CN116342245A - 通过管理层叠加对预期信用损失结果调整的方法及装置 - Google Patents
通过管理层叠加对预期信用损失结果调整的方法及装置 Download PDFInfo
- Publication number
- CN116342245A CN116342245A CN202310034681.2A CN202310034681A CN116342245A CN 116342245 A CN116342245 A CN 116342245A CN 202310034681 A CN202310034681 A CN 202310034681A CN 116342245 A CN116342245 A CN 116342245A
- Authority
- CN
- China
- Prior art keywords
- data
- early warning
- determining
- target client
- debt
- 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
本公开提供了一种通过管理层叠加对预期信用损失结果调整的方法及装置,涉及大数据、数据分析与挖掘领域。具体步骤为:接入业务系统数据,根据所述业务系统数据确定待减值债项;获取所述待减值债项的业务基础数据,对所述业务基础数据进行处理,以生成预警信息;根据所述预警信息的变化情况确定目标客户;获取所述目标客户的财务数据并进行处理,以生成预期信用损失评估结果。本公开通过在宏观经济指标的统计存在延迟性的情况下,审慎运用管理层叠加,根据所述预警信息的变化情况确定目标客户,获取财务数据并以生成预期信用损失评估结果,协助进行审慎性评估和调整,解决宏观经济指标的统计存在延迟性的情况。
Description
技术领域
本公开涉及大数据、数据分析与挖掘领域,尤其涉及一种通过管理层叠加对预期信用损失结果调整的方法及装置。
背景技术
相关技术中的预期信用损失评估模型,前瞻性调整参数都是依赖宏观经济指标,而宏观经济指标的统计存在延迟性,无法短期内提供需要调整的风险因素;
根据银保监规【2022】10号发文,关于印发商业银行预期信用损失法实施管理办法的通知,第一章(总则)的第五条,提及的谨慎性原则,应充分评估信用风险管理面临的各种不确定性,审慎评估计量信用风险损失准备;第三章(预期信用损失法实施)的第二十六条,提及的应审慎运用管理层叠加,对预期信用损失评估结果进行调整。目前尚缺乏对预期信用损失评估及时进行评估的方案。
发明内容
本公开提供一种通过管理层叠加对预期信用损失结果调整的方法及装置。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种通过管理层叠加对预期信用损失结果调整的方法,包括:
接入业务系统数据,根据所述业务系统数据确定待减值债项;
获取所述待减值债项的业务基础数据,对所述业务基础数据进行处理,以生成预警信息;
根据所述预警信息的变化情况确定目标客户;
获取所述目标客户的财务数据并进行处理,以生成预期信用损失评估结果。
可选的,所述业务系统数据包括以下的一项或多项:
表内贷款及垫款数据;
贷款承诺数据;
表外业务数据;
债券投资数据;
同业业务数据;
市场风险宏观经济数据;
全面风险预警数据;
财务报表数据。
可选的,所述根据所述业务系统数据确定待减值债项的步骤具体包括:
基于资产归属的产品属性和模型划分准则确定计量模型,并根据所述计量模型确定待减值债项资产分组;
根据信用风险显著增加和违约的标准,确定所述待减值债项所属的阶段。
可选的,所述方法还包括:
对所述业务系统数据进行前瞻性调整,并选择宏观经济指标及参数量值;
基于不同情景和存续期分别计算存续期内所述待减值债项对应的减值金额。
可选的,所述预警信息包括以下的一项或多项:
财务状况预警;
征信信息预警;
账户行为预警;
履约风险预警;
经营状况预警;
诉讼风险预警;
管理风险预警。
可选的,所述预警信息的阶段包括:
红色预警,所述红色预警为严重预警;
橙色预警,所述橙色预警为较严重预警;
蓝色预警,所述蓝色预警为一般预警。
可选的,所述根据所述预警信息的变化情况确定目标客户的步骤具体包括:
响应于客户的预警信息等级提升,确定所述客户为目标客户。
可选的,所述获取所述目标客户的财务数据并进行处理的步骤具体包括:
确定所述目标客户对应的财务报表是否为当前更新周期内的更新的数据,其中,所述财务报表包括:资产负债表、利润表和现金流量表;
如果所述目标客户对应的财务报表不是当前更新周期内的更新的数据,则发送更新提示信息。
可选的,所述生成预期信用损失评估结果的步骤具体包括:
在评估周期内,如果所述目标客户对应的财务报表不是当前更新周期内的更新的数据,则下调所述目标客户对应的信用风险阶段;
在评估周期内,如果所述目标客户对应的财务报表是当前更新周期内的更新的数据,则根据F'分数模型对所述财务报表进行计算,以获取所述目标客户的F'分数,并根据所述F'分数和历史预期信用损失评估结果生成所述预期信用损失评估结果。
可选的,所述根据所述F'分数和历史预期信用损失评估结果生成所述预期信用损失评估结果的步骤包括:
根据所述历史预期信用损失评估结果确定临界点;
如果所述F'分数低于所述临界点,则确定所述目标客户为破产状态;
如果所述F'分数大于或等于所述临界点,则确定所述目标客户为存续状态。
根据本公开实施例的第二方面,提供一种通过管理层叠加对预期信用损失结果调整的装置,其特征在于,包括:
债项分析模块,用于接入业务系统数据,根据所述业务系统数据确定待减值债项;
预警模块,用于获取所述待减值债项的业务基础数据,对所述业务基础数据进行处理,以生成预警信息;
目标客户确定模块,用于根据所述预警信息的变化情况确定目标客户;
评估模块,用于获取所述目标客户的财务数据并进行处理,以生成预期信用损失评估结果。
根据本公开实施例的第三方面,提供一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如第一方面中任一项所述的方法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如第一方面中任一项所述的方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据第一方面中任一项所述的方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
在宏观经济指标的统计存在延迟性的情况下,审慎运用管理层叠加,达到资产质量精细化管理中的审慎运用管理层叠加,协助进行审慎性评估和调整,从而达到资产质量精细化管理中的审慎运用管理层叠加,协助进行审慎性评估和调整,解决宏观经济指标的统计存在延迟性的情况。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种通过管理层叠加对预期信用损失结果调整的方法的流程图。
图2是根据一示例性实施例示出的一种通过管理层叠加对预期信用损失结果调整的方法的流程图。
图3是根据一示例性实施例示出的一种通过管理层叠加对预期信用损失结果调整的方法的流程图。
图4是根据一示例性实施例示出的一种通过管理层叠加对预期信用损失结果调整的方法中的数据流程图。
图5是根据一示例性实施例示出的一种通过管理层叠加对预期信用损失结果调整的装置的框图。
图6是根据一示例性实施例示出的一种装置的框图。
图7是根据一示例性实施例示出的一种装置的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的本公开的一些方面相一致的装置和方法的例子。
需要说明的是,本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等),均为经用户授权或者经过各方充分授权的信息。
现有商业银行的预期信用损失评估模型,前瞻性调整参数都是依赖宏观经济指标,而宏观经济指标的统计存在延迟性,无法短期内提供需要调整的风险因素;
银保监规【2022】10号发文,关于印发商业银行预期信用损失法实施管理办法的通知,第一章(总则)的第五条,提及的谨慎性原则,应充分评估信用风险管理面临的各种不确定性,审慎评估计量信用风险损失准备;第三章(预期信用损失法实施)的第二十六条,提及的应审慎运用管理层叠加,对预期信用损失评估结果进行调整。
各地自然灾害近几年持续不断影响企业和公司的日常生产经营活动。为解决以上问题,需要一种通过管理层叠加对预期信用损失结果进行审慎调整的方法和装置,用于对未来的信用风险阶段或预期信用损失评估结果,在宏观经济指标的统计存在延迟性的情况下,审慎运用管理层叠加,达到资产质量精细化管理中的审慎运用管理层叠加,协助进行审慎性评估和调整,是本发明所要解决的技术问题。
图1是根据一示例性实施例示出的一种通过管理层叠加对预期信用损失结果调整的方法的流程图,如图1所示,所述方法包括以下步骤。
步骤101,接入业务系统数据,根据所述业务系统数据确定待减值债项;
本实施例中,资产减值是指资产的可收回金额低于其账面价值。企业应当在会计期末对各项资产进行核查,判断是否有迹象表明资产可能发生了减值。某项资产如果存在减值,应当估计其可收回金额,以确定减值损失;如果不存在减值,则不应估计其可收回金额。
