CN115496590A - 处理授信数据的方法、装置、电子设备和计算机可读介质 - Google Patents
处理授信数据的方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN115496590A CN115496590A CN202211232677.9A CN202211232677A CN115496590A CN 115496590 A CN115496590 A CN 115496590A CN 202211232677 A CN202211232677 A CN 202211232677A CN 115496590 A CN115496590 A CN 115496590A
- Authority
- CN
- China
- Prior art keywords
- index
- applicant
- value
- credit
- evidence weight
- 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 71
- 238000012545 processing Methods 0.000 title claims abstract description 43
- 238000012216 screening Methods 0.000 claims abstract description 36
- 238000007477 logistic regression Methods 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000000926 separation method Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012271 agricultural production Methods 0.000 description 2
- 238000013475 authorization Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber 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
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了处理授信数据的方法、装置、电子设备和计算机可读介质,涉及大数据处理技术领域。该方法的一具体实施方式包括:采用证据权重值从业务指标中筛选出关键业务指标;基于逻辑回归分析对所述关键业务指标的历史指标值进行拟合,从而得到授信系数模型;接收申请人的贷款请求,获取所述申请人的所述关键业务指标的指标值,将所述申请人的所述关键业务指标的指标值输入到所述授信系数模型中,从而输出所述申请人的授信系数;根据所述申请人的业务数据和所述授信系数计算出所述申请人的授信额度,从而根据所述申请人的授信额度执行贷款下发流程。该实施方式能够解决无法准确地计算出农户群体的授信额度的技术问题。
Description
技术领域
本发明涉及大数据处理技术领域,尤其涉及一种处理授信数据的方法、装置、电子设备和计算机可读介质。
背景技术
农村地区金融机构分布不均,普遍分布较少;小农经济分散性,农业生产碎片化,农民收入低,金融产品的盈利空间有限,金融产品少;长期的弱势产业地位,农民信用意识缺乏,农业产业内缺乏有效的资金和信用积累……以上这些原因,造成了农村金融服务欠缺、融资难、融资贵、农业生产周期长、资金短缺等问题,进一步导致了可用于信贷的有效农业数据较少,数据系统化程度偏低,数据应用场景少,不能满足更多农户的多样化、特色化信贷需求。
目前已有较为成熟的精准授信模型,但主要应用于小微贷款及信用快贷,授信数据及模型设计的目标群体多为非农户,模型在农户群体上适用性差,导致无法准确地计算出农户群体的授信额度。
发明内容
有鉴于此,本发明实施例提供一种处理授信数据的方法、装置、电子设备和计算机可读介质,以解决无法准确地计算出农户群体的授信额度的技术问题。
为实现上述目的,根据本发明实施例的一个方面,提供了一种处理授信数据的方法,包括:
采用证据权重值从业务指标中筛选出关键业务指标;
基于逻辑回归分析对所述关键业务指标的历史指标值进行拟合,从而得到授信系数模型;
接收申请人的贷款请求,获取所述申请人的所述关键业务指标的指标值,将所述申请人的所述关键业务指标的指标值输入到所述授信系数模型中,从而输出所述申请人的授信系数;
根据所述申请人的业务数据和所述授信系数计算出所述申请人的授信额度,从而根据所述申请人的授信额度执行贷款下发流程。
可选地,采用证据权重值从业务指标中筛选出关键业务指标,包括:
根据各个业务指标的历史指标值,分别计算出所述各个业务指标的证据权重值;
基于所述证据权重值对所述各个业务指标进行排序,筛选出证据权重值大于等于证据权重阈值的关键业务指标或者在排序中靠前的关键业务指标。
