CN115936842A - 一种基于经济模型的资金匹配方法 - Google Patents

Abstract

本发明公开了一种基于经济模型的资金匹配方法。该方法包括控制放款请求信息进入放款申请队列；判断客户是否属于非允许贷款人员，不属于则进行客户基础价值计算，以获得基础价值分；进行客户加成价值计算，以获得加成价值分；选出用以对此客户进行放款的资金源；将基础价值分与加成价值分加权之和作为综合价值分，并根据综合价值分将放款申请在队列内进行排序，并将排序优先的客户优先进行业务处理，选取最适合的资金方进行放款。本发明可对一笔信贷放款交易进行更科学全面的评价，从业务想法的提出到上线落地的实施周期也得到了较大的缩减，快速的进行出资方和借款方的匹配，在行内的实际使用中取得了良好的效果。

Description

一种基于经济模型的资金匹配方法

技术领域

本发明涉及计算机技术领域，具体涉及一种基于经济模型的资金匹配方法。

背景技术

在社会经济活动中，钱是一切经济活动的载体，如何将钱的出资方和借款方进行最佳匹配，让资金发挥最大的效果，一直是国家和金融机构在思考和探索的问题，金融机构在社会的经济活动中，不仅仅是资金的提供方，还应为资金正确的分配和使用提供带头示范作用，使资金能够在最短的时间内，以最有效的方式到达最需要的地方。

传统的资金匹配方法较为机械、不灵活，按国家政策进行放款规则的调整往往要通过定制化的开发，有一定的时间上的滞后性和调整上的不灵活，等传导到真实的放款环节较慢；而每一次的政策变化又不尽相同，尤其是当下外部社会环境变化很快，需要银行的资金投放根据内部外环境及时的调整，资金匹配策略的时效性就成为一个信贷政策的重要要求。

以往常规的资金匹配方式是放款请求直接对应到一个个资产方，按时间顺序进行放款，钱放光后即停止放款，这样对于重点需要倾斜的放款客户，可能排到了也存在钱不足的尴尬情况。如国家或单位要针对某类客户进行优先照顾，通过定制化开发来实施，这种方式因为是临时性、特定的，所付出的工作在后续的业务场景也较难复用。如果是要通过开发来实现的，开发往往需要一段时间后才能部署上线，时间周期从收到消息到落地实施存在一定的时间差，可能实施上线后，真正需要政策照顾的人群已错过了最佳扶持时机。

常见的资金放款环节不考虑具体信贷的经济价值，只要是通过的用款请求，按先来后到进行放款。而对于国家出的扶持政策，需要根据每一个政策进行定制化的开发，容易出现一刀切的方式，管理上较为粗放，没有精细化管理。每一项政策的落地，都通过系统上的定制化开发，或者人工手工进行调整，耗时和投入资源较多，如人工操作过多，还容易出现差错。

发明内容

本发明的目的是针对现有技术存在的不足，提供一种基于经济模型的资金匹配方法。

为实现上述目的，本发明提供了一种基于经济模型的资金匹配方法，包括：

接收客户的放款请求信息，并控制所述放款请求信息进入放款申请队列；

判断所述客户是否属于非允许贷款人员，若属于非允许贷款人员，则结束，否则进入下一步；

在RFM模型的基础上引入I变量组成IRFM模型，基于所述IRFM模型对客户该笔贷款进行基础价值计算，以获得基础价值分；

基于当前的客户政策进行客户加成价值计算，以获得加成价值分；

根据资金来源的要求，判断资金的使用时限、可用额度和定价要求，选出用以对此客户进行放款的资金源；

将所述基础价值分与加成价值分加权之和作为综合价值分，并根据所述综合价值分将放款申请在队列内进行排序，并将排序优先的客户优先进行业务处理，选取最适合的资金方进行放款。

进一步的，还包括：

根据放款结果判断是否放款成功，若放款成功，则结束放款业务流程，并将该放款申请退出放款申请队列；若放款失败，则判断当前是否满足设定的再次放款尝试条件，若满足设定的再次放款条件，则控制所述放款请求信息重新进入放款申请队列中。

进一步的，若触发放款结束条件直接退出放款业务流程。

进一步的，所述放款结束条件为达到设定的尝试放款次数。

进一步的，所述设定的尝试放款次数为3次。

进一步的，所述非允许贷款人员包括银行的内部黑名单或同银行有关联关系的人员。

进一步的，所述IRFM模型包括本笔贷款预计利息收益I、最近一次交易时间间隔R、本行业务交易次数F和历史利息总收入M 4个关键业务要素，对每个业务要素进行量化，分别选取相应的拟合函数，基于最小二乘法原理求出参数，得到拟合函数I(i)当前该笔贷款的利息收益分布、R(r)新老客户区间分布、F(f)客户对本行业务的使用频率分布、M(m)客户历史累积的贡献度分布，进而得到客户在每个业务要素上的得分，将所有业务要素上的得分按权重进行加总得到客户该笔贷款的基础价值分。

