CN113989017A - 一种对公客户贷后风险预警装置和方法 - Google Patents

一种对公客户贷后风险预警装置和方法 Download PDF

Info

Publication number
CN113989017A
CN113989017A CN202111218222.7A CN202111218222A CN113989017A CN 113989017 A CN113989017 A CN 113989017A CN 202111218222 A CN202111218222 A CN 202111218222A CN 113989017 A CN113989017 A CN 113989017A
Authority
CN
China
Prior art keywords
risk
client
early warning
risk early
cash
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
Application number
CN202111218222.7A
Other languages
English (en)
Inventor
�田�浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Agricultural Bank of China Hebei Branch
Original Assignee
Agricultural Bank of China Hebei Branch
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Agricultural Bank of China Hebei Branch filed Critical Agricultural Bank of China Hebei Branch
Priority to CN202111218222.7A priority Critical patent/CN113989017A/zh
Publication of CN113989017A publication Critical patent/CN113989017A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q40/00Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03Credit; Loans; Processing thereof

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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种对公客户贷后风险预警装置和方法。预警装置包括数据库、风险评估模块和风险预警模块。预警方法包括导入客户基本信息、筛选客户、提取指标数据、风险评估、风险预警和风险处理。本发明可以识别贷款企业客户经营财务状况存在的风险信号,自动将预警信息提示给银行客户经理,解决了企业因行业政策、投资失败的等影响而形成企业欠息、不良贷款的问题,有效的提升了客户经理对风险的识别、监测和处理能力,对贷款安全和风险控制有至关重要的作用。