可选地,根据各个业务指标的历史指标值,分别计算出所述各个业务指标的证据权重值,包括:
对各个业务指标进行分箱;
根据所述各个业务指标的分箱结果和历史指标值,分别计算所述各个业务指标的证据权重值。
可选地,根据所述各个业务指标的分箱结果和历史指标值,分别计算所述各个业务指标的证据权重值,包括:
对于每个业务指标,根据所述业务指标的分箱结果和历史指标值,确定每个分箱对应的正样本数量和负样本数量;
根据所述每个分箱对应的正样本数量和负样本数量,计算所述业务指标的证据权重值。
可选地,根据所述每个分箱对应的正样本数量和负样本数量,计算所述业务指标的证据权重值,包括:
根据所述每个分箱对应的正样本数量和负样本数量,分别计算所述每个分箱对应的证据权重值;
将所述每个分箱对应的证据权重值进行累加,得到所述业务指标的证据权重值。
可选地,基于逻辑回归分析对所述关键业务指标的历史指标值进行拟合,从而得到授信系数模型,包括:
基于逻辑回归分析对所述关键业务指标的证据权重值进行拟合,拟合得到授信系数,从而得到授信系数模型。
可选地,根据所述申请人的业务数据和所述授信系数计算出所述申请人的授信额度,包括:
从所述关键业务指标中选择至少一个目标业务指标;
将所述申请人的目标业务指标的指标值乘以所述授信系数,从而得到所述申请人的授信额度。
另外,根据本发明实施例的另一个方面,提供了一种处理授信数据的装置,包括:
筛选模块,用于采用证据权重值从业务指标中筛选出关键业务指标;
拟合模块,用于基于逻辑回归分析对所述关键业务指标的历史指标值进行拟合,从而得到授信系数模型;
第一计算模块,用于接收申请人的贷款请求,获取所述申请人的所述关键业务指标的指标值,将所述申请人的所述关键业务指标的指标值输入到所述授信系数模型中,从而输出所述申请人的授信系数;
第二计算模块,用于根据所述申请人的业务数据和所述授信系数计算出所述申请人的授信额度,从而根据所述申请人的授信额度执行贷款下发流程。
可选地,所述筛选模块还用于:
根据各个业务指标的历史指标值,分别计算出所述各个业务指标的证据权重值;
基于所述证据权重值对所述各个业务指标进行排序,筛选出证据权重值大于等于证据权重阈值的关键业务指标或者在排序中靠前的关键业务指标。
可选地,所述筛选模块还用于:
对各个业务指标进行分箱;
根据所述各个业务指标的分箱结果和历史指标值,分别计算所述各个业务指标的证据权重值。
可选地,所述筛选模块还用于:
对于每个业务指标,根据所述业务指标的分箱结果和历史指标值,确定每个分箱对应的正样本数量和负样本数量;
根据所述每个分箱对应的正样本数量和负样本数量,计算所述业务指标的证据权重值。
可选地,所述筛选模块还用于:
根据所述每个分箱对应的正样本数量和负样本数量,分别计算所述每个分箱对应的证据权重值;
将所述每个分箱对应的证据权重值进行累加,得到所述业务指标的证据权重值。
可选地,所述拟合模块还用于:
基于逻辑回归分析对所述关键业务指标的证据权重值进行拟合,拟合得到授信系数,从而得到授信系数模型。
可选地,所述第二计算模块还用于:
从所述关键业务指标中选择至少一个目标业务指标;
将所述申请人的目标业务指标的指标值乘以所述授信系数,从而得到所述申请人的授信额度。
根据本发明实施例的另一个方面,还提供了一种电子设备,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,
当所述一个或多个程序被所述一个或多个处理器执行时,所述一个或多个处理器实现上述任一实施例所述的方法。
根据本发明实施例的另一个方面,还提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一实施例所述的方法。
根据本发明实施例的另一个方面,还提供了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上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:因为通过采用证据权重值从业务指标中筛选出关键业务指标,然后基于逻辑回归分析对关键业务指标的历史指标值进行拟合,从而得到授信系数模型,最后根据授信系数模型计算出授信系数的技术手段,所以克服了现有技术中无法准确地计算出农户群体的授信额度的技术问题。本发明实施例采用证据权重值从业务指标中筛选出关键业务指标并基于逻辑回归分析构建授信系数模型,使农户的种植信息有效利用起来,做到千人千面,动态匹配农户资质及需求,实现精准授信,同时兼顾风控规则。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
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。其中:
图1是根据本发明实施例的处理授信数据的方法的流程图;
图2是根据本发明一个可参考实施例的处理授信数据的方法的流程图;
图3是根据本发明另一个可参考实施例的处理授信数据的方法的流程图;