进一步的，以政策扶持的客户特征为基础样本构建目标客户模型，计算当前客户与目标客户模型的相似度，将所述相似度的大小作为加成价值分。

有益效果：本发明通过将一笔信贷交易价值拆分为经济价值和社会价值两个不同的评价维度，对一笔信贷放款交易进行更科学全面的评价；通过参数化的管理方式，也将开发人员从一个个临时个性化拼凑的需求开发中解放出来，通过参数化的方式配置出业务方期望的结果，从业务想法的提出到上线落地的实施周期也得到了较大的缩减；通过货币的使用价值为评估依据，建立一套经济分配模型，根据模型计算的结果，以计算出的借款方的货币使用价值进行量化比较，快速的进行出资方和借款方的匹配；各种政策的调整都可以借助资金价格这个形态来进行量化衡量，将各项政策要求转化为相应因子，这样也从工作量上减少了系统根据策略不断修改的开发工作，统一了不同政策在系统落地中的差异，从时效性上也能达到第一时间的政策传导，在行内的实际使用中取得了良好的效果。

附图说明

图1是本发明实施例的基于经济模型的资金匹配方法的流程示意图。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，本实施例在以本发明技术方案为前提下进行实施，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围。

如图1所示，本发明实施例提供了一种基于经济模型的资金匹配方法，包括：

接收客户的放款请求信息，并控制所述放款请求信息进入放款申请队列。客户通过银行授信后，具有银行的批复的信贷额度，当客户提出用款申请后，即产生上述放款请求信息。放款申请队列起蓄水池的作用，在交易高峰期的时候，可以对同一时刻到来的交易请求进行削锋填谷，起到交易平滑的作用。

判断所述客户是否属于非允许贷款人员，若属于非允许贷款人员，则结束，否则进入下一步。上述非允许贷款人员包括银行的内部名单或同银行有关联关系的人员。在每一笔放款进行前要进行客户身份的过滤，此规则为强制性规则，通过则继续进入下一步，未通过则放款结束，返回最终结果。

在RFM模型的基础上引入I变量组成IRFM模型，基于IRFM模型对客户该笔贷款进行基础价值计算，以获得基础价值分计算。此分数代表客户此时选择的这款信贷业务放款后对银行产出的价值高低。结合客户的风险模型的风险定价的不同，不同客户选择同一产品因客户的行为和属性不同，所产生的预计的信贷收益价值存在高低不同。同一客户选择不同的产品，因产品要素的不同所形成的银行收益也可能不同。这一步是依据信贷业务本身所计算出来的一个业务分数。

RFM模型是衡量客户价值和客户创造利益能力的重要工具和手段，对于银行来说，每笔交易的利息收入I也是一个重要因素，所以本发明实施例在RFM模型的基础上引入I变量，组成IRFM模型。客户的基础价值分是要体现出客户在客群分类中的类别，是否属于高价值客户，用IRFM模型来对于客户基础价值进行计算。IRFM模型包括本笔贷款预计利息收益I、最近一次交易时间间隔R、本行业务交易次数F和历史利息总收入M 4个关键业务要素，对每个业务要素进行量化，分别选取相应的拟合函数，基于最小二乘法原理求出参数，得到拟合函数I(i)当前该笔贷款的利息收益分布、R(r)新老客户区间分布、F(f)客户对本行业务的使用频率分布、M(m)客户历史累积的贡献度分布，进而得到客户在每个业务要素上的得分，将所有业务要素上的得分按权重进行加总得到客户该笔贷款的基础价值分。

基于当前的客户政策进行客户加成价值计算，以获得加成价值分。上述客户政策为根据国家政策和行内制定的客户政策，符合行内经济政策，值得推广的进行客户价值的增加，属于行内需要压缩，优先级往后的申请，进行客户价值的扣减。比如：疫情期间，国家出台政策要扶持中小微工商户，可以对有中小企业主标签的客户进行价值的正累计；对于医护人员要进行放款优先级的提高。具体的，本发明实施例先以政策扶持的客户特征为基础样本构建目标客户模型，然后将客户同目标客户模型进行相似度计算。客户的加成价值分是要体现出客户同政策要扶持的目标客户的近似度，对于同目标客户相似度高的客户认为是属于行内政策需要重点倾斜的客户，本发明采用皮尔逊相关系数(Pearsoncorrelation coefficient)来计算两个样本之间的相似程度，将重点目标客户作为第一用户，构建第一用户行为的数据集，将放款用户作为第二用户，确定出第一用户与第二用户间的相似度，将相似度的大小作为加成价值的分数值。

