CN115619517A - 一种应用于信贷领域的机构评估方法及系统 - Google Patents
一种应用于信贷领域的机构评估方法及系统 Download PDFInfo
- Publication number
- CN115619517A CN115619517A CN202211069025.8A CN202211069025A CN115619517A CN 115619517 A CN115619517 A CN 115619517A CN 202211069025 A CN202211069025 A CN 202211069025A CN 115619517 A CN115619517 A CN 115619517A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- financial institution
- classification
- credit
- service
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 242
- 230000008520 organization Effects 0.000 title description 8
- 238000000034 method Methods 0.000 claims abstract description 34
- 238000012163 sequencing technique Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 117
- 238000010586 diagram Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 7
- 230000005855 radiation Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000011161 development Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种应用于信贷领域的机构评估方法及系统,其方法包括:包括:S1:根据信贷金融机构评估系统用户端确定评估范围,并获取所述评估范围内目标金融机构对应的行业分类的分类结果;S2:根据所述分类结果对所述目标金融机构进行初步评估,获得初步评估结果;S3:获取所述目标金融机构的当前信贷业务数据,根据所述当前信贷业务数据,对所述初步评估结果进行调整获得最终评估结果;S4:根据所述最终评估结果,对所述评估范围内的全部目标金融机构进行排序。本发明对信贷金融机构进行评估,为用户展示客观的评估结果,还确立了行业分类的维度展现了信贷领域下机构类型的全貌,形成的行业分类数据字典,为用户提供了一套全面快速的查询方法。
Description
技术领域
本发明涉及信贷领域的机构评估技术领域,特别涉及一种应用于信贷领域的机构评估方法及系统。
背景技术
随着我国整体经济高速发展,居民个人收入整体向好,同时消费能力不断提高。信贷已经越来越多的走进了我们的生活。大到房产汽车,小到数码家电甚至服装衣帽等,可谓是遍及我们日常可见的各个角落。信贷的出现很大程度的改变了国人原有的消费观念。同业也在极大程度上促进了经济的整体向好发展。同时在蓬勃发展的贷款中我们也看到了许多不容忽视的问题,由于信贷申请人对信贷金融机构的片面了解导致信贷乱申请杂乱的现象,缺乏一种对信贷金融机构进行评估的方法。
发明内容
本发明提供一种应用于信贷领域的机构评估方法及系统,用以对信贷领域的金融机构进行评估,为用户展示客观的评估结果,自动选择与用户筛选条件匹配的金融机构。
本发明提供一种应用于信贷领域的机构评估方法,包括:
S1:根据信贷金融机构评估系统用户端确定评估范围,并获取所述评估范围内目标金融机构对应的行业分类的分类结果;
S2:根据所述分类结果对所述目标金融机构进行初步评估,获得初步评估结果;
S3:获取所述目标金融机构的当前信贷业务数据,根据所述当前信贷业务数据,对所述初步评估结果进行调整获得最终评估结果;
S4:根据所述最终评估结果,对所述评估范围内的全部目标金融机构进行排序。
优选的,在执行所述S1前,还包括:采集全部从事信贷业务的金融机构的第一业务数据,基于所述第一业务数据对所述金融机构进行行业分类,具体步骤包括:
S001:基于金融机构编码规范,确定行业分类的分类范围;
S002:基于所述分类范围,确定待进行行业分类的金融机构的第一机构名称,并获取所述第一机构名称对应金融机构的第一业务数据;
S003:根据所述第一业务数据,确定所述行业分类的分类维度以及维度名称,建立行业分类构架;
S004:根据所述行业分类构架,对所述待进行行业分类的金融机构进行行业分类。
优选的,所述S003:根据所述第一业务数据,确定所述行业分类的分类维度以及维度名称,建立行业分类构架,具体包括:
基于所述第一业务数据,确定所述第一机构名称对应的第一金融机构从事的第一信贷项目,并分别获取各个第一信贷项目对应的第二业务数据;
基于所述第二业务数据,绘制各个第一信贷项目的分布辐射图,基于所述分布辐射图,确定各个第一信贷项目的分布范围,同时,获取各个信贷项目在当前截至日期以前的交易额度;
基于所述分布范围以及所述交易额度,确定所述第一金融机构的主要从事信贷项目;
根据所述主要从事信贷项目,对所述第一金融机构进行归类,获得一级分类;
获取所述一级分类对应的金融机构编码,根据所述金融机构编码,获取类型描述,提取所述类型描述中的基础关键词,并将所述基础关键词进行组合生成第一名称;
判断所述第一名称的字数是否大于预设字数,若所述第一名称的字数不大于预设字数,判定所述第一名称为一级分类名称;