图4是根据本发明再一个可参考实施例的处理授信数据的方法的流程图;
图5是根据本发明实施例的处理授信数据的装置的示意图;
图6是本发明实施例可以应用于其中的示例性系统架构图;
图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
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。
图1是根据本发明实施例的处理授信数据的方法的流程图。作为本发明的一个实施例,如图1所示,所述处理授信数据的方法可以包括:
步骤101,采用证据权重值从业务指标中筛选出关键业务指标。
由于可用于信贷的有效农业数据较少,数据系统化程度偏低,因此本发明实施例首先采用证据权重值(WOE值)从业务指标中筛选出关键业务指标,那么在有效农业数据较少的情况下,也能够准确地计算出申请人的授信额度。
可选地,步骤101可以包括:根据各个业务指标的历史指标值,分别计算出所述各个业务指标的证据权重值;基于所述证据权重值对所述各个业务指标进行排序,筛选出证据权重值大于等于证据权重阈值的关键业务指标或者在排序中靠前的关键业务指标。在本发明的实施例中,首先从数据库中获取各个农户的各个业务指标对应的历史指标值,比如农户年龄、种植面积、种植年份、亩均株数、补贴金额、亩均产量等业务指标对应的历史指标值,然后每个业务指标的历史指标值,分别计算出每个业务指标的证据权重值,最后筛选出关键业务指标。具体地,可以基于证据权重值对各个业务指标进行排序,筛选出在排序中靠前的若干个关键业务指标;或者,预先设置证据权重阈值,筛选出证据权重值大于等于证据权重阈值的关键业务指标。
可选地,根据各个业务指标的历史指标值,分别计算出所述各个业务指标的证据权重值,包括:对各个业务指标进行分箱;根据所述各个业务指标的分箱结果和历史指标值,分别计算所述各个业务指标的证据权重值。可以对每个业务指标分别进行分箱操作(比如等距分箱法或者等频分箱法),比如对年龄可以采用等距分箱法,分箱结果为(18,25]、(25,35]、(35,45]、(45,55],比如对种植面积采用等频分箱法,分箱结果为(10,20]、(20,50]、(50,200]、(200,+);然后根据各个业务指标的分箱结果以及对应的历史指标值,分别计算每个业务指标的证据权重值。
可选地,根据所述各个业务指标的分箱结果和历史指标值,分别计算所述各个业务指标的证据权重值,包括:对于每个业务指标,根据所述业务指标的分箱结果和历史指标值,确定每个分箱对应的正样本数量和负样本数量;根据所述每个分箱对应的正样本数量和负样本数量,计算所述业务指标的证据权重值。对于每个业务指标,根据该业务指标的分箱结果和历史指标值,分别统计每个分箱对应的正样本数量和负样本数量,比如定义有逾期、违约记录的客户为负样本,无逾期记录的客户为正样本,最后根据每个分箱对应的正样本数量和负样本数量,计算该业务指标的证据权重值。
可选地,根据所述每个分箱对应的正样本数量和负样本数量,计算所述业务指标的证据权重值,包括:根据所述每个分箱对应的正样本数量和负样本数量,分别计算所述每个分箱对应的证据权重值;将所述每个分箱对应的证据权重值进行累加,得到所述业务指标的证据权重值。可选地,可以采用以下公式计算每个分箱对应的证据权重值:
其中,Gi为分箱i的正样本数量,Bi为分箱i的负样本数量,Gtotal为正样本总数量,Btotal为负样本总数量。
计算出WOEi后,将每个WOEi进行累加,即得到该业务指标的证据权重值。
本发明实施例根据woe值计算结果剔除对结果影响较小的指标,有助于提高授信额度的计算准确性。
步骤102,基于逻辑回归分析对所述关键业务指标的历史指标值进行拟合,从而得到授信系数模型。
筛选出最影响授信额度计算出准确性的关键业务指标后,基于逻辑回归分析对这些关键业务指标的历史指标值进行拟合,从而得到授信系数模型。
可选地,步骤102可以包括:基于逻辑回归分析对所述关键业务指标的证据权重值进行拟合,拟合得到授信系数,从而得到授信系数模型。由于在步骤101中已经计算出了关键业务指标的证据权重值,为了提高计算速度,可以直接用基于逻辑回归分析对关键业务指标的证据权重值进行拟合,比如可以采用以下模型进行拟合:
其中,a-h为拟合得出的授信系数。
需要指出的是,以上模型仅为示例性说明,而非限制性的,实际中可以根据需求设置其他模型,本发明实施例不作唯一限定。
步骤103,接收申请人的贷款请求,获取所述申请人的所述关键业务指标的指标值,将所述申请人的所述关键业务指标的指标值输入到所述授信系数模型中,从而输出所述申请人的授信系数。
拟合出授信系数模型之后,将申请人的关键业务指标的指标值输入到步骤102拟合出的授信系数模型中,从而输出所述申请人的授信系数。
步骤104,根据所述申请人的业务数据和所述授信系数计算出所述申请人的授信额度,从而根据所述申请人的授信额度执行贷款下发流程。
