如该客户不存在在途任务(指该客户在预警方法内有其他未归档的流程),系统将自动生成任务下发给对应客户经理;如客户存在在途任务,新的预警信号将合并至原有在途任务中。对于设置为手动下发的规则,预警信号将存入待下发列表中,由对应岗位用户判断是否进行下发。
S240、对预警规则的预警信号进行分类,对不同分类的预警信号执行不同的预警操作。
S250、对行内客户的风险程度进行划分,对不同风险程度的行内客户执行不同的预警操作。
更具体的,步骤S220具体包括以下步骤:
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,对不同分类的预警信号执行不同的操作;其中,预警信号由风险程度高至低被划分为一级信号、二级信号和三级信号,三级信号对应的预警操作为客户经理进行签收,一级信号和二级信号对应的预警操作为对客户风险进行认定。
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,进而影响商业银行贷后信息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贷后信息产生影响;
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贷后信息安全造成明显的影响。
步骤S230具体包括以下步骤:
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,并生成处置跟踪任务,对第一等级、第二等级和第三等级的行内客户的风险化解情况进行持续跟踪;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。
客户风险程度进行划分时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。
下面对本发明提供的银行贷后信息的信用风险预警装置进行描述,下文描述的银行贷后信息的信用风险预警装置与上文描述的基于行内数据及外部数据的贷后预警方法可相互对应参照。
请参阅图3,该贷后预警装置包括:
数据整合模块100,用于获取并整合行内数据和行外数据,建立风险数据集市;其中,行内数据指银行内部积累的客户数据,如客户基本信息、账户信息等。行外数据指从银行外部数据获取的信息,如司法诉讼信息、行政处罚信息等。
在数据整合模块100中,提取客户的相关信息,如客户基本信息表(包含字段:客户名称、客户编号、法人代表、统一社会代码、组织机构代码、总经理等)、客户财务信息表(包含字段:客户年报、财报中披露的各类财务信息)、客户融资信息表(包含字段:我行融资、外部融资)、人行征信(包含字段:负债、账户异常、公共记录等)、关联关系(包含字段:客户担保、持股、担任高管等、投资人参股、投资人控股等)、负面舆情(包含字段:负面舆情来源、详细信息、负面程度等)等,提供全面的数据支持。
预警规则建立模块200,用于根据风险数据集市,建立预警规则;其中,预警规则包括工商、司法、人行征信、财务信息、关联关系、负面舆情方面的预警规则。在本实施例中,预警规则基于Fico规则引擎建立。
在预警规则建立模块200中,使用Fico规则引擎结合业务经验配置覆盖工商、司法、人行征信、财务信息、关联关系、负面舆情等方面的若干预警规则,之后利用这些预警规则实现对客户风险的实时预警。并将预警信号下发至对应客户经理或存入待下发列表由对应岗位用户进行手动下发,在下发过程中,将对重复预警的信号进行过滤,对存在在途任务的信号进行合并,减少重复工作量,调高预警效率。
同时在预警规则建立模块200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。
预警模块300,用于根据预警规则,建立客户风险管控流程,进行贷后预警。
在预警模块300中,结合业务实践,实现建立覆盖预警认定-处置跟踪-预警解除的全套客户风险管控流程,实现对客户风险的全线上闭环管理。
同时在预警模块300中,还可以结合业务实践经验,形成基本信息、风险视图、关系图谱、时光轴、财务分析、人行征信、融资视图等模块的客户信息展示,全面展示客户当前状况和风险情况。
数据整合模块100具体包括:
基于大数据技术,获取并行内数据和行外数据,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应用数据库。在本实施例中,应用数据库为Oracle数据库。
请参阅图4,预警规则建立模块200具体包括:
第一建立单元210,用于当有效性评价指标对应的维度数据卸数至应用数据库后,将调用Fico引擎读取应用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。
第二建立单元220,用于调用关联关系预警脚本,根据客户的关联关系监测策略,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;
第三建立单元230,用于调用预警信号下发脚本,筛选处于启用状态的预警规则进行下发,在下发过程中,过滤在途任务或处于观察期的信号,并只对行内监测主体为借款人主体的下发。
如果客户触碰了预警规则,如该客户不存在在途任务(指该客户在预警装置内有其他未归档的流程),系统将自动生成任务下发给对应客户经理;如客户存在在途任务,新的预警信号将合并至原有在途任务中。对于设置为手动下发的规则,预警信号将存入待下发列表中,由对应岗位用户判断是否进行下发。
第四建立单元240,用于对预警规则的预警信号进行分类,对不同分类的预警信号执行不同的预警操作。
第五建立单元250,用于对行内客户的风险程度进行划分,对不同风险程度的行内客户执行不同的预警操作。
更具体的,第二建立单元220具体包括:
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,对不同分类的预警信号执行不同的操作;其中,预警信号由风险程度高至低被划分为一级信号、二级信号和三级信号,三级信号对应的预警操作为客户经理进行签收,一级信号和二级信号对应的预警操作为对客户风险进行认定。
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,进而影响商业银行贷后信息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贷后信息产生影响;
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贷后信息安全造成明显的影响。
第三建立单元230具体包括:
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,并生成处置跟踪任务,对第一等级、第二等级和第三等级的行内客户的风险化解情况进行持续跟踪;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。
