CN116416072A - 风险评估方法、装置、计算机设备和存储介质 - Google Patents
风险评估方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116416072A CN116416072A CN202211573394.0A CN202211573394A CN116416072A CN 116416072 A CN116416072 A CN 116416072A CN 202211573394 A CN202211573394 A CN 202211573394A CN 116416072 A CN116416072 A CN 116416072A
- Authority
- CN
- China
- Prior art keywords
- risk
- target object
- preset
- query
- matching
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 13
- 230000006399 behavior Effects 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 9
- 210000001503 joint Anatomy 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 230000010485 coping Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 10
- 238000007726 management method Methods 0.000 description 10
- 238000012550 audit Methods 0.000 description 9
- 238000012797 qualification Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000003068 static effect Effects 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- 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
- G06F16/2455—Query execution
- G06F16/24564—Applying rules; Deductive queries
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种风险评估方法、装置、计算机设备和存储介质,其中,方法包括:获取采购申请信息,获取目标对象及其关联对象的基本信息;将目标对象以及关联对象分别作为查询主体,获取关联风险指标的当前指标数据;将查询主体以及采购方案分别与预设的策略集进行匹配,获取匹配结果;利用预设的风险评估模型分别对当前指标数据以及匹配结果进行评分赋值,计算目标对象的最终风险评分,获取目标对象的风险等级,获取对应于风险等级的风险决策。采用本方法能够使各类审核项目通过预设的评判标准,以获取统一的风险评估结果,避免了人工审核时的风险点遗漏或理解偏差的现象,保证了不同人员审核时的客观性及一致性,提升了审核效率和准确度。
Description
技术领域
本申请涉及大数据分析技术领域,特别是涉及一种风险评估方法、装置、计算机设备和存储介质。
背景技术
在金融信贷等领域的资质审核中,现有采用人工审核客户的基本信息、征信信息、采购信息等基本情况,根据客户的基本情况,获取客户的关联方,再人工调查关联方的情况,最后根据客户及其关联方的综合情况,评估客户拟采购行为的综合意见。
其中,由于采用人工审核,因此识别客户的关联方以及可能存在的风险点时,可能存在遗漏现象;由于不同分支机构、不同时间地点或不同审核人员对客户的关联关系、采购规则、风险情况存在一定程度的理解偏差,因此难以量化精准评估客户;由于理解偏差,那么作出的信贷决策可能会不一致。
发明内容
基于此,有必要针对上述技术问题,提供一种风险评估方法、装置、计算机设备和存储介质,使得各类审核项目通过预设的评判标准即可获取统一的风险评估结果,从而避免了人工审核时的风险点遗漏或理解偏差的现象,保证了不同人员审核时的客观性及一致性,提升了审核效率和准确度。
本申请提供了一种风险评估方法,方法包括:
获取采购申请信息,根据采购申请信息,获取目标对象及其关联对象的基本信息;
将目标对象以及关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据;
响应于采购申请信息包括采购方案,将查询主体以及采购方案分别与预设的策略集进行匹配,以获取匹配结果;
利用预设的风险评估模型分别对当前指标数据以及匹配结果进行评分赋值,以计算目标对象的最终风险评分,利用最终风险评分获取目标对象的风险等级,以获取对应于风险等级的风险决策。
在其中一个实施例中,获取采购申请信息的步骤之前,包括:获取并存储目标对象以及关联对象的基本信息,并通过客户编号对目标对象进行唯一性标识;
