CN116843452A - 风险监管方法、装置、设备、介质和程序产品 - Google Patents
风险监管方法、装置、设备、介质和程序产品 Download PDFInfo
- Publication number
- CN116843452A CN116843452A CN202310827036.6A CN202310827036A CN116843452A CN 116843452 A CN116843452 A CN 116843452A CN 202310827036 A CN202310827036 A CN 202310827036A CN 116843452 A CN116843452 A CN 116843452A
- Authority
- CN
- China
- Prior art keywords
- risk
- user
- data
- determining
- index
- 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 53
- 230000005611 electricity Effects 0.000 claims abstract description 46
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 10
- 230000015654 memory Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012706 support-vector machine 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Technology Law (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种风险监管方法、装置、设备、介质和程序产品,可以应用于金融技术领域。该风险监管方法包括:获取用户的当前数据和历史数据;其中,当前数据包括当前用电数据和当前交易数据,历史数据包括历史用电数据和历史交易数据;基于当前数据和历史数据,确定用户的风险指标;基于用户信息,确定每一风险指标的权重;根据风险指标以及风险指标对应的权重,计算用户的风险系数;基于风险系数,确定该用户的风险等级。
Description
技术领域
本公开涉及金融技术领域,更具体地涉及一种风险监管方法、装置、设备、介质和程序产品。
背景技术
在金融机构业务中,通过企业经营能力预判客户是否具有足够的还款能力以及时采集风险措施手段,使得可以有效提高金融机构资产质量。
现有技术中,通常利用当前数据对用户的经营能力进行判断,评价维度较为单一。且现有技术中未考虑到客户类型的区别对评价指标的影响,即使是不同类型的客户采用的还是同一的评价指标,易导致判断结果不准确等问题。
发明内容
根据本公开的第一个方面,提供了一种风险监管方法,包括:获取用户的当前数据和历史数据;其中,当前数据包括当前用电数据和当前交易数据,历史数据包括历史用电数据和历史交易数据;基于当前数据和历史数据,确定用户的风险指标;基于用户信息,确定每一风险指标的权重;根据风险指标以及风险指标对应的权重,计算用户的风险系数;基于风险系数,确定该用户的风险等级。
根据本公开的实施例,基于当前数据和历史数据,确定用户的风险指标,包括:基于当前数据和历史数据,确定当前数据与历史数据之间的差异信息;基于预设的偏离范围判断差异信息是否超出偏离范围;在差异信息超出偏离范围的情况下,将该差异信息确定为风险指标。
根据本公开的实施例,基于当前数据和历史数据,确定用户的风险指标,还包括:基于预设的指标阈值,确定当前数据中超过阈值的数据;将超过阈值的数据确定为风险指标。
根据本公开的实施例,基于预设的指标阈值,确定当前数据中超过阈值的数据,还包括:基于数据类型,确定相应的计算规则和指标阈值;分别采用相应的计算规则对当前用电数据和当前交易数据进行映射计算,得到第一用户指标和第二用户指标;其中,第一用户指标用于表示用户在指定时间内的用电状况,第二用户指标用于表示用户在指定时间内的资金状况;根据相应的指标阈值确定超过阈值的指标,将超过阈值的指标确定为风险指标。
根据本公开的实施例,基于用户信息,确定每一风险指标的权重,包括:基于用户信息确定用户类型;基于用户类型确定该用户的风险指标权重确定规则;根据权重确定规则确定每一风险指标的权重。
根据本公开的实施例,根据风险指标以及风险指标对应的权重确定该用户的风险系数,包括:基于预设的等级规则,确定每一风险指标的风险等级;计算每一风险指标的风险等级与该风险指标的权重的乘积,确定每一风险指标的风险值;对多个风险指标进行风险值求和操作,得到用户的风险系数。