客户风险程度进行划分时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。
图5示例了一种电子设备的实体结构示意图,如图5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,以执行基于行内数据及外部数据的贷后预警方法,该方法包括以下步骤:
S100、获取并整合行内数据和行外数据,建立风险数据集市;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。
S200、根据风险数据集市,建立预警规则;其中,预警规则包括工商、司法、人行征信、财务信息、关联关系、负面舆情方面的预警规则。
S300、根据预警规则,建立客户风险管控流程,进行贷后预警。
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基于行内数据及外部数据的贷后预警方法,该方法包括以下步骤:
S100、获取并整合行内数据和行外数据,建立风险数据集市;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。
S200、根据风险数据集市,建立预警规则;其中,预警规则包括工商、司法、人行征信、财务信息、关联关系、负面舆情方面的预警规则。
S300、根据预警规则,建立客户风险管控流程,进行贷后预警。
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基于行内数据及外部数据的贷后预警方法,该方法包括以下步骤:
S100、获取并整合行内数据和行外数据,建立风险数据集市;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。
S200、根据风险数据集市,建立预警规则;其中,预警规则包括工商、司法、人行征信、财务信息、关联关系、负面舆情方面的预警规则。
S300、根据预警规则,建立客户风险管控流程,进行贷后预警。
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)
1.一种基于行内数据及外部数据的贷后预警方法,其特征在于,包括以下步骤:
获取并整合行内数据和行外数据,建立风险数据集市;其中,所述行内数据指银行内部积累的客户数据,所述行外数据指从银行外部数据获取的信息;
根据所述风险数据集市,建立预警规则;其中,所述预警规则包括工商、司法、人行征信、财务信息、关联关系、负面舆情方面的预警规则;
根据预警规则,建立客户风险管控流程,进行贷后预警。
2.根据权利要求1所述的基于行内数据及外部数据的贷后预警方法,其特征在于,获取并整合行内数据和行外数据,建立风险数据集市具体包括以下步骤:
基于大数据技术,获取并行内数据和行外数据,建立数据缓冲层数据表,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,将应用接口层数据卸数至应用数据库。
3.根据权利要求2所述的基于行内数据及外部数据的贷后预警方法,其特征在于,所述应用数据库为Oracle数据库。
4.根据权利要求1所述的基于行内数据及外部数据的贷后预警方法,其特征在于,所述预警规则基于Fico规则引擎建立。
5.根据权利要求1所述的基于行内数据及外部数据的贷后预警方法,其特征在于,根据预警规则,建立客户风险管控流程,进行贷后预警具体包括以下步骤:
当有效性评价指标对应的维度数据卸数至所述应用数据库后,将调用Fico引擎读取应用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;
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,将传导的关联关系风险也存入预警结果清单表中;
调用预警信号下发脚本,筛选处于启用状态的预警规则进行下发,在下发过程中,过滤在途任务或处于观察期的信号,并只对行内监测主体为借款人主体的下发;
对预警规则的预警信号进行分类,对不同分类的预警信号执行不同的预警操作;
对行内客户的风险程度进行划分,对不同风险程度的行内客户执行不同的预警操作。
6.根据权利要求5所述的基于行内数据及外部数据的贷后预警方法,其特征在于,对预警规则的预警信号进行分类,对不同分类的预警信号执行不同的预警操作具体包括以下步骤:
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,对不同分类的预警信号执行不同的操作;其中,预警信号由风险程度高至低被划分为一级信号、二级信号和三级信号,三级信号对应的预警操作为客户经理进行签收,一级信号和二级信号对应的预警操作为对客户风险进行认定。
7.根据权利要求6所述的基于行内数据及外部数据的贷后预警方法,其特征在于,对行内客户的风险程度进行划分,对不同风险程度的行内客户执行不同的预警操作具体包括以下步骤:
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,并生成处置跟踪任务,对第一等级、第二等级和第三等级的行内客户的风险化解情况进行持续跟踪;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。
8.一种银行贷后信息的信用风险管理装置,其特征在于,包括:
数据整合模块(100),用于获取并整合行内数据和行外数据,建立风险数据集市;其中,所述行内数据指银行内部积累的客户数据,所述行外数据指从银行外部数据获取的信息;
预警规则建立模块(200),用于根据所述风险数据集市,建立预警规则;其中,所述预警规则包括工商、司法、人行征信、财务信息、关联关系、负面舆情方面的预警规则;
预警模块(300),用于根据预警规则,建立客户风险管控流程,进行贷后预警。
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任一项所述基于行内数据及外部数据的贷后预警方法步骤。
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任一项所述基于行内数据及外部数据的贷后预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110535821.5A CN113362154A (zh) | 2021-05-17 | 2021-05-17 | 一种基于行内数据及外部数据的贷后预警方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110535821.5A CN113362154A (zh) | 2021-05-17 | 2021-05-17 | 一种基于行内数据及外部数据的贷后预警方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113362154A true CN113362154A (zh) | 2021-09-07 |
