CN113379533A - 一种循环贷款提额方法、装置、设备及存储介质 - Google Patents
一种循环贷款提额方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113379533A CN113379533A CN202110655863.2A CN202110655863A CN113379533A CN 113379533 A CN113379533 A CN 113379533A CN 202110655863 A CN202110655863 A CN 202110655863A CN 113379533 A CN113379533 A CN 113379533A
- Authority
- CN
- China
- Prior art keywords
- quota
- current
- client
- customer
- coefficient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000012549 training Methods 0.000 claims abstract description 29
- 230000006399 behavior Effects 0.000 claims description 73
- 230000008569 process Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 18
- 238000013475 authorization Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 abstract description 12
- 125000004122 cyclic group Chemical group 0.000 description 22
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000001351 cycling effect Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012954 risk control Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 241001522296 Erithacus rubecula Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Abstract
本发明公开了一种循环贷款提额方法、装置、设备及存储介质,该方法包括:获取提额准入规则,依次确定符合所述提额准入规则的每个需要实现提额的客户分别为当前客户,并确定预设的多个客群类别中当前客户所属的客群类别为当前客群类别;将当前客户的贷中行为数据输入至与当前客群类别对应的回归模型中,得到所述回归模型输出的数据为当前客户各维度的提额系数;其中,任意客群类别的回归模型为预先利用历史上属于该任意客群类别的客户的贷中行为数据及相应提额系数训练得到的;基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额。本申请能够在把控授信风险把控的前提下,实现提额的准确测算,有效满足客户不同的贷款诉求。
Description
技术领域
本发明涉及互联网数据处理技术领域,更具体地说,涉及一种循环贷款提额方法、装置、设备及存储介质。
背景技术
随着信贷市场竞争的加大,下沉市场的逐步渗透,对互联网循环贷款的提额策略提出更精细化的运营要求。现目前专业领域中,循环贷款提额一般采用计算额度上限的方式,分次提额至到达上限为止,但是这样容易形成对于大额客户提额额度不足,对于小额客户提额频次太低的局面,不能满足客户不同的贷款诉求。
发明内容
本发明的目的是提供一种循环贷款提额方法、装置、设备及存储介质,能够在把控授信风险把控的前提下,实现提额的准确测算,有效满足客户不同的贷款诉求。
为了实现上述目的,本发明提供如下技术方案:
一种循环贷款提额方法,包括:
获取提额准入规则,依次确定符合所述提额准入规则的每个需要实现提额的客户分别为当前客户,并确定预设的多个客群类别中当前客户所属的客群类别为当前客群类别;
将当前客户的贷中行为数据输入至与当前客群类别对应的回归模型中,得到所述回归模型输出的数据为当前客户各维度的提额系数;其中,任意客群类别的回归模型为预先利用历史上属于该任意客群类别的客户的贷中行为数据及相应提额系数训练得到的;
基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额。
优选的,基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额之后,还包括:
按照提额越高提额锁定期越短的方式设置当前客户的提额锁定期,以在设置的所述提额锁定期到期后重新确定当前客户的提额。
优选的,基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额之后,还包括:
判断当前客户的提额是否超出当前客群类别对应的提额上限,如果是,则确定当前客群类别对应提额上限为当前客户最终的提额,否则,确定当前客户的提额为当前客户最终的提额。
优选的,基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额之前,还包括:
依次确定当前客户各维度的提额系数所属的系数分组分别为当前分组,并将当前客户各维度的提额系数分别更新为所属当前分组的统一提额系数;其中,任意维度提额系数的系数分组为预先对客户能够具有的全部该任意维度的提额系数进行划分得到的。
优选的,利用历史上任意客群类别的客户的贷中行为数据及相应提额系数训练得到回归模型,包括:
获取历史上任意客群类别的客户的贷中行为数据及相应提额系数;
