CN117391840A - 一种用于外贸企业的信贷审批方法、设备及介质 - Google Patents

Abstract

本说明书实施例公开了一种用于外贸企业的信贷审批方法、设备及介质，涉大数据技术领域，方法包括：接收外贸企业的信贷申请信息，基于信贷申请信息，获取外贸企业的当前多维度企业数据；通过外贸企业的多维度企业数据和预先构建的信用评分模型，生成外贸企业的当前企业信用评分；通过大数据技术，获取外贸企业的历史信贷数据，以通过历史信贷数据和当前企业信用评分，确定外贸企业的当前信贷信用综合评分；根据当前信贷信用综合评分，确定外贸企业的信贷审批结果，当信贷审批结果为审批通过时，基于当前企业经营数据和预设的信贷额度数据库，确定外贸企业的当前信贷额度，以实现外贸企业的信贷审批。

Description

一种用于外贸企业的信贷审批方法、设备及介质

技术领域

本说明书涉及大数据技术领域，尤其涉及一种用于外贸企业的信贷审批方法、设备及介质。

背景技术

外贸企业是指从事对外贸易(进出口)的企业，这些企业在国家规定的注册企业的相关领域内，对合法产品拥有进出口经营权，业务往来主要在国外，通过市场调研，将国外商品进口到国内销售，或者收购国内商品销售到国外。在市场经济的持续发展过程中，信贷是一种信用活动，是银行或其他金融机构以货币形式向企业或个人提供的信用。银行或其他金融机构通过贷款或透支的方式提供信贷资金，以促进经济的稳定和发展。

通常情况下，银行或其他金融机构在进行信贷审批时，通常通过企业提交申贷资料，银行或金融机构针对申贷材料进行审批的方式进行。但是，在现有技术中，所有类型的企业均按照统一配置的风控模型进行风险控制，针对外贸企业来说，外贸企业与其他类型的企业相比，外贸企业受其企业性质的影响，企业发展变化较快，只针对企业提供的申贷材料进行审批，不考虑企业历史发展状态，容易产生信用评分出现偏差的问题，导致信贷审批结果不准确。

发明内容

本说明书一个或多个实施例提供了一种用于外贸企业的信贷审批方法、设备及介质，用于解决如下技术问题：只针对企业提供的申贷材料进行审批，不考虑企业历史发展状态，容易产生信用评分出现偏差的问题，导致信贷审批结果不准确。

本说明书一个或多个实施例采用下述技术方案：

本说明书一个或多个实施例提供一种用于外贸企业的信贷审批方法，所述方法包括：接收外贸企业的信贷申请信息，基于所述信贷申请信息，获取所述外贸企业的当前多维度企业数据，其中，所述当前多维度企业数据包括当前企业经营数据和企业身份数据；通过所述外贸企业的多维度企业数据和预先构建的信用评分模型，生成所述外贸企业的当前企业信用评分；通过大数据技术，获取所述外贸企业的历史信贷数据，以通过所述历史信贷数据和所述当前企业信用评分，确定所述外贸企业的当前信贷信用综合评分，其中，所述历史信贷数据包括历史信贷信用信息和历史信贷申请时间；根据所述当前信贷信用综合评分，确定所述外贸企业的信贷审批结果，当所述信贷审批结果为审批通过时，基于所述当前企业经营数据和预设的信贷额度数据库，确定所述外贸企业的当前信贷额度，以实现所述外贸企业的信贷审批。

进一步地，通过所述外贸企业的多维度企业数据和预先构建的信用评分模型，生成所述外贸企业的当前企业信用评分之前，具体包括：通过大数据技术挖掘样本数据库，以获取多个风险指标对应的样本数据；使用神经网络技术进行风险指标筛选，以筛选出符合要求的多个显著风险指标；通过WOE分析法，确定所述多个显著风险指标的准入阈值；按照预先获取的风险指标的重要度，在所述多个显著风险指标中确定出所述重要度满足预设要求的多个指定显著风险指标；基于所述多个执行显著风险指标和多个所述准入阈值，确定所述信用评分模型。

