CN116596659A - 基于大数据风控的企业智能化信贷审批方法、系统及介质 - Google Patents
基于大数据风控的企业智能化信贷审批方法、系统及介质 Download PDFInfo
- Publication number
- CN116596659A CN116596659A CN202310578287.5A CN202310578287A CN116596659A CN 116596659 A CN116596659 A CN 116596659A CN 202310578287 A CN202310578287 A CN 202310578287A CN 116596659 A CN116596659 A CN 116596659A
- Authority
- CN
- China
- Prior art keywords
- credit
- risk
- approval
- customer
- application
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013058 risk prediction model Methods 0.000 claims abstract description 55
- 238000012502 risk assessment Methods 0.000 claims abstract description 41
- 230000006399 behavior Effects 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims description 44
- 238000012360 testing method Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 4
- 238000002790 cross-validation Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种基于大数据风控的企业智能化信贷审批方法及系统,方法包括:接收客户的信贷请求,根据所述信贷请求获取客户申请信息,所述客户申请信息包括客户的信用指标和信贷申请金额;根据所述信用指标,基于预先构建的风险预测模型对客户的信贷请求进行风险预测,得到客户的风险评估等级;根据所述风险评估等级和信贷申请金额进行信用判别,根据信用判别结果对信贷请求行为进行审批,得到信贷审批结果。本发明根据信贷请求获取对应信用指标,根据信用指标基于风险预测模型进行风险预测以获取风险评估等级,根据风险评估等级和信贷申请金额进行信用判别,进而对信贷请求行为进行审批,审批效率高,对客户的风险评估精确可靠,降低信贷风险。
Description
技术领域
本发明涉及信贷审批技术领域,具体涉及一种基于大数据风控的企业智能化信贷审批方法、系统及介质。
背景技术
信贷是体现一定经济关系的不同所有者之间的借贷行为,是以偿还为条件的价值运动特殊形式,是债权人贷出货币,债务人按期偿还并支付一定利息的信用活动。在申请信贷时,信贷机构需要对客户信息进行核实,预先判断客户的偿还能力,从而避免贷款无法收回。
对于信贷审批业务来说,由于其涉及大量的诸如贷款种类、还贷方式、期数、本息计算、个人信用评判等数据处理任务,加之严格的审批制度,面对信贷需求量大、申请人数众多的情况,机构在审批信贷时,存在人工审核工作量大、难度高、工作效率低等问题,而且人工审核过程中,对信贷的审核更多依赖于审核人员的主观判断,对于不同的审核人员,信贷审核标准不统一,审批效率低。
发明内容
针对现有技术中的缺陷,本发明提供一种基于大数据风控的企业智能化信贷审批方法、系统及介质。
第一方面,一种基于大数据风控的企业智能化信贷审批方法,包括:
接收客户的信贷请求,根据所述信贷请求获取客户申请信息,所述客户申请信息包括客户的信用指标和信贷申请金额;
根据所述信用指标,基于预先构建的风险预测模型对客户的信贷请求进行风险预测,得到客户的风险评估等级;
根据所述风险评估等级和信贷申请金额进行信用判别,根据信用判别结果对信贷请求行为进行审批,得到信贷审批结果。
进一步地,所述接收客户的信贷请求,根据所述信贷请求获取客户申请信息,具体为:
接收客户的信贷请求,根据所述信贷请求获取客户上传的申请资料,所述申请资料包括客户个人信息和信贷申请金额;
