CN114240605A - 贷款测算方法、装置、计算机设备和存储介质 - Google Patents
贷款测算方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114240605A CN114240605A CN202111402252.3A CN202111402252A CN114240605A CN 114240605 A CN114240605 A CN 114240605A CN 202111402252 A CN202111402252 A CN 202111402252A CN 114240605 A CN114240605 A CN 114240605A
- Authority
- CN
- China
- Prior art keywords
- loan
- user
- information
- determining
- credit
- 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
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及一种贷款测算方法、装置、计算机设备和存储介质,该方法包括:将用户的贷款申请信息输入预设的评分模型,获得与用户的类型匹配的第一评分值;第一评分值用于表征用户的还款能力;在第一评分值大于预设阈值的情况下,根据第一评分值确定用户对应的贷款额度浮动系数和贷款利率浮动系数;基于贷款额度浮动系数和贷款利率浮动系数确定用户的候选贷款规则,候选贷款规则包括贷款额度以及贷款利息。其中,评分模型是根据不同类型的用户信息训练得到,相当于为不同类型的用户设置的评分标准不同,所以能够避免一刀切的贷款审核模式下导致部分用户的信贷业务无法持续性开展的情况发生。
Description
技术领域
本申请涉及金融信息服务技术领域,特别是涉及一种贷款测算方法、装置、计算机设备和存储介质。
背景技术
随着农村地区经济的日益发展,大量农户的融资需求涌现,所以各信贷机构的农村信贷业务也呈现增长趋势。
目前,农户贷款还是和其他贷款用户一样采用个人信用作为贷款担保,各信贷机构也是按照和其他企业客户相同的贷款申请审核模式为农户提供贷款服务。众所周知,农户用于评价其贷款偿付能力的个人信用信息数量以及质量远不及其他企业或者企业用户。所以各贷款机构采用一刀切的方式为农户提供贷款服务,使得农户的贷款申请的拒贷率很高,即使批准可以为农户提供贷款,往往给予农户的授信额度较低、贷款利率都比较高,导致农户无法很好的利用信贷来发展农业。进而导致农村金融发展缓慢。
发明内容
本申请提供了一种贷款测算方法、装置、计算机设备和存储介质,能够避免一刀切的贷款审核模式下导致部分用户的信贷业务无法持续性开展的情况发生。
第一方面,提供了一种贷款测算方法,该方法包括:
将用户的贷款申请信息输入预设的评分模型,获得与用户的类型匹配的第一评分值;第一评分值用于表征用户的还款能力;
若第一评分值大于预设阈值,则根据第一评分值确定用户对应的贷款额度浮动系数和贷款利率浮动系数;
基于贷款额度浮动系数和贷款利率浮动系数确定用户的候选贷款规则,候选贷款规则包括贷款额度以及贷款利息。
第二方面,提供了一种贷款测算装置,该装置包括:
输入模块,用于将用户的贷款申请信息输入预设的评分模型,获得与用户的类型匹配的第一评分值;第一评分值用于表征用户的还款能力;
第一确定模块,用于在第一评分值大于预设阈值的情况下,根据第一评分值确定用户对应的贷款额度浮动系数和贷款利率浮动系数;
第二确定模块,用于基于贷款额度浮动系数和贷款利率浮动系数确定用户的候选贷款规则,候选贷款规则包括贷款额度以及贷款利息。
第三方面,提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述任一项的方法的步骤。
第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一项的方法的步骤。
第五方面,提供了一种计算机程序产品,包括计算机程序,计算机程序被处理器执行时实现上述任一项的方法的步骤。
本申请提供的贷款测算方法、装置、计算机设备和存储介质,该方法包括:将用户的贷款申请信息输入预设的评分模型,获得与用户的类型匹配的第一评分值;第一评分值用于表征用户的还款能力;在第一评分值大于预设阈值的情况下,根据第一评分值确定用户对应的贷款额度浮动系数和贷款利率浮动系数;基于贷款额度浮动系数和贷款利率浮动系数确定用户的候选贷款规则,候选贷款规则包括贷款额度以及贷款利息。其中,评分模型是根据不同类型的用户信息训练得到,相当于为不同类型的用户设置的评分标准不同,所以能够避免一刀切的贷款审核模式下导致部分用户的信贷业务无法持续性开展的情况发生。
附图说明
图1为一个实施例中贷款测算方法的应用环境图;
图2为一个实施例中贷款测算方法的流程示意图;
图3为一个实施例中贷款测算步骤的流程示意图;
图4为另一个实施例中贷款测算方法的流程示意图;
图5为另一个实施例中贷款测算方法的流程示意图;
图6为另一个实施例中贷款测算方法的流程示意图;
图7为一个实施例中贷款测算装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