进一步地，通过所述历史信贷数据和所述当前企业信用评分，确定所述外贸企业的当前信贷信用综合评分，具体包括：对所述历史信贷数据中的历史信贷信用信息进行识别，提取至少一个外贸风险因素对应的历史外贸风险数据；基于至少一个所述外贸风险因素对应的历史外贸风险数据和所述历史信贷申请时间，生成信贷信用数据序列；基于所述信贷信用数据序列，生成所述外贸企业的历史信贷信用评分，通过所述当前企业信用评分和所述历史信贷信用评分，确定所述外贸企业的当前信贷信用综合评分。

进一步地，基于所述信贷信用数据序列，生成所述外贸企业的历史信贷信用评分，具体包括：按照每个所述外贸风险因素，将所述信贷信用数据序列分为多个子序列，其中，每个所述子序列中包括所述外贸风险因素对应的外贸风险数据和每个所述外贸风险数据对应的历史信贷申请时间；按照预设的评分规则，对每个所述子序列中的外贸风险数据依次进行风险评估，生成每个所述子序列对应的风险变化趋势图；在每个所述子序列对应的风险变化趋势图中提取风险最大值对应的最大外贸风险数据，以得到多个最大外贸风险数据；根据所述多个最大外贸风险数据和预先构建的信用评分模型，生成所述外贸企业的历史信贷信用评分。

进一步地，通过所述当前企业信用评分和所述历史信贷信用评分，确定所述外贸企业的当前信贷信用综合评分，具体包括：当所述历史信贷信用评分大于所述当前企业信用评分，且所述历史信贷信用评分和所述当前企业信用评分的差值不大于预设阈值时，基于所述当前企业信用评分和所述历史信贷信用评分的平均值，生成所述外贸企业的当前信贷信用综合评分；当所述历史信贷信用评分大于所述当前企业信用评分，且所述历史信贷信用评分和所述当前企业信用评分的差值大于预设阈值时，基于所述历史信贷信用评分，生成信用评分修正因子，通过所述信用评分修正因子对所述当前企业信用评分进行修正，确定所述外贸企业的当前信贷信用综合评分。

进一步地，基于所述当前企业经营数据和预设的信贷额度数据库，确定所述外贸企业的当前信贷额度，具体包括：获取所述信贷额度数据库中的多个信贷额度数据，其中，所述信贷额度数据包括多个信贷机构的授信特征数据和历史信贷额度；提取所述当前企业经营数据中的当前授信特征数据，将所述当前授信特征数据和所述多个信贷机构的授信特征数据进行匹配，在所述多个信贷机构中确定至少一个指定信贷机构，以确定每个所述指定信贷机构对应的历史信贷额度；根据所述外贸企业的当前信贷信用综合评分，匹配初始信贷额度；通过多个所述历史信贷额度对所述初始信贷额度进行调整，确定所述外贸企业的当前信贷额度。

进一步地，通过多个所述历史信贷额度对所述初始信贷额度进行调整，确定所述外贸企业的当前信贷额度，具体包括：根据多个所述历史信贷额度，确定历史信贷额度均值；当所述初始信贷额度不大于所述历史信贷额度均值时，将所述初始信贷额度作为所述外贸企业的当前信贷额度；当所述初始信贷额度大于所述历史信贷额度均值时，根据所述初始信贷额度和所述历史信贷额度均值，生成调整额度，以基于所述调整额度和所述初始信贷额度，确定所述外贸企业的当前信贷额度。

进一步地，根据所述初始信贷额度和所述历史信贷额度均值，生成调整额度，具体包括：通过所述初始信贷额度和所述历史信贷额度均值，确定额度差值；基于所述额度差值和所述历史信贷额度均值的比值，生成超额比例；根据所述超额比例和所述初始信贷额度，生成调整额度。

本说明书一个或多个实施例提供一种用于外贸企业的信贷审批设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

接收外贸企业的信贷申请信息，基于所述信贷申请信息，获取所述外贸企业的当前多维度企业数据，其中，所述当前多维度企业数据包括当前企业经营数据和企业身份数据；通过所述外贸企业的多维度企业数据和预先构建的信用评分模型，生成所述外贸企业的当前企业信用评分；通过大数据技术，获取所述外贸企业的历史信贷数据，以通过所述历史信贷数据和所述当前企业信用评分，确定所述外贸企业的当前信贷信用综合评分，其中，所述历史信贷数据包括历史信贷信用信息和历史信贷申请时间；根据所述当前信贷信用综合评分，确定所述外贸企业的信贷审批结果，当所述信贷审批结果为审批通过时，基于所述当前企业经营数据和预设的信贷额度数据库，确定所述外贸企业的当前信贷额度，以实现所述外贸企业的信贷审批。