为了准确地计算出申请人的授信额度,本发明实施例结果申请人的业务数据和授信系数计算出申请人的授信额度。可选地,根据所述申请人的业务数据和所述授信系数计算出所述申请人的授信额度可以包括:从所述关键业务指标中选择至少一个目标业务指标;将所述申请人的目标业务指标的指标值乘以所述授信系数,从而得到所述申请人的授信额度。可以从关键业务指标中选择合适的指标作为目标业务指标,可以选择一个指标也可以选择多个指标作为目标业务指标,将授信系数与各个目标业务指标相乘,得到申请人的授信额度。
比如:授信额度=种植年份×种植面积×授信系数
根据上面所述的各种实施例,可以看出本发明实施例通过采用证据权重值从业务指标中筛选出关键业务指标,然后基于逻辑回归分析对关键业务指标的历史指标值进行拟合,从而得到授信系数模型,最后根据授信系数模型计算出授信系数的技术手段,解决了现有技术中无法准确地计算出农户群体的授信额度的技术问题。本发明实施例采用证据权重值从业务指标中筛选出关键业务指标并基于逻辑回归分析构建授信系数模型,使农户的种植信息有效利用起来,做到千人千面,动态匹配农户资质及需求,实现精准授信,同时兼顾风控规则。
图2是根据本发明一个可参考实施例的处理授信数据的方法的流程图。作为本发明的又一个实施例,如图2所示,所述处理授信数据的方法可以包括:
步骤201,对各个业务指标进行分箱。
可以对每个业务指标分别进行分箱操作,比如等距分箱法或者等频分箱法,可以结合数据分布情况确定采用等距分箱法或者等频分箱法。比如,对年龄可以采用等距分箱法,对种植年份采用等距分箱法,对种植面积采用等频分箱法,对亩均株数采用等频分箱法。
步骤202,对于每个业务指标,根据所述业务指标的分箱结果和历史指标值,确定每个分箱对应的正样本数量和负样本数量。
比如定义有逾期、违约记录的客户为负样本,无逾期记录的客户为正样本,对于每个业务指标,根据该业务指标的分箱结果和历史指标值,分别统计每个分箱对应的正样本数量和负样本数量。
步骤203,对于每个业务指标,根据所述每个分箱对应的正样本数量和负样本数量,计算所述业务指标的证据权重值。
具体地,根据所述每个分箱对应的正样本数量和负样本数量,分别计算所述每个分箱对应的证据权重值;将所述每个分箱对应的证据权重值进行累加,得到所述业务指标的证据权重值。
步骤204,基于所述证据权重值对所述各个业务指标进行排序,筛选出证据权重值大于等于证据权重阈值的关键业务指标或者在排序中靠前的关键业务指标。
可以基于证据权重值对各个业务指标进行排序,筛选出在排序中靠前的若干个关键业务指标;或者,预先设置证据权重阈值,筛选出证据权重值大于等于证据权重阈值的关键业务指标。
步骤205,基于逻辑回归分析对所述关键业务指标的证据权重值进行拟合,拟合得到授信系数,从而得到授信系数模型。
步骤206,接收申请人的贷款请求,获取所述申请人的所述关键业务指标的指标值,将所述申请人的所述关键业务指标的指标值输入到所述授信系数模型中,从而输出所述申请人的授信系数。
步骤207,根据所述申请人的业务数据和所述授信系数计算出所述申请人的授信额度,从而根据所述申请人的授信额度执行贷款下发流程。
另外,在本发明一个可参考实施例中处理授信数据的方法的具体实施内容,在上面所述处理授信数据的方法中已经详细说明了,故在此重复内容不再说明。
图3是根据本发明另一个可参考实施例的处理授信数据的方法的流程图。作为本发明的另一个实施例,如图3所示,所述处理授信数据的方法可以包括:
步骤301,对各个业务指标进行分箱。
步骤302,对于每个业务指标,根据所述业务指标的分箱结果和历史指标值,确定每个分箱对应的正样本数量和负样本数量,如下表所示:
步骤303,对于每个业务指标,根据所述每个分箱对应的正样本数量和负样本数量,分别计算所述每个分箱对应的证据权重值。
可选地,可以采用以下公式计算每个分箱对应的证据权重值:
其中,Gi为分箱i的正样本数量,Bi为分箱i的负样本数量,Gtotal为正样本总数量,Btotal为负样本总数量。
以步骤302中的数据为例,可以得到每个分箱的WOEi,如下表所示:
步骤304,对于每个业务指标,将所述每个分箱对应的证据权重值进行累加,得到所述业务指标的证据权重值。
计算出每个分箱的WOEi后,将每个WOEi进行累加,即得到该业务指标的证据权重值。
步骤305,基于所述证据权重值对所述各个业务指标进行排序,筛选出证据权重值大于等于证据权重阈值的关键业务指标或者在排序中靠前的关键业务指标。
本发明实施例通过对现有农户的种植数据进行分析,计算各个指标的证据权重值,筛选出关键业务指标,用于模型构建。最终从83个初始业务指标中,筛选出包括年龄、种植年份、种植面积、亩均株数、补贴金额等多个关键业务指标。
步骤306,基于逻辑回归分析对所述关键业务指标的证据权重值进行拟合,拟合得到授信系数,从而得到授信系数模型。
步骤307,接收申请人的贷款请求,获取所述申请人的所述关键业务指标的指标值,将所述申请人的所述关键业务指标的指标值输入到所述授信系数模型中,从而输出所述申请人的授信系数。
