CN117934161B - 一种贷中清退止付评估方法与系统 - Google Patents
一种贷中清退止付评估方法与系统 Download PDFInfo
- Publication number
- CN117934161B CN117934161B CN202410331916.9A CN202410331916A CN117934161B CN 117934161 B CN117934161 B CN 117934161B CN 202410331916 A CN202410331916 A CN 202410331916A CN 117934161 B CN117934161 B CN 117934161B
- Authority
- CN
- China
- Prior art keywords
- credit
- risk
- user
- determining
- users
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 103
- 230000007246 mechanism Effects 0.000 claims abstract description 59
- 238000012216 screening Methods 0.000 claims description 38
- 230000008901 benefit Effects 0.000 claims description 28
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012502 risk assessment Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 238000007405 data analysis Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001020 rhythmical effect Effects 0.000 description 1
- 239000000725 suspension Substances 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
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种贷中清退止付评估方法及系统，属于数据分析技术领域，具体包括：基于不同的用户的信贷特征进行不同的用户的风险因子以及风险等级的确定，并结合不同的用户的授信余额进行授信机构的总体授信风险的确定，当授信机构的总体授信风险不满足要求时，以信贷清退规模为约束条件，利用备选压降处理用户的信贷特征至少进行备选压降处理用户的可回捞因子、反弹还款因子以及活跃度因子的确定，并结合备选压降处理用户的风险因子以及信贷收益因子确定备选压降处理用户的清退止付策略，降低了现有授信用户的逾期不良风险。
Description
技术领域
本发明属于数据分析技术领域，尤其涉及一种贷中清退止付评估方法与系统。
背景技术
金融平台在做用户的贷中负向管理中针对高风险客户的一大处置手段就是进行清退止付；随着经营规模和时间的拉长，整体积累的高风险客户规模较多，因此在进行负向管理时需要有节奏的推进清退，使得资产目标和风险目标处于可控范围内，这也就使得如何实现对贷中的高风险用户的识别和管理成为亟待解决的技术问题。
为了解决上述技术问题，现有技术方案在发明专利CN201910725716.0《间联商户风险管控方法及其系统》中通过将含至少一个风险间联商户的风险名单发送至独立软件开发商的第二服务器，并通过第二服务器根据所述风险名单对间联商户进行清退，实现了对贷中风险的可靠控制，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：