本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：

接收外贸企业的信贷申请信息，基于所述信贷申请信息，获取所述外贸企业的当前多维度企业数据，其中，所述当前多维度企业数据包括当前企业经营数据和企业身份数据；通过所述外贸企业的多维度企业数据和预先构建的信用评分模型，生成所述外贸企业的当前企业信用评分；通过大数据技术，获取所述外贸企业的历史信贷数据，以通过所述历史信贷数据和所述当前企业信用评分，确定所述外贸企业的当前信贷信用综合评分，其中，所述历史信贷数据包括历史信贷信用信息和历史信贷申请时间；根据所述当前信贷信用综合评分，确定所述外贸企业的信贷审批结果，当所述信贷审批结果为审批通过时，基于所述当前企业经营数据和预设的信贷额度数据库，确定所述外贸企业的当前信贷额度，以实现所述外贸企业的信贷审批。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：通过上述技术方案，通过外贸企业的当前多维度企业数据，生成当前企业信用评分，通过历史信贷数据和当前企业信用评分，确定当前信贷信用综合评分，结合历史信贷数据，对当前企业信用评分进行修正，考虑了历史信贷风险情况，保证了当前信贷信用综合评分的准确性；在对外贸企业进行信贷额度匹配时，考虑了其他金融机构的信贷数据，考虑因素全面，保证了当前信贷额度的针对性，在一定程度上降低了由于额度较大产生的资金风险，保证了信贷审批结果的准确性。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，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。在附图中：

图1为本说明书实施例提供的一种用于外贸企业的信贷审批方法的流程示意图；

图2为本说明书实施例提供的一种用于外贸企业的信贷审批设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。

外贸企业是指从事对外贸易(进出口)的企业，这些企业在国家规定的注册企业的相关领域内，对合法产品拥有进出口经营权，业务往来主要在国外，通过市场调研，将国外商品进口到国内销售，或者收购国内商品销售到国外。在市场经济的持续发展过程中，信贷是一种信用活动，是银行或其他金融机构以货币形式向企业或个人提供的信用。银行或其他金融机构通过贷款或透支的方式提供信贷资金，以促进经济的稳定和发展。

通常情况下，银行或其他金融机构在进行信贷审批时，通常通过企业提交申贷资料，银行或金融机构针对申贷材料进行审批的方式进行。但是，在现有技术中，所有类型的企业均按照统一配置的风控模型进行风险控制，针对外贸企业来说，外贸企业与其他类型的企业相比，外贸企业受其企业性质的影响，企业发展变化较快，只针对企业提供的申贷材料进行审批，不考虑企业历史发展状态，容易产生信用评分出现偏差的问题，导致信贷审批结果不准确。

本说明书实施例提供一种用于外贸企业的信贷审批方法，需要说明的是，本说明书实施例中的执行主体可以是服务器，也可以是任意一种具备数据处理能力的设备。图1为本说明书实施例提供的一种用于外贸企业的信贷审批方法的流程示意图，如图1所示，主要包括如下步骤：

步骤S101，接收外贸企业的信贷申请信息，基于信贷申请信息，获取外贸企业的当前多维度企业数据。

在本说明书的一个实施例中，接收外贸企业的信贷申请信息，此处的信贷申请信息包括外贸企业提供的企业经营数据、外贸企业的身份数据以及外贸企业的授权数据。根据外贸企业的身份数据对外贸企业进行身份认证，并通过外贸企业的授权数据进行数据获取的授权。例如点击个人身份上传，通过拍照或者相册上传身份照片，身份识别反显信息后弹出其他信息录入页面，依次选择或录入，确保身份信息、银行卡卡号以及办理银行卡时预留的手机号准确无误，填充完毕后，上传营业执照原件，识别反显公司名称及统一社会信用代码，若信息不正确可进行手动修改，信息确认无误后提示企业登录单一窗口插IC卡对企业身份作进一步认证。认证通过后，则进行相关数据授权。用户同意并签署数据及相关信息授权协议后点击“授权已完成”按钮，签署相关协议。进行下一步人脸识别认证，同时调取IC卡认证信息，进一步保证授权的真实性与合规性。依托互联网平台，将纸质授权转化为电子形式，借助电子签名等身份识别技术，当用户插入IC卡之后获取客户授权，再通过单一信用窗口查询客户的外贸企业信用信息，其核心是电子签名及其他新型身份识别技术。