步骤308,根据所述申请人的业务数据和所述授信系数计算出所述申请人的授信额度,从而根据所述申请人的授信额度执行贷款下发流程。
另外,在本发明另一个可参考实施例中处理授信数据的方法的具体实施内容,在上面所述处理授信数据的方法中已经详细说明了,故在此重复内容不再说明。
图4是根据本发明再一个可参考实施例的处理授信数据的方法的流程图。作为本发明的再一个实施例,如图4所示,所述处理授信数据的方法可以包括:
步骤401,根据各个业务指标的历史指标值,分别计算出所述各个业务指标的证据权重值。
步骤402,基于所述证据权重值对所述各个业务指标进行排序,筛选出证据权重值大于等于证据权重阈值的关键业务指标或者在排序中靠前的关键业务指标。
步骤403,基于逻辑回归分析对所述关键业务指标的证据权重值进行拟合,拟合得到授信系数,从而得到授信系数模型。
步骤404,接收申请人的贷款请求,获取所述申请人的所述关键业务指标的指标值,将所述申请人的所述关键业务指标的指标值输入到所述授信系数模型中,从而输出所述申请人的授信系数。
步骤405,从所述关键业务指标中选择至少一个目标业务指标。
可以从关键业务指标中选择合适的指标作为目标业务指标,可以选择一个指标也可以选择多个指标作为目标业务指标,将授信系数与各个目标业务指标相乘,得到申请人的授信额度。
步骤406,将所述申请人的目标业务指标的指标值乘以所述授信系数,从而得到所述申请人的种植类授信额度。
步骤407,根据所述申请人的资产信用额度、个人房贷剩余价值信用额度和种植类授信额度,计算所述申请人的授信额度,从而根据所述申请人的授信额度执行贷款下发流程。
比如:种植类授信额度(B)=种植年份×种植面积×授信系数
然后计算最终的授信额度(C)=max[行内信用类额度(A)、种植类授信额度(B)];
其中,A=max[个人资产信用额度(A1)、个人房贷剩余价值信用额度(A2)]。
另外,在本发明再一个可参考实施例中处理授信数据的方法的具体实施内容,在上面所述处理授信数据的方法中已经详细说明了,故在此重复内容不再说明。
图5是根据本发明实施例的处理授信数据的装置的示意图。如图5所示,所述处理授信数据的装置500包括筛选模块501、拟合模块502、第一计算模块503和第二计算模块504;其中,筛选模块501用于采用证据权重值从业务指标中筛选出关键业务指标;拟合模块502用于基于逻辑回归分析对所述关键业务指标的历史指标值进行拟合,从而得到授信系数模型;第一计算模块503用于接收申请人的贷款请求,获取所述申请人的所述关键业务指标的指标值,将所述申请人的所述关键业务指标的指标值输入到所述授信系数模型中,从而输出所述申请人的授信系数;第二计算模块504用于根据所述申请人的业务数据和所述授信系数计算出所述申请人的授信额度,从而根据所述申请人的授信额度执行贷款下发流程。
可选地,所述筛选模块501还用于:
根据各个业务指标的历史指标值,分别计算出所述各个业务指标的证据权重值;
基于所述证据权重值对所述各个业务指标进行排序,筛选出证据权重值大于等于证据权重阈值的关键业务指标或者在排序中靠前的关键业务指标。
可选地,所述筛选模块501还用于:
对各个业务指标进行分箱;
根据所述各个业务指标的分箱结果和历史指标值,分别计算所述各个业务指标的证据权重值。
可选地,所述筛选模块501还用于:
对于每个业务指标,根据所述业务指标的分箱结果和历史指标值,确定每个分箱对应的正样本数量和负样本数量;
根据所述每个分箱对应的正样本数量和负样本数量,计算所述业务指标的证据权重值。
可选地,所述筛选模块501还用于:
根据所述每个分箱对应的正样本数量和负样本数量,分别计算所述每个分箱对应的证据权重值;
将所述每个分箱对应的证据权重值进行累加,得到所述业务指标的证据权重值。
可选地,所述拟合模块502还用于:
基于逻辑回归分析对所述关键业务指标的证据权重值进行拟合,拟合得到授信系数,从而得到授信系数模型。
可选地,所述第二计算模块504还用于:
从所述关键业务指标中选择至少一个目标业务指标;
将所述申请人的目标业务指标的指标值乘以所述授信系数,从而得到所述申请人的授信额度。
需要说明的是,在本发明所述处理授信数据的装置的具体实施内容,在上面所述处理授信数据的方法中已经详细说明了,故在此重复内容不再说明。
图6示出了可以应用本发明实施例的处理授信数据的方法或处理授信数据的装置的示例性系统架构600。
如图6所示,系统架构600可以包括终端设备601、602、603,网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604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601、602、603通过网络604与服务器605交互,以接收或发送消息等。终端设备601、602、603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601、602、603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605可以是提供各种服务的服务器,例如对用户利用终端设备601、602、603所浏览的购物类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物品信息查询请求等数据进行分析等处理,并将处理结果反馈给终端设备。
