CN117808577A - 一种基于多因子动态调节的授信处理方法 - Google Patents
一种基于多因子动态调节的授信处理方法 Download PDFInfo
- Publication number
- CN117808577A CN117808577A CN202410232671.4A CN202410232671A CN117808577A CN 117808577 A CN117808577 A CN 117808577A CN 202410232671 A CN202410232671 A CN 202410232671A CN 117808577 A CN117808577 A CN 117808577A
- Authority
- CN
- China
- Prior art keywords
- information
- users
- income
- different
- determining
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 230000033228 biological regulation Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 34
- 238000011156 evaluation Methods 0.000 claims description 14
- 238000007499 fusion processing Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 description 56
- 230000001105 regulatory effect Effects 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种基于多因子动态调节的授信处理方法,属于授信管理技术领域,具体包括:确定授信申请信息的不同的信息项与收入信息的关联度,并结合授信申请用户的不同的信息项与其它的授信申请用户的相似情况确定信息相似度以及相似用户,通过授信申请信息的解析结果进行不同类型的授信额度调节因子的确定,并结合收入信息可信度以及收入信息确定授信申请用户的授信额度,进一步降低了授信申请的处理风险。
Description
技术领域
本发明属于授信管理技术领域,尤其涉及一种基于多因子动态调节的授信处理方法。
背景技术
在进行用户的授信额度确定时,目前市场上较为通用的基础授信定额逻辑,是以收入或推断收入为定额基础,再用客户综合资质与风险评级进行调节,本质上强依赖于偿债能力,具体的在发明专利CN202110082292.8《一种多影响因素的小微企业授信额度决策方法及装置》、CN202011622894.X《授信额度管控系统、方法及可读存储介质》中给出了类似的技术方案,但是通过分析不难发现,上述技术方案中均存在以下技术问题:
现有的客户的收入数据往往依赖于用户的自身的设置,因此其可信度难以满足要求,从而导致用户的授信处理风险难以得到准确控制。
针对上述技术问题,本发明提供了一种基于多因子动态调节的授信处理方法。
发明内容
为实现本发明目的,本发明采用如下技术方案:
根据本发明的一个方面,提供了一种基于多因子动态调节的授信处理方法。
一种基于多因子动态调节的授信处理方法,其特征在于,具体包括:
S1确定授信申请信息的不同的信息项与收入信息的关联度,并结合授信申请用户的不同的信息项与其它的授信申请用户的相似情况确定信息相似度以及相似用户;
S2获取不同的相似用户与所述授信申请用户的信息相似度,并结合不同的相似用户的收入信息的分布情况进行综合参考可信度的确定,当所述综合参考可信度满足要求时,进入下一步骤;
S3基于不同的相似用户的收入信息与其它的相似用户的收入信息的偏差情况确定不同的相似用户的可信度,获取不同的相似用户与所述授信申请用户的收入信息的偏差情况,并结合不同的相似用户与所述授信申请用户的信息相似度以及不同的相似用户的可信度确定所述授信申请用户的收入信息可信度,当所述收入信息可信度满足要求时,进入下一步骤;
S4通过授信申请信息的解析结果进行不同类型的授信额度调节因子的确定,并结合所述收入信息可信度以及收入信息确定所述授信申请用户的授信额度。
本发明的有益效果在于:
1、通过根据信息项与收入信息的关联度以及不同的信息项与其它的授信申请用户的相似情况确定信息相似度以及相似用户,从而实现了从不同的信息项的相似情况以及与收入信息的关联情况两个角度确定了与授信申请用户的收入关联信息较为相似的用户,也为进行授信申请用户的收入信息可信度的评估奠定了基础。
2、基于信息相似度以及不同的相似用户的收入信息的分布情况进行综合参考可信度的确定,既考虑到不同的相似用户之间的收入信息的偏差情况的差异导致的相似用户的收入信息的参考意义的差异,同时通过对相似用户的信息相似度以及数量的考虑使得可以准确的进行相似用户的收入信息的参考意义的准确评估,保证了综合参考可信度的评估的准确性。
3、基于授信额度调节因子、所述收入信息可信度以及收入信息确定授信申请用户的授信额度,授信额度调节因子的构建使得授信额度的评估处理难度进一步降低,同时通过结合收入信息可信度以及收入信息,避免了单一的考虑收入信息导致的部分用户的收入信息的可信度不足导致的评估处理的准确率难以满足要求的技术问题的出现。