以基于信贷申请信息，获取外贸企业的当前多维度企业数据，其中，该当前多维度企业数据包括当前企业经营数据和企业身份数据。需要说明的是，此处的当前企业经营数据为多维度企业经营数据，多维度企业经营数据包括但不限于如下维度：企业基本信息、报关及费用信息、商品信息、特许权及费用信息、运输存储信息、报税信息、税费及缴纳行为信息、信用行为等。

步骤S102，通过外贸企业的多维度企业数据和预先构建的信用评分模型，生成外贸企业的当前企业信用评分。

通过该外贸企业的多维度企业数据和预先构建的信用评分模型，生成该外贸企业的当前企业信用评分之前，具体包括：通过大数据技术挖掘样本数据库，以获取多个风险指标对应的样本数据；使用神经网络技术进行风险指标筛选，以筛选出符合要求的多个显著风险指标；通过WOE分析法，确定该多个显著风险指标的准入阈值；按照预先获取的风险指标的重要度，在该多个显著风险指标中确定出该重要度满足预设要求的多个指定显著风险指标；基于该多个执行显著风险指标和多个该准入阈值，确定该信用评分模型。

在本说明书的一个实施例中，首先基于大数据挖掘建立的样本库，提取样本。其次，对样本的风险指标中缺失率较大的指标进行自动剔除处理，对缺失率较小的采用随机森林法自动填补后，然后采用神经网络自动筛选出显著的指标。对显著的指标采用WOE分析法确定准入阈值，并根据指标的重要程度，自动筛选出前30个指标作为准入模型指标，经专家系统判别后，最终确定准入模型指标及阈值，并将模型进行自动部署。基于大数据特征挖掘、AI算法等自动构建信用评分模型，并采用WOE分析法划分相应的等级区间，统计各等级的违约率，确定违约率低于0.5％的阈值，并将该阈值作为准入的条件。最后，通过外贸企业的多维度企业数据和信用评分模型，生成外贸企业的当前企业信用评分。

步骤S103，通过大数据技术，获取外贸企业的历史信贷数据，以通过历史信贷数据和当前企业信用评分，确定外贸企业的当前信贷信用综合评分。

在本说明书的一个实施例中，在获取外贸企业授权的前提下，通过大数据技术，获取外贸企业的历史信贷数据，其中，该历史信贷数据包括历史信贷信用信息和历史信贷申请时间。此处的历史信贷数据不限于同一个金融主体，可以是当前金融主体，也可以是其他金融主体，此外历史信贷申请时间可以用于表示历史信贷信用信息对应的时间。

通过该历史信贷数据和该当前企业信用评分，确定该外贸企业的当前信贷信用综合评分，具体包括：对该历史信贷数据中的历史信贷信用信息进行识别，提取至少一个外贸风险因素对应的历史外贸风险数据；基于至少一个该外贸风险因素对应的历史外贸风险数据和该历史信贷申请时间，生成信贷信用数据序列；基于该信贷信用数据序列，生成该外贸企业的历史信贷信用评分，通过该当前企业信用评分和该历史信贷信用评分，确定该外贸企业的当前信贷信用综合评分。

基于该信贷信用数据序列，生成该外贸企业的历史信贷信用评分，具体包括：按照每个该外贸风险因素，将该信贷信用数据序列分为多个子序列，其中，每个该子序列中包括该外贸风险因素对应的外贸风险数据和每个该外贸风险数据对应的历史信贷申请时间；按照预设的评分规则，对每个该子序列中的外贸风险数据依次进行风险评估，生成每个该子序列对应的风险变化趋势图；在每个该子序列对应的风险变化趋势图中提取风险最大值对应的最大外贸风险数据，以得到多个最大外贸风险数据；根据该多个最大外贸风险数据和预先构建的信用评分模型，生成该外贸企业的历史信贷信用评分。