根据本公开的实施例,风险监管方法还包括:根据风险等级生成预警信息;基于预警信息对用户执行目标措施。
本公开的第二方面提供了一种风险监管装置,包括:获取模块,用于获取用户的当前数据和历史数据;其中,当前数据包括当前用电数据和当前交易数据,历史数据包括历史用电数据和历史交易数据;第一确定模块,用于基于当前数据和历史数据,确定用户的风险指标;第二确定模块,用于基于用户信息,确定每一风险指标的权重;计算模块,根据风险指标以及风险指标对应的权重,计算用户的风险系数;第三确定模块,用于基于风险系数,确定该用户的风险等级。
本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述风险监管方法。
本公开的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述风险监管方法。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述风险监管方法。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的风险监管方法、装置、设备、介质和程序产品的应用场景图;
图2示意性示出了根据本公开实施例的风险监管方法的流程图;
图3示意性示出了根据本公开实施例的确定用户的风险指标的流程图;
图4示意性示出了根据本公开实施例的基于当前数据确定用户的风险指标的流程图;
图5示意性示出了根据本公开实施例的基于预设的指标阈值确定当前数据中超过阈值的数据的流程图;
图6示意性示出了根据本公开实施例的确定每一风险指标的权重的流程图;
图7示意性示出了根据本公开实施例的根据风险指标以及风险指标对应的权重确定该用户的风险系数的流程图;
图8示意性示出了根据本公开实施例的风险监管装置的结构框图;以及
图9示意性示出了根据本公开实施例的适于实现风险监管方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
需要说明的是,本公开提供的风险监管方法和装置可用于金融技术领域,也可用于除金融领域之外的任意领域,本公开提供的风险监管方法和装置的应用领域不做限定。
本公开的实施例提供了一种风险监管方法,包括:获取用户的当前数据和历史数据;其中,当前数据包括当前用电数据和当前交易数据,历史数据包括历史用电数据和历史交易数据。基于当前数据和历史数据,确定用户的风险指标。基于用户信息,确定每一风险指标的权重。根据风险指标以及风险指标对应的权重确定该用户的风险系数。基于风险系数,确定该用户的风险等级。
图1示意性示出了根据本公开实施例的风险监管方法的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括终端设备101、102、103、网络104以及服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的风险监管方法一般可以由服务器105执行。相应地,本公开实施例所提供的风险监管装置一般可以设置于服务器105中。本公开实施例所提供的风险监管方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的风险监管装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
以下将基于图1描述的场景,通过图2~图7对公开实施例的风险监管方法进行详细描述。
图2示意性示出了根据本公开实施例的风险监管方法的流程图。
如图2所示,该实施例的风险监管方法包括操作S210~操作S250。
在操作S210,获取用户的当前数据和历史数据;其中,当前数据包括当前用电数据和当前交易数据,历史数据包括历史用电数据和历史交易数据。
在一些实施例中,用户的当前数据可以为设定的某一时间段的数据。例如,当前数据为用户在最近两个月内的用电数据和交易数据。本公开从用电数据和交易数据两个维度判断用户的经济情况,基于用户的经济情况确定用户是否能够及时还款。从时间维度,本公开获取了当前时间维度和历史时间维度两个维度的用户数据,基于历史维度判断当前用户经营状况的变化,进而判断用户是否能够及时还款。
在操作S220,基于当前数据和历史数据,确定用户的风险指标。
在一些实施例中,用户风险指标的确定包括两种方式,一种是能够反映用户当前经济状况的当前数据,例如,用户近期资金收入笔数是否达到标准。另一种是将当前数据与历史数据进行比较,确定用户的经济变化幅度,将下降幅度较大的数据确定为风险指标。例如,用户的用电量同比下降超过阈值,则说明用户的经营状况出现问题,很有可能导致用户的经济状况出现问题。