根据所述客户个人信息提取客户对应的信用指标,所述信用指标包括身份信息、财务状况以及征信记录。
进一步地,在接收客户的信贷申请之前,还包括预先构建风险预测模型,具体为:
搭建风险预测模型,所述风险预测模型包括输入层、隐藏层以及输出层,所述隐藏层包括基学习器,所述输出层包括XGBoost网络;
调用客户数据库,所述客户数据库中存储历史客户的信用指标及对应风险等级;
基于所述客户数据库构建用户画像,以获取每个风险等级对应的信用指标特征;
根据所述用户画像构建样本数据集,并根据所述样本数据集对风险预测模型进行训练和验证,得到构建的最佳风险预测模型。
进一步地,所述根据所述用户画像构建样本数据集,并根据所述样本数据集对风险预测模型进行训练和验证,得到构建的最佳风险预测模型,具体为:
根据所述每个风险等级对应的信用指标特征构建样本数据集,将所述样本数据集划分为训练集和测试集;
将所述训练集和测试集分别输入至风险预测模型的基学习器中进行交叉验证训练,得到训练预测集和测试预测集;
将所述训练预测集输入至风险预测模型的XGBoost网络中进行深度训练,并根据所述测试预测集对风险预测模型进行验证,得到预测正确率;
根据所述预测正确率获取最佳训练权重,根据所述最佳训练权重获取最佳风险预测模型。
进一步地,所述根据所述风险评估等级和信贷申请金额进行信用判别,根据信用判别结果对信贷请求行为进行审批,得到信贷审批结果,具体为:
获取信贷审批规则,所述信贷审批规则包括信贷申请最低风险等级和信贷金额审批标准;
判断所述风险评估等级是否低于信贷申请最低风险等级,若是,则驳回所述信贷请求,否则根据所述信贷金额审批标准获取当前风险评估等级对应的信贷金额阈值;
判断所述信贷申请金额是否超过信贷金额阈值,若是,则驳回所述信贷请求,否则通过所述信贷请求,并将所述信贷申请金额作为最终信贷审批金额。
第二方面,一种基于大数据风控的企业智能化信贷审批系统,包括:
信息获取模块:用于接收客户的信贷请求,根据所述信贷请求获取客户申请信息,所述客户申请信息包括客户的信用指标和信贷申请金额;
风险评估模块:用于根据所述信用指标,基于预先构建的风险预测模型对客户的信贷请求进行风险预测,得到客户的风险评估等级;
信贷审批模块:用于根据所述风险评估等级和信贷申请金额进行信用判别,根据信用判别结果对信贷请求行为进行审批,得到信贷审批结果。
进一步地,所述信息获取模块具体用于:
接收客户的信贷请求,根据所述信贷请求获取客户上传的申请资料,所述申请资料包括客户个人信息和信贷申请金额;
根据所述客户个人信息提取客户对应的信用指标,所述信用指标包括身份信息、财务状况以及征信记录。
进一步地,还包括模型构建模块,所述模型构建模块用于:
搭建风险预测模型,所述风险预测模型包括输入层、隐藏层以及输出层,所述隐藏层包括基学习器,所述输出层包括XGBoost网络;
调用客户数据库,所述客户数据库中存储历史客户的信用指标及对应风险等级;
基于所述客户数据库构建用户画像,以获取每个风险等级对应的信用指标特征;
根据所述用户画像构建样本数据集,并根据所述样本数据集对风险预测模型进行训练和验证,得到构建的最佳风险预测模型。
进一步地,所述信贷审批模块具体用于:
获取信贷审批规则,所述信贷审批规则包括信贷申请最低风险等级和信贷金额审批标准;
判断所述风险评估等级是否低于信贷申请最低风险等级,若是,则驳回所述信贷请求,否则根据所述信贷金额审批标准获取当前风险评估等级对应的信贷金额阈值;
判断所述信贷申请金额是否超过信贷金额阈值,若是,则驳回所述信贷请求,否则通过所述信贷请求,并将所述信贷申请金额作为最终信贷审批金额。
第三方面,一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的方法。
本发明的有益效果体现在:根据客户信贷请求获取对应的信用指标,并根据信用指标基于风险预测模型进行风险预测,以获取对客户的风险评估等级,根据风险评估等级和信贷申请金额进行信用判别,进而对信贷请求行为进行审批,得到信贷审批结果,减少人工审核工作量,审核标准统一、审批效率高,对客户的风险评估精确可靠,降低信贷风险。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例一提供的一种基于大数据风控的企业智能化信贷审批方法的流程图;