在本说明书的一个实施例中，按照每个外贸风险因素，将信贷信用数据序列分为多个子序列，使每个子序列中均包括该外贸风险因素对应的外贸风险数据和每个该外贸风险数据对应的历史信贷申请时间，以得到多个外贸风险因素对应的子序列。按照预设的评分规则，对每个该子序列中的外贸风险数据依次进行风险评估，生成每个该子序列对应的风险变化趋势图。需要说明的是，此处的评分规则可以通过设置每个风险因素阈值的方式，对每个外贸风险数据进行评分，需要使用同一种评分规则对多个子序列进行风险评分。之后，建立每个该子序列对应的风险变化趋势图，在风险变化趋势图中横轴为历史信贷申请时间，纵轴为外贸风险数据的风险评分值。

在每个子序列对应的风险变化趋势图中提取风险最大值对应的最大外贸风险数据，以得到多个最大外贸风险数据，将得到的多个最大外贸风险数据输入至预先构建的信用评分模型中，若多个最大外贸风险数据中缺少对应的风险指标，则使用多维度企业数据中对应的风险指标的数据，生成外贸企业的历史信贷信用评分。通过上述技术方案，考虑了历史外贸风险数据，将历史外贸风险数据中的最大风险值进行整合作为最大风险数据源，将最大风险数据源结合信用评分模型，生成历史信贷信用评分，保证了历史信贷信用评分的风险最大化，可以为当前企业信用评分提供较好的参照。

通过该当前企业信用评分和该历史信贷信用评分，确定该外贸企业的当前信贷信用综合评分，具体包括：当历史信贷信用评分大于当前企业信用评分，且历史信贷信用评分和当前企业信用评分的差值不大于预设阈值时，基于该当前企业信用评分和该历史信贷信用评分的平均值，生成该外贸企业的当前信贷信用综合评分；当历史信贷信用评分不大于当前企业信用评分，且历史信贷信用评分和当前企业信用评分的差值大于预设阈值时，基于该历史信贷信用评分，生成信用评分修正因子，通过该信用评分修正因子对该当前企业信用评分进行修正，确定该外贸企业的当前信贷信用综合评分。

在本说明书的一个实施例中，当历史信贷信用评分不大于当前企业信用评分时，判定该外贸企业的审批结果未通过。当历史信贷信用评分大于当前企业信用评分，当前企业信用评分和该历史信贷信用评分的差值不大于预设阈值时，取当前企业信用评分和该历史信贷信用评分的平均值，生成外贸企业的当前信贷信用综合评分。当历史信贷信用评分大于当前企业信用评分，当前企业信用评分和该历史信贷信用评分的差值大于预设阈值时，计算历史信贷信用评分和当前企业信用评分的差值，计算差值与历史信贷信用评分的比值，将该比值作为信用评分修正因子，计算信用评分修正因子与当前企业信用评分的乘积，得到信用评分修正量，在当前企业信用评分的基础上添加信用评分修正量得到外贸企业的当前信贷信用综合评分。通过上述技术方案，结合最大风险对应的历史信贷信用评分，对当前企业信用评分进行修正，考虑了历史信贷风险情况，保证了当前信贷信用综合评分的准确性。

步骤S104，根据当前信贷信用综合评分，确定外贸企业的信贷审批结果，当信贷审批结果为审批通过时，基于当前企业经营数据和预设的信贷额度数据库，确定外贸企业的当前信贷额度，以实现外贸企业的信贷审批。

在本说明书的一个实施例中，预先设置评分阈值，根据信用评分阈值和当前信贷信用综合评分，判断外贸企业是否满足信贷条件。在当前信贷信用综合评分不小于评分阈值的情况下，外贸企业的信贷审批结果为审批通过，在当前信贷信用综合评分小于评分阈值的情况下，外贸企业的信贷审批结果为审批未通过。当信贷审批结果为审批通过时，基于当前企业经营数据和预设的信贷额度数据库，确定外贸企业的当前信贷额度，以实现外贸企业的信贷审批。

基于该当前企业经营数据和预设的信贷额度数据库，确定该外贸企业的当前信贷额度，具体包括：获取该信贷额度数据库中的多个信贷额度数据，其中，该信贷额度数据包括多个信贷机构的授信特征数据和历史信贷额度；提取该当前企业经营数据中的当前授信特征数据，将该当前授信特征数据和该多个信贷机构的授信特征数据进行匹配，在该多个信贷机构中确定至少一个指定信贷机构，以确定每个该指定信贷机构对应的历史信贷额度；根据该外贸企业的当前信贷信用综合评分，匹配初始信贷额度；通过多个该历史信贷额度对该初始信贷额度进行调整，确定该外贸企业的当前信贷额度。