根据采购申请信息,获取目标对象及其关联对象的基本信息的步骤,包括:
响应于采购申请信息包括目标对象的客户编码,利用客户编号,获取目标对象的基本信息;
通过目标对象的基本信息,获取关联对象的基本信息。
在其中一个实施例中,将目标对象以及关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据的步骤,包括:
响应于查询规则中预设有指标清单,指标清单中自定义关联有若干风险指标,且各风险指标对接有相应的数据源;
将目标对象以及关联对象分别作为查询主体;
按照指标清单,依次从对接的数据源中获取各查询主体的当前指标数据。
在其中一个实施例中,策略集包括黑白名单策略集、风险策略集、采购策略集;
响应于采购申请信息包括采购方案,将查询主体以及采购方案分别与预设的策略集匹配,以获取匹配结果的步骤,包括:
将查询主体与黑白名单策略集匹配,根据黑白名单策略集中预先配置的白名单、黑名单,将查询主体分别与白名单以及黑名单中的名单信息匹配,以获取第一匹配结果;
将查询主体与风险策略集匹配,根据风险策略集中预先配置的风险名单,通过风险名单标记存在风险事件的名单信息,将查询主体与风险名单中的名单信息匹配,以获取第二匹配结果;
将采购方案与采购策略集匹配,根据采购策略集预先配置的各类产品的采购规则,将采购方案与各类采购规则匹配,识别采购方案中存在的风险行为,以作为第三匹配结果。
在其中一个实施例中,利用预设的风险评估模型分别对当前指标数据以及匹配结果进行打分赋值,以计算目标对象的最终风险评分的步骤,包括:
获取当前指标数据和匹配结果,并将各当前指标数据以及匹配结果分别作为评分主体;
根据风险评估模型中预设的评分标准,分别对各评分主体进行评分赋值;
根据各所述评分主体的分值,利用极值筛选规则,对相同类型的多个评分主体进行过滤筛选处理,筛选出其中一种所述评分主体;
将筛选后的各评分主体的分值进行叠加,以计算出目标对象的最终风险评分。
在其中一个实施例中,利用最终风险评分获取目标对象的风险等级的步骤,包括:
获取当前目标对象的最终风险评分;
根据风险评估模型中预设的风险等级评判标准,对目标对象的最终风险评分,进行风险等级判定,以获取目标对象的风险等级;
其中,风险等级评判标准通过不同的风险评分范围区分不同的风险等级。
在其中一个实施例中,获取对应于风险等级的风险决策的步骤,包括:
获取当前目标对象的风险等级;
根据风险评估模型中预设的决策库,对目标对象的风险等级,进行决策匹配,以获取对应于风险等级的风险决策;
其中,决策库预设有若干风险决策,不同的风险决策用于应对不同的风险等级。
本申请提供了一种风险评估装置,装置包括:信息获取模块、数据查询模块、策略匹配模块以及风险评估模块。
信息获取模块用于获取采购申请信息,根据采购申请信息,获取目标对象及其关联对象的基本信息;
数据查询模块用于将目标对象以及关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据;
策略匹配模块用于响应于采购申请信息包括采购方案,将查询主体以及采购方案分别与预设的策略集进行匹配,以获取匹配结果;
风险评估模块用于利用预设的风险评估模型分别对当前指标数据以及匹配结果进行评分赋值,以计算目标对象的最终风险评分,利用最终风险评分获取目标对象的风险等级,以获取对应于风险等级的风险决策。
本申请提供了一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取采购申请信息,根据采购申请信息,获取目标对象及其关联对象的基本信息;
将目标对象以及关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据;
响应于采购申请信息包括采购方案,将查询主体以及采购方案分别与预设的策略集进行匹配,以获取匹配结果;
利用预设的风险评估模型分别对当前指标数据以及匹配结果进行评分赋值,以计算目标对象的最终风险评分,利用最终风险评分获取目标对象的风险等级,以获取对应于风险等级的风险决策。
本申请提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取采购申请信息,根据采购申请信息,获取目标对象及其关联对象的基本信息;
将目标对象以及关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据;
响应于采购申请信息包括采购方案,将查询主体以及采购方案分别与预设的策略集进行匹配,以获取匹配结果;
利用预设的风险评估模型分别对当前指标数据以及匹配结果进行评分赋值,以计算目标对象的最终风险评分,利用最终风险评分获取目标对象的风险等级,以获取对应于风险等级的风险决策。
上述风险评估方法、装置、计算机设备和存储介质,能够实现如下的有益效果:
由于采用了根据根据采购申请信息即可获取目标对象及其关联对象的基本信息,不再局限于对目标对象本身的资质审核,可以更加精准地对目标对象进行风险评估,提高评估的准确性。
由于采用了将目标对象以及关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据,相比传统中人工采集内外部数据,本方案有效的实现了数据收集的高效性及准确性。