利用获取的贷中行为数据及相应提额系数训练得到相应的回归模型,确定训练所用的贷中行为数据中包含的各项指标数据在训练过程中所占的权重,并确定符合要求的权重对应指标数据为入模变量;
相应的,将当前客户的贷中行为数据输入至与当前客群类别对应的回归模型中,包括:
将当前客户的贷中行为数据中与所述入模变量对应的指标数据,输入至与当前客群类别对应的回归模型中。
优选的,确定预设的多个客群类别中当前客户所属的客群类别为当前客群类别,包括:
基于预先获取的聚类指标阈值对当前客户的授信标签数据进行特征聚合,得到当前客户所属的客群类别为当前客群类别;
相应的,获取所述聚类指标阈值,包括:
获取历史上多个客户的授信标签数据,对获取的多个客户的授信标签数据进行聚类,得到该多个客户分别所属的多个客群类别,并确定聚类过程中将该多个客户进行特征聚合得到相应多个客群类别时所用的聚类指标阈值。
优选的,对获取的多个客户的贷中行为数据进行聚类,包括:
利用密度聚类算法和/或层次聚类算法对获取的多个客户的贷中行为数据进行聚类。
一种循环贷款提额装置,包括:
确定模块,用于:获取提额准入规则,依次确定符合所述提额准入规则的每个需要实现提额的客户分别为当前客户,并确定预设的多个客群类别中当前客户所属的客群类别为当前客群类别;
系数获取模块,用于:将当前客户的贷中行为数据输入至与当前客群类别对应的回归模型中,得到所述回归模型输出的数据为当前客户各维度的提额系数;其中,任意客群类别的回归模型为预先利用历史上属于该任意客群类别的客户的贷中行为数据及相应提额系数训练得到的;
提额获取模块,用于:基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额。
一种循环贷款提额设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上任一项所述循环贷款提额方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述循环贷款提额方法的步骤。
本发明提供了一种循环贷款提额方法、装置、设备及存储介质,该方法包括:获取提额准入规则,依次确定符合所述提额准入规则的每个需要实现提额的客户分别为当前客户,并确定预设的多个客群类别中当前客户所属的客群类别为当前客群类别;将当前客户的贷中行为数据输入至与当前客群类别对应的回归模型中,得到所述回归模型输出的数据为当前客户各维度的提额系数;基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额;其中,任意客群类别的回归模型为预先利用历史上属于该任意客群类别的客户的贷中行为数据及相应提额系数训练得到的。本申请确定出客户所属客群类别后,利用客户所属客群类别对应的回归模型基于客户的贷中行为数据确定客户各维度的提额系数,进而基于客户各维度的提额系数及原始授信额度计算得到客户的提额。由于属于不同客群类别的客户具有的特点不同,因此本申请利用客户所属客群类别对应的模型确定客户的提额,也即为利用与客户具有的特点对应的模型确定客户的提额,实现不同客户间的差异化提额确定,以实现提额的准确测算,有效满足客户不同的贷款诉求;并且在利用客户所属客群类别对应的模型确定客户的提额时是根据表现客户贷中行为的贷中行为数据实现的,从而使得计算所得的提额符合客户贷中行为,以实现相应的授信风险把控;综上,本申请能够在把控授信风险把控的前提下,实现提额的准确测算,有效满足客户不同的贷款诉求。
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为本发明实施例提供的一种循环贷款提额方法的流程图;
图2为本发明实施例提供的一种循环贷款提额方法中提额准入规则的获取过程示意图;
图3为本发明实施例提供的一种循环贷款提额方法中回归模型的获取过程示意图;
图4为本发明实施例提供的一种循环贷款提额方法中聚类模型的确定过程示意图;
图5为本发明实施例提供的一种循环贷款提额方法在一种具体实现方式中的流程图;
图6为本发明实施例提供的一种循环贷款提额装置的结构示意图;
图7为本发明实施例提供的一种循环贷款提额设备的示意图;
图8为本发明实施例提供的一种计算机可读存储介质的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明实施例提供的一种循环贷款提额方法的流程图,可以包括:
S11:获取提额准入规则,依次确定符合提额准入规则的每个需要实现提额的客户分别为当前客户,并确定预设的多个客群类别中当前客户所属的客群类别为当前客群类别。
本发明实施例提供的一种循环贷款提额方法的执行主体可以为对应的循环贷款提额装置、设备,而该循环贷款提额装置、设备可以统称为定价引擎,以下以该循环贷款提额方法的执行主体为定价引擎进行具体说明。
其中,循环贷款为多次循环的进行贷款,提额是在循环贷款中提高贷款的额度,本申请实施例中提额则指在循环贷款中提高贷款的额度值。本申请实施例可以根据不同客户的特点预先确定多个客群类别,属于同一客群类别的客户具有的特点是相近的,而属于不同客群类别的客户具有的特点差异是比较大的;基于此,本申请实施例针对不同的客群类别可以预先设置有相应的回归模型,进而在对属于任意客群类别的客户实现提额确定时,则需要按照该任意客群类别相应的回归模型确定客户的提额系数,进而按照客户的提额系数确定相应的提额。具体来说,本申请实施例可以确定任意当前需要实现提额的客户为当前客户,基于当前客户具有的特点确定当前客户所属的客群类别,进而确定当前客户所属的客群类别为当前客群类别,后续针对属于当前客群类别的当前客户实现相应的提额确定。
另外,并不是所有客户都具有提额的资格,因此本申请实施例可以预先建立至少一种提额准入规则,提额准入规则是根据贷款产品的通用授信规则以及客户的历史行为表现数据,制定的提额准入的挡板条件,该条件仅作为客群粗筛,筛选出历史行为表现较好的客户作为下一步的输入。如图2所示,提额准入规则的获取过程具体可以包括:
1、探查客群分布,对客群的通用授信规则标签(表示客户通用授权规则的信息)以及历史行为标签(表示客户历史行为表现数据的信息)进行上下四分位数探查;