通过多个该历史信贷额度对该初始信贷额度进行调整，确定该外贸企业的当前信贷额度，具体包括：根据多个该历史信贷额度，确定历史信贷额度均值；当该初始信贷额度不大于该历史信贷额度均值时，将该初始信贷额度作为该外贸企业的当前信贷额度；当该初始信贷额度大于该历史信贷额度均值时，根据该初始信贷额度和该历史信贷额度均值，生成调整额度，以基于该调整额度和该初始信贷额度，确定该外贸企业的当前信贷额度。

根据该初始信贷额度和该历史信贷额度均值，生成调整额度，具体包括：通过该初始信贷额度和该历史信贷额度均值，确定额度差值；基于该额度差值和该历史信贷额度均值的比值，生成超额比例；根据该超额比例和该初始信贷额度，生成调整额度。

在本说明书的一个实施例中，获取信贷额度数据库中的多个信贷额度数据，信贷额度数据包括多个信贷机构的授信特征数据和历史信贷额度。提取该当前企业经营数据中的当前授信特征数据，将该当前授信特征数据和该多个信贷机构的授信特征数据进行匹配，在该多个信贷机构中确定至少一个指定信贷机构，此处得到的指定信贷机构在进行授信时，其参考的授信特征与当前授信特征数据相同。确定每个该指定信贷机构对应的历史信贷额度；根据该外贸企业的当前信贷信用综合评分，匹配初始信贷额度，在进行初始信贷额度匹配时，可以按照金融机构预先设置的额度匹配规则生成，在此不作具体限定。

根据多个该历史信贷额度，确定历史信贷额度均值。当该初始信贷额度不大于该历史信贷额度均值时，将该初始信贷额度作为该外贸企业的当前信贷额度。当该初始信贷额度大于该历史信贷额度均值时，通过该初始信贷额度和该历史信贷额度均值，确定额度差值，基于额度差值和历史信贷额度均值的比值，生成超额比例，根据该超额比例和该初始信贷额度，生成调整额度。在初始信贷额度的基础上减去调整额度，得到外贸企业的当前信贷额度。在对外贸企业进行信贷额度匹配时，考虑了其他金融机构的信贷数据，考虑因素全面，保证了当前信贷额度的针对性，在一定程度上降低了由于额度较大产生的资金风险。

通过上述技术方案，通过外贸企业的当前多维度企业数据，生成当前企业信用评分，通过历史信贷数据和当前企业信用评分，确定当前信贷信用综合评分，结合历史信贷数据，对当前企业信用评分进行修正，考虑了历史信贷风险情况，保证了当前信贷信用综合评分的准确性；在对外贸企业进行信贷额度匹配时，考虑了其他金融机构的信贷数据，考虑因素全面，保证了当前信贷额度的针对性，在一定程度上降低了由于额度较大产生的资金风险，保证了信贷审批结果的准确性。

本说明书实施例还提供一种用于外贸企业的信贷审批设备，如图2所示，设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：

接收外贸企业的信贷申请信息，基于该信贷申请信息，获取该外贸企业的当前多维度企业数据，其中，该当前多维度企业数据包括当前企业经营数据和企业身份数据；通过该外贸企业的多维度企业数据和预先构建的信用评分模型，生成该外贸企业的当前企业信用评分；通过大数据技术，获取该外贸企业的历史信贷数据，以通过该历史信贷数据和该当前企业信用评分，确定该外贸企业的当前信贷信用综合评分，其中，该历史信贷数据包括历史信贷信用信息和历史信贷申请时间；根据该当前信贷信用综合评分，确定该外贸企业的信贷审批结果，当该信贷审批结果为审批通过时，基于该当前企业经营数据和预设的信贷额度数据库，确定该外贸企业的当前信贷额度，以实现该外贸企业的信贷审批。