业务系统数据为从多个影响维度对待减值产品的资产减值产生影响的数据。影响维度包括资产类别维度、客户评级维度、场景测算维度和量化时间维度等。每个影响维度下又可以细分为多个减值影响数据。例如,资产类别维度下的减值影响数据可以包括对公贷款、同业拆借、债券和零售业务等。将多个影响维度的减值影响数据进行整理后,可以得到业务系统数据。例如,对于某个债券产品,其业务系统数据可以表示为{内部管理场景,债券种类,低风险,AAA1评级,第120个边际月度}。
业务系统数据可以从银行业务处理系统自动获取。例如,可以通过查询的方式获取。客户端向银行业务处理系统的数据库发送查询请求。该查询请求中包括了各个减值影响数据的查询请求,可以通过SQL语言实现。数据库在接收到查询请求后,向客户端发送相应的查询结果,即业务系统数据。
步骤102,获取所述待减值债项的业务基础数据,对所述业务基础数据进行处理,以生成预警信息。
可选的,所述业务系统数据包括以下的一项或多项:
表内贷款及垫款数据;
贷款承诺数据;
表外业务数据;
债券投资数据;
同业业务数据;
市场风险宏观经济数据;
全面风险预警数据;
财务报表数据。
所述预警信息为表征业务数据的风险阶段的指标,各个指标均分为三个阶段,每个阶段代表不同的风险程度。
可选的,所述预警信息包括以下的一项或多项:
财务状况预警;
征信信息预警;
账户行为预警;
履约风险预警;
经营状况预警;
诉讼风险预警;
管理风险预警。
可选的,所述预警信息的阶段包括:
红色预警,所述红色预警为严重预警;核心定义为客户存在较为突出的潜在风险,已有转化为现实风险的苗头,可能对还款行程严重影响。
橙色预警,所述橙色预警为较严重预警;核心定义为客户潜在风险状况较为显著,对还款行程明显影响。
蓝色预警,所述蓝色预警为一般预警。核心定义为客户目前有能力归还带宽本息,但出现了值得关注的风险状况,对还款形成潜在影响。
预警信息还包括无预警,风险程度由低到高分别为无预警、蓝色预警、橙色预警、红色预警。
步骤103,根据所述预警信息的变化情况确定目标客户。
本实施例中,预警信息变化反映了客户风险程度发生了变化,需要特别关注,将其确定为目标客户并对其财务数据进行进一步的分析。
步骤104,获取所述目标客户的财务数据并进行处理,以生成预期信用损失评估结果。
可选的,所述根据所述业务系统数据确定待减值债项的步骤具体包括:
基于资产归属的产品属性和模型划分准则确定计量模型,并根据所述计量模型确定待减值债项资产分组;
计量模型用于计算待测试资产的情景价格,也即在相关压力情景下的价格。不同的风险因子可以对应不同的计量模型,本申请实施例可以预先设置各风险因子对应的计量模型,如此,在待测试资产确定后,即可基于相关风险因子对应的计量模型确定其情景价格。
例如某机构采用中债企业债收益率曲线X和中债对应的评级如BBB,后来重新构建了债券收益率曲线Y,自建的信评体系,评级符号调整为3B,通过本申请实施例,可以直接基于债券收益率曲线Y对应的计量模型计算情景价格,无需再由开发人员重新编写代码。如果某待测试资产受多个风险因子影响,可以直接根据该多个风险因子对应的多个计量模型综合确定其情景价格,如此充分考虑了待测试资产受不同风险因子及其相关性的影响,提高了测试结果的准确性。
根据信用风险显著增加和违约的标准,确定所述待减值债项所属的阶段。
本方案可以由信贷系统执行。信贷系统可以从业务系统获取业务基础数据。其中,所述历史数据可以是历史债项数据。信贷系统可以预先根据金融活动中金融风险的影响因素,对历史债项数据按照金融风险的影响因素进行划分,以实现针对性的预期信用损失计算。其中,金融风险的影响因素可以包括风险特征、客户类型、行业门类以及产品种类等。
具体的,假设存在3类信贷产品,分别为产品1、产品2和产品3,信贷系统可以对历史数据按照上述3类信贷产品进行分类,得到3个数据集。信贷系统也可以根据实际信贷业务情况和统计经验,将多个影响因素进行组合,形成数据集的划分标准。在上述示例的基础上,还存在3类客户类型,分别为I型客户、II型客户和III型客户。其中,产品1和产品2是针对II型客户的信贷产品,产品3是针对I型客户和III型客户的信贷产品。信贷系统可以将购买产品1或产品2的II型客户的相关历史债项数据划分为一类,将购买产品3的I型客户和III型客户的相关历史债项数据划分为另一类。
可选的,所述方法还包括:
对所述业务系统数据进行前瞻性调整,并选择宏观经济指标及参数量值;
基于不同情景和存续期分别计算存续期内所述待减值债项对应的减值金额。
具体地,资产减值计量装置可以通过软件实现,例如银行业务处理系统中的减值计量模块;也可以为执行资产减值计量方法的硬件系统,例如移动终端、平板电脑、台式计算机和服务器等。待减值产品为需要进行资产减值计量的金融产品,例如贷款、债券、同业拆借和贸易融资产品等。
