CN114971871A - 可贷额度测算方法、装置、设备、介质和程序产品 - Google Patents

Abstract

本公开提供了一种可贷额度测算方法，涉及金融技术领域，该方法包括：在提交正式贷款申请之前，在获取用户授权的情况下，获取用户的基本申请信息；基于基本申请信息，通过预设的大数据决策模型计算用户的可贷额度；当可贷额度不符合用户的预期时，获取用户的附加申请信息，以重新计算用户的可贷额度，直至可贷额度符合用户预期为止。该方法通过在正式贷款申请之前增加可贷款额度测算的操作，通过大数据决策模型不断进行用户自主测算，实现更加快速、灵活地办理贷款业务。本公开还提供了一种装置、设备、存储介质和程序产品。

Description

可贷额度测算方法、装置、设备、介质和程序产品

技术领域

本公开涉及金融技术领域，具体地涉及一种可贷额度测算方法、装置、设备、介质和程序产品。

背景技术

随着人们生活水平的不断提高，购车、购房等需求日益增长，银行推出专项分期业务产品，以解决客户购车、购房、装修等资金紧张的问题。一般而言，专项分期业务产品发放过程中，由于涉及贷款金额较大，银行需要对客户进行充分的风险评估以核定客户可贷款额度。客户提交申请后审核时间长且步骤繁琐，在客户进行审批申请前期需要填写大量资料，且银行需要对客户提交的申请资料进行人工审核并进行额度测算。对于银行客户而言，在不知道自己是否有资质成功申请的情况下，需要进行繁琐的资料填写以及长时间的等待审批结果会降低客户使用银行产品的意愿。

发明内容

鉴于上述问题，本公开提供了一种提高贷款审批效率的可贷额度测算方法、装置、设备、介质和程序产品。

根据本公开的第一个方面，提供了一种可贷额度测算方法，包括：在提交正式贷款申请之前，在获取用户授权的情况下，获取用户的基本申请信息；基于基本申请信息，通过预设的大数据决策模型计算用户的可贷额度；当可贷额度不符合用户的预期时，获取用户的附加申请信息，以重新计算用户的可贷额度，直至可贷额度符合用户预期为止。

根据本公开的实施例，基于基本申请信息，通过预设的大数据决策模型计算用户的可贷额度包括：获取用户的风险筛查结果和信用评估数据；根据风险筛查结果和信用评估数据，通过预设的大数据决策模型确定可贷额度。

根据本公开的实施例，获取用户的附加申请信息，以重新计算用户的可贷额度包括：基于基本申请信息，获取用户的风险筛查结果和信用评估数据；基于附加申请信息，评估用户的附加价值；根据风险筛查结果、信用评估数据和附加价值，确定可贷额度。

根据本公开的实施例，附加申请信息包括关联人信息、用户职业信息、房屋信息、车辆信息中的至少一种，基于附加申请信息，评估用户的附加价值包括以下至少一种：基于关联人信息，在获取关联人授权的情况下，获取关联人的风险筛查结果和信用评估数据；基于用户职业信息，更新用户的风险筛查结果；基于房屋信息和/或车辆信息，得到房屋价值和/或车辆价值。

根据本公开的实施例，基于基本申请信息，获取用户的风险筛查结果包括：将基本申请信息与风险筛查名单进行匹配，以得到风险筛查结果。

根据本公开的实施例，基于基本申请信息，获取用户的信用评估数据包括：基于基本申请信息，查询用户的资产数据，以生成信用评估数据。

根据本公开的实施例，还包括：当可贷额度符合用户的预期时，提交正式贷款申请。

本公开的第二方面提供了一种可贷额度测算装置，包括：第一获取模块，用于在提交正式贷款申请之前，在获取用户授权的情况下，获取用户的基本申请信息；计算模块，用于基于基本申请信息，通过预设的大数据决策模型计算用户的可贷额度；第二获取模块，用于当可贷额度不符合用户的预期时，获取用户的附加申请信息，以重新计算用户的可贷额度，直至可贷额度符合用户预期为止。

本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器执行上述可贷额度测算方法。

本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述可贷额度测算方法。

本公开的第五方面还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上述可贷额度测算方法。

本公开第一方面提供的可贷额度测算方法在正式贷款申请之前增加可贷款额度用户自主测算的操作，结合用户的基本申请信息和附加申请信息，通过预设的大数据决策模型不断进行自主测算，直至符合用户预期为止，能够让用户更加快速、灵活地办理贷款业务。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的可贷额度测算方法、装置、设备、介质和程序产品的应用场景图；