需要说明的是,本发明实施例所提供的处理授信数据的方法一般由服务器605执行,相应地,所述处理授信数据的装置一般设置在服务器605中。
应该理解,图6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。
下面参考图7,其示出了适于用来实现本发明实施例的终端设备的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例,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,计算机系统700包括中央处理单元(CPU)701,其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中,还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705:包括键盘、鼠标等的输入部分706;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707;包括硬盘等的存储部分708;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709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711,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710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708。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序,其包括承载在计算机可读介质上的计算机程序,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。在这样的实施例中,该计算机程序可以通过通信部分709从网络上被下载和安装,和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、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)、光纤、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。在本发明中,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。而在本发明中,计算机可读的信号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,其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、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。计算机可读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、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括筛选模块、拟合模块、第一计算模块和第二计算模块,其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读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一个该设备执行时,该设备实现如下方法:采用证据权重值从业务指标中筛选出关键业务指标;基于逻辑回归分析对所述关键业务指标的历史指标值进行拟合,从而得到授信系数模型;接收申请人的贷款请求,获取所述申请人的所述关键业务指标的指标值,将所述申请人的所述关键业务指标的指标值输入到所述授信系数模型中,从而输出所述申请人的授信系数;根据所述申请人的业务数据和所述授信系数计算出所述申请人的授信额度,从而根据所述申请人的授信额度执行贷款下发流程。
作为另一方面,本发明实施例还提供了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上述任一实施例所述的方法。