本说明书实施例还提供一种非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：

接收外贸企业的信贷申请信息，基于该信贷申请信息，获取该外贸企业的当前多维度企业数据，其中，该当前多维度企业数据包括当前企业经营数据和企业身份数据；通过该外贸企业的多维度企业数据和预先构建的信用评分模型，生成该外贸企业的当前企业信用评分；通过大数据技术，获取该外贸企业的历史信贷数据，以通过该历史信贷数据和该当前企业信用评分，确定该外贸企业的当前信贷信用综合评分，其中，该历史信贷数据包括历史信贷信用信息和历史信贷申请时间；根据该当前信贷信用综合评分，确定该外贸企业的信贷审批结果，当该信贷审批结果为审批通过时，基于该当前企业经营数据和预设的信贷额度数据库，确定该外贸企业的当前信贷额度，以实现该外贸企业的信贷审批。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (10)

1.一种用于外贸企业的信贷审批方法，其特征在于，所述方法包括：

接收外贸企业的信贷申请信息，基于所述信贷申请信息，获取所述外贸企业的当前多维度企业数据，其中，所述当前多维度企业数据包括当前企业经营数据和企业身份数据；

通过所述外贸企业的多维度企业数据和预先构建的信用评分模型，生成所述外贸企业的当前企业信用评分；

通过大数据技术，获取所述外贸企业的历史信贷数据，以通过所述历史信贷数据和所述当前企业信用评分，确定所述外贸企业的当前信贷信用综合评分，其中，所述历史信贷数据包括历史信贷信用信息和历史信贷申请时间；

根据所述当前信贷信用综合评分，确定所述外贸企业的信贷审批结果，当所述信贷审批结果为审批通过时，基于所述当前企业经营数据和预设的信贷额度数据库，确定所述外贸企业的当前信贷额度，以实现所述外贸企业的信贷审批。

2.根据权利要求1所述的一种用于外贸企业的信贷审批方法，其特征在于，通过所述外贸企业的多维度企业数据和预先构建的信用评分模型，生成所述外贸企业的当前企业信用评分之前，具体包括：

通过大数据技术挖掘样本数据库，以获取多个风险指标对应的样本数据；

使用神经网络技术进行风险指标筛选，以筛选出符合要求的多个显著风险指标；

通过WOE分析法，确定所述多个显著风险指标的准入阈值；

按照预先获取的风险指标的重要度，在所述多个显著风险指标中确定出所述重要度满足预设要求的多个指定显著风险指标；

基于所述多个执行显著风险指标和多个所述准入阈值，确定所述信用评分模型。

3.根据权利要求1所述的一种用于外贸企业的信贷审批方法，其特征在于，通过所述历史信贷数据和所述当前企业信用评分，确定所述外贸企业的当前信贷信用综合评分，具体包括：

对所述历史信贷数据中的历史信贷信用信息进行识别，提取至少一个外贸风险因素对应的历史外贸风险数据；

基于至少一个所述外贸风险因素对应的历史外贸风险数据和所述历史信贷申请时间，生成信贷信用数据序列；

基于所述信贷信用数据序列，生成所述外贸企业的历史信贷信用评分，通过所述当前企业信用评分和所述历史信贷信用评分，确定所述外贸企业的当前信贷信用综合评分。

4.根据权利要求3所述的一种用于外贸企业的信贷审批方法，其特征在于，基于所述信贷信用数据序列，生成所述外贸企业的历史信贷信用评分，具体包括：

按照每个所述外贸风险因素，将所述信贷信用数据序列分为多个子序列，其中，每个所述子序列中包括所述外贸风险因素对应的外贸风险数据和每个所述外贸风险数据对应的历史信贷申请时间；

按照预设的评分规则，对每个所述子序列中的外贸风险数据依次进行风险评估，生成每个所述子序列对应的风险变化趋势图；

在每个所述子序列对应的风险变化趋势图中提取风险最大值对应的最大外贸风险数据，以得到多个最大外贸风险数据；

根据所述多个最大外贸风险数据和预先构建的信用评分模型，生成所述外贸企业的历史信贷信用评分。

5.根据权利要求3所述的一种用于外贸企业的信贷审批方法，其特征在于，通过所述当前企业信用评分和所述历史信贷信用评分，确定所述外贸企业的当前信贷信用综合评分，具体包括：