2、确定挡板条件,根据上下四分位数确定提额准入客群的挡板条件;如确定属于上下四分位数划分得到的四部分中前两部分或者后两部分或者其他部分的相应数据(通用授权规则标签及历史行为标签中包含的任意数据)为提额准入客群应具有的数据;
3、将提额准入客群的挡板条件作为提额准入规则输出。
提额准入规则的示例可以如表1所示,当然根据实际需要进行的其他设定也均在本发明的保护范围之内。
表1
S12:将当前客户的贷中行为数据输入至与当前客群类别对应的回归模型中,得到回归模型输出的数据为当前客户各维度的提额系数;其中,任意客群类别的回归模型为预先利用历史上属于该任意客群类别的客户的贷中行为数据及相应提额系数训练得到的。
其中,回归模型(regression model)为对统计关系进行定量描述的一种数学模型;各客群类别分别对应的回归模型的训练原理是相同的,对于任意客群类别来说,可以获取历史上属于该任意客群类别的多个客户的贷中行为数据及提额系数,进而利用获取的属于该任意客群类别的历史上多个客户的贷中行为数据及相应提额系数训练回归模型。在确定出当前客户所属的客群类别为当前客群类别后,可以获取当前客户的贷中行为数据,将当前客户的贷中行为数据作为当前客群类别对应的回归模型的输入,即可得到该回归模型输出的数据为当前客户的提额系数。其中,贷中行为数据可以包括准入时长、支用时长、持续还款月份数、平均额度使用率、历史逾期已还次数、贷中负债水平等;相应的提额系数可以包括准入时长系数、支用时长系数、持续还款月份系数、平均额度使用率系数、贷中负债水平系数等。并且,提额系数可以是多维度的,任意客群类别可以对应多个回归模型,该任意客群类别对应的多个回归模型与多个维度的提额系数是一一对应的关系,也即将当前客户的贷中行为数据输入至所属客群类别的任意回归模型中,即可得到该任意回归模型输出的与该任意回归模型对应的提额系数,因此,本申请实施例可以将当前客户的贷中行为数据分别输入至所属客群类别对应的每个回归模型中,得到每个回归模型输出的每个维度的提额系数,这些提额系数可以组成相应的提额系数集。
S13:基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额。
其中,原始授信额度为上次当前客户进行贷款的额度,而基于当前客户各维度的提额系数及原始授信额度确定相应提额可以是:提额=原始授信额度*准入时长系数*支用时长系数*持续还款月份系数*平均额度使用率系数*贷中负债水平系数。从而实现当前客户提额的准确计算。
本申请确定出客户所属客群类别后,利用客户所属客群类别对应的回归模型基于客户的贷中行为数据确定客户各维度的提额系数,进而基于客户各维度的提额系数及原始授信额度计算得到客户的提额。由于属于不同客群类别的客户具有的特点不同,因此本申请利用客户所属客群类别对应的模型确定客户的提额,也即为利用与客户具有的特点对应的模型确定客户的提额,实现不同客户间的差异化提额确定,以实现提额的准确测算,有效满足客户不同的贷款诉求;并且在利用客户所属客群类别对应的模型确定客户的提额时是根据表现客户贷中行为的贷中行为数据实现的,从而使得计算所得的提额符合客户贷中行为,以实现相应的授信风险把控;综上,本申请能够在把控授信风险把控的前提下,实现提额的准确测算,有效满足客户不同的贷款诉求。
本发明实施例提供的一种循环贷款提额方法,基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额之后,还可以包括:
按照提额越高提额锁定期越短的方式设置当前客户的提额锁定期,以在设置的提额锁定期到期后重新确定当前客户的提额。
其中,提额锁定期即为按照客户的提额为其提供贷款的时期;本申请实施例在确定出当前客户提额之后,可以按照提额(此处可以为最终的提额)越高锁定期越短的方式设定当前客户的提额锁定期,进而在提额锁定期到期后按照本申请实施例提供的循环贷款提额方法重新确定客户的提额,以进一步有效把控客户的授信风险。
另外,还可以为不同的客群类别设定相应的提额锁定期,也即客群类别与提额锁定期是一一对应的,进而在确定当前客户的提额锁定期时确定当前客户所属的客群类别对应提额锁定期为当前客户的提额锁定期,示例可以如表2所示。
表2
客群类别 | 提额锁定期 |
大额低频 | 180d |
小额高频 | 60d |
本发明实施例提供的一种循环贷款提额方法,基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额之后,还可以包括:
判断当前客户的提额是否超出当前客群类别对应的提额上限,如果是,则确定当前客群类别对应提额上限为当前客户最终的提额,否则,确定当前客户的提额为当前客户最终的提额。
为了进一步实现授信风险把控,本申请实施例还可以预先为每个客群类别设置相应的提额上限(客群类别与提额上限一一对应),从而在确定出当前客户提额后,如果当前客户的提额超出所属客群类别的提额上限,则将当前客户的提额更新为所属客群类别的提额上限,也即仅需上限值盖帽,否则,无需实现上述更新,示例可以如表3所示。
表3
客群类别 | 额度上限 |
下探客群1且B类客群 | ≤20万 |
下探客群1且C类客群 | ≤15万 |
下探客群2且B类客群 | ≤15万 |
下探客群2且C类客群 | ≤10万 |
本发明实施例提供的一种循环贷款提额方法,基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额之前,还可以包括:
依次确定当前客户各维度的提额系数所属的系数分组分别为当前分组,并将当前客户各维度的提额系数分别更新为所属当前分组的统一提额系数;其中,任意维度提额系数的系数分组为预先对客户能够具有的全部该任意维度的提额系数进行划分得到的。