根据本发明实施例的技术方案,因为通过采用证据权重值从业务指标中筛选出关键业务指标,然后基于逻辑回归分析对关键业务指标的历史指标值进行拟合,从而得到授信系数模型,最后根据授信系数模型计算出授信系数的技术手段,所以克服了现有技术中无法准确地计算出农户群体的授信额度的技术问题。本发明实施例采用证据权重值从业务指标中筛选出关键业务指标并基于逻辑回归分析构建授信系数模型,使农户的种植信息有效利用起来,做到千人千面,动态匹配农户资质及需求,实现精准授信,同时兼顾风控规则。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (17)
1.一种处理授信数据的方法,其特征在于,包括:
采用证据权重值从业务指标中筛选出关键业务指标;
基于逻辑回归分析对所述关键业务指标的历史指标值进行拟合,从而得到授信系数模型;
接收申请人的贷款请求,获取所述申请人的所述关键业务指标的指标值,将所述申请人的所述关键业务指标的指标值输入到所述授信系数模型中,从而输出所述申请人的授信系数;
根据所述申请人的业务数据和所述授信系数计算出所述申请人的授信额度,从而根据所述申请人的授信额度执行贷款下发流程。
2.根据权利要求1所述的方法,其特征在于,采用证据权重值从业务指标中筛选出关键业务指标,包括:
根据各个业务指标的历史指标值,分别计算出所述各个业务指标的证据权重值;
基于所述证据权重值对所述各个业务指标进行排序,筛选出证据权重值大于等于证据权重阈值的关键业务指标或者在排序中靠前的关键业务指标。
3.根据权利要求2所述的方法,其特征在于,根据各个业务指标的历史指标值,分别计算出所述各个业务指标的证据权重值,包括:
对各个业务指标进行分箱;
根据所述各个业务指标的分箱结果和历史指标值,分别计算所述各个业务指标的证据权重值。
4.根据权利要求3所述的方法,其特征在于,根据所述各个业务指标的分箱结果和历史指标值,分别计算所述各个业务指标的证据权重值,包括:
对于每个业务指标,根据所述业务指标的分箱结果和历史指标值,确定每个分箱对应的正样本数量和负样本数量;
根据所述每个分箱对应的正样本数量和负样本数量,计算所述业务指标的证据权重值。
5.根据权利要求4所述的方法,其特征在于,根据所述每个分箱对应的正样本数量和负样本数量,计算所述业务指标的证据权重值,包括:
根据所述每个分箱对应的正样本数量和负样本数量,分别计算所述每个分箱对应的证据权重值;
将所述每个分箱对应的证据权重值进行累加,得到所述业务指标的证据权重值。
6.根据权利要求1所述的方法,其特征在于,基于逻辑回归分析对所述关键业务指标的历史指标值进行拟合,从而得到授信系数模型,包括:
基于逻辑回归分析对所述关键业务指标的证据权重值进行拟合,拟合得到授信系数,从而得到授信系数模型。
7.根据权利要求1所述的方法,其特征在于,根据所述申请人的业务数据和所述授信系数计算出所述申请人的授信额度,包括:
从所述关键业务指标中选择至少一个目标业务指标;
将所述申请人的目标业务指标的指标值乘以所述授信系数,从而得到所述申请人的授信额度。
8.一种处理授信数据的装置,其特征在于,包括:
筛选模块,用于采用证据权重值从业务指标中筛选出关键业务指标;
拟合模块,用于基于逻辑回归分析对所述关键业务指标的历史指标值进行拟合,从而得到授信系数模型;
第一计算模块,用于接收申请人的贷款请求,获取所述申请人的所述关键业务指标的指标值,将所述申请人的所述关键业务指标的指标值输入到所述授信系数模型中,从而输出所述申请人的授信系数;
第二计算模块,用于根据所述申请人的业务数据和所述授信系数计算出所述申请人的授信额度,从而根据所述申请人的授信额度执行贷款下发流程。
9.根据权利要求8所述的装置,其特征在于,所述筛选模块还用于:
根据各个业务指标的历史指标值,分别计算出所述各个业务指标的证据权重值;
基于所述证据权重值对所述各个业务指标进行排序,筛选出证据权重值大于等于证据权重阈值的关键业务指标或者在排序中靠前的关键业务指标。
10.根据权利要求9所述的装置,其特征在于,所述筛选模块还用于:
对各个业务指标进行分箱;
根据所述各个业务指标的分箱结果和历史指标值,分别计算所述各个业务指标的证据权重值。
11.根据权利要求10所述的装置,其特征在于,所述筛选模块还用于:
对于每个业务指标,根据所述业务指标的分箱结果和历史指标值,确定每个分箱对应的正样本数量和负样本数量;
根据所述每个分箱对应的正样本数量和负样本数量,计算所述业务指标的证据权重值。
12.根据权利要求11所述的装置,其特征在于,所述筛选模块还用于:
根据所述每个分箱对应的正样本数量和负样本数量,分别计算所述每个分箱对应的证据权重值;
将所述每个分箱对应的证据权重值进行累加,得到所述业务指标的证据权重值。
13.根据权利要求8所述的装置,其特征在于,所述拟合模块还用于:
基于逻辑回归分析对所述关键业务指标的证据权重值进行拟合,拟合得到授信系数,从而得到授信系数模型。
14.根据权利要求8所述的装置,其特征在于,所述第二计算模块还用于:
从所述关键业务指标中选择至少一个目标业务指标;
将所述申请人的目标业务指标的指标值乘以所述授信系数,从而得到所述申请人的授信额度。
15.一种电子设备,其特征在于,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,