进一步的技术方案在于,所述信息项与收入信息的关联度根据不同的授信申请用户的信息项与收入信息的关联情况进行确定,具体的根据不同的授信申请用户的信息项与收入信息的相关系数的分析结果进行确定。
进一步的技术方案在于,所述其它的授信申请用户根据授信处理机构的处理的历史授信申请信息所匹配的历史授信申请用户进行确定。
进一步的技术方案在于,所述信息相似度的确定的方法为:
根据授信申请用户的不同的信息项与其它的授信申请用户的相似情况进行相似信息项的数量的确定,并结合不同相似信息项与收入信息的关联度确定授信申请用户与其它的授信申请用户的信息相似度。
进一步的技术方案在于,当所述其它的授信申请用户与所述授信申请用户的信息相似度大于预设相似度阈值时,则确定所述其它的授信申请用户属于相似用户。
进一步的技术方案在于,当所述收入信息可信度不满足要求时,则不再进行所述用户的授信额度的处理,直接拒绝所述用户的授信申请。
进一步的技术方案在于,所述预设关联度区间根据所述关联度区间的关联度取值范围进行确定,当所述关联度取值范围在预设范围时,则确定所述关联度区间为预设关联度区间。
进一步的技术方案在于,所述关联度区间的权重值根据所述关联度区间的关联度取值范围进行确定,其中当所述关联度区间的关联度取值范围越大,则所述关联度区间的权重值越大。
进一步的技术方案在于,当所述收入信息可信度不满足要求时,则不再进行所述用户的授信额度的处理,直接拒绝所述用户的授信申请。
其他特征和优点将在随后的说明书中阐述,本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显;
图1是一种基于多因子动态调节的授信处理方法的流程图;
图2是信息相似度的确定的方法的流程图;
图3是综合参考可信度的确定的方法的流程图;
图4是相似用户的可信度的确定的方法的流程图;
图5是授信申请用户的收入信息信度的确定的方法的流程图;
图6是一种计算机装置的框架图。
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。
现有的客户的收入数据往往依赖于用户的自身的设置,因此其可信度存疑,因此若不能进行现有的客户的收入数据的可信度的评估,则无法实现对授信额度的准确评估,同样也无法实现对用户的授信风险的有效控制。
基于上述技术问题,采用以下技术方案:
首先确定授信申请信息的不同的信息项与收入信息的关联度,并结合授信申请用户的不同的信息项与其它的授信申请用户的相似情况确定信息相似度,具体的根据关联度确定不同的相似项的权重值,并根据相似项的权重值的数量和确定与其它的授信申请用户的信息相似度,并将信息相似度较大的其它的授信申请用户作为相似用户;
然后根据不同的相似用户与授信申请用户的信息相似度以及不同的相似用户的收入信息的分布情况进行综合参考可信度的确定,具体的通过不同的相似用户与所有的相似用户的收入信息的平均值的偏差量以及信息相似度的乘积确定不同的相似用户的参考可信度,然后根据参考可信度的权重和确定综合参考可信度,当综合参考可信度满足要求时,进入下一步骤;
然后基于不同的相似用户的收入信息与其它的相似用户的收入信息的偏差情况确定不同的相似用户的可信度,获取不同的相似用户与所述授信申请用户的收入信息的偏差情况,并结合不同的相似用户与所述授信申请用户的信息相似度以及不同的相似用户的可信度确定所述授信申请用户的收入信息可信度,具体的可以将与授信申请用户的收入信息的偏差情况在预设范围内的相似用户作为筛选相似用户,根据筛选相似用户的信息相似度以及可信度的乘积得到不同的筛选相似用户的权重,并通过筛选相似用户的权重和确定收入信息可信度,当收入信息可信度满足要求时,进入下一步骤;
最后通过授信申请信息的解析结果进行不同类型的授信额度调节因子的确定,并基于所述收入信息可信度以及收入信息确定所述授信申请用户的基础授信额度;
根据所述授信额度调节因子确定在不同类型的授信额度调节因子下的授信额度调节系数的确定,并通过在不同类型的授信额度调节因子下的授信额度调节系数以及所述基础授信额度确定所述授信申请用户的授信额度。
以下将从方法类实施例和系统类实施例两个角度进行阐述。
为解决上述问题,根据本发明的一个方面,如图1所示,提供了一种基于多因子动态调节的授信处理方法,其特征在于,具体包括:
S1确定授信申请信息的不同的信息项与收入信息的关联度,并结合授信申请用户的不同的信息项与其它的授信申请用户的相似情况确定信息相似度以及相似用户;
进一步的,所述信息项与收入信息的关联度根据不同的授信申请用户的信息项与收入信息的关联情况进行确定,具体的根据不同的授信申请用户的信息项与收入信息的相关系数的分析结果进行确定。
需要说明的是,所述其它的授信申请用户根据授信处理机构的处理的历史授信申请信息所匹配的历史授信申请用户进行确定。
具体的举例说明,所述信息相似度的确定的方法为:
根据授信申请用户的不同的信息项与其它的授信申请用户的相似情况进行相似信息项的数量的确定,并结合不同相似信息项与收入信息的关联度确定授信申请用户与其它的授信申请用户的信息相似度。
需要说明的是,当所述其它的授信申请用户与所述授信申请用户的信息相似度大于预设相似度阈值时,则确定所述其它的授信申请用户属于相似用户。
可以理解的是,当所述收入信息可信度不满足要求时,则不再进行所述用户的授信额度的处理,直接拒绝所述用户的授信申请。
具体的,当所述收入信息可信度不满足要求时,则不再进行所述用户的授信额度的处理,直接拒绝所述用户的授信申请。
在另外的一个可能的实施例中,所述信息相似度的确定的方法为:
根据授信申请用户的不同的信息项与其它的授信申请用户的相似情况进行相似信息项的数量的确定,当相似信息项的数量小于预设数量时,则确定所述其它的授信申请用户不属于相似用户;
当相似信息项的数量不小于预设数量时,获取不同的相似信息项与收取信息的关联度,当相似信息项与收入信息的关联度的和不满足要求时,则确定所述其它的授信申请用户不属于相似用户;
当相似信息项与收入信息的关联度的和满足要求时,基于不同相似信息项与收入信息的关联度确定不同的关联度区间内的相似信息项的数量,当预设关联度区间内的相似信息项的数量不满足要求时,则确定所述其它的授信申请用户不属于相似用户;
当预设关联度区间内的相似信息项的数量满足要求时,根据不同的关联度区间内的相似信息项的数量以及不同的相似信息项与收入信息的关联度确定不同的关联度区间的相似度评估量,并结合不同的关联度区间的权重值确定授信申请用户与其它的授信申请用户的信息相似度。
具体的,所述预设关联度区间根据所述关联度区间的关联度取值范围进行确定,当所述关联度取值范围在预设范围时,则确定所述关联度区间为预设关联度区间。
进一步的,所述关联度区间的权重值根据所述关联度区间的关联度取值范围进行确定,其中当所述关联度区间的关联度取值范围越大,则所述关联度区间的权重值越大。
在另外的一个可能的实施例中,如图2所示,所述信息相似度的确定的方法为:
S11根据授信申请用户的不同的信息项与其它的授信申请用户的相似情况进行相似信息项的数量的确定,获取不同的相似信息项与收取信息的关联度,判断是否存在关联度大于预设关联度的相似信息项,若是,则进入步骤S13,若否,则进入下一步骤;
S12判断所述相似信息项的数量是否小于预设数量,若是,则确定所述其它的授信申请用户不属于相似用户,若否,则进入下一步骤;
S13根据不同的关联度区间内的相似信息项的数量以及不同的相似信息项与收入信息的关联度确定不同的关联度区间的相似度评估量,判断预设关联度区间内的相似度评估量是否不满足要求,若是,则确定所述其它的授信申请用户不属于相似用户,若否,则进入下一步骤;
S14通过不同的关联度区间的相似度评估量以及不同的关联度区间的权重值确定授信申请用户与其它的授信申请用户的信息相似度。
S2获取不同的相似用户与所述授信申请用户的信息相似度,并结合不同的相似用户的收入信息的分布情况进行综合参考可信度的确定,当所述综合参考可信度满足要求时,进入下一步骤;
在其中的一个可能的实施例中,如图3所示,所述综合参考可信度的确定的方法为:
根据所述相似用户的数量以及不同的相似用户与所述授信申请用户的信息相似度确定基础参考可信度;
通过不同的相似度区间的相似用户的收入信息的分布情况确定不同的收入区间内的相似用户的数量,并结合不同的收入区间内的相似用户之间的收入信息的偏差量以及不同的相似用户与所述授信申请用户的信息相似度确定不同的收入区间的收入信息可信度;
将收入信息可信度满足要求的收入区间作为可信收入区间,并根据可信收入区间的数量、不同的可信收入区间之间的偏差量以及不同的相似度区间的收入信息可信度对所述基础参考可信度进行修正得到综合参考可信度。
进一步的,根据不同的相似度区间的不同的收入区间内的相似用户的数量确定不同的相似度区间的基准收入区间,具体包括:
将在所述相似度区间内的相似用户的数量最多的收入区间作为所述相似度区间的基准收入区间。
在另外的一个可能的实施例中,所述综合参考可信度的确定的方法为:
根据所述相似用户的数量以及不同的相似用户与所述授信申请用户的信息相似度确定基础参考可信度,判断所述基础参考可信度是否满足要求,若是,则进入下一步骤,若否,则确定所述综合参考可信度不满足要求;
根据不同的收入区间内的相似用户的数量确定是否存在相似用户的数量大于预设用户数量的收入区间,若是,则进入下一步骤,若否,则确定所述综合参考可信度不满足要求;
通过不同的收入区间内的相似用户的数量、不同的收入区间内的相似用户之间的收入信息的偏差量以及不同的相似用户与所述授信申请用户的信息相似度确定不同的收入区间的收入信息可信度,判断是否存在收入信息可信度满足要求的收入区间,若是,则进入下一步骤,若否,则确定所述综合参考可信度不满足要求;
将收入信息可信度满足要求的收入区间作为可信收入区间,通过可信度收入区间之间的偏差量进行所述可信度收入区间中的相近收入区间的确定,判断所述相近收入区间的收入信息可信度是否满足要求,若是,则进入下一步骤,若否,则确定所述综合参考可信度不满足要求;
根据可信收入区间的数量、不同的可信收入区间之间的偏差量以及不同的相似度区间的收入信息可信度对所述基础参考可信度进行修正得到综合参考可信度。
在另外的一个可能的实施例中,所述综合参考可信度的确定的方法为:
当相似用户的数量不满足要求时,则确定所述综合参考可信度不满足要求;
当相似用户的数量满足要求时,根据所述相似用户的数量以及不同的相似用户与所述授信申请用户的信息相似度确定基础参考可信度,当所述基础参考可信度不满足要求时,则确定所述综合参考可信度不满足要求;
当所述基础参考可信度满足要求时,通过不同的收入区间内的相似用户的数量、不同的收入区间内的相似用户之间的收入信息的偏差量以及不同的相似用户与所述授信申请用户的信息相似度确定不同的收入区间的收入信息可信度,当不存在收入信息可信度满足要求的收入区间时,则确定所述综合参考可信度不满足要求;
当存在收入信息可信度满足要求的收入区间时,将收入信息可信度满足要求的收入区间作为可信收入区间,判断是否存在偏差量小于预设偏差值的可信收入区间,若是,则进入下一步骤,若否,则确定所述综合参考可信度不满足要求;