本申请提供的贷款测算方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104进行通信。服务器104通过网络从终端102中获得用户用于申请贷款的各项贷款申请信息,将贷款申请信息输入至预设的评分模型中,基于评分模型输出的第一评分值确定与该用户对应的贷款额度浮动系数和贷款利率浮动系数。并根据确定的贷款额度浮动系数和贷款利率浮动系数计算该用户的贷款额度以及贷款利息。其中,评分模型是根据不同类型的用户信息训练得到,相当于为不同类型的用户设置的评分标准不同,所以能够避免一刀切的贷款审核模式下导致部分用户的信贷业务无法持续性开展的情况发生。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种贷款测算方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S202,将用户的贷款申请信息输入预设的评分模型,获得与用户的类型匹配的第一评分值;第一评分值用于表征用户的还款能力。
其中,用户可以是有贷款需求的商业用户或者农业农户,用户可以是通过信贷机构提供的终端设备输入贷款申请信息。终端设备可以是各种个人计算机、笔记本电脑、智能手机、平板电脑等。信贷机构根据用户提供的贷款申请信息是确定用户是否具有申请贷款的资格,以及申请贷款的额度和利率。贷款申请信息例如可以是:用户的基本信息、社会身份信息、行为信息、资产信息等,用户的基本信息例如为用户的姓名、年龄、身份证号、手机号、学历、婚姻状态、健康状态等;社会身份信息例如为职业、工作年限等;行为信息例如为社保缴存年限、社保年缴费额、公积金缴存年限、公积金缴费额等;资产信息包括年均收入、纳税额、固定资产等。
预设的评分模型用于基于用户的贷款申请信息输出对应的第一评分值,第一评分值越高代表用户的还款能力越高,也即用户申请贷款的成功率越高。预设的评分模型可以是包括多个,多个评分模型用于为不同类型的用户输出第一评分值。不同的评分模型根据不同用户的信息训练得到,相当于为不同类型的用户设置了不同的评分标准,使得贷款业务更加的灵活。例如,农业用户申请贷款使用的是与农业用户匹配的评分模型,该评分模型是根据大量农业用户的信息训练得到;商业用户申请贷款使用的是与商业用户匹配的评分模型,该评分模型是根据大量商业用户的信息训练得到;企业用户申请贷款使用的是与企业用户匹配的评分模型,该评分模型是根据大量企业用户的信息训练得到;在此不一一列举。需要说明的是,用户类型的划分标准可以是不同的信贷机构划分标准不同,用户类型的种类也可以是不同信贷机构定义不同,用户类型的确定可以是依据各个信贷机构的业务重心、政策支持、贷款用户、用户来源等确定,本申请对此不加以限定。
基于上述训练得到的评分模型,服务器在接收到用户的贷款申请信息时,首先会根据用户的标识确定用户的类型,再根据用户的类型确定目标评分模型,将用户的贷款申请信息输入至目标评分模型,从而获得用于评价用户还款能力的第一评分值。该第一评分值可以是0-10之间的任一数值,也可以是0-100之间的任一数值,本申请对此不加以限定。
步骤S204,若第一评分值大于预设阈值,则根据第一评分值确定用户对应的贷款额度浮动系数和贷款利率浮动系数。
其中,预设阈值可以是根据与该用户类型匹配的多个历史贷款数据确定。贷款额度浮动系数用于在基准的贷款额度的基础上相应的对不同类型的用户的贷款额度进行上下浮动,以在该用户的还款能力较强时,为用户提供额度较高的贷款,相应的也会根据贷款利率浮动系数调节用户的贷款利率,通过降低用户贷款利率的方式,鼓励优质客户多贷款。相反,若用户的第一评分值较低,表示该用户的还款能力稍弱,那么为此类用户贷款,其风险系数是远高于优质客户的贷款风险,所以此类用户的贷款额度会相应的降低,同时贷款的利率会提高,在一定程度上限制用户的贷款,以更好的管控信贷机构的贷款风险。所以,不同类型的用户贷款额度以及贷款利率会有所不同,以满足不同类型用户的不同需求,通过个性定制化的贷款服务,扩大了满足贷款服务的用户范围,能够为更多的用户提供贷款服务,使得不同类型的用户的贷款业务能够得到持续性的发展。
贷款额度浮动系数以及贷款利率浮动系数例如可以是基于第一评分值以及用户的贷款申请通过预设算法计算得到;还可以是根据预先设置的第一评分值与贷款额度浮动系数的对应关系信息以及第一评分值与贷款利率浮动系数的对应关系信息获得,本申请对比不加以限定。预设算法例如可以是相关性算法等。
步骤S206,基于贷款额度浮动系数和贷款利率浮动系数确定用户的候选贷款规则,候选贷款规则包括贷款额度以及贷款利息。
其中,当贷款额度浮动系数以及贷款利率浮动系数确定后,可以是根据用户输入的贷款申请信息中的贷款申请额度乘以贷款额度浮动系数得到该用户最终的贷款额度;还可以是根据用户输入的贷款申请信息中的贷款产品信息从对应的贷款产品信息与贷款额度对应关系中确定一个初始贷款额度,然后再将贷款额度浮动系数与初始贷款额度相乘得到该用户最终的贷款额度,本申请对此不加以限定。贷款利息等于贷款额度与贷款利率的乘积,所以在确定了用户的贷款额度后,再根据基准贷款利率乘以贷款利率浮动系数确定该用户的贷款利率,最后根据贷款额度与贷款利率确定贷款利息。根据计算得到的贷款额度与贷款利率生成候选贷款规则,以供用户确认。
在一个实施例中,如图3所示,本实施例是在确定了用户的候选贷款规则后的一种可能的方法实施例,该方法实施例包括如下步骤:
步骤S302,根据用户的征信信息确定用户的实际贷款能力是否与候选贷款规则匹配;若用户的实际贷款能力与候选贷款规则匹配,则执行步骤S304;若用户的实际贷款能力与候选贷款规则不匹配,则执行步骤S306;
步骤S304,根据贷款额度以及贷款利息生成用户的贷款合同。
步骤S306,输出拒绝贷款申请的信息。
其中,用户的征信信息是在用户确定根据信贷机构测算得到的贷款额度以及贷款利率继续申请贷款时,信贷机构在用户允许的情况下,在中国人民银行授权的查询平台上查询的用户信息。用户的征信信息能够反映用户过去的信用行为情况。信贷机构根据用户的信用信息,判断是否为用户提供贷款服务,用户的征信信息是信贷机构判断是否为用户提供贷款服务可靠的数据支持。用户的征信信息还能够反映用户的还款能力,根据用户的还款能力确定用户的实际贷款能力,即用户的履约能力,判断用户的实际贷款能力是否与上述确定的候选规则匹配,也即判断用户是否能够基于贷款额度以及贷款利息生成的贷款合同进行履约。若根据用户的征信信息确定用户的实际贷款能力与候选贷款规则匹配,则可以是基于上述过程确定的贷款额度和贷款利息生成贷款合同,并输出该贷款合同,用户在合同上签字后,该贷款合同生效,信贷机构就可以按照贷款合同上的贷款额度为用户发放贷款。若根据用户的征信信息确定用户的实际贷款能力与候选贷款规则不匹配,则可以是输出拒绝贷款申请的信息,并告知客户需要在哪些方面进行改进,以便后续进行贷款申请时,提高通过的概率。
示例性的,基于上述计算过程得到用户A的可以申请的贷款额度为20万,贷款利率为4.35%,用户A确认继续申请贷款后。信贷机构B向用户A征求获取征信信息的同意后,通过中国人民银行授权的查询平台查询用户A的征信信息,若用户A的征信信息中显示其名下办理的信用卡都没有出现逾期的现象,同时,其也没有处于借贷状态的其它贷款,那么就可以确定用户的二十几贷款能力与候选贷款规则匹配,并再次向用户A确认是否申请贷款,在用户A确认其继续申请贷款后,基于贷款额度20万,贷款利率4.35%的贷款规则生成电子贷款合同,在获得用户A的电子签章后,即可进行后续的放贷操作。
本申请提供的贷款测算方法,在对用户的贷款额度以及贷款利息进行测算之后,征得用户同意后,继续根据用户的征信信息确认用户的实际贷款能力是否与候选贷款规则匹配,这样可以避免在最初进行贷款测算时,就查询用户的征信信息,导致用户的征信信息查询次数增多,影响用户的信用。且在通过用户提供的贷款申请信息得到了贷款额度以及贷款利息的基础上,增加用户的征信信息进一步的确认用户是否具有贷款能力,能够把控贷款风险,提高信贷机构对于信贷的风险防控。
在一个实施例中,如图4所示,本实施例是确定第一评分值的一种可选的方法实施例,该方法步骤包括:
步骤S402,将贷款申请信息中的多个子信息分别输入预设的评分模型中,获得与多个子信息对应的多个子评分值。
其中,贷款申请信息中的多个子信息,例如可以是用户的年龄、学历、婚姻状态、健康状态、职业、年均收入、公积金缴费额等输入至预设的评分模型中,各个子信息对应都有一个评分值,也即多个子信息输入至评分模型中,可以得到多个子评分值。需要说明的时,不同的信贷机构在为用户提供贷款服务时,可以是根据用户的不同信息进行实际贷款能力的评判,本申请对此不加以限定。
步骤S404,根据多个子评分值以及多个子信息对应的权重系数,确定第一评分值。
其中,基于上述步骤从评分模型中获得了多个子信息的评分值后,再根据预先为用户的子信息配置的权重系数,将多个子信息与对应的多个权重系数进行加权求和,得到第一评分值。需要说明的是,不同的信贷机构,可以根据信贷机构的内部信贷规则、业务发展规划、内部信贷数据等为用户的子信息确定不同的比例权重。例如,中国建设银行将用户的公积金缴费额的权重系数设置的较高;中国工商银行将用户的年收入的权重系数设置的较高;浦发银行将用户的固定资产的权重系数设置的较高;中国邮政储蓄银行将用户的纳税额设置的权重系数较高等。所以用户的同一信息,可以是根据各个信贷机构不同的政策设置有不同的权重系数。
示例性的,信贷机构B需要根据用户的固定资产、健康状态、婚姻状态、年龄确定用户的贷款额度以及贷款利率,则可以是将固定资产信息输入评分模型中得到评分值6,将健康状态输入至评分模型中得到评分5,将婚姻状态输入评分模型中得到评分值3,将年龄输入评分模型中得到评分值7;根据预设的权重系数表获得固定资产信息所占的权重为70%,健康状态所占的权重为40%,婚姻状态所占的权重为10%,年龄所占的权重为20%。那么,得到的第一评分值为6×70%+5×40%+3×10%+7×20%=10.6。
本申请提供的贷款测算方法,根据用户发送的贷款申请信息中的多个子信息分别确定评分值,从多维度对用户的贷款额度以及贷款利率进行测算,使得对用户贷款额度以及贷款利率的测算更加的精细化,从多维度考虑用户的还款能力。且针对用户的不同贷款信息设置不同的比例权重,进一步的避免一刀切的审核方式,导致部分用户无法贷款,提高了部分用户的可贷率以及贷款额度,能够更好的发展信贷机构的信贷业务。
在一个实施例,如图5所示,本实施例是对评分模型进行训练的一种可选的方法实施例,该方法包括如下步骤:
步骤S502,获取训练样本,训练样本包括不同类型的用户信息以及与不同类型的用户信息对应的评分值。