现有的技术方案中未考虑结合风险目标和资产目标实现对清退中止的用户规模的确定，仅仅考虑风险目标或者资产目标则不仅有可能难以将风险控制在合理范围内，同时还有可能导致贷款的总体收益下降。
针对上述技术问题，本发明提供了一种贷中清退止付评估方法与系统。
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，提供了一种贷中清退止付评估方法。
一种贷中清退止付评估方法，其特征在于，具体包括：
S1基于不同的用户的信贷特征进行不同的用户的风险因子以及风险等级的确定，并结合不同的用户的授信余额进行授信机构的总体授信风险的确定，当所述授信机构的总体授信风险不满足要求时，进入下一步骤；
S2基于不同的用户的信贷使用记录确定不同的用户的信贷收益因子的确定，根据所述信贷收益因子以及风险因子确定所述用户中的备选压降处理用户；
S3获取所述授信机构的不同的用户的信贷收益因子以及风险因子，并通过所述授信机构的不同的用户的信贷收益因子以及风险因子确定所述授信机构的信贷清退规模；
S4以所述信贷清退规模为约束条件，利用所述备选压降处理用户的信贷特征至少进行所述备选压降处理用户的可回捞因子、反弹还款因子以及活跃度因子的确定，并结合所述备选压降处理用户的风险因子以及信贷收益因子确定所述备选压降处理用户的清退止付策略。
本发明的有益效果在于：
1、通过不同的用户的风险因子以及风险等级、不同的用户的授信余额进行授信机构的总体授信风险的确定，不仅单一的考虑到不同的用户的风险情况，同时通过综合考虑用户的授信余额的大小实现了对授信机构的总体存在的授信风险的准确评估，也为差异化的进行现有的授信用户的授信规模的清退和止付管理奠定了基础，减少了逾期和不良风险的出现。
2、根据信贷收益因子以及风险因子确定用户中的备选压降处理用户，从而避免了单一的考虑逾期风险导致的授信机构的信贷收益不高的技术问题，通过从信贷收益情况和风险情况两个角度进行备选压降处理用户的筛选，实现了对收益不高且风险较高的用户的筛选，同时也为差异化的进行清退止付策略的制定奠定了基础。
3、利用备选压降处理用户的信贷特征以及信贷清退规模确定备选压降处理用户的清退止付策略，不仅考虑到不同的备选压降处理用户由于风险特征和收益特征的差异，同时也通过以信贷清退规模为约束条件进行清退止付策略的构建，在保证逾期不良风险可控的基础上，也保证了信贷结构的资产的收益率能够满足要求。
进一步的技术方案在于，所述信贷特征根据所述用户的授信申请信息、信贷使用记录以及信贷还款记录的提取结果进行确定。
进一步的技术方案在于，所述风险等级至少包括三个等级，具体的包括无违约风险用户、潜在风险用户以及违约风险用户。
进一步的技术方案在于，所述授信机构的总体授信风险的确定的方法为：
根据不同的风险等级的用户的数量、不同的用户的风险因子以及授信余额确定不同的风险等级的用户授信风险；
通过不同的风险等级的用户授信风险进行所述授信机构的总体授信风险的确定。
进一步的技术方案在于，当所述授信机构的总体授信风险满足要求时，则暂不进行用户的清退止付处理。
进一步的技术方案在于，所述授信机构的信贷清退规模的确定的方法为：
根据不同的用户的信贷收益因子以及风险因子进行不同的用户的综合信贷评估量的确定，并通过不同的用户的综合信贷评估量将所述用户划分为不同的风控类型；
通过不同的风控类型的用户的数量以及综合信贷评估量进行所述授信机构的信贷风险评估量的确定，并基于所述信贷风险评估量进行所述授信机构的信贷清退规模的确定。
进一步的技术方案在于，所述风控类型包括无须压降用户、临界风险用户以及需压降处理用户。
第二方面，本发明提供了一种计算机系统，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贷中清退止付评估方法。
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是一种贷中清退止付评估方法的流程图；