可选的,所述根据所述预警信息的变化情况确定目标客户的步骤具体包括:
响应于客户的预警信息等级提升,确定所述客户为目标客户。
本实施例中,当客户对应的预警信息发生从无到蓝,从蓝到橙,从橙到红的预警信号变化,则确定其为目标客户。
图2是根据一示例性实施例示出的一种通过管理层叠加对预期信用损失结果调整的方法的流程图,如图2所示,图1中的步骤104具体包括以下步骤。
步骤201,确定所述目标客户对应的财务报表是否为当前更新周期内的更新的数据,其中,所述财务报表包括:资产负债表、利润表和现金流量表。
本实施例中,系统的批处理加工单元,每个更新周期内定时获取客户经理反馈的客户的最新的资产负债表、利润表、现金流量表的情况。
可选的,所述更新周期为一天,即每天获取客户经理反馈的客户的最新的资产负债表、利润表、现金流量表的情况。
步骤202,如果所述目标客户对应的财务报表不是当前更新周期内的更新的数据,则发送更新提示信息。
本实施例中,发送更新提示信息以提醒客户经理反馈的客户的最新的资产负债表、利润表、现金流量表的情况。
可选的,图1中步骤104生成预期信用损失评估结果的步骤具体包括:
在评估周期内,如果所述目标客户对应的财务报表不是当前更新周期内的更新的数据,则下调所述目标客户对应的信用风险阶段;
本实施例中,每个评估周期内自动对目标客户的信用风险阶段进行评估,如果获取不到客户经理反馈的客户的最新的资产负债表、利润表、现金流量表,则批处理单元自动将对信用风险阶段予以下调对应级别。
可选的,所述评估周期为每月末到下月初的时间段。
在评估周期内,如果所述目标客户对应的财务报表是当前更新周期内的更新的数据,则根据F'分数模型对所述财务报表进行计算,以获取所述目标客户的F'分数,并根据所述F'分数和历史预期信用损失评估结果生成所述预期信用损失评估结果。
本实施例中,在评估周期内如果获取到客户经理反馈的客户的最新的资产负债表、利润表、现金流量表,则批处理单元根据最新的财务报表信息,以F'分数模型进行财务危机预测。
图3是根据一示例性实施例示出的一种通过管理层叠加对预期信用损失结果调整的方法的流程图,如图3所示,上述根据所述F'分数和历史预期信用损失评估结果生成所述预期信用损失评估结果的步骤具体包括:
步骤301,根据所述历史预期信用损失评估结果确定临界点;
步骤302a,如果所述F'分数低于所述临界点,则确定所述目标客户为破产状态;
步骤302b,如果所述F'分数大于或等于所述临界点,则确定所述目标客户为存续状态。
以F'分数模型进行财务危机预测,结合近半年的预期信用损失评估结果,分析F'分数是否低于某行业的临界点,如是,则将被预测为破产公司;反之,若F'分数高于某行业的临界点,则公司将被预测为继续生存公司,由此自动生成相关的客户和资产清单,通过消息组件通知客户经理和业务管理人员,用于对未来的信用风险阶段或预期信用损失评估结果进行调整。
考虑到现有集团公司规模和关联关系的复杂性,增加集团偿债概率这一自变量,则F'分数模型具体公式如下:
F'=常量调整系数+流动性系数*资产变现能力+筹资及再投资系数*累计获利能力+现金流系数*实际清偿能力+投资价值系数*股东权益理论偿债能力+现金流系数*总资产现金创造能力-集团关联复杂系数*集团偿债概率。
资产变现能力、累计获利能力、实际清偿能力、股东权益理论偿债能力和总资产现金创造能力都反映了企业财务风险抵御能力,与财务风险成反比,而集团偿债概率是企业发展的负能量,概率越高意味着财务风险越大。
破产,是指债务人因不能偿债或者资不抵债时,由债权人或债务人诉请法院宣告破产并依破产程序偿还债务的一种法律制度。狭义的破产制度仅指破产清算制度,广义的破产制度还包括重整与和解制度。多数情况下,破产指一种公司行为和经济行为。而人们有时习惯把个人或者公司停止经营也叫作破产。
存续指的是企业依法存在并且是在正常运营的,也可以叫做开业、正常、登记。
客户经理和业务管理人员,在每月数据发布之前,再次根据系统通过消息组件推送的客户和资产清单,以及相关的调整结果,作为依据,对信用风险阶段或前瞻性参数进行调整,并再次予以发起自动计算,或对拟发布的结果数据,进行审慎评估和调整,再进行最终的发布和统计数据生成。
通过以上步骤,可以建立一种通过管理层叠加对预期信用损失结果调整的流程,从而达到资产质量精细化管理中的审慎运用管理层叠加,协助进行审慎性评估和调整,解决宏观经济指标的统计存在延迟性的情况。
图4是根据一示例性实施例示出的一种通过管理层叠加对预期信用损失结果调整的方法中的数据流程图。如图4所述,所述方法中数据流程如下:
1、基于资产归属的产品属性,结合咨询提供的模型建议划分相应的计量模型,并基于不同的模型划分不同的资产分组:
2、根据信用风险显著增加和违约的定义与标准,对债项所属的阶段进行划分:
3、对接入的市场宏观经济数据进行前瞻性系数生成,用于选择宏观经济指标及参数量值选择;
4、基于不同情景和存续期分别计算存续期内减值金额:
5、对通过数据采集单元,批量采集财务状况预警、征信信息预警,账户行为预警、履约风险预警、经营状况预警、诉讼、管理风险等指标,通过批处理加工单元,自动综合以上指标进行判断,这些指标在近一年内是否已出现从无到蓝,从蓝到橙,从橙到红的预警信号变化;
6、系统的批处理加工单元,对于自动判断出的近一年内已出现从无到蓝,从蓝到橙,从橙到红的预警信号变化的客户;自动判断获取到的资产负债表、利润表、现金流量表是否最新,如不是最新,则批处理单元自动生成相关的客户清单,通过消息组件推送给客户经理;
7、系统的批处理加工单元,每日定时获取客户经理反馈的客户的最新的资产负债表、利润表、现金流量表的情况。在每月末到下月初的一段时间内,自动判断,如再获取不到客户经理反馈的客户的最新的资产负债表、利润表、现金流量表,则批处理单元自动将对信用风险阶段予以下调对应级别,如当期该时间段内可以获取到,则批处理单元根据最新的财务报表信息,以F'分数模型进行财务危机预测,结合近半年的预期信用损失评估结果,分析F'分数是否低于某行业的临界点,如是,则将被预测为破产公司;反之,若F'分数高于某行业的临界点,则公司将被预测为继续生存公司,由此自动生成相关的客户和资产清单,通过消息组件通知客户经理和业务管理人员,用于对未来的信用风险阶段或预期信用损失评估结果进行调整;
三、客户经理和业务管理人员,在每月数据发布之前,再次根据系统通过消息组件推送的客户和资产清单,以及相关的调整结果,作为依据,对信用风险阶段或前瞻性参数进行调整,并再次予以发起自动计算,或对拟发布的结果数据,进行审慎评估和调整,再进行最终的发布和统计数据生成;
通过以上步骤,可以建立一种通过管理层叠加对预期信用损失结果调整的方法和装置,从而达到资产质量精细化管理中的审慎运用管理层叠加,协助进行审慎性评估和调整,解决宏观经济指标的统计存在延迟性的情况。
图5是根据一示例性实施例示出的一种通过管理层叠加对预期信用损失结果调整的装置框图。参照图5,该装置500包括:
债项分析模块510,用于接入业务系统数据,根据所述业务系统数据确定待减值债项;
预警模块520,用于获取所述待减值债项的业务基础数据,对所述业务基础数据进行处理,以生成预警信息;
目标客户确定模块530,用于根据所述预警信息的变化情况确定目标客户;
评估模块540,用于获取所述目标客户的财务数据并进行处理,以生成预期信用损失评估结果。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图6是根据一示例性实施例示出的一种装置800的框图。例如,装置800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图6,装置800可以包括以下一个或多个组件:处理组件802,存储器804,电力组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制装置800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当装置800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为装置800提供各个方面的状态评估。例如,传感器组件814可以检测到设备800的打开/关闭状态,组件的相对定位,例如所述组件为装置800的显示器和小键盘,传感器组件814还可以检测装置800或装置800一个组件的位置改变,用户与装置800接触的存在或不存在,装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络,如WiFi,运营商网络(如2G、3G、4G或5G),或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的存储介质,例如包括指令的存储器804,上述指令可由装置800的处理器820执行以完成上述方法。可选地,存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图7是根据一示例性实施例示出的一种装置900的框图。例如,装置900可以被提供为一服务器。参照图7,装置900包括处理组件922,其进一步包括一个或多个处理器,以及由存储器932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件922被配置为执行指令,以执行上述方法。