其中,不同类型的用户可以是商业用户,可以是农业用户,还可以是企事业单元用户等,在此不做限定。可以是根据不同的用户采集不同的用户贷款申请信息,以及根据不同用户的不同信息配置不同的评分值。以使针对不同的用户形成不同的贷款额度以及贷款利率的审核标准。例如,针对农业用户,采集的信息可以是用户的年龄、健康状况、固定资产、婚姻状况等信息,然后为不年龄设置不同的评分,为不同的健康状况设置不同的评分等。在这里需要说明的是,针对目前农业用户贷款申请通过率低、贷款额度低、贷款利率高的问题,在训练针对农业用户的评分模型是,可以是将农业用户的各个贷款申请子信息的评分值相应的提高,并增加审核农业用户的贷款申请的用户信息,以提高农业用户的第一评分值,进一步的提高农业用户的贷款额度,降低农业用户的带乱利率,避免将审核农业用户贷款申请的标准与其他商业用户、企事业单位用户的审核标准进行一刀切的设置方式,从而实现农业用户与信贷机构的互利共赢。
步骤S504,将训练样本输入至预设的训练模型中进行训练,得到评分模型。
其中,基于上述步骤获得的用于审核不同类型用户的贷款申请信息以及针对每一项贷款申请预设的评分值,将不同类型用户的贷款申请以及对应的评分值输入至预设的训练模型中进行训练得到对应的评分模型。预设的训练模型例如可以是BP神经网络、Hopfield网络模型、ART网络模型、Kohonen网络模型等。需要说明的是,针对不同类型的用户可以训练得到不同的评分模型。
示例性的,获得农业用户的年龄、健康状况、固定资产、婚姻状况的多个数据,年龄数据:20岁、25岁、30岁、35岁、40岁、42岁、45岁、48岁、49岁、50岁,设置20岁对应的评分值为3.5、25岁对应的评分值为4、30岁对应的评分值为5、35岁对应的评分值为6、40岁对应的评分值为6.5、42岁对应的评分值为5.5、45岁对应的评分值为4、48岁对应的评分值为3、49岁对应的评分值为2、50岁对应的评分值为1。健康状况数据:无重大疾病、有一种轻微疾病、有两种轻微疾病、有一种重大疾病,设置无重大疾病的评分值为6、设置有一种轻微疾病的评分值为4.5、设置有两种轻微疾病的评分值为3、设置有一种重大疾病的评分值为1。固定资产数据:房子市值20万、100只羊市值10万、50头猪市值5万,10头牛市值4万,设置一栋房子的评分值为7、设置100只羊的评分值为6、设置50头猪的评分值为5。婚姻状况数据:已婚和未婚,设置已婚的评分值为6、设置未婚的评分值为4。将上述数据以及对应的评分值输入至BP神经网络中进行训练,得到针对农业农户的评分模型。
本申请提供的贷款测算方法,针对不同类型的用户,设置不同的用户信息以及评分值进行不同用户的评分模型训练,实现针对不同类型的用户设置不同的评分规则,避免一刀切的贷款审核模式,导致的部分用户无法申请贷款、贷款低以及贷款利率高的问题出现。
在一个实施例中,如图6所示,本申请实施例是基于贷款额度浮动系数和贷款利率浮动系数确定贷款额度以及贷款利息的一种可选的方法实施例,该方法实施例包括:
步骤S602,根据贷款申请信息中的贷款产品信息确定与贷款产品信息对应的初始授信额度。
其中,贷款产品与用户的贷款申请信息有关,贷款产品例如可以是车贷、房贷、生意贷、农业贷等,与贷款产品对应的初始授信额度可以是根据不同信贷机构对应不同产品定价的最高额度确定,例如中国建设银行对车贷设置的最高贷款额度为20万,中国邮政储蓄银行对车贷设置的最高贷款额度为25万,中国农业银行对车贷设置的最高贷款额度为15万等。不同信贷机构可以是对相同贷款产品设置的额度不同,本申请对此不加以限定。
步骤S604,根据贷款额度浮动系数以及初始授信额度确定贷款额度。
步骤S606,根据贷款利率浮动系数以及贷款额度确定贷款利息。
步骤S608,将贷款额度和贷款利息确定作为用户的候选贷款规则。
其中,贷款额度浮动系数例如可以是0~1之间的任意数值,贷款利率浮动系数可以是-1~1之间的任意数值。贷款利率浮动系数确定以后,可以是根据贷款利率=基准利率×(1+贷款利率浮动系数)确定贷款利率,然后根据贷款利率以及初始授信额度确定贷款利息。贷款额度可以是根据贷款额度=贷款额度浮动系数×初始授信额度确定;贷款利息可以是根据贷款利息=贷款利率×初始授信额度确定。最后将根据上述方法确定得到的贷款额度以及贷款利息作为用户的候选贷款规则,信贷机构可以是根据该候选贷款规则为用户提供贷款服务,也可以是基于该候选贷款规则进行调整得到目标贷款规则为用户提供贷款服务,对此本申请不加以限定。
示例性的,用户贷款申请信息中的贷款产品例如为车辆贷款,用户向中国建设银行申请贷款,那么中国建设银行根据用户提供的贷款申请信息确定该用户的贷款额度浮动系数为0.8;贷款利率浮动系数为0,那么,该用户的贷款利率=基准利率=4.35%,根据中国建设银行对于车辆贷款的最高申请额度为20万,那么确定该用户最终可贷的贷款额度为20万×0.8=16万,贷款16万所需的利息=16万×4.35%=6960元,然后可以是为用户制定对应的还款计划,促进合同的顺利达成。
本申请提供的贷款测算方法,通过用户提供的贷款产品确定初始贷款额度,然后再根据用户提供的其他信息确定的贷款额度浮动系数以及贷款利率浮动系数,测算用户可贷的贷款额度以及对应的贷款利息,针对不同的用户使用不同的测算规则为用户的贷款进行测算,能够提高用户的可贷率,以及给与用户更高的可贷额度,避免类似于农业用户申请贷款与其他企业用户、商业用户、事业单位用户等用户审核贷款的标准相同,导致农业用户贷款申请通过率低、贷款额度低、利率高,不利于农业贷款业务发展的问题。