对于任意维度的提额系数,全部客群类别可以对应有统一的该任意维度提额系数的系数分组,不同的客群类别也可以分别对应有该任意维度提额系数相应的系数分组;具体来说,对于前一种情况,可以对用户能够具有的全部该任意维度提额系数进行划分得到相应的至少一个系数分组,进而在确定当前客户该任意维度提额系数所属系数分组时,直接确定当前客户的该任意维度提额系数所属的系数分组即可;对于后一种情况,对属于任意客群类别的用户能够具有的全部该任意维度提额系数进行划分得到相应的至少一个系数分组,也即为与该任意客群类别对应的该任意维度提额系数的系数分组,进而在确定当前客户该任意维度提额系数所属的系数分组时,需要确定当前客户该任意维度提额系数所属的与当前客群类别对应的系数分组。
本申请实施例针对不同客群类别针对同一维度的提额系数分别具有相应的系数分组进行具体说明,对于任意客群类别来说,本申请实施例可以将该任意客群类别内客户能够具有的全部该任意提额系数进行划分,从而得到与该任意客群类别对应的该任意提额系数的系数分组,每个系数分组均具有一个对应的统一提额系数,在一种具体实现方式中,任意系数分组的统一提额系数可以为该任意系数分组内全部提额系数的平均值,也可以为根据实际需要设定的其他值,均在本发明的保护范围之内;相应的,在确定出当前客户的任意提额系数之后,还可以确定当前客户的该任意提额系数所属的当前客群类别对应该任意提额系数的系数分组,然后将该系数分组的统一提额系数作为当前客户的提额系数,从而在后续将该系数分组的统一提额系数作为当前客户的提额系数实现相应的计算,减少后续需要计算的提额系数的数量,也即减少计算量,提高计算效率。
本发明实施例提供的一种循环贷款提额方法,利用历史上任意客群类别的客户的贷中行为数据及相应提额系数训练得到回归模型,可以包括:
获取历史上任意客群类别的客户的贷中行为数据及相应提额系数;
利用获取的贷中行为数据及相应提额系数训练得到相应的回归模型,确定训练所用的贷中行为数据中包含的各项指标数据在训练过程中所占的权重,并确定符合要求的权重对应指标数据为入模变量;
相应的,将当前客户的贷中行为数据输入至与当前客群类别对应的回归模型中,可以包括:
将当前客户的贷中行为数据中与入模变量对应的指标数据,输入至与当前客群类别对应的回归模型中。
需要说明的是,贷中行为数据中包含的每项数据均可以称之为指标数据,由于本申请中采集有较多的指标数据,但是有些指标数据对提额系数的影响较大,有些指标数据对提额系数的影响较小,因此为了进一步减少回归模型学习的数据量,进而提高提额系数的确定效率,本申请实施例可以在利用历史上任意客群类别的客户的贷中行为数据及相应提额系数训练回归模型的过程中,确定各个指标数据在训练过程中所占的权重,且所占权重越大表示对提额系数的影响越大,相应的本申请选取符合要求(较大,如大于根据实际需要设定的阈值)的指标参数作为与该任意客群类别对应的入模变量,进而仅选取当前客户的贷中行为数据中与当前客群类别的入模变量对应的指标数据作为回归模型需要学习的数据,将其输入至回归模型以学习到相应的提额系数。
在一种具体实现方式中,如图3所示,回归模型的获取过程可以包括:
1、变量选择。贷中行为数据的变量维度可以包含准入时长、支用时长、持续还款月份数、平均额度使用率、历史逾期已还次数、贷中负债水平等。
2、确定提额系数。将上一步中的变量作为输入,通过回归模型拟合各维度的提额系数;且可以按照下式得到客户最终的提额系数(可以称之为综合提额系数),并在后期需要使用客户的提额系数时均利用综合提额系数替换客户各维度的提额系数进行使用,而客户最终的提额系数=准入时长系数*支用时长系数*持续还款月份系数*平均额度使用率系数*贷中负债水平系数。
3、模型评估。验证提额系数分布情况,提额系数分布需要符合以下规律:提额系数越大,客户行为表现越良好,其逾期率越低,授信通过率越高,平均提额额度越大。
4、模型部署。输出提额系数的集合及提额系数的系数分组。
其中,提额时长系数可以如表4所示,还款月份系数可以如表5所示,平均额度使用率系数可以如表6所示。具体来说,提额时长为距上次提额成功时间,如无提额时间则使用首次准入时间;提额还款月份数为距上次提额成功后时长,如无提额时间取过去1年内还款月份数。
表4
提额时长 | 提额时长系数 |
<90天 | 1 |
<180天 | 1.01 |
<270天 | 1.02 |
>=270天 | 1.03 |
表5
还款月份数 | 还款月份系数 |
[0-3) | 1 |
[3-6) | 1.03 |
[6-9) | 1.05 |
9+ | 1.1 |
表6
年均额度使用率 | 使用率系数 |
<30% | 1 |
<50% | 1.01 |
<70% | 1.02 |
>=70% | 1.03 |
本发明实施例提供的一种循环贷款提额方法,确定预设的多个客群类别中当前客户所属的客群类别为当前客群类别,可以包括:
基于预先获取的聚类指标阈值对当前客户的授信标签数据进行特征聚合,得到当前客户所属的客群类别为当前客群类别;
相应的,获取聚类指标阈值,可以包括:
获取历史上多个客户的授信标签数据,对获取的多个客户的授信标签数据进行聚类,得到该多个客户分别所属的多个客群类别,并确定聚类过程中将该多个客户进行特征聚合得到相应多个客群类别时所用的聚类指标阈值。
其中,授信标签数据可以包含客户基本情况(行业、单位性质、性别及地区)、收入水平、负债水平、金融资产水平、个人纳税情况、公积金存缴情况、社保缴纳情况等;而聚类得到聚类模型的过程可以包括:获取历史上多个客户的授信标签数据作为输入变量;输入聚类的个数k和最大迭代次数N,根据输入变量初始化k个聚类中心;分配各授信标签数据(数据对象)到距离最近的类中,形成初步聚类;反复上述过程,直至收敛或迭代次数达到N;根据最终聚类的结果输出聚类指标阈值。聚类模型即为根据各聚类指标阈值确定客户所属客群类别的模型,具体来说,聚类模型在确定当前客户所属类别时,将当前客户的授信标签数据中各数据分别与相应数据的聚类指标阈值进行比对,从而在当前客户的授信标签数据中各数据分别符合任意客群类别相应的聚类指标阈值时,确定当前客户所属的客群类别即为该任意客群类别,从而通过上述方式实现当前客群所属类别的准确确定。
在一种实现方式中,如图4所示,聚类模型的确定过程可以包括:
1、确定输入变量。获取客户授信标签数据作为输入变量;