由于采用了将查询主体以及采购方案分别与预设的策略集进行匹配,以获取匹配结果,从而避免了对目标客户风险点遗漏的现象,有效保证不同人员审核的一致性。并且采用策略集匹配,以使特定目标对象自动通过审核、风险客户升级人工审核,提升了审核人员的审核效率、降低坏账的可能性。
由于采用了利用预设的风险评估模型分别对当前指标数据以及匹配结果进行评分赋值,以计算目标对象的最终风险评分,利用最终风险评分获取目标对象的风险等级,以获取对应于风险等级的风险决策,从而通过同一标准的风险评估模型,保证了不同人员审核的客观性及一致性。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为一个实施例中风险评估方法的应用环境图;
图2为一个实施例中风险评估方法的流程示意图;
图3为一个实施例中风险评估方法中简化步骤的流程示意图;
图4为一个实施例中风险评估系统的结构示意图;
图5为一个实施例中风险评估装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请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、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素,此外,本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义,也可能具有不同含义,其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。
应当理解,尽管在本文可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本文范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语"如果"可以被解释成为"在……时"或"当……时"或"响应于确定"。再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。本申请使用的术语“或”、“和/或”、“包括以下至少一个”等可被解释为包括性的,或意味着任一个或任何组合。例如,“包括以下至少一个:A、B、C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A和B和C”,再如,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A和B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
应该理解的是,虽然本申请实施例中的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要说明的是,在本文中,采用了诸如S10、S20等步骤代号,其目的是为了更清楚简要地表述相应内容,不构成顺序上的实质性限制,本领域技术人员在具体实施时,可能会先执行S20后执行S10等,但这些均应在本申请的保护范围之内。
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的风险评估方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与第一服务器104连接,第一服务器104通过网络与第二服务器106连接。通过第一服务器104向外展示某金融信贷平台的产品服务,通过第二服务器106对提出购买申请的目标对象进行资质审核,利用本实施例给出的风险评估方法,获取相应的风险决策,并反馈给第一服务器104,以便第一服务器104执行相应的风险决策。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,第一服务器104/第二服务器106可以采用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2-3所示,提供了一种风险评估方法,以该方法应用于图1中的第二服务器为例进行说明,包括以下步骤:
步骤S10,获取采购申请信息,根据采购申请信息,获取目标对象及其关联对象的基本信息。
步骤S20,将目标对象以及关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据。
步骤S30,响应于采购申请信息包括采购方案,将查询主体以及采购方案分别与预设的策略集进行匹配,以获取匹配结果。
步骤S40,利用预设的风险评估模型分别对当前指标数据以及匹配结果进行评分赋值,以计算目标对象的最终风险评分,利用最终风险评分获取目标对象的风险等级,以获取对应于风险等级的风险决策。
在一种实施方式中,步骤S10中的采购申请信息由提出购买产品的目标对象发起购买申请后生成。通过终端102向第一服务器104发起购买申请后,第一服务器104将购买申请信息发送给第二服务器106进行资质审核。
在一种实施方式中,在获取采购申请信息的步骤之前,包括:获取并存储目标对象以及关联对象的基本信息,并通过客户编号对各目标对象进行唯一性标识。也就是说,目标对象发起采购申请之前,必须先进行目标对象的基本信息注册。第二服务器106获取并存储目标对象及其关联对象的基本信息,并生成对应于目标对象的客户编码,以对目标对象进行唯一性标识。