在一个实施例中,上述描述的用户类型可以是包括商业用户、企事业单位用户以及农业用户,针对不同的用户通过不同的信息确定对应的评分模型,以相当于对不同的用户设置了不同的评分标准,以避免部分用户贷款通过率低、贷款额度低、贷款利率高的问题出现,使得信贷机构能够针对不同用户的贷款申请更加客观的对贷款申请进行审核,促进信贷机构的信贷业务,同时使得部分类型的用户的贷款业务得到了可持续的发展。
在一个实施例中,上述步骤阐述了第一评分值大于预设阈值的一种处理方法,那么还有一种情况是第一评分值小于等于预设阈值,可选地,当第一评分值小于等于预设阈值时,可以进行如下步骤:
步骤S208:若第一评分值小于等于预设阈值,则输出拒绝贷款申请的信息。
其中,第一评分值小于等于预设阈值时,表示用户的还款能力无法与贷款规则匹配,那么服务器可以是输出拒绝贷款的信息给用户,加强信贷机构对信贷业务的风险管控。信贷机构可以是在拒绝用户的贷款申请后,向用户告知拒绝贷款的具体原因,以提醒用户后期对部分信息进行管理,便于提高后续贷款申请的通过率。
应该理解的是,虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-6中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图7所示,提供了一种贷款测算装置700,包括:输入模块702、第一确定模块704和第二确定模块706,其中:
输入模块702,用于将用户的贷款申请信息输入预设的评分模型,获得与用户的类型匹配的第一评分值;第一评分值用于表征用户的还款能力;
第一确定模块704,用于在第一评分值大于预设阈值的情况下,根据第一评分值确定用户对应的贷款额度浮动系数和贷款利率浮动系数;
第二确定模块706,用于基于贷款额度浮动系数和贷款利率浮动系数确定用户的候选贷款规则,候选贷款规则包括贷款额度以及贷款利息。
在一个实施例中,该装置还包括判断模块,
该判断模块,用于根据用户的征信信息确定用户的实际贷款能力是否与候选贷款规则匹配;在用户的实际贷款能力是与候选贷款规则匹配的情况下,根据贷款额度以及贷款利息生成用户的贷款合同;在用户的实际贷款能力是与候选贷款规则不匹配的情况下,输出拒绝贷款申请的信息。
在一个实施例中,上述输入模块702,具体用于将贷款申请信息中的多个子信息分别输入预设的评分模型中,获得与多个子信息对应的多个子评分值;根据多个子评分值以及多个子信息对应的权重系数,确定第一评分值。
在一个实施例中,该装置还包括训练模块,
该训练模块,用于获取训练样本,训练样本包括不同类型的用户信息以及与不同类型的用户信息对应的评分值;将训练样本输入至预设的训练模型中进行训练,得到评分模型。
在一个实施例中,上述第二确定模块706,具体用于根据贷款申请信息中的贷款产品信息确定与贷款产品信息对应的初始授信额度;根据贷款额度浮动系数以及初始授信额度确定贷款额度;根据贷款利率浮动系数以及贷款额度确定贷款利息。
在一个实施例中,用户类型包括:商业用户、企事业单位用户以及农业用户。
在一个实施例中,该装置还包括:输出模块;
输出模块,用于在第一评分值小于预设阈值的情况下,输出拒绝贷款申请的信息。
关于贷款测算装置的具体限定可以参见上文中对于贷款测算方法的限定,在此不再赘述。上述贷款测算装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储贷款申请数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种贷款测算方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
将用户的贷款申请信息输入预设的评分模型,获得与用户的类型匹配的第一评分值;第一评分值用于表征用户的还款能力;
在第一评分值大于预设阈值的情况下,根据第一评分值确定用户对应的贷款额度浮动系数和贷款利率浮动系数;
基于贷款额度浮动系数和贷款利率浮动系数确定用户的候选贷款规则,候选贷款规则包括贷款额度以及贷款利息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据用户的征信信息确定用户的实际贷款能力是否与候选贷款规则匹配;在用户的实际贷款能力是与候选贷款规则匹配的情况下,根据贷款额度以及贷款利息生成用户的贷款合同;在用户的实际贷款能力是与候选贷款规则不匹配的情况下,输出拒绝贷款申请的信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将贷款申请信息中的多个子信息分别输入预设的评分模型中,获得与多个子信息对应的多个子评分值;根据多个子评分值以及多个子信息对应的权重系数,确定第一评分值。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取训练样本,训练样本包括不同类型的用户信息以及与不同类型的用户信息对应的评分值;将训练样本输入至预设的训练模型中进行训练,得到评分模型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据贷款申请信息中的贷款产品信息确定与贷款产品信息对应的初始授信额度;根据贷款额度浮动系数以及初始授信额度确定贷款额度;根据贷款利率浮动系数以及贷款额度确定贷款利息。
在一个实施例中,用户类型包括:商业用户、企事业单位用户以及农业用户。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:在第一评分值小于预设阈值的情况下,输出拒绝贷款申请的信息。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