Description

一种对公客户贷后风险预警装置和方法
技术领域
本发明涉及一种风险预警装置和方法,尤其涉及一种对公客户贷后风险预警装置和方法,属于信息管理技术领域。
背景技术
近两年以来,受国家宏观经济调控政策变化和疫情的影响,企业的生产经营环境日益复杂多变。大部分企业经营出现负增长、资金短缺,由此导致企业还款不及时产生欠息和不良贷款等问题。根据银保监会统计,商业银行的不良贷款额度逐年上升。
在此背景下,企业贷款风险具有隐蔽性强、风险多样化的特点,风险防控的难度进一步加大。对于银行内部,长期以来贷后管理工作一直是信贷管理中的薄弱环节。由于客户经理的贷后管理思想意识弱,缺乏风险识别专业知识和工具,导致不能及时采取回款措施,从而增加了企业不良贷款的风险性。
因此通过技术手段来加强贷后管理工作,对于贷后风险控制和防止不良贷款的发生有至关重要的作用。
发明内容
本发明的目的是提供一种对公客户贷后风险预警装置和方法。
本发明采用的技术方案是:
技术方案一:
一种对公客户贷后风险预警装置,包括数据库、风险评估模块和风险预警模块;所述数据库存储的数据包括客户基本信息、贷款信息、企业财务指标信息、风险等级信息,企业财务指标信息包括客户月度/季度财务报表数据中的利润表、资产负债表、现金流量表;客户基本信息包括客户ID、客户经理ID;风险等级信息包括风险等级名称、阈值和相应的处置规则;风险评估模块从数据库中利润表、资产负债表、现金流量表中提取下列指标:主营业务收入、主营业务利润、营业利润、利润总额、利润净额、流动资产、短期投资、应收账款、预付账款、其他应收账款、长期投资、固定资产、资产总计、流动负债、短期借款、应付账款、其他应付账款、应付工资、长期负债、长期借款、负债总计、所有者权益、销售商品、提供劳务收到的现金、经营活动现金流入、经营活动现金流出、经营活动产生的现金流量净额、投资活动现金流入、投资活动现金流出、净现金流量,合并为模型数据表,采用主成分分析算法对模型数据表中的数据项进行处理,得到财务指标特征值与贡献率,贡献率为该指标所包含原始指标的信息量,风险评价指标为各指标以其贡献率作为权重系数的加权平均值;比较风险评价指标和各风险等级阈值,确定风险等级级别;将客户ID和风险等级级别输出至风险预警模块;风险预警模块查询客户基本信息,确定对应客户经理,将客户ID及其风险预警等级发送给对应的客户经理;客户经理根据各风险预警等级的规制规则进行处理。
技术方案二:
一种应用于技术方案一的预警方法,包括以下步骤:
步骤1:导入客户基本信息:在数据库中导入客户基本信息、贷款信息和企业财务指标信息,企业财务指标信息包括客户月度/季度财务报表数据中的利润表、资产负债表、现金流量表;客户基本信息包括客户ID、客户经理ID;
步骤2:筛选客户:剔除数据库中已形成不良的客户和未录入企业财务报表的客户;
步骤3:提取指标数据:从利润表、资产负债表、现金流量表中提取下列指标:主营业务收入、主营业务利润、营业利润、利润总额、利润净额、流动资产、短期投资、应收账款、预付账款、其他应收账款、长期投资、固定资产、资产总计、流动负债、短期借款、应付账款、其他应付账款、应付工资、长期负债、长期借款、负债总计、所有者权益、销售商品、提供劳务收到的现金、经营活动现金流入、经营活动现金流出、经营活动产生的现金流量净额、投资活动现金流入、投资活动现金流出、净现金流量,合并为模型数据表;
步骤4:风险评估:包括以下具体步骤:
步骤4-1:风险预警模型采用主成分分析算法对模型数据表中的数据项进行处理,得到财务指标特征值与贡献率,贡献率为该指标所包含原始指标的信息量,风险评价指标为各指标以其贡献率作为权重系数的加权平均值;
步骤4-2:根据风险预警机制要求,将模型输出的风险预警信息划分轻度风险预警、中度风险预警和高度风险预警,当风险评价指标大于第一阈值时,客户的风险预警等级为高度风险预警,当风险评价指标大于第二阈值且小于等于第一阈值时,客户的风险预警等级为中度风险预警,当风险评价指标小于等于第二阈值时,客户的风险预警等级为低度风险预警;
步骤5:风险预警:查询客户基本信息,确定对应客户经理,将客户ID及其风险预警等级发送给对应的客户经理;
步骤6:风险处理:客户经理根据各风险预警等级的规制规则进行处理。
本发明取得的有益技术效果是:本发明能够及时发现对公客户潜在的贷款风险信息,将不同等级的风险线索和处置要求自动发布给银行客户经理,有效的防范了不良贷款的形成;
2、有效的提升了客户经理对风险的识别、监测和处理能力,解决了企业因行业政策、投资失败的等影响而形成企业欠息、不良贷款的问题。
附图说明
图1是本发明实施例1的结构示意图;
图2是本发明实施例2的流程图。
具体实施方式
实施例1:
一种客户贷后风险预警装置,包括数据库、风险评估模块和风险预警模块;所述数据库存储的数据包括客户基本信息、贷款信息、企业财务指标信息、风险等级信息,企业财务指标信息包括客户月度/季度财务报表数据中的利润表、资产负债表、现金流量表;客户基本信息包括客户ID、客户经理ID;风险等级信息包括风险等级名称、阈值和相应的处置规则;风险评估模块从数据库中利润表、资产负债表、现金流量表中提取下列指标:主营业务收入、主营业务利润、营业利润、利润总额、利润净额、流动资产、短期投资、应收账款、预付账款、其他应收账款、长期投资、固定资产、资产总计、流动负债、短期借款、应付账款、其他应付账款、应付工资、长期负债、长期借款、负债总计、所有者权益、销售商品、提供劳务收到的现金、经营活动现金流入、经营活动现金流出、经营活动产生的现金流量净额、投资活动现金流入、投资活动现金流出、净现金流量,合并为模型数据表,采用主成分分析算法对模型数据表中的数据项进行处理,得到财务指标特征值与贡献率,贡献率为该指标所包含原始指标的信息量,风险评价指标为各指标以其贡献率作为权重系数的加权平均值;比较风险评价指标和各风险等级阈值,确定风险等级级别;将客户ID和风险等级级别输出至风险预警模块;风险预警模块查询客户基本信息,确定对应客户经理,将客户ID及其风险预警等级发送给对应的客户经理;客户经理根据各风险预警等级的规制规则进行处理。
实施例2:
一种应用于技术方案一的预警方法,包括以下步骤:
步骤1:导入客户基本信息:在数据库中导入客户基本信息、贷款信息和企业财务指标信息,企业财务指标信息包括客户月度/季度财务报表数据中的利润表、资产负债表、现金流量表;客户基本信息包括客户ID、客户经理ID;
步骤2:筛选客户:剔除数据库中已形成不良的客户和未录入企业财务报表的客户;
步骤3:提取指标数据:从利润表、资产负债表、现金流量表中提取下列指标:主营业务收入、主营业务利润、营业利润、利润总额、利润净额、流动资产、短期投资、应收账款、预付账款、其他应收账款、长期投资、固定资产、资产总计、流动负债、短期借款、应付账款、其他应付账款、应付工资、长期负债、长期借款、负债总计、所有者权益、销售商品、提供劳务收到的现金、经营活动现金流入、经营活动现金流出、经营活动产生的现金流量净额、投资活动现金流入、投资活动现金流出、净现金流量,合并为模型数据表;
步骤4:风险评估:包括以下具体步骤:
步骤4-1:风险预警模型采用主成分分析算法对模型数据表中的数据项进行处理,得到财务指标特征值与贡献率,贡献率为该指标所包含原始指标的信息量,风险评价指标为各指标以其贡献率作为权重系数的加权平均值;
步骤4-2:根据风险预警机制要求,将模型输出的风险预警信息划分轻度风险预警、中度风险预警和高度风险预警,当风险评价指标大于第一阈值时,客户的风险预警等级为高度风险预警,当风险评价指标大于第二阈值且小于等于第一阈值时,客户的风险预警等级为中度风险预警,当风险评价指标小于等于第二阈值时,客户的风险预警等级为低度风险预警;
步骤5:风险预警:查询客户基本信息,确定对应客户经理,将客户ID及其风险预警等级发送给对应的客户经理;
步骤6:风险处理:客户经理根据各风险预警等级的规制规则进行处理。