本实施例中的目标对象可以是企业法人,也可以是个人。当目标对象是企业法人时,那么目标对象的关联对象包括法定代表人、前三名股东、关系人以及担保人。当目标对象是个人时,那么目标对象的关联对象包括直系亲属(比如,配偶)、关系人以及担保人。
进一步说明,根据采购申请信息,获取目标对象及其关联对象的基本信息的步骤,包括:响应于采购申请信息包括目标对象的客户编码,利用客户编号,获取目标对象的基本信息;通过目标对象的基本信息,获取关联对象的基本信息。
在一种实施方式中,在执行步骤S20中的查询操作之前,预先将第二服务器106对接多个数据源,以查询相应风险指标的实时数据。其中,将各数据源中影响目标对象资质审核的指标作为风险指标。本实施方式中的数据源包括外部数据源和内部数据源,外部数据源包括但不限于工商平台、司法平台、征信平台。
进一步地,步骤S20,将目标对象以及关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据的步骤,包括:
步骤S21,响应于查询规则中预设有指标清单,指标清单中自定义关联有若干风险指标,且各风险指标对接有相应的数据源;
步骤S22,将目标对象以及关联对象分别作为查询主体;
步骤S23,按照指标清单,依次从对接的数据源中获取各查询主体的当前指标数据,进而得到关联风险指标的当前指标数据。
在一种实施例中,风险指标的当前指标数据包括但不限于工商平台的违规数据、司法平台的违法数据、征信平台的失信数据、内部历史购买数据、内部还款数据。基于预设的指标清单,逐一获取各数据源中对应风险指标的当前指标数据,直至将所有的查询主体查询完毕。在一种实施例中,可以采用如下表1所示的指标清单及当前指标数据。
表1
在一种实施方式中,策略集至少包括黑白名单策略集、风险策略集、采购策略集。基于采购申请信息包括采购方案,本实施方式中,将查询主体以及采购方案分别与预设的策略集进行匹配,以获取匹配结果。具体地,将查询主体与黑白名单策略集匹配,以获取第一匹配结果;将查询主体与风险策略集匹配,以获取第二匹配结果;将采购方案与采购策略集匹配,以获取第三匹配结果。
本实施方式中,步骤S30,响应于采购申请信息包括采购方案,将查询主体以及采购方案分别与预设的策略集匹配,以获取匹配结果的步骤,包括:
步骤S31,将查询主体与黑白名单策略集匹配,根据黑白名单策略集中预先配置的白名单、黑名单,将查询主体分别与白名单以及黑名单中的名单信息匹配,以获取第一匹配结果;
步骤S32,将查询主体与风险策略集匹配,根据风险策略集中预先配置的风险名单,通过风险名单标记存在风险事件的名单信息,将查询主体与风险名单中的名单信息匹配,以获取第二匹配结果;
步骤S33,将采购方案与采购策略集匹配,根据采购策略集预先配置的各类产品的采购规则,将采购方案与各类采购规则匹配,识别采购方案中存在的风险行为,以作为第三匹配结果。
进一步说明,由于黑白名单策略集中预先配置有白名单、黑名单,因此,本实施方式中将查询主体分别与白名单以及黑名单中的名单信息匹配,以获取第一匹配结果。其中,黑白名单策略集中预先配置有白名单、黑名单,通过黑名单或白名单预先标记特定目标对象,比如,标记黑名单的目标对象表示无法通过资质审核,也无法执行购买行为,标记白名单的目标对象表示不需要审核可直接实现购买行为。本步骤中,将查询主体分别与白名单、黑名单中的名单信息进行匹配,以判断目标对象是否存在于白名单或黑名单中,以生成第一匹配结果。
进一步说明,基于风险策略集中预先配置有风险名单,通过风险名单标记标记存在风险事件的名单信息;因此本实施方式中,将查询主体与风险名单中的名单信息匹配,以获取第二匹配结果。由于风险策略集中的风险名单可以通过司法平台获取名单信息,因此可以获取到名单信息中各主体涉及的风险事件。进而通过将查询主体与风险名单匹配,以获取查询主体的风险事件,进而,可以判断查询主体是否存在的司法案件、多头借贷、团伙欺诈等风险事件。
进一步说明,由于采购策略集中预先配置有各类产品的采购规则。本实施方式中,将采购方案与各类采购规则匹配,以识别采购方案中存在的风险行为,并将存在的风险行为作为第三匹配结果。其中,采购策略集中的采购规则,对应于产品购买平台内部的采购规则。本实施方式中,由于采购申请信息包括采购方案,因此,将当前的采购方案与各类产品的采购规则进行匹配时,可以识别采购方案是否存在首付、付款期限、付款频次等超信的风险行为,将风险行为作为第三匹配结果,以获取到第三匹配结果。
在一种实施方式中,步骤S40,利用预设的风险评估模型对当前指标数据以及匹配结果分别进行打分赋值,计算目标对象的最终风险评分,将最终风险评分与预设的风险等级匹配,以获取申请主体的风险等级,以便根据风险等级,获取对目标对象所需执行的风险决策的步骤,包括:
步骤S41,利用预设的风险评估模型分别对当前指标数据以及匹配结果进行评分赋值,以计算目标对象的最终风险评分;
步骤S42,利用最终风险评分获取目标对象的风险等级;
步骤S43,获取对应于风险等级的风险决策。
其中,步骤S41,利用预设的风险评估模型分别对当前指标数据以及匹配结果进行打分赋值,以计算目标对象的最终风险评分的步骤,包括:
步骤S411,获取当前指标数据和匹配结果,并将各当前指标数据以及匹配结果分别作为评分主体;