图2是授信机构的总体授信风险的确定的方法的流程图；
图3是用户的信贷收益因子的确定的方法的流程图；
图4是授信机构的信贷清退规模的确定的方法的流程图；
图5是一种计算机系统的框架图。
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。
由于金融授信机构的授信用户的生活状态并不是一成不变的，这就会导致授信用户的个人授信风险与其授信申请时相比会逐渐发生变化，因此若不能综合考虑金融授信机构的上述贷中用户的信贷风险和收益数据进行差异化的贷中用户的清退止付策略的生成，则无法在保证授信风险可控的基础上，实现金融授信机构的存量资金的收益最大化。
为解决上述技术问题，本申请通过根据不同的贷中用户的信贷风险和信贷收益进行贷中用户中的备选压降处理用户以及授信机构的信贷资金的清退规模的确定，并以清退规模为约束条件，根据不同的贷中用户的信贷风险因子、活跃度因子等实现对不同的备选压降处理用户的清退策略的确定。
具体的，本申请采用以下技术方案：
首先根据不同的用户的信贷特征确定不同用户的风险因子和风险等级，根据不同的风险等级的用户的风险因子和授信余额确定授信机构的总体授信风险，具体的根据不同用户的风险因子和授信余额归一化后的乘积确定不同的用户的风险影响量，根据不同的风险等级的用户的风险影响量的权重和确定授信机构的总体授信风险，当总体授信风险较小时，此时进行中止清退处理会导致收益降低，因此不进行中止清退处理，当总体授信风险较大时，此时需要进行中止清退处理。
根据不同的用户的信贷收益因子和风险因子的权重和进行不同的用户的压降处理需求值的确定，并将压降处理需求值在预设区间内的用户作为备选压降处理用户。
通过所述授信机构的不同的用户的信贷收益因子进行所述授信机构的信贷收益率的确定，则根据总体授信风险与信贷收益率的比值进行信贷清退规模的确定。
最后以信贷清退规模为约束条件，利用所述备选压降处理用户的信贷特征至少进行备选压降处理用户的可回捞因子、反弹还款因子以及活跃度因子的确定，并结合所述备选压降处理用户的风险因子以及信贷收益因子进行备选压降处理用户的因子权重和的确定，并以所述因子权重和所处的区间确定备选压降处理用户对应的清退止付策略。
以下将从方法类实施例和系统类实施例两个角度进行进一步阐述。
为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种贷中清退止付评估方法，其特征在于，具体包括：
S1基于不同的用户的信贷特征进行不同的用户的风险因子以及风险等级的确定，并结合不同的用户的授信余额进行授信机构的总体授信风险的确定，当所述授信机构的总体授信风险不满足要求时，进入下一步骤；
进一步的，所述信贷特征根据所述用户的授信申请信息、信贷使用记录以及信贷还款记录的提取结果进行确定。
具体的，所述用户的风险因子的取值范围在0到1之间，其中所述用户的风险因子越大，则所述用户存在的信贷风险越大，具体的通过所述用户的信贷特征采用预设的风控策略进行所述用户的风险因子的确定。
进一步的，所述风险等级至少包括三个等级，具体的包括无违约风险用户、潜在风险用户以及违约风险用户。
在其中的一个可能的实施例中，如图2所示，上述步骤中的所述授信机构的总体授信风险的确定的方法为：
根据不同的风险等级的用户的数量、不同的用户的风险因子以及授信余额确定不同的风险等级的用户授信风险；
通过不同的风险等级的用户授信风险进行所述授信机构的总体授信风险的确定。
进一步的，所述授信机构的总体授信风险的取值范围在0到1之间，其中所述授信机构的总体授信风险越大，则所述授信机构的现有授信的逾期风险就越大。
需要说明的是，当所述授信机构的总体授信风险满足要求时，则暂不进行用户的清退止付处理。
在另外的一个可能的实施例中，上述步骤中的所述授信机构的总体授信风险的确定的方法为：
