CN116012139A - 一种基于贷后回传文件的合作方资产管理的方法 - Google Patents
一种基于贷后回传文件的合作方资产管理的方法 Download PDFInfo
- Publication number
- CN116012139A CN116012139A CN202211646101.7A CN202211646101A CN116012139A CN 116012139 A CN116012139 A CN 116012139A CN 202211646101 A CN202211646101 A CN 202211646101A CN 116012139 A CN116012139 A CN 116012139A
- Authority
- CN
- China
- Prior art keywords
- data
- post
- partner
- file
- 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
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及信息技术领域,尤其涉及一种基于贷后回传文件的合作方资产管理的方法。主旨在于解决发现还款数据异常,确保贷后数据的实时性、有效性和准确率。主要实施步骤为获取各渠道方的对客真实还款数据文件,校验数据后将文件数据解析入库,入库后再次校验数据的完整性和正确性后,通过变量衍生生成所需的模型变量,并完成贷中模型的开发,同时依据这些对客变量计算贷后相关指标FTP,入催出催、账龄等对客群质量进行进一步的评估,通过可视化报表的形式来最终对客户的好坏进行定义并以此来反哺策略,优化策略来提升贷后管理的质量。
Description
技术领域
本发明涉及信息化技术领域,尤其涉及一种基于贷后回传文件的合作方资产管理的方法。
背景技术
在当前市场快速变化的情况下,贷款人的还款能力可能随时发生恶劣的变化。
但是,由于银行存在有合作方的兜底贷款业务,针对在应还款日未还款的客户,合作方在使用代偿后银行方得到的是已还款的数据信息,会导致代偿后产生的客户分层不明确、贷中模型效果不佳的问题。因此,银行方原有的贷后数据信息和真实贷后数据的偏差,会导致无法正确评估贷后风险,使贷后管理收效甚微。
基于上述问题,本发明提供一种基于贷后回传文件的合作方资产管理的方法与装置。
发明内容
本发明的主要目的在于提出一种基于贷后回传文件的合作方资产管理的方法与装置,能随时监控客户贷后真实还款信息数据,及时发现还款数据异常,确保贷后数据的实时性、有效性和准确率。
为了实现上述目的本发明采用以下技术手段:
一种基于贷后回传文件的合作方资产管理的方法,所述资产管理方法包括:
步骤1、按照渠道数据来源进行分类,按照不同的渠道数据来源建立独立的贷后回传文件,在贷后回传文件录入个贷客户基本信息;
步骤2、每日检查各合作方的贷后文件信息是否按时上传是关键,校验贷后回传文件是否有数据漏传,保障后续数据的完整性;
步骤3、校验贷后回传文件是否有关键字段缺失;
步骤4、校验文件中涉及固定逻辑的数据信息:
步骤5、比对合作方客户现有数据和行方现有贷后回传文件数据内容是否一致;
步骤6、抽取贷后文件的关键信息字段加工成表;
步骤7、通过步骤6获得的字段加工表中记录的个贷客户还款内容数据计算各类观测的贷后风险指标并输出成报表展示,按日更新。
步骤8、按步骤7获得的贷后风险指标数据,输出客户风险画像,为后期降低坏账比例,维护合作方客户资产管理的决策提供依据。
上述技术方案中,步骤1具体包括步骤如下:
步骤1.1、将合作方代偿前的所有贷款数据,包括客户的个人信息、借款信息、还款信息整理成实际借贷信息数据表,并保证数据信息无重复值;
步骤1.2、按不同合作方作为渠道,把实际借贷数据信息表进行分类,得到各合作方不同渠道的贷后回传文件;
步骤1.3、把最终得到的贷后回传文件按日增量更新,为合作方贷后资产把控风险提供初始依据。
上述技术方案中,步骤3中所述校验贷后回传文件是否有关键字段缺失中,注意检查文件数据内容的关键信息,包括借贷合同号,身份证号,借款还款。
上述技术方案中,所述校验文件中涉及固定逻辑的数据信息中,要保证字段逻辑的准确性,如应还金额为空时无剩余应还金额,实还金额应等于小于应还金额,贷款结清时无应还金额情况。
上述技术方案中,所述比对合作方客户现有数据和行方现有贷后回传文件数据内容是否一致中,具体步骤为:
步骤5.1、接入JSON数据源,从合作方结构化数据库中获取贷款客户数据,将Json文件数据解析后进行数据标准化处理,对数据中出现的特殊字符以及空格换行采用替换的手段,得到标准的JSON数据;
步骤5.2、把JSON数据key和value值作为属性的多条数据写入到数据文件中,生成标准的数据文件,把数据文件第一行作为导入数据库中表的表头字段,用特定的分割符来区分字段,采用将一条JSON数据解析成的多条数据写入到文件的操作,生成标准的数据文件,保证获取的合作方数据格式和贷后回传文件数据格式一致;