图2示意性示出了根据本公开实施例的可贷额度测算方法的第一流程图；

图3示意性示出了根据本公开实施例的可贷额度测算方法的第二流程图；

图4示意性示出了根据本公开实施例的可贷额度测算方法的第三流程图；

图5示意性示出了根据本公开一具体实施例的可贷额度测算方法的完整流程图；

图6示意性示出了根据本公开实施例的可贷额度测算装置的结构框图；

图7示意性示出了根据本公开一实施例的第二获取模块630的结构框图；以及

图8示意性示出了根据本公开实施例的适于实现可贷额度测算方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

在本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。

本公开的实施例提供了一种可贷额度测算方法，在提交正式贷款申请之前，在获取用户授权的情况下，获取用户的基本申请信息；基于基本申请信息，通过预设的大数据决策模型计算用户的可贷额度；当可贷额度不符合用户的预期时，获取用户的附加申请信息，以重新计算用户的可贷额度，直至可贷额度符合用户预期为止。

图1示意性示出了根据本公开实施例的可贷额度测算方法、装置、设备、介质和程序产品的应用场景图。

如图1所示，根据该实施例的应用场景100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

需要说明的是，本公开实施例所提供的可贷额度测算方法一般可以由服务器105执行。相应地，本公开实施例所提供的可贷额度测算装置一般可以设置于服务器105中。本公开实施例所提供的可贷额度测算方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的可贷额度测算装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

以下将基于图1描述的场景，通过图2～图5对本公开实施例的可贷额度测算方法进行详细描述。

图2示意性示出了根据本公开实施例的可贷额度测算方法的第一流程图。

如图2所示，该实施例的可贷额度测算方法包括操作S210～操作S230，该可贷额度测算方法可以由服务器105执行，在本公开的实施例中，在服务器105中配置信用卡审核系统和大数据决策中心。

在操作S210，在提交正式贷款申请之前，在获取用户授权的情况下，获取用户的基本申请信息。

在本公开的实施例中，在获取用户的信息之前，可以获得用户的同意或授权。例如，在操作S210之前，可以向用户发出获取用户信息的请求。在用户同意或授权可以获取用户信息的情况下，执行所述操作S210。在操作S210中，获取用户的基本申请信息，该基本申请信息表征用户的身份信息，包括例如姓名、出生日期、手机号、身份证号等基础身份信息。

在操作S220，基于基本申请信息，通过预设的大数据决策模型计算用户的可贷额度。

根据本公开的实施例，基于基本申请信息，通过预设的大数据决策模型计算用户的可贷额度包括：获取用户的风险筛查结果和信用评估数据；根据风险筛查结果和信用评估数据，通过预设的大数据决策模型确定可贷额度。

在操作S230，当可贷额度不符合用户的预期时，获取用户的附加申请信息，以重新计算用户的可贷额度，直至可贷额度符合用户预期为止。

图3示意性示出了根据本公开实施例的可贷额度测算方法的第二流程图。

如图3所示，在执行S210后，该实施例的可贷额度测算方法的操作S220具体还包括操作S310～S330。

在操作S310，根据本公开的实施例，基于基本申请信息，获取用户的风险筛查结果包括：将基本申请信息与风险筛查名单进行匹配，以得到风险筛查结果。

根据本公开的实施例，客户通过终端设备发起第一次测算申请，信用卡审核系统录入客户申请信息后将第一次提交的测算申请单提交至流程引擎，流程引擎根据提前配置好的测算流程自动进行处理。首先对客户进行风险筛查，将客户填写的基本申请信息与风险筛查名单进行匹配，风险筛查名单主要包括银行行内灰名单匹配、交叉违约匹配、反欺诈校验、反洗钱校验、征信风险评估、行为评分评估等。其中征信信息属于客户敏感信息，故查询征信前需要在客户第一次发起测算时进行授权。

本公开的实施例提供的可贷额度测算方法通过前期的风险筛查，能有效筛选出授信风险较高的客户，有助于减轻银行处理专项贷款业务的人工压力。

在操作S320，根据本公开的实施例，基于基本申请信息，获取用户的信用评估数据包括：基于基本申请信息，查询用户的资产数据，以生成信用评估数据。

根据本公开的实施例，在用户同意或授权可以获取用户信息的情况下，执行上述操作。在操作S320，查询用户的资产数据以对客户信用进行评估，其中，资产依据包括行内数据和外部数据。行内数据主要包括个人收入数据(包括代发工资流水，利用模型预测的月收入等)、用户个人近半年行内日均资产等。外部数据需要调用第三方接口进行获取，主要包括学信网学籍比对、学信网学历校验、公积金、社保、纳税政务数据以及外部的评分和黑名单等数据。