若所述第一名称的字数大于预设字数,基于同一一级分类中的第二金融机构的主要从事信贷项目的项目描述,确定所述基础关键中的主要关键词以及次要关键词;
判断所述主要关键词字数是否大于预设字数,若所述主要关键词字数不大于预设字数,将所述次要关键词进行处理后与所述主要关键词组合生成第二名称,判定所述第二名称为一级分类名称;
若所述主要关键词字数大于预设字数,将所述主要关键词处理后,生成第三名称,判定所述第三名称为一级分类名称;
获取同一一级分类项中的全部第二金融机构的第二信贷项目,基于所述第二信贷项目,进行二级分类,并确定二级分类名称;
同时,获取所述第二信贷项目包含的子业务以及所述子业务的业务名称,基于所述子业务,进行三级分类,并将所述业务名称进行处理后,作为三级分类名称。
优选的,所述S1:根据信贷金融机构评估系统用户端确定评估范围,并获取所述评估范围内目标金融机构对应的行业分类的分类结果,具体步骤包括:
S101:根据信贷金融机构评估系统用户端确定评估范围;
S102:获取所述评估范围内的金融机构分布图;
S103:基于所述金融机构分布图,确定目标金融机构及其对应的第二机构名称;
S104:根据所述第二机构名称,获得所述目标金融机构对应的行业分类的的分类结果。
优选的,所述S2:根据所述分类结果对所述目标金融机构进行初步评估,获得初步评估结果,具体步骤包括:
S201:根据所述分类结果,确定所述目标金融机构的机构属性;
S202:基于所述机构属性,在行业投资风险预测表中获取对应的风险预测值;
S203:根据所述风险预测值,生成所述目标金融机构的初步评价报告,获得初步评价结果。
优选的,所述S3:获取所述目标金融机构的当前信贷业务数据,根据所述当前信贷业务数据,对所述初步评估结果进行调整获得最终评估结果,具体步骤包括:;
基于所述目标金融机构的分类结果,确定所述目标金融机构的当前业务种类,并获取所述目标金融机构的当前信贷业务数据;
根据所述当前业务种类,对将所述当前信贷业务数据进行分割,获得所述目标金融机构的不同业务对应的业务成交数据,并建立多个数据集合,将同一业务的业务成交数据储存至同一数据集合中;
基于所述数据集合,获取不同时期同一业务的第一业务处理时间,根据所述第一业务处理时间,计算第一业务的第一平均处理时间;
分别获取评估范围内与所述目标金融机构的一级分类结果一样的剩余目标金融机构的不同业务对应的第二平均处理时间;
根据所述第一业务对应的第二平均处理时间,生成同类业务处理时间对比图;
基于所述同类业务处理时间对比图,获取所述第一业务的业务处理时间的波动幅度,若所述波动幅度在预设幅度内时,基于所述第一业务对应的第二平均处理时间以及所述第一平均处理时间,计算得到所述第一业务的行业处理平均时间;
将所述第一平均处理时间与所述行业处理平均时间的商,作为所述目标金融机构的第一业务的业务处理速度评估指数;
若所述波动幅度不在预设幅度内时,基于所述预设幅度,获取第一业务的业务处理时间对应的预设上限值;
将所述第一平均处理时间与所述预设上限值的商,作为所述所述目标金融机构的第一业务的业务处理速度评估指数;
基于所述目标金融机构的全部当前业务种类对应的第一业务的业务处理速度评估指数,获得所述目标金融机构的总处理评价指数;
根据所述总处理评价指数,将初步评价结果中的与所述目标金融机构的行业分类中的一级分类一样的全部目标金融机构的排列顺序进行调整,获得最终评价结果。
优选的,所述S4:根据所述最终评估结果,对所述评估范围内的全部目标金融机构进行排序,具体步骤包括:
S401:根据所述最终评估结果对评估范围内全部目标金融机构进行排序,获得评价排序结果;
S402:将所述评价排序结果发送至信贷金融机构评估系统用户端的评价结果接收模块;
S403:通过所述评价结果接收模块显示所述评价排序结果至浏览页面。
优选的,在所述评价结果接收模块展示所述评价排序结果的过程中,通过信贷金融机构评估系统用户端的展示筛选单元设置被展示结果的展示条件;
所述展示筛选单元根据所述展示条件,生成展示列表,将所述展示列表中的目标金融机构的评价结果展示在所述信贷金融机构评估系统用户端的浏览页面。
本发明提供一种应用于信贷领域的机构评估系统,包括:
数据获取模块,用于根据信贷金融机构评估系统用户端确定评估范围,并获取所述评估范围内目标金融机构对应的行业分类的分类结果;
第一评估模块,用于根据所述分类结果对所述目标金融机构进行初步评估,获得初步评估结果;
第二评估模块,用于获取所述目标金融机构的当前信贷业务数据,根据所述当前信贷业务数据,对所述初步评估结果进行调整获得最终评估结果;
排序推送模块,用于根据所述最终评估结果,对所述评估范围内的全部目标金融机构进行排序。
优选的,一种应用于信贷领域的机构评估系统,还包括,行业分类模块,用于采集全部从事信贷业务的金融机构的业务数据,基于所述业务数据对所述金融机构进行行业分类,具体步骤包括:
范围确定单元,用于基于金融机构编码规范,确定待进行行业分类的机构范围;
数据获取单元,用于基于所述机构范围,确定所述待进行行业分类的金融机构的第一机构名称,并获取所述第一机构名称对应金融机构的第一业务数据;
构建建立单元,用于根据所述第一业务数据,确定所述行业分类的分类维度以及维度名称,建立行业分类构架;
行业分类单元,用于根据所述行业分类构架,对所述待进行行业分类的金融机构进行行业分类。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明一种应用于信贷领域的机构评估方法的流程图;
图2为本发明对从事信贷业务的金融机构进行行业分类的流程图;
图3为本发明对从事信贷业务的金融机构进行行业分类的一级分类结果示意图;
图4为本发明一种应用于信贷领域的机构评估方法步骤1的流程图;
图5为本发明一种应用于信贷领域的机构评估方法步骤2的流程图;
图6为本发明一种应用于信贷领域的机构评估方法步骤4的流程图;