步骤S412,根据风险评估模型中预设的评分标准,分别对各评分主体进行评分赋值;
步骤S413,根据各评分主体的分值,利用极值筛选规则,对相同类型的多个评分主体进行过滤筛选处理,筛选出其中一种评分主体;
步骤S414,将筛选后的各评分主体的分值进行叠加,以计算出目标对象的最终风险评分。
举例说明,在执行步骤S412之前,预先设定评分标准,评分标准如下表2-5所示。
表2为本实施例中采购方案的评分规则表。
表3为本实施例中对应于外部数据源的当前指标数据的评分规则表。
表4为本实施例中对应于内部数据源的当前指标数据的评分规则表。
表5为本实施例中目标对象基本信息的评分规则表。
针对评分表单中的各评分标准,可以看出,风险指标表现为各类评分标准表单中的指标信息。在采购方案的评分规则表中,风险指标可以表现为采购方案(A)中的采购规模和付款方式,如表2所示,针对指标为采购方案(A)的不同采购规模的不同付款方式,分别给出评分标准。在对应于外部数据源的当前指标数据的评分规则表中,风险指标可以表现为目标对象所关联的房产性质(B)和外部征信(C),如表3所示,针对房产性质(B)中目标对象是否有自有产权房、自有无产权房、分期(按揭)付款购房、土地、父母或儿女房屋、其他等标准分别给予不同的评分标准。针对外部征信(C)中目标对象是否涉及涉诉、未结清抵押贷款、刑案、公安不良、银行征信、行政处罚、失信、限高等情况,给分别给出给予不同的评分标准。在对应于内部数据源的当前指标数据的评分规则表中,风险指标可以表现为到期回款率(D)、总回款比例(E)、客户类型(F),如表4所示,针对到期回款率(D)到期回款率(D)、总回款比例(E)中不同的范围给予不同的评分标准;针对客户类型(F)中的各关联项给予不同的评分标准。在目标对象基本信息的评分规则表中,风险指标可以表现为采购申请信息中的工程合同情况(G)、从业经历(H)、已有设备辅助还款(I)、资产覆盖率(J),如表5所示,针对工程合同情况(G)中的央企性质工程合同、其他大型企业工程合同、普通工程合同、无工程合同给予不同的评分标准;针对从业经历(H)中不同的年限给予不同的评分标准;针对已有设备辅助还款(I)中的工程机械设备净值给予固定的评分标准;针对资产覆盖率(J)中的不同范围给予不同的评分标准。此外,风险评估模型中预设的评分标准还包括辅助指标,辅助指标包括但不限于非机动车抵押、增加担保、风险区域、异地采购、婚姻状况、子女职业、年龄段、支付周期、还款期限等,根据标准得出得分K。
由于本实施例中的评分赋值计算涉及到目标对象及其关联对象,如果将目标对象及其关联对象的所有评分主体的分值一起计算,会导致最终的评分数据不清楚。在步骤S413中,根据各评分主体的分值,利用极值筛选规则,对相同类型的多个评分主体进行过滤筛选处理,筛选出其中一种所述评分主体。
进一步说明,针对相同类型的多个评分主体中,如果只有一个目标对象,那么根据当前指标数据和匹配结果获取若干不同类型的不同评分主体;如果针对目标对象及其关联对象,那么针对同一类型会出现多个评分主体,基于此,本实施方式中采用极值筛选规则,将同一类型的评分主体,对结果最坏的评分主体进行筛选处理,以便进入步骤S414后,利用筛选的评分主体进行分值叠加。进一步地,风险评估模型根据目标对象及关联对象整体的采购方案、外部征信、内部征信、经营能力、辅助指标五大类进行评分,根据五大类得出目标对象的最终风险评分Y=A+B+C+D+E+F+G+H+I+J+K。
在一种实施方式中,步骤S42,利用最终风险评分获取目标对象的风险等级的步骤,包括:
步骤S421,获取当前目标对象的最终风险评分;
步骤S422,根据风险评估模型中预设的风险等级评判标准,对目标对象的最终风险评分,进行风险等级判定,以获取目标对象的风险等级。
其中,风险等级评判标准通过不同的风险评分范围区分不同的风险等级。
在一种实施方式中,步骤S43,获取对应于风险等级的风险决策的步骤,包括:
步骤S431,获取当前目标对象的风险等级;
步骤S432,根据风险评估模型中预设的决策库,对目标对象的风险等级,进行决策匹配,以获取对应于风险等级的风险决策。
其中,决策库预设有若干风险决策,不同的风险决策用于应对不同的风险等级。
本实施例中的风险决策包括但不限于:无条件通过、有条件通过、转人工。
可以看出,本实施方式中的风险评估模型将当前指标数据、匹配结果作为目标对象的风险评估的入参,对目标对象进行综合打分评价,进而根据风险等级评判标准得出目标对象非风险等级,最终输出命中的风险规则以及无条件通过、有条件通过、转人工的风险决策结果。
上述风险评估方法,能够实现如下的有益效果:
由于采用了根据根据所述采购申请信息即可获取目标对象及其关联对象的基本信息,不再局限于对目标对象本身的资质审核,可以更加精准地对目标对象进行风险评估,提高评估的准确性。
由于采用了将所述目标对象以及所述关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据,相比传统中人工采集内外部数据,本方案有效的实现了数据收集的高效性及准确性。
由于采用了将所述查询主体以及所述采购方案分别与预设的策略集进行匹配,以获取匹配结果,从而避免了对目标客户风险点遗漏的现象,有效保证不同人员审核的一致性。并且采用策略集匹配,以使特定目标对象自动通过审核、风险客户升级人工审核,提升了审核人员的审核效率、降低坏账的可能性。