根据可信收入区间的数量、不同的可信收入区间之间的偏差量以及不同的相似度区间的收入信息可信度确定所述收入区间的综合可信度,并通过所述收入区间的综合可信度以及所述基础参考可信度得到综合参考可信度。
S3基于不同的相似用户的收入信息与其它的相似用户的收入信息的偏差情况确定不同的相似用户的可信度,获取不同的相似用户与所述授信申请用户的收入信息的偏差情况,并结合不同的相似用户与所述授信申请用户的信息相似度以及不同的相似用户的可信度确定所述授信申请用户的收入信息可信度,当所述收入信息可信度满足要求时,进入下一步骤;
在其中的一个可能的实施例中,如图4所示,所述相似用户的可信度的确定的方法为:
根据不同的相似用户的收入信息确定在不同的收入区间内的相似用户的数量,并结合不同的收入区间内的相似用户的收入信息以及与所述授信申请用户的相似度确定不同的收入区间的区间可信度,基于所述区间可信度确定准确收入区间;
通过所述相似用户的收入信息与所述准确收入区间的相似用户的收入信息的平均值的偏差量确定所述的相似用户的可信度。
在其中的一个可能的实施例中,如图5所示,所述授信申请用户的收入信息可信度的确定的方法为:
通过相似用户与所述授信申请用户的收入信息的偏差情况、相似用户与所述授信申请用户的信息相似度以及相似用户的可信度确定所述授信申请用户在不同的相似用户下的收入可信度;
基于所述授信申请用户在不同的相似用户下的收入可信度以及相似用户的数量确定所述授信申请用户的收入信息可信度。
在另外的一个可能的实施例中,所述授信申请用户的收入信息可信度的确定的方法为:
通过相似用户与所述授信申请用户的收入信息的偏差情况确定偏差量小于预设偏差量阈值的相似用户的确定,并将其作为相近筛选用户,当相近筛选用户的数量不满足要求时,则确定所述授信申请用户的收入信息可信度不满足要求;
当相近筛选用户的数量满足要求时,根据相近筛选用户的数量以及不同的相近筛选用户的可信度确定相近筛选用户的综合可信度,当相近筛选用户的综合可信度不满足要求时,则确定所述授信申请用户的收入信息可信度不满足要求;
当相近筛选用户的综合可信度满足要求时,根据不同的相近筛选用户与所述授信申请用户的收入信息的偏差情况、相近筛选用户与所述授信申请用户的信息相似度以及相近筛选用户的可信度确定所述授信申请用户在不同的相近筛选用户下的收入可信度;
通过相似用户与所述授信申请用户的收入信息的偏差情况确定偏差量小于预设偏差量阈值的相似用户的确定,并将其作为偏差筛选用户,根据不同的偏差筛选用户与所述授信申请用户的收入信息的偏差情况、偏差筛选用户与所述授信申请用户的信息相似度以及偏差筛选用户的可信度确定所述授信申请用户在偏差筛选用户下的收入可信度;
基于所述授信申请用户在不同的相近筛选用户下的收入可信度以及相近筛选用户的数量、授信申请用户在偏差筛选用户下的收入可信度以及偏差筛选用户的数量确定所述授信申请用户的收入信息可信度。
在另外的一个可能的实施例中,所述授信申请用户的收入信息可信度的确定的方法为:
通过相似用户与所述授信申请用户的收入信息的偏差情况确定偏差量小于预设偏差量阈值的相似用户的确定,并将其作为相近筛选用户,根据相近筛选用户的数量、不同的相近筛选用户的可信度以及与所述授信申请用户的信息相似度确定相近筛选用户的综合可信度;
判断所述相近筛选用户的综合可信度是否不满足要求,若是,则确定所述授信申请用户的收入信息可信度不满足要求,若否,则进入下一步骤;
根据不同的相近筛选用户与所述授信申请用户的收入信息的偏差情况、相近筛选用户与所述授信申请用户的信息相似度以及相近筛选用户的可信度确定所述授信申请用户在不同的相近筛选用户下的收入可信度;
基于所述授信申请用户在不同的相近筛选用户下的收入可信度、相近筛选用户的数量以及在所述相似用户中的数量占比确定所述授信申请用户的收入信息可信度。
进一步的,当所述收入信息可信度不满足要求时,则不再进行所述用户的授信额度的处理,直接拒绝所述用户的授信申请。
S4通过授信申请信息的解析结果进行不同类型的授信额度调节因子的确定,并结合所述收入信息可信度以及收入信息确定所述授信申请用户的授信额度。
进一步的,所述授信额度调节因子的确定的方法为:
通过所述授信申请信息的解析结果进行不同类型的特征项的确定,并根据预设规则进行不同类型的特征项的融合处理得到不同类型的授信额度调节因子。
可以理解的是,所述授信额度调节因子包括宏观变化因子、客户资质稳定因子、多头调节因子、交易行为因子、额度需求因子以及竞品参考因子。
在其中的一个可能的实施例中,所述授信申请用户的授信额度的确定的方法为:
基于所述收入信息可信度以及收入信息确定所述授信申请用户的基础授信额度;
根据所述授信额度调节因子确定在不同类型的授信额度调节因子下的授信额度调节系数的确定,并通过在不同类型的授信额度调节因子下的授信额度调节系数以及所述基础授信额度确定所述授信申请用户的授信额度。
另一方面,如图6所示,本发明提供了一种计算机装置,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行上述的一种基于多因子动态调节的授信处理方法。
其中上述的一种基于多因子动态调节的授信处理方法,具体包括:
确定授信申请信息的不同的信息项与收入信息的关联度,并结合授信申请用户的不同的信息项与其它的授信申请用户的相似情况确定信息相似度以及相似用户;