在操作S330，根据本公开的实施例，在大数据决策中心中，根据用户的贷款业务需求确定相应的大数据决策模型，可以理解的是，各大数据决策模型是根据历史数据进行机器学习训练得到，各大数据决策模型预先生成并存储于服务器105中，不同的业务需求对应于不同的大数据决策模型，通过用户选择的贷款业务需求调用大数据决策中心中相应的大数据决策模型进行用户可贷额度的计算。例如购车、购房业务贷款分别具有相应的大数据决策模型。

本公开的实施例提供的可贷额度测算方法通过调用对应用户业务需求的大数据决策模型对可贷额度进行测算，有利于提高测算的可贷额度的准确度，有助于用户贷款申请及银行的审批，能有效避免后续正式申请中出现较大误差。

在操作S330中，当基于用户的基本申请信息得到的可贷额度不符合用户的预期时，还需要进行操作S230。

在操作S230，当可贷额度不符合用户的预期时，获取用户的附加申请信息，以重新计算用户的可贷额度，直至可贷额度符合用户预期为止。

根据本公开的实施例，获取用户的附加申请信息，以重新计算用户的可贷额度包括：基于基本申请信息，获取用户的风险筛查结果和信用评估数据；基于附加申请信息，评估用户的附加价值；根据风险筛查结果、信用评估数据和附加价值，确定可贷额度。

图4示意性示出了根据本公开实施例的可贷额度测算方法的第三流程图。

如图4所示，操作S230具体包括操作S410～S440。

在操作S410，基于基本申请信息，获取用户的风险筛查结果和信用评估数据。

根据本公开的实施例，当基于用户的基本申请信息得到的可贷额度不符合用户的预期时，客户重新通过终端设备发起测算申请，此时客户补充附加申请信息。信用卡审核系统将新的测算申请单提交至流程引擎，流程引擎根据提前配置好的测算流程自动进行处理。首先对客户进行风险筛查，将客户填写的基本申请信息与风险筛查名单进行匹配，风险筛查名单主要包括银行行内灰名单匹配、交叉违约匹配、反欺诈校验、反洗钱校验、征信风险评估、行为评分评估等。

在操作S420，基于附加申请信息，评估用户的附加价值。

根据本公开的实施例，附加申请信息包括关联人信息、用户职业信息、房屋信息、车辆信息中的至少一种，基于附加申请信息，评估用户的附加价值包括以下至少一种：基于关联人信息，在获取关联人授权的情况下，获取关联人的风险筛查结果和信用评估数据；基于用户职业信息，更新用户的风险筛查结果；基于房屋信息和/或车辆信息，得到房屋价值和/或车辆价值。

在本公开的实施例中，基于附加申请信息可以评估用户的附加价值，以提高用户的可贷款额度。这些附加申请信息可以由用户分别多次添加也可以一次性添加，其中针对于关联人信息的获取，需要在关联人同意或授权可以获取关联人信息的情况下，执行上述操作。

在本公开的实施例中，对于关联人，仅得到关联人的风险筛查结果和信用评估数据，不涉及关联人的房屋/车辆信息和关联人的职业信息。信用卡审核系统根据用户添加的房屋信息/车辆信息，进行房屋/车辆估值，以此增加用户的附加价值。

本公开的实施例提供的可贷额度测算方法通过补充附加申请信息，可以从多维度评价客户的信用，提高用户的附加价值，从而利于提高用户的可贷额度，有助于提高贷款审批效率。

在操作S430，根据风险筛查结果、信用评估数据和附加价值，确定可贷额度。

根据本公开的实施例，基于风险筛查结果、信用评估数据和附加价值，通过用户选择的贷款业务需求调用大数据决策中心中相应的大数据模型进行用户可贷额度的计算。

根据本公开的实施例，可贷额度测算方法还包括操作S240。

在操作S240，当可贷额度符合用户的预期时，提交正式贷款申请。

在本公开的实施例中，由于正式贷款申请前的额度测算由用户自行填写及补充信息进行，用户可以通过上述可贷额度测算方法预估用户本人可申请到的可贷额度，无需等待正式申请后的人工审核，减少了繁琐步骤，提高了贷款审核效率。