根据不同的用户的风险等级确定预设风险等级的用户的授信总余额，当所述预设风险等级的用户的授信总余额小于预设资金余额时，则确定所述授信机构的总体授信风险满足要求；
当所述预设风险等级的用户的授信总余额不小于预设资金余额时，基于不同的用户的风险因子以及所述授信余额确定不同的用户的信贷风险评估量，当信贷风险评估量不满足要求的用户的数量在预设用户数量范围内时，则确定所述授信机构的总体授信风险满足要求；
当信贷风险评估量不满足要求的用户的数量不在预设用户数量范围内时，根据不同的风险等级的用户的数量、不同的用户的风险因子以及授信余额确定不同的风险等级的用户授信风险，判断是否存在用户授信风险不满足要求的预设风险等级，若是，则进入下一步骤，若否，则确定所述授信机构的总体授信风险满足要求；
通过不同的风险等级的用户授信风险进行所述授信机构的总体授信风险的确定。
在另外的一个可能的实施例中，上述步骤中的所述授信机构的总体授信风险的确定的方法为：
判断所述授信机构的用户的授信总余额是否在预设余额范围内，若是，则确定所述授信机构的总体授信风险满足要求，若否，则进入下一步骤；
根据不同的用户的风险等级确定是否存在预设风险等级的用户，若是，则进入下一步骤，若否，则确定所述授信机构的总体授信风险满足要求；
基于不同的用户的风险因子以及所述授信余额确定不同的用户的信贷风险评估量，判断是否存在信贷风险评估量不满足要求的用户，若是，则进入下一步骤，若否，则确定所述授信机构的总体授信风险满足要求；
将信贷风险评估量不满足要求的用户作为信贷风险用户，根据所述信贷风险用户的信贷风险评估量以及数量进行信贷风险用户的综合信贷风险的确定，判断所述信贷风险用户的综合信贷风险是否满足要求，若否，则进入下一步骤，若是，则确定所述授信机构的总体授信风险满足要求；
根据不同的风险等级的用户的数量、不同的用户的风险因子以及授信余额确定不同的风险等级的用户授信风险，判断是否存在用户授信风险不满足要求的预设风险等级，若是，则进入下一步骤，若否，则确定所述授信机构的总体授信风险满足要求；
通过不同的风险等级的用户授信风险进行所述授信机构的总体授信风险的确定。
S2基于不同的用户的信贷使用记录确定不同的用户的信贷收益因子的确定，根据所述信贷收益因子以及风险因子确定所述用户中的备选压降处理用户；
在其中的一个可能的实施例中，如图3所示，上述步骤中的所述用户的信贷收益因子的确定的方法为：
基于所述用户的信贷使用记录进行所述用户的信贷使用次数以及不同的信贷使用次数的使用信贷额度的确定，通过不同的信贷使用次数的使用信贷额度以及信贷使用次数确定所述用户的基础信贷收益因子；
将使用信贷额度大于预设信贷额度的信贷使用频次作为筛选使用频次，将与临近的信贷使用频次的间隔时间小于预设间隔时间的信贷使用频次作为高频使用频次，并分别根据所述筛选使用频次的数量以及不同的筛选使用频次的使用信贷额度、高频使用频次的数量以及不同的高频使用频次与临近的使用频次的间隔时间进行筛选补偿量以及高频补偿量的确定；
通过所述筛选补偿量、高频补偿量以及所述用户的基础信贷收益因子确定所述用户的信贷收益因子。
在另外的一个可能的实施例中，上述步骤中的所述用户的信贷收益因子的确定的方法为：
S21基于所述用户的信贷使用记录进行所述用户的信贷使用次数以及不同的信贷使用次数的使用信贷额度的确定，通过不同的信贷使用次数的使用信贷额度以及信贷使用次数确定所述用户的基础信贷收益因子；
S22将使用信贷额度大于预设信贷额度的信贷使用频次作为筛选使用频次，判断所述筛选使用频次的数量是否在预设使用次数区间内，若是，则进入下一步骤，若否，则进入步骤S24；
S23将与临近的信贷使用频次的间隔时间小于预设间隔时间的信贷使用频次作为高频使用频次，判断所述高频使用频次的数量是否在预设使用次数区间内，若是，则将所述基础信贷收益因子作为所述用户的信贷使用因子，若否，则进入步骤S24；