由于采用了利用预设的风险评估模型分别对所述当前指标数据以及所述匹配结果进行评分赋值,以计算所述目标对象的最终风险评分,利用所述最终风险评分获取所述目标对象的风险等级,以获取对应于所述风险等级的风险决策,从而通过同一标准的风险评估模型,保证了不同人员审核的客观性及一致性。
本申请还提供一种风险评估系统,通过风险评估系统实现上述的风险评估方法。具体地,参考附图4所示,风险评估系统至少包括名单管理单元、策略管理单元、决策管理单元、数据对接单元。
名单管理单元包括名单集管理、名单数据管理、数据统计等功能。名单集管理功能用于对名单类型就那些定义,比如,定义白名单、黑名单、风险名单等名单分类。名单数据管理功能用于对已定义的名单集进行添加、修改、删除等操作。数据统计功能用于展示名单信息中的时间、类型、数据等明细。
策略管理单元包括指定定义、规则定义、策略集定义等功能。其中,指定定义功能用于对从数据源采集的各项数据进行自定义加工,比如,对各项数据添加指标加工计算逻辑,比如,求和、平均、方差、标准差等。规则定义功能用于设定执行条件,比如,当A指标满足B条件时执行C操作。策略集定义功能用于对设定的各类规则进行分类打包,以生成独立的策略,通过将不同类型的策略打包构成策略集,以供决策使用。
决策管理单元包括模型管理、模型运行、模型日志。模型管理对风险评估模型运行过程中需要使用到的python计算,进行上传、上线、删除等功能。模型运行用于对数据采集后的决策过程进行定义,包括需运行的策略集、需采集的外部数据、需运行的风险评估模型。模型日志用于记录模型的操作、调用进行记录,记录上传、上线等操作人、操作时间,运行的模型、运行的时间等信息。
在一个实施例中,如图5所示,提供了一种风险评估装置。该装置包括:信息获取模块10、数据查询模块20、策略匹配模块30以及风险评估模块40,其中:
信息获取模块10用于获取采购申请信息,根据采购申请信息,获取目标对象及其关联对象的基本信息;
数据查询模块20用于将目标对象以及关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据;
策略匹配模块30用于响应于采购申请信息包括采购方案,将查询主体以及采购方案分别与预设的策略集进行匹配,以获取匹配结果;
风险评估模块40用于利用预设的风险评估模型分别对当前指标数据以及匹配结果进行评分赋值,以计算目标对象的最终风险评分,利用最终风险评分获取目标对象的风险等级,以获取对应于风险等级的风险决策。
关于风险评估装置的具体限定可以参见上文中对于风险评估方法的限定,在此不再赘述。上述风险评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储风险评估数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种风险评估方法。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取采购申请信息,根据采购申请信息,获取目标对象及其关联对象的基本信息;
将目标对象以及关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据;
响应于采购申请信息包括采购方案,将查询主体以及采购方案分别与预设的策略集进行匹配,以获取匹配结果;
利用预设的风险评估模型分别对当前指标数据以及匹配结果进行评分赋值,以计算目标对象的最终风险评分,利用最终风险评分获取目标对象的风险等级,以获取对应于风险等级的风险决策。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取采购申请信息,根据采购申请信息,获取目标对象及其关联对象的基本信息;
将目标对象以及关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据;
响应于采购申请信息包括采购方案,将查询主体以及采购方案分别与预设的策略集进行匹配,以获取匹配结果;
利用预设的风险评估模型分别对当前指标数据以及匹配结果进行评分赋值,以计算目标对象的最终风险评分,利用最终风险评分获取目标对象的风险等级,以获取对应于风险等级的风险决策。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种风险评估方法,其特征在于,所述方法包括:
获取采购申请信息,根据所述采购申请信息,获取目标对象及其关联对象的基本信息;
将所述目标对象以及所述关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据;
响应于所述采购申请信息包括采购方案,将所述查询主体以及所述采购方案分别与预设的策略集进行匹配,以获取匹配结果;
利用预设的风险评估模型分别对所述当前指标数据以及所述匹配结果进行评分赋值,以计算所述目标对象的最终风险评分,利用所述最终风险评分获取所述目标对象的风险等级,以获取对应于所述风险等级的风险决策。
2.根据权利要求1所述的风险评估方法,其特征在于,所述获取采购申请信息的步骤之前,包括:获取并存储所述目标对象以及所述关联对象的基本信息,并通过客户编号对所述目标对象进行唯一性标识;