根据所述相似用户的数量以及不同的相似用户与所述授信申请用户的信息相似度确定基础参考可信度,判断所述基础参考可信度是否满足要求,若是,则进入下一步骤,若否,则确定所述综合参考可信度不满足要求;
根据不同的收入区间内的相似用户的数量确定是否存在相似用户的数量大于预设用户数量的收入区间,若是,则进入下一步骤,若否,则确定所述综合参考可信度不满足要求;
通过不同的收入区间内的相似用户的数量、不同的收入区间内的相似用户之间的收入信息的偏差量以及不同的相似用户与所述授信申请用户的信息相似度确定不同的收入区间的收入信息可信度,判断是否存在收入信息可信度满足要求的收入区间,若是,则进入下一步骤,若否,则确定所述综合参考可信度不满足要求;
将收入信息可信度满足要求的收入区间作为可信收入区间,通过可信度收入区间之间的偏差量进行所述可信度收入区间中的相近收入区间的确定,判断所述相近收入区间的收入信息可信度是否满足要求,若是,则进入下一步骤,若否,则确定所述综合参考可信度不满足要求;
根据可信收入区间的数量、不同的可信收入区间之间的偏差量以及不同的相似度区间的收入信息可信度对所述基础参考可信度进行修正得到综合参考可信度,当所述综合参考可信度满足要求时,进入下一步骤;
基于不同的相似用户的收入信息与其它的相似用户的收入信息的偏差情况确定不同的相似用户的可信度,通过相似用户与所述授信申请用户的收入信息的偏差情况确定偏差量小于预设偏差量阈值的相似用户的确定,并将其作为相近筛选用户,当相近筛选用户的数量不满足要求时,则确定所述授信申请用户的收入信息可信度不满足要求;
当相近筛选用户的数量满足要求时,根据相近筛选用户的数量以及不同的相近筛选用户的可信度确定相近筛选用户的综合可信度,当相近筛选用户的综合可信度不满足要求时,则确定所述授信申请用户的收入信息可信度不满足要求;
当相近筛选用户的综合可信度满足要求时,根据不同的相近筛选用户与所述授信申请用户的收入信息的偏差情况、相近筛选用户与所述授信申请用户的信息相似度以及相近筛选用户的可信度确定所述授信申请用户在不同的相近筛选用户下的收入可信度;
通过相似用户与所述授信申请用户的收入信息的偏差情况确定偏差量小于预设偏差量阈值的相似用户的确定,并将其作为偏差筛选用户,根据不同的偏差筛选用户与所述授信申请用户的收入信息的偏差情况、偏差筛选用户与所述授信申请用户的信息相似度以及偏差筛选用户的可信度确定所述授信申请用户在偏差筛选用户下的收入可信度;
基于所述授信申请用户在不同的相近筛选用户下的收入可信度以及相近筛选用户的数量、授信申请用户在偏差筛选用户下的收入可信度以及偏差筛选用户的数量确定所述授信申请用户的收入信息可信度,当所述收入信息可信度满足要求时,进入下一步骤;
通过授信申请信息的解析结果进行不同类型的授信额度调节因子的确定,并结合所述收入信息可信度以及收入信息确定所述授信申请用户的授信额度。
通过以上实施例,本发明取得以下有益效果:
1、通过根据信息项与收入信息的关联度以及不同的信息项与其它的授信申请用户的相似情况确定信息相似度以及相似用户,从而实现了从不同的信息项的相似情况以及与收入信息的关联情况两个角度确定了与授信申请用户的收入关联信息较为相似的用户,也为进行授信申请用户的收入信息可信度的评估奠定了基础。
2、基于信息相似度以及不同的相似用户的收入信息的分布情况进行综合参考可信度的确定,既考虑到不同的相似用户之间的收入信息的偏差情况的差异导致的相似用户的收入信息的参考意义的差异,同时通过对相似用户的信息相似度以及数量的考虑使得可以准确的进行相似用户的收入信息的参考意义的准确评估,保证了综合参考可信度的评估的准确性。
3、基于授信额度调节因子、所述收入信息可信度以及收入信息确定授信申请用户的授信额度,授信额度调节因子的构建使得授信额度的评估处理难度进一步降低,同时通过结合收入信息可信度以及收入信息,避免了单一的考虑收入信息导致的部分用户的收入信息的可信度不足导致的评估处理的准确率难以满足要求的技术问题的出现。
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。
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)
1.一种基于多因子动态调节的授信处理方法,其特征在于,具体包括:
确定授信申请信息的不同的信息项与收入信息的关联度,并结合授信申请用户的不同的信息项与其它的授信申请用户的相似情况确定信息相似度以及相似用户;
获取不同的相似用户与所述授信申请用户的信息相似度,并结合不同的相似用户的收入信息的分布情况进行综合参考可信度的确定,当所述综合参考可信度满足要求时,进入下一步骤;
基于不同的相似用户的收入信息与其它的相似用户的收入信息的偏差情况确定不同的相似用户的可信度,获取不同的相似用户与所述授信申请用户的收入信息的偏差情况,并结合不同的相似用户与所述授信申请用户的信息相似度以及不同的相似用户的可信度确定授信申请用户的收入信息可信度,当收入信息可信度满足要求时,进入下一步骤;
通过授信申请信息的解析结果进行不同类型的授信额度调节因子的确定,并结合所述收入信息可信度以及收入信息确定所述授信申请用户的授信额度。
2.如权利要求1所述的基于多因子动态调节的授信处理方法,其特征在于,所述信息项与收入信息的关联度根据不同的授信申请用户的信息项与收入信息的关联情况进行确定,具体的根据不同的授信申请用户的信息项与收入信息的相关系数的分析结果进行确定。
3.如权利要求1所述的基于多因子动态调节的授信处理方法,其特征在于,所述信息相似度的确定的方法为:
根据授信申请用户的不同的信息项与其它的授信申请用户的相似情况进行相似信息项的数量的确定,并结合不同相似信息项与收入信息的关联度确定授信申请用户与其它的授信申请用户的信息相似度。
4.如权利要求1所述的基于多因子动态调节的授信处理方法,其特征在于,当所述其它的授信申请用户与所述授信申请用户的信息相似度大于预设相似度阈值时,则确定所述其它的授信申请用户属于相似用户。
5.如权利要求1所述的基于多因子动态调节的授信处理方法,其特征在于,当所述收入信息可信度不满足要求时,则不再进行所述用户的授信额度的处理,直接拒绝所述用户的授信申请。
6.如权利要求1所述的基于多因子动态调节的授信处理方法,其特征在于,所述信息相似度的确定的方法为:
根据授信申请用户的不同的信息项与其它的授信申请用户的相似情况进行相似信息项的数量的确定,当相似信息项的数量小于预设数量时,则确定所述其它的授信申请用户不属于相似用户;
当相似信息项的数量不小于预设数量时,获取不同的相似信息项与收取信息的关联度,当相似信息项与收入信息的关联度的和不满足要求时,则确定所述其它的授信申请用户不属于相似用户;
当相似信息项与收入信息的关联度的和满足要求时,基于不同相似信息项与收入信息的关联度确定不同的关联度区间内的相似信息项的数量,当预设关联度区间内的相似信息项的数量不满足要求时,则确定所述其它的授信申请用户不属于相似用户;
当预设关联度区间内的相似信息项的数量满足要求时,根据不同的关联度区间内的相似信息项的数量以及不同的相似信息项与收入信息的关联度确定不同的关联度区间的相似度评估量,并结合不同的关联度区间的权重值确定授信申请用户与其它的授信申请用户的信息相似度。
7.如权利要求6所述的基于多因子动态调节的授信处理方法,其特征在于,所述预设关联度区间根据所述关联度区间的关联度取值范围进行确定,当所述关联度取值范围在预设范围时,则确定所述关联度区间为预设关联度区间。
8.如权利要求6所述的基于多因子动态调节的授信处理方法,所述关联度区间的权重值根据所述关联度区间的关联度取值范围进行确定,其中当所述关联度区间的关联度取值范围越大,则所述关联度区间的权重值越大。
9.如权利要求1所述的基于多因子动态调节的授信处理方法,其特征在于,所述综合参考可信度的确定的方法为:
根据所述相似用户的数量以及不同的相似用户与所述授信申请用户的信息相似度确定基础参考可信度;
通过不同的相似度区间的相似用户的收入信息的分布情况确定不同的收入区间内的相似用户的数量,并结合不同的收入区间内的相似用户之间的收入信息的偏差量以及不同的相似用户与所述授信申请用户的信息相似度确定不同的收入区间的收入信息可信度;
将收入信息可信度满足要求的收入区间作为可信收入区间,并根据可信收入区间的数量、不同的可信收入区间之间的偏差量以及不同的相似度区间的收入信息可信度对所述基础参考可信度进行修正得到综合参考可信度。
10.如权利要求1所述的基于多因子动态调节的授信处理方法,其特征在于,所述授信额度调节因子的确定的方法为:
通过所述授信申请信息的解析结果进行不同类型的特征项的确定,并根据预设规则进行不同类型的特征项的融合处理得到不同类型的授信额度调节因子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410232671.4A CN117808577A (zh) | 2024-03-01 | 2024-03-01 | 一种基于多因子动态调节的授信处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410232671.4A CN117808577A (zh) | 2024-03-01 | 2024-03-01 | 一种基于多因子动态调节的授信处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117808577A true CN117808577A (zh) | 2024-04-02 |
Family
ID=90425998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410232671.4A Pending CN117808577A (zh) | 2024-03-01 | 2024-03-01 | 一种基于多因子动态调节的授信处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117808577A (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019040264A1 (en) * | 2017-08-24 | 2019-02-28 | Finicity Corporation | REVENUE VERIFICATION SYSTEMS AND METHODS |
CN111179055A (zh) * | 2019-12-20 | 2020-05-19 | 北京淇瑀信息科技有限公司 | 授信额度调整方法、装置和电子设备 |
CN111222981A (zh) * | 2020-01-16 | 2020-06-02 | 中国建设银行股份有限公司 | 可信度确定方法、装置、设备和存储介质 |
CN112734566A (zh) * | 2021-01-19 | 2021-04-30 | 中国农业银行股份有限公司 | 授信额度获取方法、装置及计算机设备 |