S24分别根据所述筛选使用频次的数量以及不同的筛选使用频次的使用信贷额度、高频使用频次的数量以及不同的高频使用频次与临近的使用频次的间隔时间进行筛选补偿量以及高频补偿量的确定，通过所述筛选补偿量、高频补偿量以及所述用户的基础信贷收益因子确定所述用户的信贷收益因子。
在另外的一个可能的实施例中，上述步骤中的所述用户的信贷收益因子的确定的方法为：
基于所述用户的信贷使用记录进行所述用户的信贷使用次数以及不同的信贷使用次数的使用信贷额度的确定，通过不同的信贷使用次数的使用信贷额度以及信贷使用次数确定所述用户的基础信贷收益因子；
将使用信贷额度大于预设信贷额度的信贷使用频次作为筛选使用频次，将与临近的信贷使用频次的间隔时间小于预设间隔时间的信贷使用频次作为高频使用频次，当所述用户不存在筛选使用频次以及高频使用频次时，则将所述基础信贷收益因子作为所述用户的信贷使用因子；
当所述用户存在筛选使用频次或者高频使用频次时，分别根据所述筛选使用频次的数量以及不同的筛选使用频次的使用信贷额度、高频使用频次的数量以及不同的高频使用频次与临近的使用频次的间隔时间进行筛选补偿量以及高频补偿量的确定；
当所述用户的筛选补偿量以及高频补偿量均小于预设补偿量阈值时，则将所述基础信贷收益因子作为所述用户的信贷使用因子；
当所述用户的筛选补偿量以及高频补偿量任意一项不小于预设补偿量阈值时，通过所述筛选补偿量、高频补偿量以及所述用户的基础信贷收益因子确定所述用户的信贷收益因子。
需要说明的是，所述备选压降处理用户的确定的方法为：
通过所述信贷收益因子以及风险因子确定所述用户的综合信贷评估量，并基于所述综合信贷评估量进行所述用户中的备选压降处理用户的确定。
在另外的一个可能的实施例中，上述步骤中的所述备选压降处理用户的确定的方法为：
S31判断所述用户的风险因子是否不满足要求，若是，则确定所述用户为备选压降处理用户，若否，则进入下一步骤；
S32根据所述用户的风险因子进行所述用户所处的授信风险区间的确定，判断所述用户是否处于预设的授信风险区间，若是，则进入下一步骤，若否，则进入步骤S34；
S33判断所述用户的信贷收益因子是否满足要求，若是，则进入下一步骤，若否，则确定所述用户为备选压降处理用户；
S34通过所述信贷收益因子以及风险因子确定所述用户的综合信贷评估量，并基于所述综合信贷评估量进行所述用户中的备选压降处理用户的确定。
S3获取所述授信机构的不同的用户的信贷收益因子以及风险因子，并通过所述授信机构的不同的用户的信贷收益因子以及风险因子确定所述授信机构的信贷清退规模；
在其中的一个可能的实施例中，如图4所示，上述步骤中的所述授信机构的信贷清退规模的确定的方法为：
根据不同的用户的信贷收益因子以及风险因子进行不同的用户的综合信贷评估量的确定，并通过不同的用户的综合信贷评估量将所述用户划分为不同的风控类型；
通过不同的风控类型的用户的数量以及综合信贷评估量进行所述授信机构的信贷风险评估量的确定，并基于所述信贷风险评估量进行所述授信机构的信贷清退规模的确定。
进一步的，所述风控类型包括无须压降用户、临界风险用户以及需压降处理用户。
S4以所述信贷清退规模为约束条件，利用所述备选压降处理用户的信贷特征至少进行所述备选压降处理用户的可回捞因子、反弹还款因子以及活跃度因子的确定，并结合所述备选压降处理用户的风险因子以及信贷收益因子确定所述备选压降处理用户的清退止付策略。
进一步的技术方案在于，所述备选压降处理用户的清退止付策略的确定的方法为：
以所述信贷清退规模为约束条件，利用所述备选压降处理用户的信贷特征至少进行所述备选压降处理用户的可回捞因子、反弹还款因子以及活跃度因子的确定，并结合所述备选压降处理用户的风险因子以及信贷收益因子确定所述备选压降处理用户的清退止付策略
通过所述备选压降处理用户的可回捞因子、反弹还款因子以及风险因子进行所述备选压降处理用户的综合风险因子的确定，基于所述备选压降处理用户的活跃度因子以及信贷收益因子进行所述备选压降处理用户的综合收益因子的确定；