装置900还可以包括一个电源组件926被配置为执行装置900的电源管理,一个有线或无线网络接口950被配置为将装置900连接到网络,和一个输入输出(I/O)接口958。装置900可以操作基于存储在存储器932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (14)
1.一种通过管理层叠加对预期信用损失结果调整的方法,其特征在于,包括:
接入业务系统数据,根据所述业务系统数据确定待减值债项;
获取所述待减值债项的业务基础数据,对所述业务基础数据进行处理,以生成预警信息;
根据所述预警信息的变化情况确定目标客户;
获取所述目标客户的财务数据并进行处理,以生成预期信用损失评估结果。
2.根据权利要求1所述的方法,其特征在于,所述业务系统数据包括以下的一项或多项:
表内贷款及垫款数据;
贷款承诺数据;
表外业务数据;
债券投资数据;
同业业务数据;
市场风险宏观经济数据;
全面风险预警数据;
财务报表数据。
3.根据权利要求1所述的方法,其特征在于,所述根据所述业务系统数据确定待减值债项的步骤具体包括:
基于资产归属的产品属性和模型划分准则确定计量模型,并根据所述计量模型确定待减值债项资产分组;
根据信用风险显著增加和违约的标准,确定所述待减值债项所属的阶段。
4.根据权利要求2所述的方法,其特征在于,所述方法还包括:
对所述业务系统数据进行前瞻性调整,并选择宏观经济指标及参数量值;
基于不同情景和存续期分别计算存续期内所述待减值债项对应的减值金额。
5.根据权利要求1所述的方法,其特征在于,所述预警信息包括以下的一项或多项:
财务状况预警;
征信信息预警;
账户行为预警;
履约风险预警;
经营状况预警;
诉讼风险预警;
管理风险预警。
6.根据权利要求1所述的方法,其特征在于,所述预警信息的阶段包括:
红色预警,所述红色预警为严重预警;
橙色预警,所述橙色预警为较严重预警;
蓝色预警,所述蓝色预警为一般预警。
7.根据权利要求6所述的方法,其特征在于,所述根据所述预警信息的变化情况确定目标客户的步骤具体包括:
响应于客户的预警信息等级提升,确定所述客户为目标客户。
8.根据权利要求1所述的方法,其特征在于,所述获取所述目标客户的财务数据并进行处理的步骤具体包括:
确定所述目标客户对应的财务报表是否为当前更新周期内的更新的数据,其中,所述财务报表包括:资产负债表、利润表和现金流量表;
如果所述目标客户对应的财务报表不是当前更新周期内的更新的数据,则发送更新提示信息。
9.根据权利要求8所述的方法,其特征在于,所述生成预期信用损失评估结果的步骤具体包括:
在评估周期内,如果所述目标客户对应的财务报表不是当前更新周期内的更新的数据,则下调所述目标客户对应的信用风险阶段;
在评估周期内,如果所述目标客户对应的财务报表是当前更新周期内的更新的数据,则根据F'分数模型对所述财务报表进行计算,以获取所述目标客户的F'分数,并根据所述F'分数和历史预期信用损失评估结果生成所述预期信用损失评估结果。
10.根据权利要求9所述的方法,其特征在于,所述根据所述F'分数和历史预期信用损失评估结果生成所述预期信用损失评估结果的步骤包括:
根据所述历史预期信用损失评估结果确定临界点;
如果所述F'分数低于所述临界点,则确定所述目标客户为破产状态;
如果所述F'分数大于或等于所述临界点,则确定所述目标客户为存续状态。
11.一种通过管理层叠加对预期信用损失结果调整的装置,其特征在于,包括:
债项分析模块,用于接入业务系统数据,根据所述业务系统数据确定待减值债项;
预警模块,用于获取所述待减值债项的业务基础数据,对所述业务基础数据进行处理,以生成预警信息;
目标客户确定模块,用于根据所述预警信息的变化情况确定目标客户;
评估模块,用于获取所述目标客户的财务数据并进行处理,以生成预期信用损失评估结果。
12.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至10中任一项所述的方法。
13.一种计算机可读存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行如权利要求1至10中任一项所述的方法。
14.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310034681.2A CN116342245A (zh) | 2023-01-10 | 2023-01-10 | 通过管理层叠加对预期信用损失结果调整的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310034681.2A CN116342245A (zh) | 2023-01-10 | 2023-01-10 | 通过管理层叠加对预期信用损失结果调整的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116342245A true CN116342245A (zh) | 2023-06-27 |