CN112749998A (zh) * | 2021-04-06 | 2021-05-04 | 上海钐昆网络科技有限公司 | 收入信息输出方法、装置、电子设备及计算机存储介质 |
CN113240513A (zh) * | 2021-06-15 | 2021-08-10 | 中国银行股份有限公司 | 一种用户授信额度的确定方法和相关装置 |
CN113988613A (zh) * | 2021-10-27 | 2022-01-28 | 上海倍通企业信用征信有限公司 | 一种基于企业信用的决策系统及方法 |
CN114881761A (zh) * | 2022-05-06 | 2022-08-09 | 中国建设银行股份有限公司 | 相似样本的确定方法与授信额度的确定方法 |
CN115730966A (zh) * | 2022-11-15 | 2023-03-03 | 东方微银科技股份有限公司 | 基于客户需求的产品智能优选方法及系统 |
CN115983981A (zh) * | 2023-01-04 | 2023-04-18 | 深圳市新联鑫网络科技有限公司 | 一种基于金融数据分析的信用风险评估系统 |
CN116091200A (zh) * | 2022-12-22 | 2023-05-09 | 浙江惠瀜网络科技有限公司 | 基于机器学习的场景授信系统、方法、电子设备及介质 |
CN116629456A (zh) * | 2023-07-20 | 2023-08-22 | 杭银消费金融股份有限公司 | 业务逾期风险预测方法、系统与存储介质 |
CN116823274A (zh) * | 2023-08-30 | 2023-09-29 | 杭银消费金融股份有限公司 | 一种应用于金融终端的欺诈风险评估方法及装置 |
CN117196808A (zh) * | 2023-09-07 | 2023-12-08 | 中国银行股份有限公司 | 一种同业业务的流动性风险预测方法及相关装置 |
CN117252677A (zh) * | 2022-06-08 | 2023-12-19 | 百融云创科技股份有限公司 | 信贷额度确定方法和装置、电子设备及存储介质 |
CN117333290A (zh) * | 2023-12-01 | 2024-01-02 | 杭银消费金融股份有限公司 | 一种一体化多尺度风控模型构建方法 |
-
2024
- 2024-03-01 CN CN202410232671.4A patent/CN117808577A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019040264A1 (en) * | 2017-08-24 | 2019-02-28 | Finicity Corporation | REVENUE VERIFICATION SYSTEMS AND METHODS |
CN111357030A (zh) * | 2017-08-24 | 2020-06-30 | 费尼思蒂公司 | 验证收入的系统和方法 |
CN111179055A (zh) * | 2019-12-20 | 2020-05-19 | 北京淇瑀信息科技有限公司 | 授信额度调整方法、装置和电子设备 |
CN111222981A (zh) * | 2020-01-16 | 2020-06-02 | 中国建设银行股份有限公司 | 可信度确定方法、装置、设备和存储介质 |
CN112734566A (zh) * | 2021-01-19 | 2021-04-30 | 中国农业银行股份有限公司 | 授信额度获取方法、装置及计算机设备 |
CN112749998A (zh) * | 2021-04-06 | 2021-05-04 | 上海钐昆网络科技有限公司 | 收入信息输出方法、装置、电子设备及计算机存储介质 |
CN113240513A (zh) * | 2021-06-15 | 2021-08-10 | 中国银行股份有限公司 | 一种用户授信额度的确定方法和相关装置 |
CN113988613A (zh) * | 2021-10-27 | 2022-01-28 | 上海倍通企业信用征信有限公司 | 一种基于企业信用的决策系统及方法 |
CN114881761A (zh) * | 2022-05-06 | 2022-08-09 | 中国建设银行股份有限公司 | 相似样本的确定方法与授信额度的确定方法 |
CN117252677A (zh) * | 2022-06-08 | 2023-12-19 | 百融云创科技股份有限公司 | 信贷额度确定方法和装置、电子设备及存储介质 |
CN115730966A (zh) * | 2022-11-15 | 2023-03-03 | 东方微银科技股份有限公司 | 基于客户需求的产品智能优选方法及系统 |
CN116091200A (zh) * | 2022-12-22 | 2023-05-09 | 浙江惠瀜网络科技有限公司 | 基于机器学习的场景授信系统、方法、电子设备及介质 |
CN115983981A (zh) * | 2023-01-04 | 2023-04-18 | 深圳市新联鑫网络科技有限公司 | 一种基于金融数据分析的信用风险评估系统 |
CN116629456A (zh) * | 2023-07-20 | 2023-08-22 | 杭银消费金融股份有限公司 | 业务逾期风险预测方法、系统与存储介质 |