Claims (2)

1.一种对公客户贷后风险预警装置,其特征在于:包括数据库、风险评估模块和风险预警模块;所述数据库存储的数据包括客户基本信息、贷款信息、企业财务指标信息、风险等级信息,企业财务指标信息包括客户月度/季度财务报表数据中的利润表、资产负债表、现金流量表;客户基本信息包括客户ID、客户经理ID;风险等级信息包括风险等级名称、阈值和相应的处置规则;风险评估模块从数据库中利润表、资产负债表、现金流量表中提取下列指标:主营业务收入、主营业务利润、营业利润、利润总额、利润净额、流动资产、短期投资、应收账款、预付账款、其他应收账款、长期投资、固定资产、资产总计、流动负债、短期借款、应付账款、其他应付账款、应付工资、长期负债、长期借款、负债总计、所有者权益、销售商品、提供劳务收到的现金、经营活动现金流入、经营活动现金流出、经营活动产生的现金流量净额、投资活动现金流入、投资活动现金流出、净现金流量,合并为模型数据表,采用主成分分析算法对模型数据表中的数据项进行处理,得到财务指标特征值与贡献率,贡献率为该指标所包含原始指标的信息量,风险评价指标为各指标以其贡献率作为权重系数的加权平均值;比较风险评价指标和各风险等级阈值,确定风险等级级别;将客户ID和风险等级级别输出至风险预警模块;风险预警模块查询客户基本信息,确定对应客户经理,将客户ID及其风险预警等级发送给对应的客户经理;客户经理根据各风险预警等级的规制规则进行处理。
2.一种用于权利要求1所述的对公客户贷后风险预警装置的预警方法,其特征在于:
包括以下步骤:
步骤1:导入客户基本信息:在数据库中导入客户基本信息、贷款信息和企业财务指标信息,企业财务指标信息包括客户月度/季度财务报表数据中的利润表、资产负债表、现金流量表;客户基本信息包括客户ID、客户经理ID;
步骤2:筛选客户:剔除数据库中已形成不良的客户和未录入企业财务报表的客户;
步骤3:提取指标数据:从利润表、资产负债表、现金流量表中提取下列指标:主营业务收入、主营业务利润、营业利润、利润总额、利润净额、流动资产、短期投资、应收账款、预付账款、其他应收账款、长期投资、固定资产、资产总计、流动负债、短期借款、应付账款、其他应付账款、应付工资、长期负债、长期借款、负债总计、所有者权益、销售商品、提供劳务收到的现金、经营活动现金流入、经营活动现金流出、经营活动产生的现金流量净额、投资活动现金流入、投资活动现金流出、净现金流量,合并为模型数据表;
步骤4:风险评估:包括以下具体步骤:
步骤4-1:风险预警模型采用主成分分析算法对模型数据表中的数据项进行处理,得到财务指标特征值与贡献率,贡献率为该指标所包含原始指标的信息量,风险评价指标为各指标以其贡献率作为权重系数的加权平均值;
步骤4-2:根据风险预警机制要求,将模型输出的风险预警信息划分轻度风险预警、中度风险预警和高度风险预警,当风险评价指标大于第一阈值时,客户的风险预警等级为高度风险预警,当风险评价指标大于第二阈值且小于等于第一阈值时,客户的风险预警等级为中度风险预警,当风险评价指标小于等于第二阈值时,客户的风险预警等级为低度风险预警;
步骤5:风险预警:查询客户基本信息,确定对应客户经理,将客户ID及其风险预警等级发送给对应的客户经理;
步骤6:风险处理:客户经理根据各风险预警等级的规制规则进行处理。
CN202111218222.7A 2021-10-20 2021-10-20 一种对公客户贷后风险预警装置和方法 Pending CN113989017A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111218222.7A CN113989017A (zh) 2021-10-20 2021-10-20 一种对公客户贷后风险预警装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111218222.7A CN113989017A (zh) 2021-10-20 2021-10-20 一种对公客户贷后风险预警装置和方法