所述根据采购申请信息,获取目标对象及其关联对象的基本信息的步骤,包括:
响应于所述采购申请信息包括所述目标对象的客户编码,利用所述客户编号,获取所述目标对象的基本信息;
通过所述目标对象的基本信息,获取所述关联对象的基本信息。
3.根据权利要求1所述的风险评估方法,其特征在于,所述将目标对象以及所述关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据的步骤,包括:
响应于所述查询规则中预设有指标清单,所述指标清单中自定义关联有若干风险指标,且各所述风险指标对接有相应的数据源;
将所述目标对象以及所述关联对象分别作为所述查询主体;
按照所述指标清单,依次从对接的所述数据源中获取各所述查询主体的当前指标数据。
4.根据权利要求1所述的风险评估方法,其特征在于,所述策略集包括黑白名单策略集、风险策略集、采购策略集;
所述响应于采购申请信息包括采购方案,将所述查询主体以及所述采购方案分别与预设的策略集匹配,以获取匹配结果的步骤,包括:
将所述查询主体与所述黑白名单策略集匹配,根据所述黑白名单策略集中预先配置的白名单、黑名单,将所述查询主体分别与所述白名单以及所述黑名单中的名单信息匹配,以获取第一匹配结果;
将所述查询主体与所述风险策略集匹配,根据所述风险策略集中预先配置的风险名单,通过所述风险名单标记存在风险事件的名单信息,将所述查询主体与所述风险名单中的名单信息匹配,以获取第二匹配结果;
将所述采购方案与所述采购策略集匹配,根据所述采购策略集预先配置的各类产品的采购规则,将所述采购方案与各类所述采购规则匹配,识别所述采购方案中存在的风险行为,以作为所述第三匹配结果。
5.根据权利要求1所述的风险评估方法,其特征在于,所述利用预设的风险评估模型分别对所述当前指标数据以及所述匹配结果进行打分赋值,以计算所述目标对象的最终风险评分的步骤,包括:
获取所述当前指标数据和所述匹配结果,并将各所述当前指标数据以及所述匹配结果分别作为评分主体;
根据所述风险评估模型中预设的评分标准,分别对各所述评分主体进行评分赋值;
根据各所述评分主体的分值,利用极值筛选规则,对相同类型的多个所述评分主体进行过滤筛选处理,以筛选出其中一种所述评分主体;
将筛选后的各所述评分主体的分值进行叠加,以计算出所述目标对象的最终风险评分。
6.根据权利要求5所述的风险评估方法,其特征在于,所述利用最终风险评分获取所述目标对象的风险等级的步骤,包括:
获取当前所述目标对象的所述最终风险评分;
根据所述风险评估模型中预设的风险等级评判标准,对所述目标对象的所述最终风险评分,进行风险等级判定,以获取所述目标对象的风险等级;
其中,所述风险等级评判标准通过不同的风险评分范围区分不同的风险等级。
7.根据权利要求5所述的风险评估方法,其特征在于,获取对应于所述风险等级的风险决策的步骤,包括:
获取当前所述目标对象的所述风险等级;
根据所述风险评估模型中预设的决策库,对所述目标对象的所述风险等级,进行决策匹配,以获取对应于所述风险等级的风险决策;
其中,所述决策库预设有若干风险决策,不同的风险决策用于应对不同的风险等级。
8.一种风险评估装置,其特征在于,所述装置包括:
信息获取模块,用于获取采购申请信息,根据所述采购申请信息,获取目标对象及其关联对象的基本信息;
数据查询模块,用于将所述目标对象以及所述关联对象分别作为查询主体,按照预设的查询规则,获取关联风险指标的当前指标数据;
策略匹配模块,用于响应于所述采购申请信息包括采购方案,将所述查询主体以及所述采购方案分别与预设的策略集进行匹配,以获取匹配结果;
风险评估模块,用于利用预设的风险评估模型分别对所述当前指标数据以及所述匹配结果进行评分赋值,以计算所述目标对象的最终风险评分,利用所述最终风险评分获取所述目标对象的风险等级,以获取对应于所述风险等级的风险决策。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211573394.0A CN116416072A (zh) | 2022-12-08 | 2022-12-08 | 风险评估方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211573394.0A CN116416072A (zh) | 2022-12-08 | 2022-12-08 | 风险评估方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116416072A true CN116416072A (zh) | 2023-07-11 |
Family
ID=87055368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211573394.0A Pending CN116416072A (zh) | 2022-12-08 | 2022-12-08 | 风险评估方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116416072A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172557A (zh) * | 2023-11-02 | 2023-12-05 | 金华市交通投资集团有限公司 | 企业监督管理系统及方法 |