当所述一个或多个程序被所述一个或多个处理器执行时,所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
16.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
17.一种计算机程序产品,包括计算机程序,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1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211232677.9A CN115496590A (zh) | 2022-10-10 | 2022-10-10 | 处理授信数据的方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211232677.9A CN115496590A (zh) | 2022-10-10 | 2022-10-10 | 处理授信数据的方法、装置、电子设备和计算机可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115496590A true CN115496590A (zh) | 2022-12-20 |
Family
ID=84473991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211232677.9A Pending CN115496590A (zh) | 2022-10-10 | 2022-10-10 | 处理授信数据的方法、装置、电子设备和计算机可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115496590A (zh) |
-
2022
- 2022-10-10 CN CN202211232677.9A patent/CN115496590A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107885783B (zh) | 获取搜索词高相关分类的方法和装置 | |
CN110751549A (zh) | 逾期金融贷款的催收管控方法、装置及电子设备 | |
CN110866698A (zh) | 用于评定服务提供方的服务分值的装置 | |
CN111080178A (zh) | 一种风险监控方法和装置 | |
CN111798261A (zh) | 信息更新的方法和装置 | |
CN114723481A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN112950359A (zh) | 一种用户识别方法和装置 | |
US20210027319A1 (en) | Method and system for collecting and analyzing data to generate performance forecasts for assets | |
CN113361959A (zh) | 一种银行业务集中运营成熟度的计算方法和装置 | |
CN112860672A (zh) | 标签权重的确定方法和装置 | |
CN112287208B (zh) | 用户画像生成方法、装置、电子设备及存储介质 | |
CN110197316B (zh) | 运营数据的处理方法、装置、计算机可读介质及电子设备 | |
CN113313279A (zh) | 一种单据审核方法和装置 | |
CN110930238A (zh) | 提高审核任务效率的方法、装置、设备和计算机可读介质 | |
CN110795638A (zh) | 用于输出信息的方法和装置 | |
CN113780703B (zh) | 一种指标调整方法和装置 | |
CN115496590A (zh) | 处理授信数据的方法、装置、电子设备和计算机可读介质 | |
CN110766488A (zh) | 一种自动确定主题场景的方法和装置 | |
CN112907362A (zh) | 贷款业务的处理方法、装置、电子设备和存储介质 | |
CN112990311A (zh) | 一种准入客户的识别方法和装置 | |
CN111144694B (zh) | 基于触点分析的运营流程管理方法和装置 | |
CN112989276A (zh) | 信息推送系统的评价方法和装置 | |
CN110019808A (zh) | 一种预测信息属性的方法和装置 | |
CN114997977B (zh) | 一种数据处理方法、装置、电子设备及计算机可读介质 | |
CN114723256A (zh) | 构建评价框架的方法、装置、电子设备和计算机可读介质 |
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 |