图7为本发明一种应用于信贷领域的机构评估系统的结构示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1:
本发明提供一种应用于信贷领域的机构评估方法,如图1所示,包括:
S1:根据信贷金融机构评估系统用户端确定评估范围,并获取所述评估范围内目标金融机构对应的行业分类的分类结果;
S2:根据所述分类结果对所述目标金融机构进行初步评估,获得初步评估结果;
S3:获取所述目标金融机构的当前信贷业务数据,根据所述当前信贷业务数据,对所述初步评估结果进行调整获得最终评估结果;
S4:根据所述最终评估结果,对所述评估范围内的全部目标金融机构进行排序。
本实施例中,评估范围是指被评估的从事信贷业务的金融机构的范围,例如,某一省份内从事某一信贷业务的金融机构。
本实施例中,目标金融机构是指评估范围内从事某些指定业务或者全部指定业务的信贷金融机构。
本实施例中,行业分类是指对全部从事信贷业务的金融机构进行分类。
本实施例中,当前信贷业务数据是指目标金融机构截至被评估前各项信贷业务的成交数据以及业务分布范围。
上述技术方案的有益效果:本发明根据信贷金融机构评估系统用户端确定评估范围,根据用户的实际情况,针对性对目标金融机构进行评价,根据行业分类的分类结果对目标金融机构进行初步评估,从行业整体的角度对目标金融机构进行评估,然后根据目标金融机构的当前信贷业务数据对初步评估结果进行调整获得最终评估结果,从目标金融机构本身的实际情况的角度进行评估;本发明从行业整体以及目标金融机构个体两个方面对目标金融机构进行评估,为用户展示客观的评估结果,并自动选择与用户筛选条件匹配的金融机构进行评估结果展示。
实施例2:
在实施例1的基础上,在执行所述S1前,还包括:采集全部从事信贷业务的金融机构的第一业务数据,基于所述第一业务数据对所述金融机构进行行业分类,如图2所示,具体步骤包括:
S001:基于金融机构编码规范,确定行业分类的分类范围;
S002:基于所述分类范围,确定待进行行业分类的金融机构的第一机构名称,并获取所述第一机构名称对应金融机构的第一业务数据;
S003:根据所述第一业务数据,确定所述行业分类的分类维度以及维度名称,建立行业分类构架;
S004:根据所述行业分类构架,对所述待进行行业分类的金融机构进行行业分类。
本实施例中,分类范围是指金融机构编码规范的规定的从事信贷业务的金融机构,包含银行业存款类金融机构、银行业非存款类金融机构、保险业金融机构和新兴金融企业。
本实施例中,第一业务数据包括金融机构的的信贷业务种类、各个业务分布范围以及各个业务的交易数据等。
本实施例中,第一机构名称是指分类范围内全部金融机构的机构名称。
本实施例中,分类维度是指行业分类构架的分类层级,包含一级分类、二级分类以及三级分类,维度名称是指行业分类构架各个层级的名称,包含一级分类名称、二级分类名称以及三级分类名称。
本实施例中,行业分类构架由分类维度以及维度名称构建的用于进行行业分类的基础构架结构。
上述技术方案的有益效果:本发明依托实际应用需求,结合信贷领域的现状,确立了机构分类的维度,展现了信贷领域下机构类型的全貌;形成的行业分类数据字典,为信贷数据使用者提供了一套全面快速的查询方法,为后续信贷领域的行业洞察奠定了基础。同时本发明具有高度的灵活性和可扩展性,可以迁移至多种业务场景。
实施例3:
在实施例2的基础上,所述S003:根据所述第一业务数据,确定所述行业分类的分类维度以及维度名称,建立行业分类构架,具体包括:
基于所述第一业务数据,确定所述第一机构名称对应的第一金融机构从事的第一信贷项目,并分别获取各个第一信贷项目对应的第二业务数据;
基于所述第二业务数据,绘制各个第一信贷项目的分布辐射图,基于所述分布辐射图,确定各个第一信贷项目的分布范围,同时,获取各个信贷项目在当前截至日期以前的交易额度;
基于所述分布范围以及所述交易额度,确定所述第一金融机构的主要从事信贷项目;
根据所述主要从事信贷项目,对所述第一金融机构进行归类,获得一级分类;
获取所述一级分类对应的金融机构编码,根据所述金融机构编码,获取类型描述,提取所述类型描述中的基础关键词,并将所述基础关键词进行组合生成第一名称;
判断所述第一名称的字数是否大于预设字数,若所述第一名称的字数不大于预设字数,判定所述第一名称为一级分类名称;
若所述第一名称的字数大于预设字数,基于同一一级分类中的第二金融机构的主要从事信贷项目的项目描述,确定所述基础关键中的主要关键词以及次要关键词;
判断所述主要关键词字数是否大于预设字数,若所述主要关键词字数不大于预设字数,将所述次要关键词进行处理后与所述主要关键词组合生成第二名称,判定所述第二名称为一级分类名称;
若所述主要关键词字数大于预设字数,将所述主要关键词处理后,生成第三名称,判定所述第三名称为一级分类名称;
获取同一一级分类项中的全部第二金融机构的第二信贷项目,基于所述第二信贷项目,进行二级分类,并确定二级分类名称;
同时,获取所述第二信贷项目包含的子业务以及所述子业务的业务名称,基于所述子业务,进行三级分类,并将所述业务名称进行处理后,作为三级分类名称。
本实施例中,第一信贷项目是指分类范围内不同金融机构从事的信贷业务项目。
本实施例中,第二业务数据是指分类范围内不同金融机构从事的不同信贷业务项目对应的业务数据,包含业务项目的分布范围以及各个业务项目的交易数据等,其中每个信贷业务项目下包含一个或多个子业务。
本实施例中,分布辐射图是用来展现第一金融机构(待进行行业分类的金融机构)不同业务项目的分布范围。分布范围是指第一金融机构可以办理某一现代业务项目的地域范围。
本实施例中,当前截至日期是指进行行业分类的时间。
本实施例中,主要从事信贷项目是指第一金融机构的主要从事的信贷业务。
本实施例中,一级分类是指金融机构的主要从事项目确定金融机构属于的行业大类;二级分类是指在一级分类下,对该金融机构从事的全部信贷业务项目进行分类;三级分类是指二级分类包含的子业务。