图5示意性示出了根据本公开一具体实施例的可贷额度测算方法的完整流程图。

如图5所示，在初次测算过程中，信用卡审核系统接收测算申请后，基于用户的基本申请信息对用户进行风险筛查，包括与灰名单、交叉违约、反欺诈、反洗钱、征信、行为评分这些风险筛查名单的匹配，得到风险筛查结果后，继续基于用户的基本申请信息，查询行内数据和外部数据，行内数据包括：个人收入数据和近半年行内日均资产；外部数据包括：学籍、学历、公积金、社保、纳税政务数据。组装以上的风险筛查结果、行内数据、外部数据从信用卡审核系统联机上送至大数据决策中心，通过大数据决策中心对组装好的数据进行大数据决策，并返回可贷额度至信用卡审核系统。

在本公开的实施例中，用户不满意初次测算得到的可贷额度，再次提交测算申请。信用卡审核系统接收测算申请后，基于用户的基本申请信息对用户进行风险筛查，以及查询行内数据和外部数据，基于附加申请信息中的关联人信息，对所有关联人进行风险筛查以及查询关联人的行内数据和外部数据。可以理解的是，需要对用户及所有关联人均进行前期的风险筛查和信用评估。在附加申请信息中，用户还填入了房屋信息，系统基于房屋信息得到房屋估值。组装用户及所有关联人的风险筛查结果、信用评估数据、房屋估值、以及用户填入的职业信息、车辆信息，将上述数据联机上送至大数据决策中心调用大数据决策模型进行可贷额度测算，并返回可贷额度至信用卡审核系统。本次可贷额度符合用户预期，用户提交正式贷款申请。

本公开的实施例提供的可贷额度测算方法通过在正式贷款申请之前增加可贷款额度用户自主测算的操作，结合用户的基本申请信息和附加申请信息，通过预设的大数据决策模型不断进行自主测算，直至符合用户预期为止，能够让用户更加快速、灵活地办理贷款业务。

基于上述可贷额度测算方法，本公开还提供了一种可贷额度测算装置。以下将结合图6对该系统进行详细描述。

图6示意性示出了根据本公开实施例的可贷额度测算装置的结构框图。

如图6所示，该实施例的可贷额度测算装置600包括：第一获取模块610，计算模块620和第二获取模块630。

第一获取模块610用于在提交正式贷款申请之前，在获取用户授权的情况下，获取用户的基本申请信息。在一实施例中，第一获取模块模块610可以用于执行前文描述的操作S210，在此不再赘述。在本公开的实施例中，在获取用户的信息之前，需要获得用户的同意或授权。

计算模块620用于基于基本申请信息，通过预设的大数据决策模型计算用户的可贷额度。计算模块620通过调用对应用户业务需求的大数据决策模型对可贷额度进行测算，有利于提高测算的可贷额度的准确度，有助于用户贷款申请及银行的审批，能有效避免后续正式申请中出现较大误差。在一实施例中，计算模块620可以用于执行前文描述的操作S220，在此不再赘述。

第二获取模块630用于当可贷额度不符合用户的预期时，获取用户的附加申请信息，以重新计算用户的可贷额度，直至可贷额度符合用户预期为止。在一实施例中，第二获取模块630可以用于执行前文描述的操作S230，在此不再赘述。

该实施例中该可贷额度测算装置600通过在正式贷款申请之前增加可贷款额度用户自主测算的操作，结合用户的基本申请信息和附加申请信息，通过预设的大数据决策模型不断进行自主测算，直至符合用户预期为止，能够让用户更加快速、灵活地办理贷款业务。

根据本公开的实施例，该可贷额度测算装置600还包括：正式申请模块640，用于当可贷额度符合用户的预期时，提交正式贷款申请。在一实施例中，正式申请模块640可以用于执行前文描述的操作S240，在此不再赘述。

在本公开的实施例中，由于正式贷款申请前的额度测算由用户自行填写及补充信息进行，用户可以通过上述可贷额度测算方法预估用户本人可申请到的可贷额度，无需等待正式申请后的人工审核，减少了繁琐步骤，提高了贷款审核效率。

图7示意性示出了根据本公开一实施例的第二获取模块630的结构框图。

如图7所示，第二获取模块630具体包括：风险筛查及信用评估模块710，附加价值评估模块720，重新计算模块730。

风险筛查及信用评估模块710用于基于基本申请信息，获取用户的风险筛查结果和信用评估数据。在一实施例中，风险筛查及信用评估模块710可以用于执行前文描述的操作S410，在此不再赘述。