在操作S230,基于用户信息,确定每一风险指标的权重。
在一些实施例中,由于用户的类型不同,能够反映用户经营状况的代表数据也会有区别。例如,用电数据更能反应制造业用户的经营状况,而资金数据则更能反应服务业用户的经营状况。因此,本公开基于不同的用户类型,为每一风险指标设置了不同的权重,以使风险指标的权重更加符合用户的经营状况,进而有效提高用户风险监管的准确度。
在操作S240,根据风险指标以及风险指标对应的权重确定该用户的风险系数。
在一些实施例中,通过用户的多项风险指标以及每一项风险指标对应的权重,计算得到用户的风险系数,以便于直观反应用户逾期的可能性。
在操作S250,基于风险系数,确定该用户的风险等级。
在一些实施例中,基于用户的风险系数,为用户划分相应的风险等级。例如,风险等级可以分为风险较低、风险较高、风险极高等,基于不同的风险等级,银行会采取不同的预警手段。
本公开实施例通过用户的用电情况、交易情况以及用户经营状况的变化情况三个维度,对用户的经营状况进行分析,以对用户的经营能力进行更加全面、更加准确的判断。本公开还进一步提出,基于不同的用户类型,为风险指标赋予不同的权重,对不同类型用户进行风险指标的个性化定制,增加风险指标与当前用户的额适配度,使得风险评估结果更符合实际情况,有效提高用户风险监管的准确度。实现用户风险的准确监测。通过风险监管结果对用户进行预警,以降低银行的信贷风险。
图3示意性示出了根据本公开实施例的确定用户的风险指标的流程图。
如图3所示,该实施例的确定用户的风险指标包括操作S310~操作S330。
在操作S310,基于当前数据和历史数据,确定当前数据与历史数据之间的差异信息。
在一些实施例中,当前数据包括用电数据和交易数据,历史数据包括历史用电数据和历史交易数据。逐一比较用电数据与历史数据的偏离程度、交易数据与历史交易数据的偏离程度,确定每一条当前数据与历史数据之间的差异信息。
在操作S320,基于预设的偏离范围判断差异信息是否超出偏离范围。
在一些实施例中,为每一数据设置偏离范围,若数据的差异信息未超出预设的偏离范围,属于正常波动。若数据的差异信息超过预设的偏离范围,则说明用户存在经营异常或资金异常的情况,可能会影响用户及时还款。
在操作S330,在差异信息超出偏离范围的情况下,将该差异信息确定为风险指标。
在一些实施例中,若差异信息超出偏离范围,则说明该数据存在波动异常的情况,这种波动异常往往是由用户的经营状况造成的,因此,本公开提出将该数据的差异信息确定为风险指标,以用于后续对用户进行风险监管。
在具体实施过程中,可以采用多元回归分析确定当前数据和历史数据间的偏离程度。对当前数据和历史数据进行偏离程度的比较,可以了解用户当前的经营状况与历史经营状况的变化情况,以根据经营状况的变化对用户是否存在逾期风险进行判断。例如,若用户今年的经营状况与去年持平且去年并未逾期,那么用户今年逾期的可能性也很小。若用户今年的经营状况较去年下降较多,那么就需要将波动异常的数据列为风险指标,以实现对用户经营状况的准确判断,进而对用户进行风险监管,以及时对存在风险的用户进行预警并采取相应措施。
图4示意性示出了根据本公开实施例的基于当前数据确定用户的风险指标的流程图。
如图4所示,该实施例的基于当前数据确定用户的风险指标包括操作S410~操作S420。
在操作S410,基于预设的指标阈值,确定当前数据中超过阈值的数据。
在操作S420,将超过阈值的数据确定为风险指标。
在一些实施例中,基于预设的指标阈值分别对用电数据和交易数据进行筛选,将超过阈值的数据确定为风险指标。
在具体实施过程中,指标阈值是通过对多个未逾期的用户样本分析后确定的,通过对多个未逾期用户的特征分析,设置指标阈值,若用户的数据处于该指标阈值间,则按时还款的可能性较大。若用户数据超过该指标阈值区间,则说明该数据存在异常,将其列为风险指标,以对用户的经营状况进行准确判断。
图5示意性示出了根据本公开实施例的基于预设的指标阈值确定当前数据中超过阈值的数据的流程图。
如图5所示,该实施例的基于预设的指标阈值确定当前数据中超过阈值的数据包括操作S510~操作S530。
在操作S510,基于数据类型,确定相应的计算规则和指标阈值。
在一些实施例中,当前数据包括用电数据和交易数据两类数据,通过数据类型的不同,为每一类型的数据制定相应的计算规则和指标阈值,以对每一类型数据进行相应的计算,将这些数据整合为更具有代表性的用户指标,通过这些用户指标更加准确的评价用户的经营状况。