根据资金来源的要求，判断资金的使用时限、可用额度和定价要求，选出用以对此客户进行放款的资金源。比如：有的资金源只接受某些城市的居民；有的资金来源对可支持的利率有要求。根据客户的属性和资金方的要求进行资金方的过滤。

将基础价值分与加成价值分加权之和作为综合价值分，并根据所述综合价值分将放款申请在队列内进行排序，并将排序优先的客户优先进行业务处理，选取最适合的资金方进行放款。基础价值分与加成价值分的权重可以分别是0.6和0.4，但不限于此，可根据实际需要进行设定。

本发明实施例还包括根据放款结果判断是否放款成功，若放款成功，则结束放款业务流程，并将该放款申请退出放款申请队列；若放款失败，则判断当前是否满足设定的再次放款尝试条件，若满足设定的再次放款条件，则控制所述放款请求信息重新进入放款申请队列中。期间，若触发放款结束条件直接退出放款业务流程，放款结束条件为达到设定的尝试放款次数，设定的尝试放款次数例如是3次，可根据实际需要进行调整。

例如，收到下述多名客户的多笔放款申请如下：

客户A： 申请放款5万，个人消费贷产品 12期， 年化利率7.8％；

客户B： 申请放款12万，个人消费贷产品 24期， 年化利率7.8％；

客户C： 申请放款5万，个人消费贷产品 12期， 年化利率7.5％；

客户D： 申请放款12万，个人经营贷产品 12期， 年化利率8.2％；

客户E：申请放款50万，小微企业主经营贷36期，年化利率8.9％；

客户F：申请放款200万，企业主经营贷36期，年化利率8.9％；

采用自行设计优化的IRFM模型，跑出客户4个关键要素：I(i)当前该笔贷款的利息收益分布、R(r)新老客户区间分布、F(f)客户对我行业务的使用频率分布、M(m)客户历史累积的贡献度分布的数值结果，高于平均值取2，低于平均值取1，4个关键要素的权重比例为：0.3∶0.3∶0.2∶0.2，将4个关键要素的分值进行加权后求和，算出6笔客户贷款的IRFM模型分，采用数值转化为2位数的整数值作为基础价值分，具体如表1所示：

表1

根据IRFM的数值结果，根据客户贡献的经济价值分成了：重要价值客户(当前利息收益高的忠实老客户)、重要发展客户(近期开展高收益业务的新客户)、重要保持客户(收益较低但长期使用的老客户)、一般客户(收益较低的客户)，对前两类客户从经济角度上要重点优先受理。

在客户加成价值分计算时，假如重点扶持客户的特征属性为：中小微商户，地理位置以长三角区域优先，医护相关单位等。以标准的重点扶持客户为样本，采用皮尔逊相关系数算法，跑出各个客户同目标客户的相似度分值，具体如表2所示：

客户	贷款产品	皮尔逊相关系数	加成价值分
				客户A	5万，个人消费贷	0.66	56
客户B	12万，个人消费贷	0.33	21
				客户C	5万，个人消费贷	0.85	87
客户D	12万，个人经营贷	0.81	82
				客户E	50万，小微企业主经营贷	0.74	69
客户F	200万，企业主经营贷	0.31	20

表2

皮尔逊相关系数的取值范围：0.8-1.0极强相关、0.6-0.8强相关、0.4-0.6中等程度相关、0.2-0.4弱相关、0.0-0.2极弱相关或无相关，对皮尔逊相关系数的结果，采用正态分布的标准化公式将皮尔逊相关系数的结果转化为加成价值分。

客户A为长三角地区的普通职员；

客户B为非长三角地区的普通职员；

客户C为长三角地区的医护人员；

客户D为长三角地区的小微企业主；

客户E为长三角附近的小微企业主；

客户F为一般企业主；；

汇总上述情况，汇总上述情况，对比体现如下图，取得基础价值分和加成价值分后再分别按0.6、0.4加权后取值，最后的到一个综合放款先后顺序，具体可参见表3：

表3

基础价值分体现的一笔信贷业务带来经济价值的高低，银行作为一个企业，盈利是其必须要考虑的问题，根据收益率计算得出每笔贷款的基础价值，按此顺序来排放款顺序，会看到企业贷款会拍在前列，偏大型企业更易获取贷款，个人消费中，金额偏高的优先。