步骤5.3、在数据库中编写自定义函数,每月一号定时全量抽取贷后回传文件中上月的贷款客户数据,得到表A,接着同样方法全量抽取合作方上月所有贷款客户数据,得到表B,连接表A和表B后将客户贷款数量结果和数据内容信息值进行比对并衍生变量,若数据结果值一致则输出‘数据无误’,若有差值则在对应问题字段后输出‘数据有误’;
步骤5.4、将函数中对比的结果值导出为数据集,在BI中创建监控报表展示,监控合作方客户现有数据和行方现有贷后回传文件数据内容是否一致。
上述技术方案中,步骤6具体包括以下步骤:
步骤6.1、根据数据量选择建立分区,确定关键字段,包括加载时间)、借据号、期序、贷款本金、前置费用、应还实还、剩余应还金额、应还本金和利息之和的本息和,是否逾期,宽限期内外逾期天数;
步骤6.2、最后建表,生成包含各合作方贷后回传文件数据中的的重要字段表。
上述技术方案中,计算各类观测的贷后风险指标日更新及时监控风险,具体如下:
所述计算贷后风险指标——FPD,即首逾率,用户授信通过后,首笔需要还款的账单,在最后还款日后X天内未还款且未办理延期的客户比例即为FPDX,分子为观察周期里下单且已发生X日以上逾期的用户数,分母为当期所有首笔下单且满足还款日后X天,在观察周期里的用户数,计算首逾率的公式为:
首逾率(笔数)=首期应还款日逾期>X天的订单笔数/所有首期还款日>X天的订单笔数
首逾率(金额)=首期应还款日逾期>X天的贷款总本金/所有首期还款日>X天的贷款总本金。
所述计算贷后风险指标——入催出催,对于在应还款日未还款的客户,会计入入催订单中,生成日更新报表以FPD维度计算对应的入催出催率。计算公式如下:
入催率=(逾期>0)入催金额/到期金额
当日出催率=当日出催金额/(逾期>0)入催金额
X天累计出催率=X天累计出催金额/(逾期>0)入催金额;
所述计算贷后风险指标——账龄。应收账款账龄计算公式为:
应收账款平均账龄=应收账款平均余额÷平均每月赊销额。
应收账款账龄指资产负债表中的应收账款从销售实现、产生应收账款之日起,再到资产负债表日止所经历的时间。
应收账款平均账龄是用以反映企业在某一会计期间收回赊销账户款的能力。应收账款平均账龄越大,说明企业收回赊销账款的能力越差;反之,说明企业能有效地收回本企业的应收账款。账龄分析是按0-30天、31-60天、61-90天、90天以上四个公布范围对账龄进行分析。
上述技术方案中,输出客户风险画像。
步骤8具体包括以下步骤:
步骤8.1、从各个指标下反映的整体贷款逾期情况和逾期用户画像两部分进行分析。数据中的字段可对应归为贷款相关数据维度(贷款时间、类型、目的、金额、期限、利率等)和用户属性数据维度(工作年限、年收入、房产属性、所在地区、总债务负债比率等)。
步骤8.2、通过数据库管理工具Workbench将步骤7贷后风险指标数据集导入MySQL数据库。选择对客户风险画像分析有意义的字段,隐藏无意义字段,使数据字段分类清晰。
步骤8.3、对数据中的数值类型数据查看其最大最小值,检查范围是否合理;对类别型数据看其有哪几种类别,是否合理,是否所有数据都在这几个类别内。若数据在合理范围内,无需处理;否则,检查数据明细,查找异常原因。
步骤8.4、将数据集导入BI,从贷款金额、贷款期限、贷款类型、贷款利率和每期还款金额维度以柱状图或饼状图展示客户首逾率占比、入催出催占比和不同账龄占比的画像;从个贷客户学历、年龄、年收入、工作年限、所在地区等维度以柱状图或饼状图展示逾期用户特点画像。
步骤8.5、根据输出的画像,分析不同维度的逾期占比情况。逾期占比偏高时,逾期问题会带来很大风险,影响其财务和业绩的发展,所以需从各维度进行贷款逾期分析,寻找不良贷款产生的节点和特点,做出合理决策,以降低违约风险及其引起的收益损失。
因为本发明采用上述技术方案,因此具备以下有益效果:
与现有技术相比,本发明的一种基于贷后回传文件的合作方资产管理的方法与装置有益效果在于:基于每日更新各合作方渠道的客户真实还款信息,采用大数据开发分析,监控首逾、入催出催、账龄等各个指标,能及时准确地发现客户的贷后信息异常,还能通过时间段内的真实还款情况更有效的甄别好坏客户;在信息甄别、风险监测后,也能在后续进一步对客户和产品进行匹配定价和交易,从而降低业务运营成本,达到反哺效果。
附图说明
图1是本发明实施例方案涉及的贷后文件数据流向示意图;
图2为本发明基于贷后回传文件的合作方资产管理的方法的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
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。
参照图1,图1为本发明实施例方案涉及的贷后文件数据流向示意图,所述步骤包括:
步骤1、在SFTP和开放平台上传对应合作方的贷后回传文件,每日更新;
步骤2、对贷后回传文件数据进行校验。数据校验主要从两个方面校验:
2.1、数据缺失:
(1)各渠道文件是否完整。贷后回传文件基于各个合作方的维度,每个合作方企业都有其相应的贷后回传文件,从根本上确保文件的完整性,有利于后续数据汇总计算的准确性;
(2)数据抽取日期是否缺失。贷后回传文件按要求每日更新,数据日期应连贯无缺失;
(3)字段缺失。重要字段的完整对后续数据指标计算至关重要,保证字段的完整且正确是必要的。
2.2、数据质量:
(1)字段重复。字段重复会导致后续数据值偏大,所以贷后回传文件需要做好去重工作,避免重复情况;
(2)乱码数据与符号。抽数出现脏数据是可能会出现该情况,发现情况要及时找到源头并进行纠正;
(3)字段超长。建表时规定合理的长度,尽可能避免正常数据插入时的字段超长报错状况。
步骤3、文件入库。文件分为标准渠道文件和非标准渠道文件。形成的贷后回传宽表中的数据,便是来源于标准渠道文件中的内容,即合作方企业的贷后客户信息。
步骤4、贷中模型应用。客户的交易还款记录随时间变化;根据贷后回传表中客户的基本信息和还款时间还款金额,建立互联网信用模型和人行信用模型。
步骤5、贷后管理。根据抽取贷后回传宽表中的数据信息字段值,按要求计算得到贷后指标。基于贷后指标由风控部门形成客户风险画像,达到实时有效监控贷后客户的还款数据,优化管理效率,为下一步执行策略提供有力依据。
参照图2,图2为本发明贷后信息的管理方法第一实施例的流程示意图,所述贷后信息的管理方法包括:
步骤S01,根据相关合作渠道企业的名称列表,将接收到的客户贷后还款信息按照各渠道方企业名称进行分类整合,生成各渠道企业对应的客户贷后回传文件;
现有银行的贷后信息存在有代偿机制,当客户网络贷款逾期后未能按时履行还款义务,被保险代偿是指申请的保单贷款由合作方公司代为还款。因为保单贷款的放款方是放款机构,保险公司提供的贷款担保。如果借款人逾期欠款超过规定时间,银行会向保险公司申请理赔,这时候就会出现贷款保险代偿,保险公司代偿后,欠款由保险公司向借款人追偿。此时借款人与银行不再有借贷关系了,这笔贷款的债权转让给了保险公司。所以在银行有关客户的还款账单中会显示“代偿”两个字,无法得知客户后续真实的还款信息。因此,在风险判断上很难得出真实有效的结果。本实施例中,为了解决上述问题,提供一种基于贷后回传文件的管理方法,基于合作方企业面向客户还款情况的角度,基于客户贷后真实还款信息,按不同合作方作为维度汇总客户贷后还款信息,组成贷后回传文件,按日更新,保证得到的信息实时有效,方便对企业的资产风险进行及时预测,有助于合作方贷后管理操作,提升管理效率,掌控风险情况。
具体地,步骤SO1具体包括:
将所述合作方名称列表中的企业名称进行地点前缀删减操作以及公司后缀删减操作;
将删减后的合作方企业名称与贷后客户的信息进行正则匹配,以在所述信息库中确定所述企业名称列表中的企业名称对应的客户信息;
将所述客户贷后的相关信息按照所述合作方名称进行分类整合,生成各合作方企业对应的贷后回传文件。
本实施例中,对20个合作方企业的每一个名称,去掉表示地点的前缀(从网络上找到一份公开的全国各省市县区的名称列表,通过字符串匹配的方式来实现过滤),去掉诸如“股份有限公司”,“发展股份有限公司”,“控股股份有限公司”,“集团股份有限公司”这样的后缀,得到每个企业的简称。此外也可以人工对某些企业指定企业简称,增加舆情分类结果的召回率。如“深圳XX银行股份有限公司”经过处理后得到的企业简称是“XX银行”。由此,将合作方企业相关信息按照企业名称进行分类整合,生成各贷后企业对应的贷后回传文件。
进一步地,基于本发明的第一实施例,提出本发明的第二实施例。
步骤S02,根据生成各贷后企业对应的贷后回传文件,组成所述各合作方企业对应的贷后回传表。
本实施例中,抽取贷后回传文件中客户在贷后还款期间的重要信息及其对应的发生时间点信息,包含:借据号、期序、贷款本金、应还日期、实还日期、应还本金、应还利息、应还本息外费用、应还总金额、实还本金、实还利息、实还本息外费用、实还总金额、剩余应还本金、剩余应还利息、剩余应还本息外费用、剩余应还总金额、还款类型、加载时间(分区)、渠道(各合作方)。
进一步地,基于本发明贷后信息的管理方法第二实施例,提出本发明贷后信息的管理方法第三实施例。
步骤S03,结合贷后回传表中各合作方的借贷客户在还款期间的信息及其对应的发生时间点,生成所述各贷后企业对应的贷后指标报表。
本实施例中,针对每个合作方企业,用客户贷后还款信息,汇总计算各贷后指标,如首逾、入催出催、账龄等各个指标,生成各企业的贷后指标报表。具体如下:
基于贷后回传文件中客户真实贷后还款信息,根据客户实际还款情况,在数据库中连接包括贷后回传表,按渠道维度和时间维度提取相应信息。除此之外,可根据具体需求增加其他维度,如入催出催率的计算可按金额和订单笔数维度。各指标汇总计算无误后再将其存入自定义函数后每日更新,保障指标的正确及时有效性。查看贷后指标在一段时间内的变化,有助于对合作方贷后资产的风险起到一定的预知作用,有利于合作方在未来资产管理中的风险把控。
Claims (6)
1.一种基于贷后回传文件的合作方资产管理的方法,其特征在于,所述资产管理方法包括:
步骤1、按照渠道数据来源进行分类,按照不同的渠道数据来源建立独立的贷后回传文件,在贷后回传文件录入个贷客户基本信息;
步骤2、每日检查各合作方的贷后文件信息是否按时上传是关键,校验贷后回传文件是否有数据漏传,保障后续数据的完整性;
步骤3、校验贷后回传文件是否有关键字段缺失;
步骤4、校验文件中涉及固定逻辑的数据信息:
步骤5、比对合作方客户现有数据和行方现有贷后回传文件数据内容是否一致;
步骤6、抽取贷后文件的关键信息字段加工成表;
步骤7、通过步骤6获得的字段加工表中记录的个贷客户还款内容数据计算各类观测的贷后风险指标并输出成报表展示,按日更新;
步骤8、按步骤7获得的贷后风险指标数据,输出客户风险画像,为后期降低坏账比例,维护合作方客户资产管理的决策提供依据。
2.根据权利要求1所述的一种基于贷后回传文件的合作方资产管理的方法,其特征在于:步骤1具体包括步骤如下:
步骤1.1、将合作方代偿前的所有贷款数据,包括客户的个人信息、借款信息、还款信息整理成实际借贷信息数据表,并保证数据信息无重复值;
步骤1.2、按不同合作方作为渠道,把实际借贷数据信息表进行分类,得到各合作方不同渠道的贷后回传文件;
步骤1.3、把最终得到的贷后回传文件按日增量更新,为合作方贷后资产把控风险提供初始依据。
3.根据权利要求1所述的一种基于贷后回传文件的合作方资产管理的方法,其特征在于:步骤3中所述校验贷后回传文件是否有关键字段缺失中,注意检查文件数据内容的关键信息,包括借贷合同号,身份证号,借款还款。
4.根据权利要求1所述的一种基于贷后回传文件的合作方资产管理的方法,其特征在于:所述校验文件中涉及固定逻辑的数据信息中,要保证字段逻辑的准确性,如应还金额为空时无剩余应还金额,实还金额应等于小于应还金额,贷款结清时无应还金额情况。
5.根据权利要求1所述的一种基于贷后回传文件的合作方资产管理的方法,其特征在于:所述比对合作方客户现有数据和行方现有贷后回传文件数据内容是否一致中,具体步骤为:
步骤5.1、接入JSON数据源,从合作方结构化数据库中获取贷款客户数据,将Json文件数据解析后进行数据标准化处理,对数据中出现的特殊字符以及空格换行采用替换的手段,得到标准的JSON数据;
步骤5.2、把JSON数据key和value值作为属性的多条数据写入到数据文件中,生成标准的数据文件,把数据文件第一行作为导入数据库中表的表头字段,用特定的分割符来区分字段,采用将一条JSON数据解析成的多条数据写入到文件的操作,生成标准的数据文件,保证获取的合作方数据格式和贷后回传文件数据格式一致;
步骤5.3、在数据库中编写自定义函数,每月一号定时全量抽取贷后回传文件中上月的贷款客户数据,得到表A,接着同样方法全量抽取合作方上月所有贷款客户数据,得到表B,连接表A和表B后将客户贷款数量结果和数据内容信息值进行比对并衍生变量,若数据结果值一致则输出‘数据无误’,若有差值则在对应问题字段后输出‘数据有误’;
步骤5.4、将函数中对比的结果值导出为数据集,在BI中创建监控报表展示,监控合作方客户现有数据和行方现有贷后回传文件数据内容是否一致。
6.根据权利要求1所述的一种基于贷后回传文件的合作方资产管理的方法,其特征在于:步骤6具体包括以下步骤:
步骤6.1、根据数据量选择建立分区,确定关键字段,包括加载时间)、借据号、期序、贷款本金、前置费用、应还实还、剩余应还金额、应还本金和利息之和的本息和,是否逾期,宽限期内外逾期天数;
步骤6.2、最后建表,生成包含各合作方贷后回传文件数据中的的重要字段表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211646101.7A CN116012139A (zh) | 2022-12-18 | 2022-12-18 | 一种基于贷后回传文件的合作方资产管理的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211646101.7A CN116012139A (zh) | 2022-12-18 | 2022-12-18 | 一种基于贷后回传文件的合作方资产管理的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116012139A true CN116012139A (zh) | 2023-04-25 |
Family