图2为本发明实施例二提供的一种基于大数据风控的企业智能化信贷审批系统的模块框图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
如图1所示,一种基于大数据风控的企业智能化信贷审批方法,包括:
S1:接收客户的信贷请求,根据所述信贷请求获取客户申请信息,所述客户申请信息包括客户的信用指标和信贷申请金额;
具体地,接收客户的信贷请求,根据信贷请求获取客户上传的申请资料,所述申请资料包括客户个人信息和信贷申请金额。根据客户个人信息提取客户对应的信用指标,所述信用指标包括身份信息、财务状况以及征信记录,其中,所述身份信息包括但不限于年龄、学历、工作类型以及工作年限等,所述财务状况包括但不限于资产总额、资产流动比、资产负债比、年收取、年公积金收入、信用贷款总额、信用卡授信总额以及信用卡负责比等,所述征信记录包括但不限于逾期次数、逾期总额以及逾期天数等。
S2:根据所述信用指标,基于预先构建的风险预测模型对客户的信贷请求进行风险预测,得到客户的风险评估等级;
具体地,在接收客户的信贷申请之前,还包括预先构建风险预测模型。
搭建风险预测模型,所述风险预测模型包括输入层、隐藏层以及输出层,输入层包括基学习器,输出层包括XGBoost网络。调用客户数据库,所述客户数据库中存储有历史客户的信用指标及对应的风险等级,基于数据库构建用户画像。
优选地,所述基于数据库构建用户画像,具体包括:将风险等级作为数据标签,针对每个数据标签分别从数据库中选取一定数量的信用指标数据;将多种信用指标进行聚类分析,得到每个风险等级的共同信用指标特征,以构建用户画像。本实施例中,采用K-means算法进行聚类分析,K-means是基于距离的聚类算法,将样本数据划分为K个簇并采用距离作为样本的相似性指标,K-means的算法过程如下:
(1)从样本数据中选取k个对象作为初始的聚类中心{a1,a2,…,ak};
(2)计算每个样本到k个聚类中心的距离并将其分配到距离最近的聚类中;
(3)所有样本分配完成后,针对每个类别aj重新计算聚类中心;
(4)如果聚类中心发送变化,转至步骤(2),否则转至步骤(5);
(5)当聚类中心不发生变化时达到终止条件,输出聚类结果。
进一步地,根据每个风险等级对应的信用指标特征构建样本数据集,对样本数据集按照设定的比例进行划分,得到相应比例的训练集和测试集。将训练集和测试集分别输入至风险预测模型的基学习器中进行交叉验证训练,得到训练预测集和测试预测集。
所述交叉验证训练,包括:将训练集和测试集分别均等划分为T份训练子集和T份测试子集,根据T份训练子集对风险预测模型进行T次交叉验证训练和预测,在第一次训练时,若选择一组训练子集对模型进行验证,则其余(T-1)组训练子集用于模型的训练,在后续每次训练中,依次选取另一组训练子集对模型进行验证,以此类推;当T次交叉验证训练结束后,得到T份训练子集中每个样本数据的预测值,将T组预测值合并得到训练预测集;同理,根据T份测试子集对风险预测模型进行T次交叉验证,得到T份测试子集中每个样本数据的预测值,将T组预测值取平均值,以获取测试预测集。
将训练预测集作为XGBoost网络的输入,对风险预测模型进行深度训练,并将测试预测集输入至风险预测模型进行验证,得到预测正确率,所述预测正确率反映训练结果与验证结果之间的差距;根据预测正确率获取最佳训练权重,根据最佳训练权重获取最佳风险预测模型。
将信用指标输入至最佳风险预测模型中进行风险预测,得到客户的风险评估等级,为后续信贷审批提供参考数据。
S3:根据所述风险评估等级和信贷申请金额进行信用判别,根据信用判别结果对信贷请求行为进行审批,得到信贷审批结果;
具体地,获取信贷审批规则,所述信贷审批规则包括信贷机构允许的信贷申请最低风险等级和信贷金额审批标准,信贷金额审批标准反映每个允许信贷申请的风险等级对应信贷金额阈值。
判断风险预测模型输出的风险评估等级是否低于信贷申请最低风险等级,若低于,则驳回该信贷请求,否则根据信贷金额审批标准获取当前客户的风险评估等级对应的信贷金额阈值。判断信贷申请金额是否超过信贷金额阈值,若超过,则驳回信贷请求,优选地,还可向客户反馈调整指令,以通知客户调整信贷申请金额。若信贷申请金额未超过信贷金额阈值,则通过该信贷请求,并将信贷申请金额作为最终信贷审批金额,完成信贷审批流程。
基于相同的发明构思,本发明实施例还提供了一种基于大数据风控的企业智能化信贷审批系统,如图2所示,包括:
信息获取模块:用于接收客户的信贷请求,根据所述信贷请求获取客户申请信息,所述客户申请信息包括客户的信用指标和信贷申请金额;
风险评估模块:用于根据所述信用指标,基于预先构建的风险预测模型对客户的信贷请求进行风险预测,得到客户的风险评估等级;
信贷审批模块:用于根据所述风险评估等级和信贷申请金额进行信用判别,根据信用判别结果对信贷请求行为进行审批,得到信贷审批结果。
进一步地,所述信息获取模块具体用于:
接收客户的信贷请求,根据所述信贷请求获取客户上传的申请资料,所述申请资料包括客户个人信息和信贷申请金额;
根据所述客户个人信息提取客户对应的信用指标,所述信用指标包括身份信息、财务状况以及征信记录。
进一步地,还包括模型构建模块,所述模型构建模块用于:
搭建风险预测模型,所述风险预测模型包括输入层、隐藏层以及输出层,所述隐藏层包括基学习器,所述输出层包括XGBoost网络;
调用客户数据库,所述客户数据库中存储历史客户的信用指标及对应风险等级;
基于所述客户数据库构建用户画像,以获取每个风险等级对应的信用指标特征;
根据所述用户画像构建样本数据集,并根据所述样本数据集对风险预测模型进行训练和验证,得到构建的最佳风险预测模型。
进一步地,所述信贷审批模块具体用于:
获取信贷审批规则,所述信贷审批规则包括信贷申请最低风险等级和信贷金额审批标准;
判断所述风险评估等级是否低于信贷申请最低风险等级,若是,则驳回所述信贷请求,否则根据所述信贷金额审批标准获取当前风险评估等级对应的信贷金额阈值;
判断所述信贷申请金额是否超过信贷金额阈值,若是,则驳回所述信贷请求,否则通过所述信贷请求,并将所述信贷申请金额作为最终信贷审批金额。
需要说明的是,关于一种基于大数据风控的企业智能化信贷审批系统更为具体的工作流程,请参考前述方法实施例部分,在此不在赘述。
本发明根据客户信贷请求获取对应的信用指标,并根据信用指标基于风险预测模型进行风险预测,以获取对客户的风险评估等级,根据风险评估等级和信贷申请金额进行信用判别,进而对信贷请求行为进行审批,得到信贷审批结果,减少人工审核工作量,审核标准统一、审批效率高,对客户的风险评估精确可靠,降低信贷风险。
进一步地,本发明实施例还提供了一种可读存储介质,存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现:上述基于大数据风控的企业智能化信贷审批系统方法。
所述计算机可读存储介质可以是前述实施例所述的后台服务器的内部存储单元,例如系统的硬盘或内存。所述计算机可读存储介质也可以是所述系统的外部存储设备,例如所述系统上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述系统的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述系统所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于大数据风控的企业智能化信贷审批方法,其特征在于,包括:
接收客户的信贷请求,根据所述信贷请求获取客户申请信息,所述客户申请信息包括客户的信用指标和信贷申请金额;
根据所述信用指标,基于预先构建的风险预测模型对客户的信贷请求进行风险预测,得到客户的风险评估等级;
根据所述风险评估等级和信贷申请金额进行信用判别,根据信用判别结果对信贷请求行为进行审批,得到信贷审批结果。
2.根据权利要求1所述的一种基于大数据风控的企业智能化信贷审批方法,其特征在于,所述接收客户的信贷请求,根据所述信贷请求获取客户申请信息,具体为:
接收客户的信贷请求,根据所述信贷请求获取客户上传的申请资料,所述申请资料包括客户个人信息和信贷申请金额;
根据所述客户个人信息提取客户对应的信用指标,所述信用指标包括身份信息、财务状况以及征信记录。
3.根据权利要求1所述的一种基于大数据风控的企业智能化信贷审批方法,其特征在于,在接收客户的信贷申请之前,还包括预先构建风险预测模型,具体为:
搭建风险预测模型,所述风险预测模型包括输入层、隐藏层以及输出层,所述隐藏层包括基学习器,所述输出层包括XGBoost网络;
调用客户数据库,所述客户数据库中存储历史客户的信用指标及对应风险等级;
基于所述客户数据库构建用户画像,以获取每个风险等级对应的信用指标特征;
根据所述用户画像构建样本数据集,并根据所述样本数据集对风险预测模型进行训练和验证,得到构建的最佳风险预测模型。