2、输入聚类个数k和最大迭代次数N,根据输入变量初始化k个聚类中心;
3、分配各数据对象到距离最近的类中,形成初步聚类;
4、反复上述过程,直至收敛或迭代次数达到N;
5、根据最终聚类结果,输出聚类指标阈值,并输出客群聚类标签作为客群的分流类别,例如客群Ⅰ、客群Ⅱ、客群Ⅲ。
而对获取的多个客户的贷中行为数据进行聚类,可以包括:利用密度聚类算法和/或层次聚类算法对获取的多个客户的贷中行为数据进行聚类。当然根据实际需要选择的其他聚类算法也均在本发明的保护范围之内。
在一种具体实现方式中,如图5所示,本发明实施例提供的一种循环贷款提额方法可以包括如下步骤:
1、获取至少一种提额准入规则。根据贷款产品的通用授信规则以及客户的历史行为表现数据,制定提额准入的挡板条件,该条件仅作为客群粗筛,筛选出历史行为表现较好的客户作为下一步的输入。
2、获取一种提额分流模型,用于对提额准入的客群做特征划分,输出提额客群的聚类标签,作为客群的分流类别。
其中,获取提额分流模型进一步包括:
(1)确定输入变量。获取客户授信标签数据作为输入变量,授信标签数据包含客户基本情况(行业、单位性质、性别及地区)、收入水平、负债水平、金融资产水平、个人纳税情况、公积金存缴情况、社保缴纳情况等;
(2)输入聚类的个数k和最大迭代次数N,根据输入变量初始化k个聚类中心;
(3)分配各数据对象到距离最近的类中,形成初步聚类;
(4)反复上述过程,直至收敛或迭代次数达到N;
(5)根据最终聚类结果,输出客群聚类标签作为客群的分流类别,例如客群Ⅰ、客群Ⅱ、客群Ⅲ。
3、获取一种回归模型,用于输出不同类别客群的提额系数集及提额系数分组。
其中,回归模型进一步可以包括:
(1)变量选择。贷中行为表现数据的变量维度包含准入时长、支用时长、持续还款月份数、平均额度使用率、历史逾期已还次数、贷中负债水平等。
(2)确定提额系数集。将上一步中的变量作为输入,通过回归模型拟合各维度的提额系数,客户最终的提额系数=准入时长系数*支用时长系数*持续还款月份系数*平均额度使用率系数*贷中负债水平系数。
(3)模型评估。验证提额系数分布情况,提额系数分布符合以下规律:提额系数越大,客户行为表现越良好,其逾期率越低,授信通过率越高,平均提额额度越大。
(4)模型部署。输出提额系数集及提额系数分组。
4、获取提额授信额度,用于根据提额系数集确定不同类别客群的提额区间(也即为提额),并输出客户最终的提额授信额度;示例可以如表7所示。
表7
行为模型分组 | 提额档次 |
Ⅰ组 | 提额区间Ⅰ |
Ⅱ组 | 提额区间Ⅱ |
…… | …… |
N组 | 提额区间N |
其中,获取提额授信额度进一步可以包括:
(1)根据提额系数集确定提额区间。提额区间=原始授信额度*准入时长系数*支用时长系数*持续还款月份系数*平均额度使用率系数*贷中负债水平系数。
(2)根据客群类别确定提额锁定期。
(3)确定最终提额授信额度。判断上述方法计算出的提额区间是否超出该客群设定的提额上限,若超出上限,则进行上限值盖帽,并输出最终提额授信额度;若未超出上限,则直接输出提额授信额度。
本申请通过建立多个模型,实现对不同特征表现客群的分流,进而实现差异化的提额策略,以形成客户良性进阶式循环提额,在把控授信风险的前提下,提升客户支用意愿,增加金融平台的营收;采用客群分流+行为模型的组合实施方式,避免较单一策略部署造成的“一放就松、一抓就紧”的局面,根据客户的贷中行为表现数据进行良性循环的额度计算,利于优质客户的长期培养和高风险客户的及时甄别。可见,本申请能够根据客户的贷中行为数据、风险特征对客户进行分流,从而制定差异化的提额方法,以达到最优风险管控和资源配置的目的。
本发明实施例还提供了一种循环贷款提额装置,如图6所示,可以包括:
确定模块11,用于:获取提额准入规则,依次确定符合提额准入规则的每个需要实现提额的客户分别为当前客户,并确定预设的多个客群类别中当前客户所属的客群类别为当前客群类别;
系数获取模块12,用于:将当前客户的贷中行为数据输入至与当前客群类别对应的回归模型中,得到回归模型输出的数据为当前客户各维度的提额系数;其中,任意客群类别的回归模型为预先利用历史上属于该任意客群类别的客户的贷中行为数据及相应提额系数训练得到的;
提额获取模块13,用于:基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额。
本发明实施例提供的一种循环贷款提额装置,还可以包括:
设置模块,用于:基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额之后,按照提额越高提额锁定期越短的方式设置当前客户的提额锁定期,以在设置的提额锁定期到期后重新确定当前客户的提额。
本发明实施例提供的一种循环贷款提额装置,还可以包括:
判断模块,用于:基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额之后,判断当前客户的提额是否超出当前客群类别对应的提额上限,如果是,则确定当前客群类别对应提额上限为当前客户最终的提额,否则,确定当前客户的提额为当前客户最终的提额。
本发明实施例提供的一种循环贷款提额装置,还可以包括:
更新模块,用于:基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额之前,依次确定当前客户各维度的提额系数所属的系数分组分别为当前分组,并将当前客户各维度的提额系数分别更新为所属当前分组的统一提额系数;其中,任意维度提额系数的系数分组为预先对客户能够具有的全部该任意维度的提额系数进行划分得到的。
本发明实施例提供的一种循环贷款提额装置,还可以包括:
训练模块,用于:获取历史上任意客群类别的客户的贷中行为数据及相应提额系数;利用获取的贷中行为数据及相应提额系数训练得到相应的回归模型,确定训练所用的贷中行为数据中包含的各项指标数据在训练过程中所占的权重,并确定符合要求的权重对应指标数据为入模变量;
相应的,系数获取模块可以包括:
输入单元,用于:将当前客户的贷中行为数据中与入模变量对应的指标数据,输入至与当前客群类别对应的回归模型中。
本发明实施例提供的一种循环贷款提额装置,确定模块可以包括:
确定单元,用于:基于预先获取的聚类指标阈值对当前客户的授信标签数据进行特征聚合,得到当前客户所属的客群类别为当前客群类别;
相应的,循环贷款提额装置还可以包括:
阈值获取模块,用于:获取历史上多个客户的授信标签数据,对获取的多个客户的授信标签数据进行聚类,得到该多个客户分别所属的多个客群类别,并确定聚类过程中将该多个客户进行特征聚合得到相应多个客群类别时所用的聚类指标阈值。
循环贷款提额装置,阈值获取模块可以包括:
聚类单元,用于:利用密度聚类算法和/或层次聚类算法对获取的多个客户的贷中行为数据进行聚类。
本发明实施例还提供了一种循环贷款提额设备,可以包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上任一项循环贷款提额方法的步骤。
本发明实施例还提供了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,计算机程序被处理器执行时实现如上任一项循环贷款提额方法的步骤。
本领域技术人员可以理解,实现上述全部或部分步骤被实现为由计算机数据处理设备执行的程序(计算机程序);在该计算机程序被执行时,可以实现本发明提供的上述方法。而且,计算机程序可以存储于计算机可读存储介质中,该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质,也可以是多个存储介质组成的存储阵列,例如磁盘或磁带存储阵列。的存储介质不限于集中式存储,其也可以是分布式存储,例如基于云计算的云存储。
下面描述本发明的电子设备(即循环贷款提额设备)实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图7是根据本发明的一种电子设备的示例性实施例的结构框图。下面参照图7来描述根据本发明该实施例的电子设备200。图7显示的电子设备200仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,电子设备200以通用计算设备的形式表现。电子设备200的组件可以包括但不限于:至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
其中,存储单元即为存储器,存储有程序代码,程序代码可以被处理单元210(即处理器)执行,使得处理单元210执行本说明书上述方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元210可以执行如图1所示的步骤。
存储单元220可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)2201和/或高速缓存存储单元2202,还可以进一步包括只读存储单元(ROM)2203。
存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204,这样的程序模块2205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线230可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备200也可以与一个或多个外部设备300(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得客户能与该电子设备200交互的设备通信,和/或与使得该电子设备200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且,电子设备200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当计算机程序被一个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法。计算机程序可以存储于一个或多个计算机可读介质上,如图8所示。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在客户计算设备上执行、部分地在客户设备上执行、作为一个独立的软件包执行、部分在客户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到客户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
以上的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
本发明适用于互联网信贷产品或线上授信产品,可部署性强,灵活度高,且能极大满足互联网信贷背景下的精细化、差异化利率运营思路,以达到最优的风险收益匹配。
对所公开的实施例的上述说明,使本领域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)
1.一种循环贷款提额方法,其特征在于,包括:
获取提额准入规则,依次确定符合所述提额准入规则的每个需要实现提额的客户分别为当前客户,并确定预设的多个客群类别中当前客户所属的客群类别为当前客群类别;
将当前客户的贷中行为数据输入至与当前客群类别对应的回归模型中,得到所述回归模型输出的数据为当前客户各维度的提额系数;其中,任意客群类别的回归模型为预先利用历史上属于该任意客群类别的客户的贷中行为数据及相应提额系数训练得到的;
基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额。
2.根据权利要求1所述的方法,其特征在于,基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额之后,还包括:
按照提额越高提额锁定期越短的方式设置当前客户的提额锁定期,以在设置的所述提额锁定期到期后重新确定当前客户的提额。