CN117993571A (zh) * | 2024-03-05 | 2024-05-07 | 广东铭太信息科技有限公司 | 基于人工智能学习的政府采购风险监督预测方法及系统 |
-
2022
- 2022-12-08 CN CN202211573394.0A patent/CN116416072A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172557A (zh) * | 2023-11-02 | 2023-12-05 | 金华市交通投资集团有限公司 | 企业监督管理系统及方法 |
CN117993571A (zh) * | 2024-03-05 | 2024-05-07 | 广东铭太信息科技有限公司 | 基于人工智能学习的政府采购风险监督预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11928697B2 (en) | Methods and systems for using multiple data sets to analyze performance metrics of targeted companies | |
Sadok et al. | Artificial intelligence and bank credit analysis: A review | |
US7707103B2 (en) | System and method for rating lenders | |
JP2020523657A (ja) | 業者を評価する方法及びシステム | |
CN112668859A (zh) | 基于大数据的客户风险评级方法、装置、设备及存储介质 | |
CN116416072A (zh) | 风险评估方法、装置、计算机设备和存储介质 | |
US20150066738A1 (en) | System amd method for detecting short sale fraud | |
CN109711955B (zh) | 基于当前订单的差评预警方法、系统、黑名单库建立方法 | |
US8468088B2 (en) | Automated mining and processing of data associated with real estate | |
US20140081832A1 (en) | System and method for building and validating a credit scoring function | |
US20130073482A1 (en) | Hedge Fund Risk Management | |
US20170345069A1 (en) | Repair estimate quality assurance automation | |
CN110807700A (zh) | 一种基于政府数据的无监督融合模型个人信用评分方法 | |
US20110270740A1 (en) | System and method for managing mortgage lifecycles | |
CN108460689B (zh) | 一种保单分析方法、装置、终端设备及存储介质 | |
CN110097252A (zh) | 一种用于供应链金融的风险识别系统及其方法 | |
US20130018664A1 (en) | Construction industry risk management clearinghouse | |
US20140244479A1 (en) | Process for Utilizing Web Data In Making Lending Decisions | |
CN111180065A (zh) | 保险用户评估方法、装置、电子设备及计算机可读介质 | |
CN111291120A (zh) | 一种基于区块链的健康类保险投保方法及设备、介质 | |
CN111861716A (zh) | 一种基于软件系统的贷中监控预警等级生成方法 | |
WO2023038947A1 (en) | Method for evaluation and payout of parametric risk-coverage for hard-to-insure risks using distributed ledger and associated system | |
US20180025429A1 (en) | System and method for identifying potential mortgage borrowers | |
Tilimbe | Ethical implications of predictive risk intelligence | |
Ajah et al. | Loan fraud detection and IT-based combat strategies |
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 |