本发明确立了6大行业类别(行业大类即一级分类),如图3所示,同时每一一级分类下也进行了二级分类(行业小类)和三级分类(业务条线),确保既可以整体洞察,又可以细分洞察,并根据每种分类定义包含的机构类型对此分类进行命名。命名结果可以为:(1)将以银行业存款类金融机构(除财务公司)为主的分类命名为——银行类。进行二级分类,二级分类命名为——国有银行、股份制商业银行、城商行、农商行、民营银行、外资银行、互联网银行。按照业务条线进行三级分类,三级分类命名为——零售、信用卡;(2)将以银行业非存款类金融机构中的汽车金融机构单独进行分类命名为——汽车金融类。按照业务条线进行三级分类,三级分类命名为——新车、二手车;(3)将以银行业非存款类金融机构中的持牌消金机构单独进行分类命名为——持牌消金类;(4)将新兴金融企业中处于头部位置的互联网金融机构进行分类命名为——头部互金类;(5)将新兴金融企业中的小额贷款机构进行分类命名为----小贷类;(6)将银行业非存款类金融机构中的信托公司、融资租赁公司,保险业金融机构,非头部互联网金融机构,平台类机构等进行分类命名为——其他类,同时进行二级分类,二级分类命名为——保险、信托、融资租赁、担保、小微、平台、其他互金、其他。
本实施例中,第二金融机构是指同一一级分类对应的全部金融机构。
本实施例中,基础关键词是指在一级分类对应的金融机构编码下,对此类金融机构的定义描述中的关键词。
本实施例中,第一名称是指由全部基础关键词组合生成的一级分类的名称;第二名称是指第一名称的字数大于预设字数时,将次要关键词删减后与主要关键词组合生成的一级分类名称;第三名称是指将主要关键词对应的字删减后得到的一级分类名称。
本实施例中,预设字数是指系统设定的每个分类维度名称的最长度字数(例如,8个汉字)。
本实施例中,项目描述是指金融机构主要从事的信贷项目包含子业务及其子业务的具体描述。
本实施例中,主要关键词是指基础关键词中与金融机构主要从事的信贷项目相关的词汇;次要关键词是指与金融机构主要从事的信贷项目无关的词汇。
本实施例中,对关键词进处理是指保留关键词(包括主要关键词和次要关键词)中的主要字词,删除其他冗余字词,例如对新兴金融企业中处于头部位置的互联网金融机构进行命名,获得关键词是头部位置、互联网金融机构,进行组合生成第一名称——头部位置互联网融机构类,超出预设字数(8个字),其主要关键词为头部位置,其他关键词为次要关键词,对次要关键词简化后得到头部互金类。
本实施例中,第二信贷项目是指同一一级分类对应的全部金融机构从事的信贷业务项目。
上述技术方案的有益效果:本发明根据第一业务数据,确定行业分类的分类维度以及维度名称,建立行业分类构架,打破了国内金融领域的高数据信息壁垒,为从事信贷业务的金融机构的分类提供了一个统一的依据,为金融行业的评估提供了基础。
实施例4:
在实施例1的基础上,所述S1:根据信贷金融机构评估系统用户端确定评估范围,并获取所述评估范围内目标金融机构对应的行业分类的分类结果,如图4所示,具体步骤包括:
S101:根据信贷金融机构评估系统用户端确定评估范围;
S102:获取所述评估范围内的金融机构分布图;
S103:基于所述金融机构分布图,确定目标金融机构及其对应的第二机构名称;
S104:根据所述第二机构名称,获得所述目标金融机构对应的行业分类的的分类结果。
本实施例中,金融机构分布图是指评估范围内各个目标金融机构的分布图。
本实施例中,第二机构名称是指全部目标金融机构的机构名称。
本实施例中,分类结果是指根据行业分类构架分类后目标金融机构(全部第二机构名称对应的金融机构)的行业分类结果。
上述技术方案的有益效果:本发明限定评估范围,并获取所述评估范围内目标金融机构对应的行业分类的分类结果,为初步评估提供依据。
实施例5:
在实施例1的基础上,所述S2:根据所述分类结果对所述目标金融机构进行初步评估,获得初步评估结果,如图5所示,具体步骤包括:
S201:根据所述分类结果,确定所述目标金融机构的机构属性;
S202:基于所述机构属性,在行业投资风险预测表中获取对应的风险预测值;
S203:根据所述风险预测值,生成所述目标金融机构的初步评价报告,获得初步评价结果。
本实施例中,机构属性是指目标金融机构的一级分类。
本实施例中,行业投资风险预测表是指对金融行业内各个信贷业务的风险评估预测表,这个表储存在信贷金融机构评估系统中。
本实施例中,初步评价报告是指目标金融机构的风险预测报告。
上述技术方案的有益效果:本发明据行业分类的分类结果对目标金融机构进行初步评估,从行业整体的角度对目标金融机构的风险性进行评估。
实施例6:
在实施例1的基础上,所述S3:获取所述目标金融机构的当前信贷业务数据,根据所述当前信贷业务数据,对所述初步评估结果进行调整获得最终评估结果,具体步骤包括:;
基于所述目标金融机构的分类结果,确定所述目标金融机构的当前业务种类,并获取所述目标金融机构的当前信贷业务数据;
根据所述当前业务种类,对将所述当前信贷业务数据进行分割,获得所述目标金融机构的不同业务对应的业务成交数据,并建立多个数据集合,将同一业务的业务成交数据储存至同一数据集合中;
基于所述数据集合,获取不同时期同一业务的第一业务处理时间,根据所述第一业务处理时间,计算第一业务的第一平均处理时间;
分别获取评估范围内与所述目标金融机构的一级分类结果一样的剩余目标金融机构的不同业务对应的第二平均处理时间;
根据所述第一业务对应的第二平均处理时间,生成同类业务处理时间对比图;
基于所述同类业务处理时间对比图,获取所述第一业务的业务处理时间的波动幅度,若所述波动幅度在预设幅度内时,基于所述第一业务对应的第二平均处理时间以及所述第一平均处理时间,计算得到所述第一业务的行业处理平均时间;
将所述第一平均处理时间与所述行业处理平均时间的商,作为所述目标金融机构的第一业务的业务处理速度评估指数;