4.根据权利要求3所述的一种基于大数据风控的企业智能化信贷审批方法,其特征在于,所述根据所述用户画像构建样本数据集,并根据所述样本数据集对风险预测模型进行训练和验证,得到构建的最佳风险预测模型,具体为:
根据所述每个风险等级对应的信用指标特征构建样本数据集,将所述样本数据集划分为训练集和测试集;
将所述训练集和测试集分别输入至风险预测模型的基学习器中进行交叉验证训练,得到训练预测集和测试预测集;
将所述训练预测集输入至风险预测模型的XGBoost网络中进行深度训练,并根据所述测试预测集对风险预测模型进行验证,得到预测正确率;
根据所述预测正确率获取最佳训练权重,根据所述最佳训练权重获取最佳风险预测模型。
5.根据权利要求1所述的一种基于大数据风控的企业智能化信贷审批方法,其特征在于,所述根据所述风险评估等级和信贷申请金额进行信用判别,根据信用判别结果对信贷请求行为进行审批,得到信贷审批结果,具体为:
获取信贷审批规则,所述信贷审批规则包括信贷申请最低风险等级和信贷金额审批标准;
判断所述风险评估等级是否低于信贷申请最低风险等级,若是,则驳回所述信贷请求,否则根据所述信贷金额审批标准获取当前风险评估等级对应的信贷金额阈值;
判断所述信贷申请金额是否超过信贷金额阈值,若是,则驳回所述信贷请求,否则通过所述信贷请求,并将所述信贷申请金额作为最终信贷审批金额。
6.一种基于大数据风控的企业智能化信贷审批系统,其特征在于,包括:
信息获取模块:用于接收客户的信贷请求,根据所述信贷请求获取客户申请信息,所述客户申请信息包括客户的信用指标和信贷申请金额;
风险评估模块:用于根据所述信用指标,基于预先构建的风险预测模型对客户的信贷请求进行风险预测,得到客户的风险评估等级;
信贷审批模块:用于根据所述风险评估等级和信贷申请金额进行信用判别,根据信用判别结果对信贷请求行为进行审批,得到信贷审批结果。
7.根据权利要求6所述的一种基于大数据风控的企业智能化信贷审批系统,其特征在于,所述信息获取模块具体用于:
接收客户的信贷请求,根据所述信贷请求获取客户上传的申请资料,所述申请资料包括客户个人信息和信贷申请金额;
根据所述客户个人信息提取客户对应的信用指标,所述信用指标包括身份信息、财务状况以及征信记录。
8.根据权利要求6所述的一种基于大数据风控的企业智能化信贷审批系统,其特征在于,还包括模型构建模块,所述模型构建模块用于:
搭建风险预测模型,所述风险预测模型包括输入层、隐藏层以及输出层,所述隐藏层包括基学习器,所述输出层包括XGBoost网络;
调用客户数据库,所述客户数据库中存储历史客户的信用指标及对应风险等级;
基于所述客户数据库构建用户画像,以获取每个风险等级对应的信用指标特征;
根据所述用户画像构建样本数据集,并根据所述样本数据集对风险预测模型进行训练和验证,得到构建的最佳风险预测模型。
9.根据权利要求6所述的一种基于大数据风控的企业智能化信贷审批系统,其特征在于,所述信贷审批模块具体用于:
获取信贷审批规则,所述信贷审批规则包括信贷申请最低风险等级和信贷金额审批标准;
判断所述风险评估等级是否低于信贷申请最低风险等级,若是,则驳回所述信贷请求,否则根据所述信贷金额审批标准获取当前风险评估等级对应的信贷金额阈值;
判断所述信贷申请金额是否超过信贷金额阈值,若是,则驳回所述信贷请求,否则通过所述信贷请求,并将所述信贷申请金额作为最终信贷审批金额。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310578287.5A CN116596659A (zh) | 2023-05-22 | 2023-05-22 | 基于大数据风控的企业智能化信贷审批方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310578287.5A CN116596659A (zh) | 2023-05-22 | 2023-05-22 | 基于大数据风控的企业智能化信贷审批方法、系统及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116596659A true CN116596659A (zh) | 2023-08-15 |
Family