将用户的贷款申请信息输入预设的评分模型,获得与用户的类型匹配的第一评分值;第一评分值用于表征用户的还款能力;
在第一评分值大于预设阈值的情况下,根据第一评分值确定用户对应的贷款额度浮动系数和贷款利率浮动系数;
基于贷款额度浮动系数和贷款利率浮动系数确定用户的候选贷款规则,候选贷款规则包括贷款额度以及贷款利息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据用户的征信信息确定用户的实际贷款能力是否与候选贷款规则匹配;在用户的实际贷款能力是与候选贷款规则匹配的情况下,根据贷款额度以及贷款利息生成用户的贷款合同;在用户的实际贷款能力是与候选贷款规则不匹配的情况下,输出拒绝贷款申请的信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将贷款申请信息中的多个子信息分别输入预设的评分模型中,获得与多个子信息对应的多个子评分值;根据多个子评分值以及多个子信息对应的权重系数,确定第一评分值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取训练样本,训练样本包括不同类型的用户信息以及与不同类型的用户信息对应的评分值;将训练样本输入至预设的训练模型中进行训练,得到评分模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据贷款申请信息中的贷款产品信息确定与贷款产品信息对应的初始授信额度;根据贷款额度浮动系数以及初始授信额度确定贷款额度;根据贷款利率浮动系数以及贷款额度确定贷款利息。
在一个实施例中,用户类型包括:商业用户、企事业单位用户以及农业用户。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
在第一评分值小于预设阈值的情况下,输出拒绝贷款申请的信息。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
将用户的贷款申请信息输入预设的评分模型,获得与用户的类型匹配的第一评分值;第一评分值用于表征用户的还款能力;
在第一评分值大于预设阈值的情况下,根据第一评分值确定用户对应的贷款额度浮动系数和贷款利率浮动系数;
基于贷款额度浮动系数和贷款利率浮动系数确定用户的候选贷款规则,候选贷款规则包括贷款额度以及贷款利息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据用户的征信信息确定用户的实际贷款能力是否与候选贷款规则匹配;在用户的实际贷款能力是与候选贷款规则匹配的情况下,根据贷款额度以及贷款利息生成用户的贷款合同;在用户的实际贷款能力是与候选贷款规则不匹配的情况下,输出拒绝贷款申请的信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将贷款申请信息中的多个子信息分别输入预设的评分模型中,获得与多个子信息对应的多个子评分值;根据多个子评分值以及多个子信息对应的权重系数,确定第一评分值。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取训练样本,训练样本包括不同类型的用户信息以及与不同类型的用户信息对应的评分值;将训练样本输入至预设的训练模型中进行训练,得到评分模型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据贷款申请信息中的贷款产品信息确定与贷款产品信息对应的初始授信额度;根据贷款额度浮动系数以及初始授信额度确定贷款额度;根据贷款利率浮动系数以及贷款额度确定贷款利息。
在一个实施例中,用户类型包括:商业用户、企事业单位用户以及农业用户。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
在第一评分值小于预设阈值的情况下,输出拒绝贷款申请的信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (16)
1.一种贷款测算方法,其特征在于,所述方法包括:
将用户的贷款申请信息输入预设的评分模型,获得与所述用户的类型匹配的第一评分值;所述第一评分值用于表征所述用户的还款能力;
若所述第一评分值大于预设阈值,则根据所述第一评分值确定所述用户对应的贷款额度浮动系数和贷款利率浮动系数;
基于所述贷款额度浮动系数和所述贷款利率浮动系数确定所述用户的候选贷款规则,所述候选贷款规则包括贷款额度以及贷款利息。
2.根据权利要求1所述的方法,其特征在于,在基于所述贷款额度浮动系数和所述贷款利率浮动系数确定所述用户的候选贷款规则之后,所述方法包括:
根据所述用户的征信信息确定所述用户的实际贷款能力是否与所述候选贷款规则匹配;
若所述用户的实际贷款能力与所述候选贷款规则匹配,则根据所述贷款额度以及所述贷款利息生成所述用户的贷款合同;
若所述用户的实际贷款能力与所述候选贷款规则不匹配,则输出拒绝贷款申请的信息。
3.根据权利要求1所述的方法,其特征在于,所述将用户的贷款申请信息输入预设的评分模型,获得与所述用户的类型匹配的第一评分值,包括:
将所述贷款申请信息中的多个子信息分别输入所述预设的评分模型中,获得与所述多个子信息对应的多个子评分值;
根据所述多个子评分值以及所述多个子信息对应的权重系数,确定所述第一评分值。
4.根据权利要求1所述的方法,其特征在于,所述评分模型的训练过程包括:
获取训练样本,所述训练样本包括不同类型的用户信息以及与所述不同类型的用户信息对应的评分值;
将所述训练样本输入至预设的训练模型中进行训练,得到所述评分模型。
5.根据权利要求1所述的方法,其特征在于,所述贷款信息还包括用户申请的贷款产品信息,所述基于所述贷款额度浮动系数和所述贷款利率浮动系数确定所述用户的候选贷款规则,包括:
根据所述贷款申请信息中的所述贷款产品信息确定与所述贷款产品信息对应的初始授信额度;
根据所述贷款额度浮动系数以及所述初始授信额度确定所述贷款额度;
根据所述贷款利率浮动系数以及所述贷款额度确定所述贷款利息;
将所述贷款额度和所述贷款利息确定作为所述用户的候选贷款规则。
6.根据权利要求1所述的方法,其特征在于,所述用户类型包括:商业用户、企事业单位用户以及农业用户。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述第一评分值小于等于所述预设阈值,则输出拒绝贷款申请的信息。
8.一种贷款测算装置,其特征在于,所述装置包括:
输入模块,用于将用户的贷款申请信息输入预设的评分模型,获得与所述用户的类型匹配的第一评分值;所述第一评分值用于表征所述用户的还款能力;
第一确定模块,用于在所述第一评分值大于预设阈值的情况下,根据所述第一评分值确定所述用户对应的贷款额度浮动系数和贷款利率浮动系数;
第二确定模块,用于基于所述贷款额度浮动系数和所述贷款利率浮动系数确定所述用户的候选贷款规则,所述候选贷款规则包括贷款额度以及贷款利息。
9.根据权利要求8所述的装置,其特征在于,所述装置还包括判断模块,用于根据所述用户的征信信息确定所述用户的实际贷款能力是否与所述候选贷款规则匹配;在所述用户的实际贷款能力是与所述候选贷款规则匹配的情况下,根据所述贷款额度以及所述贷款利息生成所述用户的贷款合同;在所述用户的实际贷款能力是与所述候选贷款规则不匹配的情况下,输出拒绝贷款申请的信息。
10.根据权利要求8所述的装置,其特征在于,所述输入模块,具体用于将所述贷款申请信息中的多个子信息分别输入所述预设的评分模型中,获得与所述多个子信息对应的多个子评分值;根据所述多个子评分值以及所述多个子信息对应的权重系数,确定所述第一评分值。
11.根据权利要求8所述的装置,其特征在于,所述装置还包括训练模块,用于获取训练样本,所述训练样本包括不同类型的用户信息以及与所述不同类型的用户信息对应的评分值;将所述训练样本输入至预设的训练模型中进行训练,得到所述评分模型。
12.根据权利要求8所述的装置,其特征在于,所述第二确定模块,具体用于根据所述贷款申请信息中的所述贷款产品信息确定与所述贷款产品信息对应的初始授信额度;根据所述贷款额度浮动系数以及所述初始授信额度确定所述贷款额度;根据所述贷款利率浮动系数以及所述贷款额度确定所述贷款利息;将所述贷款额度和所述贷款利息确定作为所述用户的候选贷款规则。
13.根据权利要求8所述的装置,其特征在于,所述装置还包括输出模块,用于在所述第一评分值小于预设阈值时,输出拒绝贷款申请的信息。
14.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
15.一种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权利要求1至7中任一项所述的方法的步骤。
16.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111402252.3A CN114240605A (zh) | 2021-11-19 | 2021-11-19 | 贷款测算方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111402252.3A CN114240605A (zh) | 2021-11-19 | 2021-11-19 | 贷款测算方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114240605A true CN114240605A (zh) | 2022-03-25 |
Family
ID=80750806
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111402252.3A Pending CN114240605A (zh) | 2021-11-19 | 2021-11-19 | 贷款测算方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114240605A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115358851A (zh) * | 2022-10-19 | 2022-11-18 | 国家电投集团财务有限公司 | 信贷管理方法及系统 |
-
2021