3.根据权利要求2所述的方法,其特征在于,基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额之后,还包括:
判断当前客户的提额是否超出当前客群类别对应的提额上限,如果是,则确定当前客群类别对应提额上限为当前客户最终的提额,否则,确定当前客户的提额为当前客户最终的提额。
4.根据权利要求3所述的方法,其特征在于,基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额之前,还包括:
依次确定当前客户各维度的提额系数所属的系数分组分别为当前分组,并将当前客户各维度的提额系数分别更新为所属当前分组的统一提额系数;其中,任意维度提额系数的系数分组为预先对客户能够具有的全部该任意维度的提额系数进行划分得到的。
5.根据权利要求4所述的方法,其特征在于,利用历史上任意客群类别的客户的贷中行为数据及相应提额系数训练得到回归模型,包括:
获取历史上任意客群类别的客户的贷中行为数据及相应提额系数;
利用获取的贷中行为数据及相应提额系数训练得到相应的回归模型,确定训练所用的贷中行为数据中包含的各项指标数据在训练过程中所占的权重,并确定符合要求的权重对应指标数据为入模变量;
相应的,将当前客户的贷中行为数据输入至与当前客群类别对应的回归模型中,包括:
将当前客户的贷中行为数据中与所述入模变量对应的指标数据,输入至与当前客群类别对应的回归模型中。
6.根据权利要求5所述的方法,其特征在于,确定预设的多个客群类别中当前客户所属的客群类别为当前客群类别,包括:
基于预先获取的聚类指标阈值对当前客户的授信标签数据进行特征聚合,得到当前客户所属的客群类别为当前客群类别;
相应的,获取所述聚类指标阈值,包括:
获取历史上多个客户的授信标签数据,对获取的多个客户的授信标签数据进行聚类,得到该多个客户分别所属的多个客群类别,并确定聚类过程中将该多个客户进行特征聚合得到相应多个客群类别时所用的聚类指标阈值。
7.根据权利要求6所述的方法,其特征在于,对获取的多个客户的贷中行为数据进行聚类,包括:
利用密度聚类算法和/或层次聚类算法对获取的多个客户的贷中行为数据进行聚类。
8.一种循环贷款提额装置,其特征在于,包括:
确定模块,用于:获取提额准入规则,依次确定符合所述提额准入规则的每个需要实现提额的客户分别为当前客户,并确定预设的多个客群类别中当前客户所属的客群类别为当前客群类别;
系数获取模块,用于:将当前客户的贷中行为数据输入至与当前客群类别对应的回归模型中,得到所述回归模型输出的数据为当前客户各维度的提额系数;其中,任意客群类别的回归模型为预先利用历史上属于该任意客群类别的客户的贷中行为数据及相应提额系数训练得到的;
提额获取模块,用于:基于当前客户各维度的提额系数及原始授信额度确定当前客户的提额。
9.一种循环贷款提额设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述循环贷款提额方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述循环贷款提额方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110655863.2A CN113379533A (zh) | 2021-06-11 | 2021-06-11 | 一种循环贷款提额方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110655863.2A CN113379533A (zh) | 2021-06-11 | 2021-06-11 | 一种循环贷款提额方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113379533A true CN113379533A (zh) | 2021-09-10 |
Family
ID=77574084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110655863.2A Pending CN113379533A (zh) | 2021-06-11 | 2021-06-11 | 一种循环贷款提额方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113379533A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114358519A (zh) * | 2021-12-15 | 2022-04-15 | 四川新网银行股份有限公司 | 一种智能信贷额度利率调整方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590734A (zh) * | 2017-08-21 | 2018-01-16 | 中国建设银行股份有限公司 | 确定授信额度的方法及装置、终端设备和计算机存储介质 |
CN110335141A (zh) * | 2019-06-29 | 2019-10-15 | 北京淇瑀信息科技有限公司 | 一种基于多模型的授信额度确定方法、装置和电子设备 |
CN110349000A (zh) * | 2019-06-29 | 2019-10-18 | 上海淇毓信息科技有限公司 | 基于用户分群的提额策略确定方法、装置和电子设备 |
CN110348991A (zh) * | 2019-06-21 | 2019-10-18 | 上海淇馥信息技术有限公司 | 评估用户授信额度上限的方法、装置和电子设备 |
CN110415103A (zh) * | 2019-07-02 | 2019-11-05 | 上海淇毓信息科技有限公司 | 基于变量影响度指标进行用户分群提额的方法、装置和电子设备 |