Family
ID=77526787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110535821.5A Pending CN113362154A (zh) | 2021-05-17 | 2021-05-17 | 一种基于行内数据及外部数据的贷后预警方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113362154A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113807953A (zh) * | 2021-09-24 | 2021-12-17 | 重庆富民银行股份有限公司 | 基于电话回访的风控管理方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170032458A1 (en) * | 2015-07-29 | 2017-02-02 | Stressco Inc. | Systems, methods and devices for extraction, aggregation, analysis and reporting of financial data |
CN111080440A (zh) * | 2019-12-18 | 2020-04-28 | 上海良鑫网络科技有限公司 | 大数据风控管理系统 |
CN111913994A (zh) * | 2020-08-12 | 2020-11-10 | 武汉众邦银行股份有限公司 | 基于行内数据和外部数据的客户风险数据监测方法 |
-
2021
- 2021-05-17 CN CN202110535821.5A patent/CN113362154A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170032458A1 (en) * | 2015-07-29 | 2017-02-02 | Stressco Inc. | Systems, methods and devices for extraction, aggregation, analysis and reporting of financial data |
CN111080440A (zh) * | 2019-12-18 | 2020-04-28 | 上海良鑫网络科技有限公司 | 大数据风控管理系统 |
CN111913994A (zh) * | 2020-08-12 | 2020-11-10 | 武汉众邦银行股份有限公司 | 基于行内数据和外部数据的客户风险数据监测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113807953A (zh) * | 2021-09-24 | 2021-12-17 | 重庆富民银行股份有限公司 | 基于电话回访的风控管理方法及系统 |
CN113807953B (zh) * | 2021-09-24 | 2023-11-03 | 重庆富民银行股份有限公司 | 基于电话回访的风控管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abdullah et al. | Operational risk in Islamic banks: examination of issues | |
Stephanou et al. | Rethinking market discipline in banking: lessons from the financial crisis | |
CA2615683C (en) | Identification and risk evaluation | |
CN109564668A (zh) | 电子抵押经纪和监控 | |
US20150339671A1 (en) | Dynamic fraud alert system | |
JP2022520824A (ja) | インテリジェント警告システム | |
KR20190064749A (ko) | 지능형 증권 투자 의사결정 지원 방법 및 그 장치 | |
CN111353901A (zh) | 风险识别监控方法、装置以及电子设备 | |
CN113689289A (zh) | 一种基于银行风险控制的方法及设备 | |
Dimitras et al. | Evaluation of empirical attributes for credit risk forecasting from numerical data | |
CN113935844A (zh) | 一种基于大数据和人工智能的金融风控系统 | |
CN110288038A (zh) | 一种企业的分类方法及装置 | |
CN113362154A (zh) | 一种基于行内数据及外部数据的贷后预警方法及装置 | |
KR20090001917A (ko) | 여신 고객에 대한 조기경보 방법 및 시스템과 이를 위한기록매체 | |
CN115564591A (zh) | 一种融资产品的确定方法及相关设备 | |
CN105956919A (zh) | 一种业务数据申请评估方法及装置 | |
JP2007018239A (ja) | 途上与信管理システム、途上与信管理システム用プログラム及び途上与信管理方法 | |
CN116934131A (zh) | 一种企业经营状况评估方法、装置及设备 | |
KR20090086370A (ko) | 여신 고객등급 처리방법 | |
CN115994819A (zh) | 风险客户识别方法、装置、设备和介质 | |
Pešout et al. | Insurance Fraud Management as an Integrated Part of Business Intelligence Framework | |
KR20090001940A (ko) | 부실여신 거래 기업의 사전 선정 방법 및 시스템과 이를위한 기록매체 | |
KR20110088986A (ko) | 부실채권 관리시스템 및 그 방법 | |
Chowdhury et al. | Application of Data Analytics in Risk Management of Fintech Companies | |
Alamaki et al. | The Effectiveness of Regulatory Reporting by Banking Institutions |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210907 |