ID=86022883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211646101.7A Pending CN116012139A (zh) | 2022-12-18 | 2022-12-18 | 一种基于贷后回传文件的合作方资产管理的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116012139A (zh) |
-
2022
- 2022-12-18 CN CN202211646101.7A patent/CN116012139A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rajgopal et al. | Measuring audit quality | |
CN108090823B (zh) | 基于SaaS的账务数据管理系统 | |
Einav et al. | The impact of credit scoring on consumer lending | |
US20090234684A1 (en) | Risk Based Data Assessment | |
EP1361526A1 (en) | Electronic data processing system and method of using an electronic processing system for automatically determining a risk indicator value | |
EP1760657A2 (en) | Methods and systems for assessing loss severity for commercial loans | |
US20140067632A1 (en) | Automatic Generation of Transfer Pricing Documentation | |
US7881535B1 (en) | System and method for managing statistical models | |
JP2004511035A (ja) | 個々の申込者のための期限前返済スコアを決定するための方法及び装置 | |
US9508100B2 (en) | Methods and apparatus for on-line analysis of financial accounting data | |
US20110246385A1 (en) | Automatically recalibrating risk models | |
CN112053233A (zh) | 基于gra的动态中小企业信用评分方法及系统 | |
CN112700149A (zh) | 一种投资组合风险评估系统、方法及计算机设备 | |
He et al. | Does investor sentiment affect the value relevance of accounting information? | |
Takayama | Greenfield Or Brownfield?: FDI Entry Mode and Intangible Capital | |
RU2630169C1 (ru) | Автоматизированная вычислительная система для формирования и мониторинга инвестиционных портфелей акций | |
CN116012139A (zh) | 一种基于贷后回传文件的合作方资产管理的方法 | |
CN114493686A (zh) | 一种运营内容生成推送方法及装置 | |
CN110968622A (zh) | 一种会计报告定制方法、平台和终端 | |
Shahnazarian | A dynamic micro-econometric simulation model for firms | |
AU2012201419A1 (en) | Risk based data assessment | |
CN111932368B (zh) | 一种信用卡发卡系统及其构建方法、装置 | |
US20030101118A1 (en) | Method and apparatus for facilitating revision of a process | |
KR20120075518A (ko) | 대용량처리전용 데이터베이스를 이용한 국제회계기준 금융상품 회계처리시스템 | |
AU2015207809A1 (en) | Risk based data assessment |
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 |