- 2021-11-19 CN CN202111402252.3A patent/CN114240605A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115358851A (zh) * | 2022-10-19 | 2022-11-18 | 国家电投集团财务有限公司 | 信贷管理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Alexandrov et al. | No shopping in the us mortgage market: Direct and strategic effects of providing information | |
US10861028B2 (en) | Detecting and reducing bias (including discrimination) in an automated decision making process | |
Elliehausen et al. | The impact of credit counseling on subsequent borrower behavior | |
US8458062B2 (en) | Real-time product matching | |
US20140067650A1 (en) | Methods and systems for consumer lending | |
US8775291B1 (en) | Systems and methods for enrichment of data relating to consumer credit collateralized debt and real property and utilization of same to maximize risk prediction | |
US20130006845A1 (en) | Systems and methods for underwriting loans | |
Lieli et al. | The construction of empirical credit scoring rules based on maximization principles | |
US20190130481A1 (en) | Entity Segmentation for Analysis of Sensitivities to Potential Disruptions | |
WO2006099492A2 (en) | Credit scoring method and system | |
US20170186085A1 (en) | System and method for dynamic monitoring of credit parameters | |
Mierzwinski et al. | Selling consumers not lists: The new world of digital decision-making and the role of the fair credit reporting act | |
KR101955546B1 (ko) | 대출 중개 플랫폼 시스템 및 신용도평가 장치와 그 방법 | |
JP7311495B2 (ja) | 改善された住宅ローン金利決定 | |
WO2021258118A1 (en) | Systems and methods of transaction tracking and analysis for near real-time individualized credit scoring | |
KR20210007187A (ko) | 자동차 리스 계약 및 장기 렌터카를 위한 경매형 중개 서비스 제공 방법 | |
US9665735B2 (en) | Privacy fractal mirroring of transaction data | |
Breeden et al. | Multihorizon discrete time survival models | |
CN114240605A (zh) | 贷款测算方法、装置、计算机设备和存储介质 | |
Ingermann et al. | The recovery rate for retail and commercial customers in Germany: a look at collateral and its adjusted market values | |
Brunner et al. | Hold-up in multiple banking: Evidence from SME lending | |
CN114240599A (zh) | 贷款测算方法、装置、计算机设备和存储介质 | |
CN113807943A (zh) | 一种不良资产的多因子估值方法及系统、介质、设备 | |
Chen et al. | Digital Lending and Financial Well-Being: Evidence from a Developing Economy | |
CN112907361A (zh) | 一种用于处理贷款申请的方法和装置 |
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 |