CN116823274A (zh) * | 2023-08-30 | 2023-09-29 | 杭银消费金融股份有限公司 | 一种应用于金融终端的欺诈风险评估方法及装置 |
CN117196808A (zh) * | 2023-09-07 | 2023-12-08 | 中国银行股份有限公司 | 一种同业业务的流动性风险预测方法及相关装置 |
CN117333290A (zh) * | 2023-12-01 | 2024-01-02 | 杭银消费金融股份有限公司 | 一种一体化多尺度风控模型构建方法 |
Non-Patent Citations (1)
Title |
---|
廉晨思;郑诚;: "基于综合本体相似度计算的WEB服务发现算法", 计算机应用与软件, no. 02, 15 February 2011 (2011-02-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6928418B2 (en) | Portfolio rebalancing by means of resampled efficient frontiers | |
US8966036B1 (en) | Method and system for website user account management based on event transition matrixes | |
US8060454B2 (en) | Method and apparatus for improved reward-based learning using nonlinear dimensionality reduction | |
US10440041B2 (en) | Systems and methods for securing access to resources | |
US8635134B2 (en) | Systems and methods for optimizations involving insufficient funds (NSF) conditions | |
US20050267828A1 (en) | Methods and systems for classifying entities according to metrics of earnings quality | |
CA3111911A1 (en) | Systems and methods for mitigation bias in machine learning model output | |
US20140129509A1 (en) | Prediction Apparatus and Prediction Method | |
CN115114647B (zh) | 一种基于数字中台构建客户画像的客户信息管理方法及系统 | |
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 | |
Heitfield | Rating system dynamics and bank-reported default probabilities under the New Basel Capital Accord | |
CN117808577A (zh) | 一种基于多因子动态调节的授信处理方法 | |
WO2011149608A1 (en) | Identifying and using critical fields in quality management | |
WO2019196235A1 (zh) | 一种企业资源的分配方法及其设备 | |
CN110443430B (zh) | 一种基于区块链的服务质量预测方法 | |
US20220129318A1 (en) | Quota Request Resolution On Computing Platform | |
US20200265354A1 (en) | Decision Making Entity Analytics Methods and Systems | |
CN110322055B (zh) | 一种提高数据风险模型评分稳定性的方法和系统 | |
Maree | Regulatory requirements, risk management and the equity market in New Zealand | |
CN118069930A (zh) | 一种基于匹配分析的投资动态推荐方法与系统 | |
CN116630034B (zh) | 一种风控数据处理系统及方法 | |
Ben‐Haim et al. | Assessing uncertainty in the natural rate of interest: Info‐gap as guide for monetary policy in the euro area | |
CN117726378A (zh) | 基于移动互联网的流量数据统计分析方法 | |
CN118246963A (zh) | 一种金融行业客户数据处理方法与系统 | |
Kriwoluzky et al. | Nested models and model uncertainty |
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 |