在具体实施过程中,用电数据至少可以包括用电时长情况、企业用电量在行业中水平评价、企业上月欠费预警、企业半年欠费记录次数、企业近半年实收电费、企业近3个月违约用电次数、企业近3个月违约用电金额、企业近1年内违约用电次数、企业近1年内违约用电金额等。交易数据至少可以包括资金流入合计金额、融资性资金流入金额、贷款发放金额、投资性流入金额、存款利息收入金额、分红金额、资本金、交易往来金额、关联企业流入金额、通过过度户流入金额、流入空白金额、资金流入空白资金额度分级、现金金额、结汇金额、资金流出合计金额、融资性资金流出金额、归还贷款金额、贷款利息支出金额、往来交易金额、流向关联企业金额、通过过度户流出金额、流出空白金额、资金流出空白资金额度分级、经营性支出金额、提现金额、售汇金额、批量扣款金额、资金净流量、经营性资金净流量、筹资性资金净流量、投资性资金净流量、利润变现率、净资产现金报酬率、实收资本、总资产以及净资产等。
在操作S520,分别采用相应的计算规则对用电数据和交易数据进行映射计算,得到第一用户指标和第二用户指标。
在一些实施例中,分别采用相应的计算规则对用电数据和交易数据进行映射计算,将用电数据和交易数据简化为第一用户指标和第二用户指标。其中,第一用户指标用于表示用户在指定时间内的用电状况,第二用户指标用于表示用户在指定时间内的资金状况。
在具体实施过程中,第一用户指标至少可以包括企业近3月用电量环比增长率、企业上月用电量环比增长率、企业近3月用电量同比率、企业近半年实收电费占比、企业近3个月违约用电金额占比以及企业近1年内违约用电金额占比等。第二用户指标至少可以包括资金流入总占比,资金流入总笔数,贷款发放总笔数,投资性流入/流出总金额,存款利息收入总金额/归还贷款总金额,关联企业流入/流出总金额,资金净流量总金额,经营性资金净流量总金额,筹资性资金净流量总金额,投资性资金净流量总金额,利润变现率,净资产现金报酬率,实收资本占比,总资产占比,净资产占比等。本公开实施例通过预设的计算规则,将零散的、片面的数据整合为与用户经营情况相关的用户指标,相较于直接获取的用电数据和交易数据,整合后的用电指标可以更好的反应用户的经营状况。
在操作S530,根据相应的指标阈值确定超过阈值的指标,将超过阈值的指标确定为风险指标。
在一些实施例中,通过预设的指标阈值对第一用户指标和第二用户指标进行筛选,将筛选出的超过指标阈值的异常指标确定为风险指标,以用于对用户的风险监管。
图6示意性示出了根据本公开实施例的确定每一风险指标的权重的流程图。
如图6所示,该实施例的确定每一风险指标的权重包括操作S610~操作S630。
在操作S610,基于用户信息确定用户类型。
在一些实施例中,基于用户信息获取用户类型,其中,用户类型用于表示用户所在行业,例如用户类型可以分为制造业用户和服务类用户。
在操作S620,基于用户类型确定该用户的风险指标权重确定规则。
在一些实施例中,用户所在行业不同,具有代表性的指标也会存在区别。例如,若用户所在行业为制造业,则用电量数据更具有代表性,可以更好的反应用户的经营状况。若用户所在行业是服务业,相较于用电量数据,交易数据则更能反应该行业的经营状况。因此,针对不同的用户类型,本公开提供了不同的权重确定规则,基于用户类型对风险指标的权重进行灵活指定,以使风险指标的权重更符合实际情况,有效提高风险监管的准确度。
在操作S630,根据权重确定规则确定每一风险指标的权重。
在一些实施例中,基于权重确定规则确定每一风险指标的权重可以有效提高风险指标权重与实际情况的适配度,使其更符合实际需求,有助于精确预判用户的还款能力,进而提高风险监管的准确性。
在具体实施过程中,可以通过支持向量机算法对不同类型的不良用户进行多元指标训练,得到不良用户中每一指标的权重。其中,多元指标训练的过程包括获取同一类型的不良用户的样例数据,训练多项数据特征,调整指标权重,核实权重准确性和判断准确性,在准确性不满足要求时,进行循环迭代训练,在准确性满足要求后,停止训练,将当前指标的权重确定为该指标在该类型用户中的理想权重。整合每一指标的权重,得到该用户类型的风险指标权重确定规则。
图7示意性示出了根据本公开实施例的根据风险指标以及风险指标对应的权重确定该用户的风险系数的流程图。
如图7所示,该实施例的根据风险指标以及风险指标对应的权重确定该用户的风险系数包括操作S710~操作S730。
在操作S710,基于预设的等级规则,确定每一风险指标的风险等级。
在一些实施例中,基于预设的等级规则,确定每一风险指标的风险等级。风险等级可以用数值来表示。其中,每一风险指标均有其对应的等级规则。利用等级规则对风险指标进行等级划分,可以有效反应该风险指标的风险程度,风险指标的风险程度越高,对应的等级值越高。
在操作S720,计算每一风险指标的风险等级与该风险指标的权重的乘积,确定每一风险指标的风险值。
在一些实施例中,风险指标的风险等级需与该风险指标对应的权重相乘,得到该风险指标的风险值。风险值可以用于计算该用户的风险系数,以评估该用户的按时还款的能力。
在操作S730,对多个风险指标进行风险值求和操作,得到用户的风险系数。