ID=87598792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310578287.5A Pending CN116596659A (zh) | 2023-05-22 | 2023-05-22 | 基于大数据风控的企业智能化信贷审批方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116596659A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291603A (zh) * | 2023-09-08 | 2023-12-26 | 湖北谊嘉金融仓储有限公司 | 一种大数据比对应收账款确权的风险评估系统 |
-
2023
- 2023-05-22 CN CN202310578287.5A patent/CN116596659A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291603A (zh) * | 2023-09-08 | 2023-12-26 | 湖北谊嘉金融仓储有限公司 | 一种大数据比对应收账款确权的风险评估系统 |
CN117291603B (zh) * | 2023-09-08 | 2024-04-05 | 湖北谊嘉金融仓储有限公司 | 一种大数据比对应收账款确权的风险评估系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160225076A1 (en) | System and method for building and validating a credit scoring function | |
CN110704730A (zh) | 基于大数据的产品数据推送方法、系统及计算机设备 | |
CN112102073A (zh) | 信贷风险控制方法及系统、电子设备及可读存储介质 | |
CN110796539A (zh) | 一种征信评估方法及装置 | |
CN112990386A (zh) | 用户价值聚类方法、装置、计算机设备和存储介质 | |
CN112232950A (zh) | 针对借贷风险的评估方法及装置、设备、计算机可读存储介质 | |
CN116596659A (zh) | 基于大数据风控的企业智能化信贷审批方法、系统及介质 | |
CN114529400A (zh) | 一种消费贷款预授信评估方法、设备及介质 | |
CN109145207B (zh) | 一种基于分类指标预测的信息个性化推荐方法及装置 | |
CN116361542A (zh) | 产品推荐方法、装置、计算机设备和存储介质 | |
CN113177733B (zh) | 基于卷积神经网络的中小微企业数据建模方法及系统 | |
CN117252677A (zh) | 信贷额度确定方法和装置、电子设备及存储介质 | |
CN114240605A (zh) | 贷款测算方法、装置、计算机设备和存储介质 | |
CN113807943A (zh) | 一种不良资产的多因子估值方法及系统、介质、设备 | |
CN113919934A (zh) | 一种银行贷款业务评分策略迭代方法 | |
CN113706300A (zh) | 一种小微企业的贷款方法及装置 | |
CN112613920A (zh) | 一种流失几率预测方法及装置 | |
US20150170269A1 (en) | Real estate market condition indicator | |
CN112862602B (zh) | 一种用户请求的确定方法及存储介质、电子装置 | |
CN116823430A (zh) | 风险量化的授信系统、方法、电子设备及介质 | |
CN114662824A (zh) | 风控策略切换方法、装置、计算机设备和存储介质 | |
CN117078238A (zh) | 电子票据组合方法、装置、存储介质及电子设备 | |
CN118071513A (zh) | 一种基于人工智能驱动的个性化银行资产管理方法及系统 | |
CN117196827A (zh) | 房贷早偿率预测方法、装置、设备及存储介质 | |
CN115936842A (zh) | 一种基于经济模型的资金匹配方法 |
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 |