Family
ID=86882941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310034681.2A Pending CN116342245A (zh) | 2023-01-10 | 2023-01-10 | 通过管理层叠加对预期信用损失结果调整的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116342245A (zh) |
-
2023
- 2023-01-10 CN CN202310034681.2A patent/CN116342245A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12014416B1 (en) | Debt services candidate locator | |
US8355967B2 (en) | Personal finance integration system and method | |
US20160092994A1 (en) | Computer program, method, and system for determining how a tax event affects a taxpayer's tax refund or tax owed | |
US20110106691A1 (en) | Systems and methods for tracking financial information | |
US9128911B1 (en) | Estimating high level tax refund range | |
CN112102067A (zh) | 互联网金融管理方法、系统、设备及介质 | |
CN111932268A (zh) | 企业风险识别方法及装置 | |
CN112070564B (zh) | 广告拉取方法、装置、系统与电子设备 | |
CN108694663A (zh) | 一种信贷方法、装置及系统 | |
CN112241915A (zh) | 一种贷款产品的生成方法和装置 | |
CN113723995A (zh) | 一种确定营销任务的方法和装置 | |
CN109658231A (zh) | 一种信息管理平台 | |
WO2020170187A1 (en) | Large-scale processing of data records with efficient retrieval | |
CN116342245A (zh) | 通过管理层叠加对预期信用损失结果调整的方法及装置 | |
CN111951011B (zh) | 监控系统阈值确定方法及装置 | |
CN109949073A (zh) | 一种信息调整方法、装置、电子设备及存储介质 | |
CN111598608A (zh) | 一种电商商家评分方法、装置、电子设备及存储介质 | |
CN112907266B (zh) | 用户筛选模型的获取方法、金融信息推送方法及相关装置 | |
CN109165963B (zh) | 一种数据预测方法、装置及电子设备 | |
CN111681119B (zh) | 一种信息处理方法及装置 | |
CN115345726B (zh) | 信用卡的自动审批方法、装置、电子设备和介质 | |
CA3019195A1 (en) | Dynamic monitoring and profiling of data exchanges within an enterprise environment | |
CN112989172B (zh) | 内容推荐方法、装置、计算机设备及存储介质 | |
US11785138B1 (en) | Computer-based systems configured for caller identification differentiation and methods of use thereof | |
CN115018523A (zh) | 数据处理方法、装置及电子设备 |
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 |