在一些实施例中,分别计算当前用户的每一风险指标,并对每一风险指标的风险值进行累加,以确定当前用户的风险系数。其中,风险系数与用户的还款能力成反比,用户的风险系数越高,说明用户的还款能力越低,逾期的可能性越大。
在上述实施例的基础上,本公开实施例的风险监管方法还包括:
根据风险等级生成预警信息。
基于预警信息对用户执行目标措施。
在一些实施例中,基于用户的风险等级生成相应的预警信息,将预警信息发送至银行中该用户的负责人,以使负责人基于预警信息采取相应的风险措施,降低用户逾期还款的发生概率,提高银行资产质量。
基于上述风险监管方法,本公开还提供了一种风险监管装置。以下将结合图8对该装置进行详细描述。
图8示意性示出了根据本公开实施例的风险监管装置的结构框图。
如图8所示,该实施例的风险监管装置800包括获取模块810、第一确定模块820、第二确定模块830、计算模块840和第三确定模块850。
获取模块810用于获取用户的当前数据和历史数据;其中,当前数据包括当前用电数据和当前交易数据,历史数据包括历史用电数据和历史交易数据。在一实施例中,获取模块810可以用于执行前文描述的操作S210,在此不再赘述。
第一确定模块820用于基于当前数据和历史数据,确定用户的风险指标。在一实施例中,第一确定模块820可以用于执行前文描述的操作S220,在此不再赘述。
第二确定模块830用于基于用户信息,确定每一风险指标的权重。在一实施例中,第二确定模块830可以用于执行前文描述的操作S230,在此不再赘述。
计算模块840用于根据风险指标以及风险指标对应的权重,计算用户的风险系数。在一实施例中,计算模块840可以用于执行前文描述的操作S240,在此不再赘述。
第三确定模块850用于基于风险系数,确定该用户的风险等级。在一实施例中,第三确定模块850可以用于执行前文描述的操作S250,在此不再赘述。
根据本公开的实施例,获取模块810、第一确定模块820、第二确定模块830、计算模块840和第三确定模块850中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,获取模块810、第一确定模块820、第二确定模块830、计算模块840和第三确定模块850中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者获取模块810、第一确定模块820、第二确定模块830、计算模块840和第三确定模块850中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图9示意性示出了根据本公开实施例的适于实现风险监管方法的电子设备的方框图。
如图9所示,根据本公开实施例的电子设备900包括处理器901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。处理器901例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器901还可以包括用于缓存用途的板载存储器。处理器901可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 903中,存储有电子设备900操作所需的各种程序和数据。处理器901、ROM902以及RAM 903通过总线904彼此相连。处理器901通过执行ROM 902和/或RAM 903中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 902和RAM 903以外的一个或多个存储器中。处理器901也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备900还可以包括输入/输出(I/O)接口905,输入/输出(I/O)接口905也连接至总线904。电子设备900还可以包括连接至I/O接口905的以下部件中的一项或多项:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 902和/或RAM 903和/或ROM 902和RAM 903以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的物品推荐方法。
在该计算机程序被处理器901执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分909被下载和安装,和/或从可拆卸介质911被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被处理器901执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (11)