当所述历史信贷信用评分大于所述当前企业信用评分，且所述历史信贷信用评分和所述当前企业信用评分的差值不大于预设阈值时，基于所述当前企业信用评分和所述历史信贷信用评分的平均值，生成所述外贸企业的当前信贷信用综合评分；

当所述历史信贷信用评分大于所述当前企业信用评分，且所述历史信贷信用评分和所述当前企业信用评分的差值大于预设阈值时，基于所述历史信贷信用评分，生成信用评分修正因子，通过所述信用评分修正因子对所述当前企业信用评分进行修正，确定所述外贸企业的当前信贷信用综合评分。

6.根据权利要求1所述的一种用于外贸企业的信贷审批方法，其特征在于，基于所述当前企业经营数据和预设的信贷额度数据库，确定所述外贸企业的当前信贷额度，具体包括：

获取所述信贷额度数据库中的多个信贷额度数据，其中，所述信贷额度数据包括多个信贷机构的授信特征数据和历史信贷额度；

提取所述当前企业经营数据中的当前授信特征数据，将所述当前授信特征数据和所述多个信贷机构的授信特征数据进行匹配，在所述多个信贷机构中确定至少一个指定信贷机构，以确定每个所述指定信贷机构对应的历史信贷额度；

根据所述外贸企业的当前信贷信用综合评分，匹配初始信贷额度；

通过多个所述历史信贷额度对所述初始信贷额度进行调整，确定所述外贸企业的当前信贷额度。

7.根据权利要求6所述的一种用于外贸企业的信贷审批方法，其特征在于，通过多个所述历史信贷额度对所述初始信贷额度进行调整，确定所述外贸企业的当前信贷额度，具体包括：

根据多个所述历史信贷额度，确定历史信贷额度均值；

当所述初始信贷额度不大于所述历史信贷额度均值时，将所述初始信贷额度作为所述外贸企业的当前信贷额度；

当所述初始信贷额度大于所述历史信贷额度均值时，根据所述初始信贷额度和所述历史信贷额度均值，生成调整额度，以基于所述调整额度和所述初始信贷额度，确定所述外贸企业的当前信贷额度。

8.根据权利要求7所述的一种用于外贸企业的信贷审批方法，其特征在于，根据所述初始信贷额度和所述历史信贷额度均值，生成调整额度，具体包括：

通过所述初始信贷额度和所述历史信贷额度均值，确定额度差值；

基于所述额度差值和所述历史信贷额度均值的比值，生成超额比例；

根据所述超额比例和所述初始信贷额度，生成调整额度。

9.一种用于外贸企业的信贷审批设备，其特征在于，所述设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

接收外贸企业的信贷申请信息，基于所述信贷申请信息，获取所述外贸企业的当前多维度企业数据，其中，所述当前多维度企业数据包括当前企业经营数据和企业身份数据；

通过所述外贸企业的多维度企业数据和预先构建的信用评分模型，生成所述外贸企业的当前企业信用评分；

通过大数据技术，获取所述外贸企业的历史信贷数据，以通过所述历史信贷数据和所述当前企业信用评分，确定所述外贸企业的当前信贷信用综合评分，其中，所述历史信贷数据包括历史信贷信用信息和历史信贷申请时间；

根据所述当前信贷信用综合评分，确定所述外贸企业的信贷审批结果，当所述信贷审批结果为审批通过时，基于所述当前企业经营数据和预设的信贷额度数据库，确定所述外贸企业的当前信贷额度，以实现所述外贸企业的信贷审批。

10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：

接收外贸企业的信贷申请信息，基于所述信贷申请信息，获取所述外贸企业的当前多维度企业数据，其中，所述当前多维度企业数据包括当前企业经营数据和企业身份数据；

通过所述外贸企业的多维度企业数据和预先构建的信用评分模型，生成所述外贸企业的当前企业信用评分；

通过大数据技术，获取所述外贸企业的历史信贷数据，以通过所述历史信贷数据和所述当前企业信用评分，确定所述外贸企业的当前信贷信用综合评分，其中，所述历史信贷数据包括历史信贷信用信息和历史信贷申请时间；

根据所述当前信贷信用综合评分，确定所述外贸企业的信贷审批结果，当所述信贷审批结果为审批通过时，基于所述当前企业经营数据和预设的信贷额度数据库，确定所述外贸企业的当前信贷额度，以实现所述外贸企业的信贷审批。