若所述波动幅度不在预设幅度内时,基于所述预设幅度,获取第一业务的业务处理时间对应的预设上限值;
将所述第一平均处理时间与所述预设上限值的商,作为所述所述目标金融机构的第一业务的业务处理速度评估指数;
基于所述目标金融机构的全部当前业务种类对应的第一业务的业务处理速度评估指数,获得所述目标金融机构的总处理评价指数;
根据所述总处理评价指数,将初步评价结果中的与所述目标金融机构的行业分类中的一级分类一样的全部目标金融机构的排列顺序进行调整,获得最终评价结果。
本实施例中,当前业务种类是指目标金融机构从事的信贷业务种类。
本实施例中,业务成交数据包括业务成交地点、成交金融和业务处理时间。
本实施例中,数据集合是用于储存不同业务的业务成交数据的,同一业务的业务成交数据储存至同一数据集合中。
本实施例中,第一业务处理时间是指同一业务的每一订单的处理时间,即每个订单从申请到发放贷款的时间。
本实施例中,第一平均处理时间是指第一业务的平均处理时间,其中,第一业务是指某一数据集合对应的信贷业务。
本实施例中,剩余目标金融机构是指与目标金融机构一级分类一样的其他目标金融机构。
本实施例中,第二平均处理时间是指剩余目标金融机构不同业务的平均处理时间。
本实施例中,同类业务处理时间对比图是指根据目标金额机构以及剩余目标金融机构的第一业务的平均处理时间绘制的条形图,用于对比各个目标金融机构同一业务的处理时间的长短。
本实施例中,波动幅度是指第一业务的业务处理时间的长短变化范围,即最短平均处理时间与最长平均处理时间形成的时间区间范围。
本实施例中,预设幅度是指系统根据行业现状预测的第一业务的最快处理时间以及最慢处理时间。
本实施例中,行业处理平均时间是指第一业务对应的第二平均处理时间以及第一平均处理时间的平均值。
本实施例中,业务处理速度评估指数是指第一平均处理时间除以行业处理平均时间得到的商,或者是第一平均处理时间与预设上限值的商。预设上限是指预设幅度的上限值即系统预测的第一业务的最慢处理时间。
上述技术方案的有益效果:本发明获取目标金融机构的当前信贷业务数据,根据当前信贷业务数据,对所述初步评估结果进行调整获得最终评估结果,目标金融机构本身的实际情况的角度进行评估,体现了目标金融机构的业务处理能力,为最总的评估提供依据。
实施例7:
在实施例6的基础上,所述基于所述目标金融机构的全部当前业务种类对应的第一业务的业务处理速度评估指数,获得所述目标金融机构的总处理评价指数;
对评估范围内的目标机构进行编码处理,计算第j个目标金融机构第i个当前业务种类对应业务的业务处理速度评估指数:
其中,γj,i表示第j个目标金融机构的第i个第一业务的业务处理速度评估指数;Aj,i表示γj,i表示第j个目标金融机构的第i个第一业务的第一平均处理时间;j表示评估范围内全部目标机构的编号(1,2,…,j,…,N);i表示第j个目标金融机构的信贷业务编号(1,2,,…,i,…,Y);Bjk,i表示与第j个目标金融机构的一级分类一样的第K个剩余目标金融机构的第i个第一业务的第二平均处理时间;;k表示与第j个目标金融机构的一级分类一样的剩余目标金融机构的编号(1,2,,…,k,…,n);n表示与第j个目标金融机构的一级分类一样的剩余目标金融机构的总数;tj,1表示第j个目标金融机构的同类业务处理时间对比图中的最短平均处理时间;tj,2表示第j个目标金融机构的同类业务处理时间对比图中的最长平均处理时间;[tj,1,tj,2]表示第j个目标金融机构的波动幅度范围;Tj,1表示第j个目标金融机构的预设下限值;Tj,2表示第j个目标金融机构的预设上限值;[Tj,1,Tj,2]表示预设幅度范围;当Tj,1≤tj,1且Tj,2≥tj,2时,表明第j个目标金融机构的第i个第一业务的业务处理时间的波动幅度在预设幅度内;当Tj,1>tj,1或Tj,2<tj,2时,表明第j个目标金融机构的第i个第一业务的业务处理时间的波动幅度不在预设幅度内;
获取第j个目标金融机构全部信贷业务对应的业务处理速度评估指数,计算所述第j个目标金融机构的总处理评价指数:
其中,ωj表示第j个目标金融机构的总处理评价指数;Y表示第j个目标金融机构的信贷业务种类数量,δ表示系统误差因子,取值在(0,0.2];
基于上述计算过程,分别获取所述评估范围内N个目标金融机构的总处理评价指数,并将全部总处理评价指数发送至排序推送模块的排序单元。
上述技术方案的有益效果:本发明通过首先得到目标金融机构的每一项信贷的业务处理速度评估指数,然后对目标金融机构的整体业务处理能力进行计算评估,更加直观的展现了的目标金融机构的业务处理能力。
实施例8:
在实施例1的基础上,所述S4:根据所述最终评估结果,对所述评估范围内的全部目标金融机构进行排序,如图6所示,具体步骤包括:
S401:根据所述最终评估结果对评估范围内全部目标金融机构进行排序,获得评价排序结果;
S402:将所述评价排序结果发送至信贷金融机构评估系统用户端的评价结果接收模块;
S403:通过所述评价结果接收模块显示所述评价排序结果至浏览页面。
上述技术方案的有益效果:本发明根据最终评估结果,对评估范围内的全部目标金融机构进行排序,是的评估结果的展现更加直观易懂。
实施例9:
在实施例8的基础上,在所述评价结果接收模块展示所述评价排序结果的过程中,通过信贷金融机构评估系统用户端的展示筛选单元设置被展示结果的展示条件;
所述展示筛选单元根据所述展示条件,生成展示列表,将所述展示列表中的目标金融机构的评价结果展示在所述信贷金融机构评估系统用户端的浏览页面。
本实施例中,展示条件是指在信贷金融机构评估系统用户端,用户设置的被展示评估结果的目标金融机构要满足的条件,例如,购车贷款、购房贷款等。
上述技术方案的有益效果:本发明根据用户设置的展示条件进行评估结果展示,在满足用户要求的同时,确保了浏览页面的简洁的,提高用户体验感。
实施例10:
本发明提供一种应用于信贷领域的机构评估系统,如图7所示,包括:
数据获取模块,用于根据信贷金融机构评估系统用户端确定评估范围,并获取所述评估范围内目标金融机构对应的行业分类的分类结果;
第一评估模块,用于根据所述分类结果对所述目标金融机构进行初步评估,获得初步评估结果;
第二评估模块,用于获取所述目标金融机构的当前信贷业务数据,根据所述当前信贷业务数据,对所述初步评估结果进行调整获得最终评估结果;
排序推送模块,用于根据所述最终评估结果,对所述评估范围内的全部目标金融机构进行排序。
上述技术方案的有益效果:本发明根据信贷金融机构评估系统用户端确定评估范围,根据用户的实际情况,针对性对目标金融机构进行评价,根据行业分类的分类结果对目标金融机构进行初步评估,从行业整体的角度对目标金融机构进行评估,然后根据目标金融机构的当前信贷业务数据对初步评估结果进行调整获得最终评估结果,从目标金融机构本身的实际情况的角度进行评估;本发明从行业整体以及目标金融机构个体两个方便对目标金融机构进行评估,为用户展示客观的评估结果,并自动选择与用户筛选条件匹配的金融机构进行评估结果展示。
实施例11:
在实施例10的基础上,一种应用于信贷领域的机构评估系统,还包括,行业分类模块,用于采集全部从事信贷业务的金融机构的业务数据,基于所述业务数据对所述金融机构进行行业分类,具体步骤包括:
范围确定单元,用于基于金融机构编码规范,确定待进行行业分类的机构范围;
数据获取单元,用于基于所述机构范围,确定所述待进行行业分类的金融机构的第一机构名称,并获取所述第一机构名称对应金融机构的第一业务数据;
构建建立单元,用于根据所述第一业务数据,确定所述行业分类的分类维度以及维度名称,建立行业分类构架;
行业分类单元,用于根据所述行业分类构架,对所述待进行行业分类的金融机构进行行业分类。
上述技术方案的有益效果:本发明依托实际应用需求,结合信贷领域的现状,确立了机构分类的维度,展现了信贷领域下机构类型的全貌;形成的行业分类数据字典,为信贷数据使用者提供了一套全面快速的查询方法,为后续信贷领域的行业洞察奠定了基础。同时本发明具有高度的灵活性和可扩展性,可以迁移至多种业务场景。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种应用于信贷领域的机构评估方法,其特征在于,包括:
S1:根据信贷金融机构评估系统用户端确定评估范围,并获取所述评估范围内目标金融机构对应的行业分类的分类结果;
S2:根据所述分类结果对所述目标金融机构进行初步评估,获得初步评估结果;
S3:获取所述目标金融机构的当前信贷业务数据,根据所述当前信贷业务数据,对所述初步评估结果进行调整获得最终评估结果;
S4:根据所述最终评估结果,对所述评估范围内的全部目标金融机构进行排序。
2.根据权利要求1所述的一种应用于信贷领域的机构评估方法,其特征在于,在执行所述S1前,还包括:采集全部从事信贷业务的金融机构的第一业务数据,基于所述第一业务数据对所述金融机构进行行业分类,具体步骤包括:
S001:基于金融机构编码规范,确定行业分类的分类范围;
S002:基于所述分类范围,确定待进行行业分类的金融机构的第一机构名称,并获取所述第一机构名称对应金融机构的第一业务数据;
S003:根据所述第一业务数据,确定所述行业分类的分类维度以及维度名称,建立行业分类构架;
S004:根据所述行业分类构架,对待进行行业分类的金融机构进行行业分类。
3.根据权利要求2所述的一种应用于信贷领域的机构评估方法,其特征在于:所述S003:根据所述第一业务数据,确定所述行业分类的分类维度以及维度名称,建立行业分类构架,具体包括:
基于所述第一业务数据,确定所述第一机构名称对应的第一金融机构从事的第一信贷项目,并分别获取各个第一信贷项目对应的第二业务数据;
基于所述第二业务数据,绘制各个第一信贷项目的分布辐射图,基于所述分布辐射图,确定各个第一信贷项目的分布范围,同时,获取各个信贷项目在当前截至日期以前的交易额度;
基于所述分布范围以及所述交易额度,确定所述第一金融机构的主要从事信贷项目;
根据所述主要从事信贷项目,对所述第一金融机构进行归类,获得一级分类;
获取所述一级分类对应的金融机构编码,根据所述金融机构编码,获取类型描述,提取所述类型描述中的基础关键词,并将所述基础关键词进行组合生成第一名称;
判断所述第一名称的字数是否大于预设字数,若所述第一名称的字数不大于预设字数,判定所述第一名称为一级分类名称;
若所述第一名称的字数大于预设字数,基于同一一级分类中的第二金融机构的主要从事信贷项目的项目描述,确定所述基础关键中的主要关键词以及次要关键词;
判断所述主要关键词字数是否大于预设字数,若所述主要关键词字数不大于预设字数,将所述次要关键词进行处理后与所述主要关键词组合生成第二名称,判定所述第二名称为一级分类名称;
若所述主要关键词字数大于预设字数,将所述主要关键词处理后,生成第三名称,判定所述第三名称为一级分类名称;
获取同一一级分类项中的全部第二金融机构的第二信贷项目,基于所述第二信贷项目,进行二级分类,并确定二级分类名称;
同时,获取所述第二信贷项目包含的子业务以及所述子业务的业务名称,基于所述子业务,进行三级分类,并将所述业务名称进行处理后,作为三级分类名称。
4.根据权利要求1所述的一种应用于信贷领域的机构评估方法,其特征在于,所述S1:根据信贷金融机构评估系统用户端确定评估范围,并获取所述评估范围内目标金融机构对应的行业分类的分类结果,具体步骤包括:
S101:根据信贷金融机构评估系统用户端确定评估范围;
S102:获取所述评估范围内的金融机构分布图;
S103:基于所述金融机构分布图,确定目标金融机构及其对应的第二机构名称;
S104:根据所述第二机构名称,获得所述目标金融机构对应的行业分类的的分类结果。