1.一种风险监管方法,包括:
获取用户的当前数据和历史数据;其中,当前数据包括当前用电数据和当前交易数据,历史数据包括历史用电数据和历史交易数据;
基于所述当前数据和所述历史数据,确定用户的风险指标;
基于用户信息,确定每一风险指标的权重;
根据风险指标以及风险指标对应的权重,计算用户的风险系数;
基于所述风险系数,确定该用户的风险等级。
2.根据权利要求1所述的风险监管方法,所述基于所述当前数据和所述历史数据,确定用户的风险指标,包括:
基于所述当前数据和所述历史数据,确定当前数据与历史数据之间的差异信息;
基于预设的偏离范围判断所述差异信息是否超出偏离范围;
在所述差异信息超出偏离范围的情况下,将该差异信息确定为风险指标。
3.根据权利要求1所述的风险监管方法,所述基于当前数据和所述历史数据,确定用户的风险指标,还包括:
基于预设的指标阈值,确定当前数据中超过阈值的数据;
将所述超过阈值的数据确定为风险指标。
4.根据权利要求3所述的风险监管方法,所述基于预设的指标阈值,确定当前数据中超过阈值的数据,还包括:
基于数据类型,确定相应的计算规则和指标阈值;
分别采用相应的计算规则对所述用电数据和资金流数据进行映射计算,得到第一用户指标和第二用户指标;其中,第一用户指标用于表示用户在指定时间内的用电状况,第二用户指标用于表示用户在指定时间内的资金状况;
根据相应的指标阈值确定超过阈值的指标,将所述超过阈值的指标确定为风险指标。
5.根据权利要求1所述的风险监管方法,所述基于所述用户信息,确定每一风险指标的权重,包括:
基于用户信息确定用户类型;
基于所述用户类型确定该用户的风险指标权重确定规则;
根据所述权重确定规则确定每一风险指标的权重。
6.根据权利要求1所述的风险监管方法,所述根据风险指标以及风险指标对应的权重确定该用户的风险系数,包括:
基于预设的等级规则,确定每一风险指标的风险等级;
计算每一风险指标的风险等级与该风险指标的权重的乘积,确定每一风险指标的风险值;
对多个风险指标进行风险值求和操作,得到所述用户的风险系数。
7.根据权利要求1所述的风险监管方法,还包括:
根据所述风险等级生成预警信息;
基于所述预警信息对所述用户执行目标措施。
8.一种风险监管装置,包括:
获取模块,用于获取用户的当前数据和历史数据;其中,当前数据包括当前用电数据和当前交易数据,历史数据包括历史用电数据和历史交易数据;
第一确定模块,用于基于所述当前数据和所述历史数据,确定用户的风险指标;
第二确定模块,用于基于用户信息,确定每一风险指标的权重;
计算模块,根据风险指标以及风险指标对应的权重,计算用户的风险系数;
第三确定模块,用于基于所述风险系数,确定该用户的风险等级。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~7中任一项所述的方法。
11.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310827036.6A CN116843452A (zh) | 2023-07-06 | 2023-07-06 | 风险监管方法、装置、设备、介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310827036.6A CN116843452A (zh) | 2023-07-06 | 2023-07-06 | 风险监管方法、装置、设备、介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116843452A true CN116843452A (zh) | 2023-10-03 |
Family
ID=88161290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310827036.6A Pending CN116843452A (zh) | 2023-07-06 | 2023-07-06 | 风险监管方法、装置、设备、介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116843452A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437040A (zh) * | 2023-12-21 | 2024-01-23 | 广州平云小匠科技股份有限公司 | 授信风险等级的更新方法、设备及存储介质 |
CN117853232A (zh) * | 2024-03-07 | 2024-04-09 | 杭银消费金融股份有限公司 | 一种信贷风险异常巡检归因预警方法与系统 |