附加价值评估模块720用于基于附加申请信息，评估用户的附加价值。在一实施例中，附加价值评估模块720可以用于执行前文描述的操作S420，在此不再赘述。

重新计算模块730用于根据风险筛查结果、信用评估数据和附加价值，确定可贷额度。在一实施例中，重新计算模块730可以用于执行前文描述的操作S430，在此不再赘述。

本公开的实施例提供的可贷额度测算装置通过补充附加申请信息，可以从多维度评价客户的信用，提高用户的附加价值，从而利于提高用户的可贷额度，有助于提高贷款审批效率。

根据本公开的实施例，第一获取模块610，计算模块620、第二获取模块630、正式申请模块640、风险筛查及信用评估模块710、附加价值评估模块720和重新计算模块730中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一获取模块610，计算模块620、第二获取模块630、正式申请模块640、风险筛查及信用评估模块710、附加价值评估模块720和重新计算模块730中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一获取模块610，计算模块620、第二获取模块630、正式申请模块640、风险筛查及信用评估模块710、附加价值评估模块720和重新计算模块730中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图8示意性示出了根据本公开实施例的适于实现可贷额度测算方法的电子设备的方框图。

如图8所示，根据本公开实施例的电子设备800包括处理器801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。处理器801例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器801还可以包括用于缓存用途的板载存储器。处理器801可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 803中，存储有电子设备800操作所需的各种程序和数据。处理器801、ROM802以及RAM 803通过总线804彼此相连。处理器801通过执行ROM 802和/或RAM 803中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 802和RAM 803以外的一个或多个存储器中。处理器801也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备800还可以包括输入/输出(I/O)接口805，输入/输出(I/O)接口805也连接至总线804。电子设备800还可以包括连接至I/O接口805的以下部件中的一项或多项：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的可贷额度测算方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 802和/或RAM 803和/或ROM 802和RAM 803以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的可贷额度测算方法。

在该计算机程序被处理器801执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分809被下载和安装，和/或从可拆卸介质811被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被处理器801执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，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公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、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)，连接到用户计算设备，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)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (11)

1.一种可贷额度测算方法，其特征在于，包括：

在提交正式贷款申请之前，在获取用户授权的情况下，获取所述用户的基本申请信息；

基于所述基本申请信息，通过预设的大数据决策模型计算所述用户的可贷额度；

当所述可贷额度不符合所述用户的预期时，获取所述用户的附加申请信息，以重新计算所述用户的可贷额度，直至所述可贷额度符合所述用户预期为止。

2.根据权利要求1所述的可贷额度测算方法，其特征在于，所述基于所述基本申请信息，通过预设的大数据决策模型计算所述用户的可贷额度包括：

基于所述基本申请信息，获取所述用户的风险筛查结果和信用评估数据；

根据所述风险筛查结果和所述信用评估数据，通过预设的大数据决策模型确定所述可贷额度。

3.根据权利要求1所述的可贷额度测算方法，其特征在于，所述获取所述用户的附加申请信息，以重新计算所述用户的可贷额度包括：

基于所述基本申请信息，获取所述用户的风险筛查结果和信用评估数据；

基于所述附加申请信息，评估所述用户的附加价值；

根据所述风险筛查结果、信用评估数据和附加价值，确定所述可贷额度。

4.根据权利要求3所述的可贷额度测算方法，其特征在于，所述附加申请信息包括关联人信息、用户职业信息、房屋信息、车辆信息中的至少一种，所述基于所述附加申请信息，评估所述用户的附加价值包括以下至少一种：

基于所述关联人信息，在获取关联人授权的情况下，获取所述关联人的风险筛查结果和信用评估数据；

基于所述用户职业信息，更新所述用户的风险筛查结果；

基于所述房屋信息和/或车辆信息，得到房屋价值和/或车辆价值。

5.根据权利要求2或3所述的可贷额度测算方法，其特征在于，所述基于所述基本申请信息，获取所述用户的风险筛查结果包括：

将所述基本申请信息与风险筛查名单进行匹配，以得到风险筛查结果。

6.根据权利要求2或3所述的可贷额度测算方法，其特征在于，所述基于所述基本申请信息，获取所述用户的信用评估数据包括：

基于所述基本申请信息，查询所述用户的资产数据，以生成所述信用评估数据。

7.根据权利要求1所述的可贷额度测算方法，其特征在于，还包括：

当所述可贷额度符合所述用户的预期时，提交正式贷款申请。

8.一种可贷额度测算装置，其特征在于，包括：

第一获取模块，用于在提交正式贷款申请之前，在获取用户授权的情况下，获取用户的基本申请信息；

计算模块，用于基于所述基本申请信息，通过预设的大数据决策模型计算所述用户的可贷额度；

第二获取模块，用于当所述可贷额度不符合所述用户的预期时，获取所述用户的附加申请信息，以重新计算所述用户的可贷额度，直至所述可贷额度符合所述用户预期为止。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～7中任一项所述的方法。

11.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～7中任一项所述的方法。

Images