5.根据权利要求1所述的一种应用于信贷领域的机构评估方法,其特征在于,所述S2:根据所述分类结果对所述目标金融机构进行初步评估,获得初步评估结果,具体步骤包括:
S201:根据所述分类结果,确定所述目标金融机构的机构属性;
S202:基于所述机构属性,在行业投资风险预测表中获取对应的风险预测值;
S203:根据所述风险预测值,生成所述目标金融机构的初步评价报告,获得初步评价结果。
6.根据权利要求1所述的一种应用于信贷领域的机构评估方法,其特征在于,所述S3:获取所述目标金融机构的当前信贷业务数据,根据所述当前信贷业务数据,对所述初步评估结果进行调整获得最终评估结果,具体步骤包括:;
基于所述目标金融机构的分类结果,确定所述目标金融机构的当前业务种类,并获取所述目标金融机构的当前信贷业务数据;
根据所述当前业务种类,对将所述当前信贷业务数据进行分割,获得所述目标金融机构的不同业务对应的业务成交数据,并建立多个数据集合,将同一业务的业务成交数据储存至同一数据集合中;
基于所述数据集合,获取不同时期同一业务的第一业务处理时间,根据所述第一业务处理时间,计算第一业务的第一平均处理时间;
分别获取评估范围内与所述目标金融机构的一级分类结果一样的剩余目标金融机构的不同业务对应的第二平均处理时间;
根据所述第一业务对应的第二平均处理时间,生成同类业务处理时间对比图;
基于所述同类业务处理时间对比图,获取所述第一业务的业务处理时间的波动幅度,若所述波动幅度在预设幅度内时,基于所述第一业务对应的第二平均处理时间以及所述第一平均处理时间,计算得到所述第一业务的行业处理平均时间;
将所述第一平均处理时间与所述行业处理平均时间的商,作为所述目标金融机构的第一业务的业务处理速度评估指数;
若所述波动幅度不在预设幅度内时,基于所述预设幅度,获取第一业务的业务处理时间对应的预设上限值;
将所述第一平均处理时间与所述预设上限值的商,作为所述所述目标金融机构的第一业务的业务处理速度评估指数;
基于所述目标金融机构的全部当前业务种类对应的第一业务的业务处理速度评估指数,获得所述目标金融机构的总处理评价指数;
根据所述总处理评价指数,将初步评价结果中的与所述目标金融机构的行业分类中的一级分类一样的全部目标金融机构的排列顺序进行调整,获得最终评价结果。
7.根据权利要求1所述的一种应用于信贷领域的机构评估方法,其特征在于,所述S4:根据所述最终评估结果,对所述评估范围内的全部目标金融机构进行排序,具体步骤包括:
S401:根据所述最终评估结果对评估范围内全部目标金融机构进行排序,获得评价排序结果;
S402:将所述评价排序结果发送至信贷金融机构评估系统用户端的评价结果接收模块;
S403:通过所述评价结果接收模块显示所述评价排序结果至浏览页面。
8.根据权利要求7所述的一种应用于信贷领域的机构评估方法,其特征在于:在所述评价结果接收模块展示所述评价排序结果的过程中,通过信贷金融机构评估系统用户端的展示筛选单元设置被展示结果的展示条件;
所述展示筛选单元根据所述展示条件,生成展示列表,将所述展示列表中的目标金融机构的评价结果展示在所述信贷金融机构评估系统用户端的浏览页面。
9.一种应用于信贷领域的机构评估系统,其特征在于,包括:
数据获取模块,用于根据信贷金融机构评估系统用户端确定评估范围,并获取所述评估范围内目标金融机构对应的行业分类的分类结果;
第一评估模块,用于根据所述分类结果对所述目标金融机构进行初步评估,获得初步评估结果;
第二评估模块,用于获取所述目标金融机构的当前信贷业务数据,根据所述当前信贷业务数据,对所述初步评估结果进行调整获得最终评估结果;
排序推送模块,用于根据所述最终评估结果,对所述评估范围内的全部目标金融机构进行排序。
10.根据权利要求9所述的一种应用于信贷领域的机构评估系统,其特征在于,还包括,行业分类模块,用于采集全部从事信贷业务的金融机构的业务数据,基于所述业务数据对所述金融机构进行行业分类,具体步骤包括:
范围确定单元,用于基于金融机构编码规范,确定待进行行业分类的机构范围;
数据获取单元,用于基于所述机构范围,确定所述待进行行业分类的金融机构的第一机构名称,并获取所述第一机构名称对应金融机构的第一业务数据;
构建建立单元,用于根据所述第一业务数据,确定所述行业分类的分类维度以及维度名称,建立行业分类构架;
行业分类单元,用于根据所述行业分类构架,对所述待进行行业分类的金融机构进行行业分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211069025.8A CN115619517A (zh) | 2022-09-02 | 2022-09-02 | 一种应用于信贷领域的机构评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211069025.8A CN115619517A (zh) | 2022-09-02 | 2022-09-02 | 一种应用于信贷领域的机构评估方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115619517A true CN115619517A (zh) | 2023-01-17 |
Family
ID=84856425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211069025.8A Pending CN115619517A (zh) | 2022-09-02 | 2022-09-02 | 一种应用于信贷领域的机构评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115619517A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140236860A1 (en) * | 2013-02-19 | 2014-08-21 | Ray Camrass | system allowing banks to diversify their loan portfolios via exchanging loans |