CN117853232B (zh) * | 2024-03-07 | 2024-05-24 | 杭银消费金融股份有限公司 | 一种信贷风险异常巡检归因预警方法与系统 |
-
2023
- 2023-07-06 CN CN202310827036.6A patent/CN116843452A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117437040A (zh) * | 2023-12-21 | 2024-01-23 | 广州平云小匠科技股份有限公司 | 授信风险等级的更新方法、设备及存储介质 |
CN117853232A (zh) * | 2024-03-07 | 2024-04-09 | 杭银消费金融股份有限公司 | 一种信贷风险异常巡检归因预警方法与系统 |
CN117853232B (zh) * | 2024-03-07 | 2024-05-24 | 杭银消费金融股份有限公司 | 一种信贷风险异常巡检归因预警方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111967779B (zh) | 一种风险评估方法、装置及设备 | |
US10467631B2 (en) | Ranking and tracking suspicious procurement entities | |
US8635134B2 (en) | Systems and methods for optimizations involving insufficient funds (NSF) conditions | |
US20150081522A1 (en) | System and method for automatically providing a/r-based lines of credit to businesses | |
US10268996B1 (en) | Customized payment management | |
WO2021066902A1 (en) | Determining fraud risk indicators using different fraud risk models for different data phases | |
Vania et al. | Does earning management happen in islamic bank?(indonesia and malaysia comparison) | |
CN113095712A (zh) | 企业授信评分获取方法、装置及计算机设备 | |
CN116843452A (zh) | 风险监管方法、装置、设备、介质和程序产品 | |
CN113034046A (zh) | 一种数据风险计量方法、装置、电子设备及存储介质 | |
CN115439160A (zh) | 异常监测方法、装置、设备、介质和程序产品 | |
JP2019185595A (ja) | 情報処理装置、情報処理方法、情報処理プログラム、判定装置、判定方法及び判定プログラム | |
CN117575776A (zh) | 一种借贷风控模型训练方法、设备以及可读存储介质 | |
WO2021176762A1 (ja) | 不正検出装置、外国人就労システム、プログラム及び外国人就労者の不正労働の検出方法 | |
US20090063311A1 (en) | Adjusted Net Income | |
CN115689571A (zh) | 异常用户行为监测方法、装置、设备和介质 | |
US11935075B2 (en) | Card inactivity modeling | |
JP4610732B2 (ja) | ローン管理システム、その方法 | |
KR101954132B1 (ko) | 체납처분 시스템 | |
KR101954129B1 (ko) | 스마트고지 핀테크 간편납부 시스템 | |
CN116228405A (zh) | 信用分类方法、装置、设备、介质和程序产品 | |
CN118052628A (zh) | 期权的头寸分解方法、装置、设备、介质和程序产品 | |
CN112651572A (zh) | 收益预测方法和装置 | |
CN114897381A (zh) | 一种账务评价方法、装置、设备、介质及产品 | |
Cahan | Earnings management and auditing |
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 |