CN110807527A (zh) * | 2019-09-30 | 2020-02-18 | 北京淇瑀信息科技有限公司 | 一种基于客群筛选的额度调整方法、装置和电子设备 |
CN112581256A (zh) * | 2020-12-14 | 2021-03-30 | 中国建设银行股份有限公司 | 授信额度数据处理的方法、装置、设备和计算机可读介质 |
CN112598500A (zh) * | 2020-12-21 | 2021-04-02 | 中国建设银行股份有限公司 | 一种无额度客户的授信处理方法及系统 |
-
2021
- 2021-06-11 CN CN202110655863.2A patent/CN113379533A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107590734A (zh) * | 2017-08-21 | 2018-01-16 | 中国建设银行股份有限公司 | 确定授信额度的方法及装置、终端设备和计算机存储介质 |
CN110348991A (zh) * | 2019-06-21 | 2019-10-18 | 上海淇馥信息技术有限公司 | 评估用户授信额度上限的方法、装置和电子设备 |
CN110335141A (zh) * | 2019-06-29 | 2019-10-15 | 北京淇瑀信息科技有限公司 | 一种基于多模型的授信额度确定方法、装置和电子设备 |
CN110349000A (zh) * | 2019-06-29 | 2019-10-18 | 上海淇毓信息科技有限公司 | 基于用户分群的提额策略确定方法、装置和电子设备 |
CN110415103A (zh) * | 2019-07-02 | 2019-11-05 | 上海淇毓信息科技有限公司 | 基于变量影响度指标进行用户分群提额的方法、装置和电子设备 |
CN110807527A (zh) * | 2019-09-30 | 2020-02-18 | 北京淇瑀信息科技有限公司 | 一种基于客群筛选的额度调整方法、装置和电子设备 |
CN112581256A (zh) * | 2020-12-14 | 2021-03-30 | 中国建设银行股份有限公司 | 授信额度数据处理的方法、装置、设备和计算机可读介质 |
CN112598500A (zh) * | 2020-12-21 | 2021-04-02 | 中国建设银行股份有限公司 | 一种无额度客户的授信处理方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114358519A (zh) * | 2021-12-15 | 2022-04-15 | 四川新网银行股份有限公司 | 一种智能信贷额度利率调整方法及装置 |
CN114358519B (zh) * | 2021-12-15 | 2024-04-05 | 四川新网银行股份有限公司 | 一种智能信贷额度利率调整方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564286B (zh) | 一种基于大数据征信的人工智能金融风控授信评定方法和系统 | |
CN112270545A (zh) | 基于迁移样本筛选的金融风险预测方法、装置和电子设备 | |
CN107220217A (zh) | 基于逻辑回归的特征系数训练方法和装置 | |
CN113159835B (zh) | 基于人工智能的发电侧电价报价方法、装置、存储介质及电子设备 | |
CN110147389A (zh) | 帐号处理方法和装置、存储介质及电子装置 | |
CN112561685B (zh) | 客户的分类方法和装置 | |
CN107609771A (zh) | 一种供应商价值评价方法 | |
CN110363575A (zh) | 一种授信用户动支意愿预测方法、装置和设备 | |
CN111967954A (zh) | 一种资源归还增比确定方法、装置和电子设备 | |
CN112017042A (zh) | 基于tweedie分布的资源配额确定方法、装置和电子设备 | |
CN107590737A (zh) | 个人信用评分以及信用额度测算方法 | |
CN111192133A (zh) | 用户贷后风险模型生成方法、装置及电子设备 | |
CN115545886A (zh) | 逾期风险识别方法、装置、设备及存储介质 | |
CN107688901B (zh) | 数据调整方法及装置 | |
CN113379533A (zh) | 一种循环贷款提额方法、装置、设备及存储介质 | |
CN114358519B (zh) | 一种智能信贷额度利率调整方法及装置 | |
CN111144627A (zh) | 用户逾期还款预测方法、装置及电子设备 | |
CN114723481A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN115034685A (zh) | 客户价值评估方法、装置和计算机可读存储介质 | |
CN114693428A (zh) | 数据确定方法、装置、计算机可读存储介质及电子设备 | |
CN112907362A (zh) | 贷款业务的处理方法、装置、电子设备和存储介质 | |
CN113674013A (zh) | 一种基于商户自定义规则的广告竞价调整方法及系统 | |
CN115147117A (zh) | 资源使用异常的账户群组识别方法、装置及设备 | |
CN112508608A (zh) | 一种推广活动配置方法、系统、计算机设备及存储介质 | |
CN112116253A (zh) | 一种中心网点选择的方法、装置和系统 |
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: 20210910 |
|
RJ01 | Rejection of invention patent application after publication |