CN106780012A (zh) * | 2016-12-29 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种互联网信贷方法及系统 |
CN113763153A (zh) * | 2021-08-30 | 2021-12-07 | 中国建设银行股份有限公司 | 银行信用风险分析方法及装置 |
-
2022
- 2022-09-02 CN CN202211069025.8A patent/CN115619517A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140236860A1 (en) * | 2013-02-19 | 2014-08-21 | Ray Camrass | system allowing banks to diversify their loan portfolios via exchanging loans |
CN106780012A (zh) * | 2016-12-29 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种互联网信贷方法及系统 |
CN113763153A (zh) * | 2021-08-30 | 2021-12-07 | 中国建设银行股份有限公司 | 银行信用风险分析方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110837931B (zh) | 客户流失预测方法、装置及存储介质 | |
Xu et al. | Introduction to multi-criteria decision making and the evidential reasoning approach | |
Marqués et al. | Ranking-based MCDM models in financial management applications: analysis and emerging challenges | |
JP2002092305A (ja) | スコア算出方法及びスコア提供方法 | |
CN112561598A (zh) | 基于客户画像的客户流失预测及挽回方法和系统 | |
Eckhaus | Corporate transformational leadership's effect on financial performance | |
CN111882403A (zh) | 一种基于用户数据的金融服务平台智能推荐方法 | |
CN107133862A (zh) | 动态产生增强信用评估的详细交易支付经历的方法和系统 | |
CN111445280A (zh) | 模型生成方法、餐馆排序方法、系统、设备和介质 | |
CN115619517A (zh) | 一种应用于信贷领域的机构评估方法及系统 | |
CN115563176A (zh) | 一种电子商务数据处理系统及方法 | |
CN115829683A (zh) | 一种基于逆奖赏学习优化的电力积分商品推荐方法及系统 | |
Li et al. | Research on listed companies’ credit ratings, considering classification performance and interpretability | |
CN113762415A (zh) | 一种基于神经网络的汽车金融产品智能匹配方法和系统 | |
CN113128890A (zh) | 电力用户分类方法、装置及终端设备 | |
Zhang et al. | Extending associative classifier to detect helpful online reviews with uncertain classes | |
CN108280531B (zh) | 一种基于Lasso回归的学生班级成绩排名预测方法 | |
CN111489134B (zh) | 数据模型的构建方法、装置、设备及计算机可读存储介质 | |
CN111752985A (zh) | 一种主体画像生成的方法、装置和存储介质 | |
García et al. | Ranking-based MCDM models in financial management applications: analysis and emerging challenges | |
CN113870013B (zh) | 基于不平衡数据的信贷违约预测方法 | |
KR102614106B1 (ko) | 학습모델에 기초한 주가 변동 예측 장치 | |
Zhao et al. | Research on Credit Evaluation System of E-business Enterprises from The Perspective of Organizational Resilience Theory | |
Adnett | Determinants of Foreign Direct Investment Inflows in the E7 Economies: A Panel Data Analysis | |
Zhao et al. | An AdaBoost-DT model for credit scoring |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230117 |