银行作为一类特殊的企业，在获得营业利润的同时，还需要根据国家政策，积极推进资金的正确使用，引导社会资金及时的投向健康正确的方向。疫情以来，对中小微企业影响较大，我国的企业里面中小微企业占大多数，中小微企业又承担着社会生活的正常运转，通过引入加成价值分，能对中小微企业实现贷款投放的放款支持。医护人员在疫情期间也承担着较多的国家责任，对医护人员做出的贡献，银行业从社会义务角度也在考虑进行一些业务上的便利；同理，还有针对小额分散的业务进行扶持，拓展新客户的鼓励，这些不同阶段的政策落地，都转变成了一个个加成价值分。

最后汇总得出客户的价值分总和，对于国家鼓励和行内政策重点引导的信贷放款业务的优先级得到了提升，受疫情影响的中小微企业得到了更高优先级的放款权，对于医护人员的资金需求也得到更快的响应，将经济价值和社会价值两者做了一个较好的结合。

综上所述，本发明通过将一笔信贷交易价值拆分为经济价值和社会价值两个不同的评价维度，对一笔信贷放款交易进行更科学全面的评价；通过参数化的管理方式，也将开发人员从一个个临时个性化拼凑的需求开发中解放出来，通过参数化的方式配置出业务方期望的结果，从业务想法的提出到上线落地的实施周期也得到了较大的缩减；通过货币的使用价值为评估依据，建立一套经济分配模型，根据模型计算的结果，以计算出的借款方的货币使用价值进行量化比较，快速的进行出资方和借款方的匹配；各种政策的调整都可以借助资金价格这个形态来进行量化衡量，将各项政策要求转化为相应因子，这样也从工作量上减少了系统根据策略不断修改的开发工作，统一了不同政策在系统落地中的差异，从时效性上也能达到第一时间的政策传导，在行内的实际使用中取得了良好的效果。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，其它未具体描述的部分，属于现有技术或公知常识。在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (8)

1.一种基于经济模型的资金匹配方法，其特征在于，包括：

接收客户的放款请求信息，并控制所述放款请求信息进入放款申请队列；

判断所述客户是否属于非允许贷款人员，若属于非允许贷款人员，则结束，否则进入下一步；

在RFM模型的基础上引入I变量组成IRFM模型，基于所述IRFM模型对客户该笔贷款进行基础价值计算，以获得基础价值分；

基于当前的客户政策进行客户加成价值计算，以获得加成价值分；

根据资金来源的要求，判断资金的使用时限、可用额度和定价要求，选出用以对此客户进行放款的资金源；

将所述基础价值分与加成价值分加权之和作为综合价值分，并根据所述综合价值分将放款申请在队列内进行排序，并将排序优先的客户优先进行业务处理，选取最适合的资金方进行放款。

2.根据权利要求1所述的一种基于经济模型的资金匹配方法，其特征在于，还包括：

根据放款结果判断是否放款成功，若放款成功，则结束放款业务流程，并将该放款申请退出放款申请队列；若放款失败，则判断当前是否满足设定的再次放款尝试条件，若满足设定的再次放款条件，则控制所述放款请求信息重新进入放款申请队列中。

3.根据权利要求2所述的一种基于经济模型的资金匹配方法，其特征在于，若触发放款结束条件直接退出放款业务流程。

4.根据权利要求3所述的一种基于经济模型的资金匹配方法，其特征在于，所述放款结束条件为达到设定的尝试放款次数。

5.根据权利要求4所述的一种基于经济模型的资金匹配方法，其特征在于，所述设定的尝试放款次数为3次。

6.根据权利要求1所述的一种基于经济模型的资金匹配方法，其特征在于，所述非允许贷款人员包括银行的内部黑名单或同银行有关联关系的人员。

7.根据权利要求1所述的一种基于经济模型的资金匹配方法，其特征在于，所述IRFM模型包括本笔贷款预计利息收益I、最近一次交易时间间隔R、本行业务交易次数F和历史利息总收入M 4个关键业务要素，对每个业务要素进行量化，分别选取相应的拟合函数，基于最小二乘法原理求出参数，得到拟合函数I(i)当前该笔贷款的利息收益分布、R(r)新老客户区间分布、F(f)客户对本行业务的使用频率分布、M(m)客户历史累积的贡献度分布，进而得到客户在每个业务要素上的得分，将所有业务要素上的得分按权重进行加总得到客户该笔贷款的基础价值分。

8.根据权利要求1所述的一种基于经济模型的资金匹配方法，其特征在于，

以政策扶持的客户特征为基础样本构建目标客户模型，计算当前客户与目标客户模型的相似度，将所述相似度的大小作为加成价值分。

Images