Publications (1)

Publication Number Publication Date
CN113989017A true CN113989017A (zh) 2022-01-28

Family

ID=79739476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111218222.7A Pending CN113989017A (zh) 2021-10-20 2021-10-20 一种对公客户贷后风险预警装置和方法

Country Status (1)

Country Link
CN (1) CN113989017A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115496370A (zh) * 2022-09-26 2022-12-20 广州鼎盛商业保理有限公司 一种保理业务管理系统与管理方法
CN115619575A (zh) * 2022-12-20 2023-01-17 优保联(北京)科技有限公司 一种针对保险中介机构风险预警的系统
CN116308736A (zh) * 2023-02-15 2023-06-23 广州市花都万穗小额贷款股份有限公司 一种贷款款项预警管理系统
CN117216801A (zh) * 2023-11-07 2023-12-12 江苏航运职业技术学院 一种基于人工智能的企业财务数据安全管理系统及方法
CN117314621A (zh) * 2023-09-26 2023-12-29 山东浪潮爱购云链信息科技有限公司 一种企业债务监控方法、设备及介质

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115496370A (zh) * 2022-09-26 2022-12-20 广州鼎盛商业保理有限公司 一种保理业务管理系统与管理方法
CN115619575A (zh) * 2022-12-20 2023-01-17 优保联(北京)科技有限公司 一种针对保险中介机构风险预警的系统
CN116308736A (zh) * 2023-02-15 2023-06-23 广州市花都万穗小额贷款股份有限公司 一种贷款款项预警管理系统
CN116308736B (zh) * 2023-02-15 2024-04-19 广州市花都万穗小额贷款股份有限公司 一种贷款款项预警管理系统
CN117314621A (zh) * 2023-09-26 2023-12-29 山东浪潮爱购云链信息科技有限公司 一种企业债务监控方法、设备及介质
CN117216801A (zh) * 2023-11-07 2023-12-12 江苏航运职业技术学院 一种基于人工智能的企业财务数据安全管理系统及方法

Similar Documents

Publication Publication Date Title
CN113989017A (zh) 一种对公客户贷后风险预警装置和方法
El-Maude et al. Determinants of non-performing loans in Nigeria’s deposit money banks
CN111476660B (zh) 一种基于数据分析的智能风控系统及方法
Stavárek et al. Theory of financial integration and achievements in the European Union
CN103942718A (zh) 企业信贷信息采集整合方法
US20080021813A1 (en) Method for scoring accounts for retention and marketing accounts based on retention and profitability
US8027894B2 (en) Modeling responsible consumer debt consolidation behavior
CN112801529B (zh) 财务数据分析方法及装置、电子设备及介质
Cotter et al. An analysis of factors influencing asset writedowns
CN112819607A (zh) 股票抵押物贷款回收风险自动预警方法和装置
CN112668947A (zh) 一种基于税务数据的企业信用风险预警方法、系统
Anghelache et al. Statistical-econometric model used to analyze the operational and insolvency risks.
Handorf CAMEL to CAMELS: The risk of sensitivity
Lestari et al. Determinants of Hedging Decisions with Derivative Instruments in Foreign Exchange Banks Listed on the Indonesia Stock Exchange
Toczynski Spend or invest? analyzing mpc heterogeneity across three stimulus programs
Fadjar et al. Analysis calculation of allowance for impairment losses of credit before and after the implementation of Psak 50 & 55 on profit at bank X
Anissa et al. ANALYSIS OF IMPLEMENTATION OF PSAK 71 AGAINST RESERVE LOSS OF IMPAIRMENT WHEN COVID-19 PANDEMIC IN PT. BANK CENTRAL ASIA TBK
Soares et al. A simple fuzzy system applied to predict default rate
Liu et al. Financial fraud identification considering investor heterogeneous beliefs: Evidence from Chinese listed companies
Ling Application of Audit Early Warning Model of Accounts Receivable and Payable Based on Random Forest Algorithm
Krygier Peter van Santen Financial Stability Department
Drábková Fraud risk management from the perspective of CFEBT risk triangle of accounting errors and frauds
Zavareh et al. Investigating of background factors related to abnormal allowance for bad debts in banks of tehran stock exchange
Beckers et al. Developments in Income and Consumption Across Household Groups| Bulletin–January 2024
Komikov RAS and IFRS: differences and similarities

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