基于所述备选压降处理用户的综合收益因子以及综合风险因子进行所述备选压降处理用户的压降处理类型的确定，当所述备选压降处理用户的压降处理类型为特定处理类型时，则将所述备选压降处理用户进行清退处理；
当所述备选压降处理用户的压降处理类型不属于特定处理类型时，则以所述信贷清退规模为约束条件，进行不同的压降处理类型的备选压降处理用户的压降处理幅度，并基于所述压降处理幅度进行不同的备选压降处理用户的信贷额度的压降处理。
另一方面，如图5所示，本发明提供了一种计算机系统，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贷中清退止付评估方法。
其中上述的一种贷中清退止付评估方法，具体包括：
基于不同的用户的信贷特征进行不同的用户的风险因子以及风险等级的确定，并结合不同的用户的授信余额进行授信机构的总体授信风险的确定，当所述授信机构的总体授信风险不满足要求时，进入下一步骤；
基于所述用户的信贷使用记录进行所述用户的信贷使用次数以及不同的信贷使用次数的使用信贷额度的确定，通过不同的信贷使用次数的使用信贷额度以及信贷使用次数确定所述用户的基础信贷收益因子；
将使用信贷额度大于预设信贷额度的信贷使用频次作为筛选使用频次，将与临近的信贷使用频次的间隔时间小于预设间隔时间的信贷使用频次作为高频使用频次，当所述用户不存在筛选使用频次以及高频使用频次时，则将所述基础信贷收益因子作为所述用户的信贷使用因子；
当所述用户存在筛选使用频次或者高频使用频次时，分别根据所述筛选使用频次的数量以及不同的筛选使用频次的使用信贷额度、高频使用频次的数量以及不同的高频使用频次与临近的使用频次的间隔时间进行筛选补偿量以及高频补偿量的确定；
当所述用户的筛选补偿量以及高频补偿量均小于预设补偿量阈值时，则将所述基础信贷收益因子作为所述用户的信贷使用因子；
当所述用户的筛选补偿量以及高频补偿量任意一项不小于预设补偿量阈值时，通过所述筛选补偿量、高频补偿量以及所述用户的基础信贷收益因子确定所述用户的信贷收益因子，根据所述信贷收益因子以及风险因子确定所述用户中的备选压降处理用户；
获取所述授信机构的不同的用户的信贷收益因子以及风险因子，并通过所述授信机构的不同的用户的信贷收益因子以及风险因子确定所述授信机构的信贷清退规模；
以所述信贷清退规模为约束条件，利用所述备选压降处理用户的信贷特征至少进行所述备选压降处理用户的可回捞因子、反弹还款因子以及活跃度因子的确定，并结合所述备选压降处理用户的风险因子以及信贷收益因子确定所述备选压降处理用户的清退止付策略
通过所述备选压降处理用户的可回捞因子、反弹还款因子以及风险因子进行所述备选压降处理用户的综合风险因子的确定，基于所述备选压降处理用户的活跃度因子以及信贷收益因子进行所述备选压降处理用户的综合收益因子的确定；
基于所述备选压降处理用户的综合收益因子以及综合风险因子进行所述备选压降处理用户的压降处理类型的确定，当所述备选压降处理用户的压降处理类型为特定处理类型时，则将所述备选压降处理用户进行清退处理；
当所述备选压降处理用户的压降处理类型不属于特定处理类型时，则以所述信贷清退规模为约束条件，进行不同的压降处理类型的备选压降处理用户的压降处理幅度，并基于所述压降处理幅度进行不同的备选压降处理用户的信贷额度的压降处理。
通过以上实施例，本发明取得以下有益效果：
1、通过不同的用户的风险因子以及风险等级、不同的用户的授信余额进行授信机构的总体授信风险的确定，不仅单一的考虑到不同的用户的风险情况，同时通过综合考虑用户的授信余额的大小实现了对授信机构的总体存在的授信风险的准确评估，也为差异化的进行现有的授信用户的授信规模的清退和止付管理奠定了基础，减少了逾期和不良风险的出现。
2、根据信贷收益因子以及风险因子确定用户中的备选压降处理用户，从而避免了单一的考虑逾期风险导致的授信机构的信贷收益不高的技术问题，通过从信贷收益情况和风险情况两个角度进行备选压降处理用户的筛选，实现了对收益不高且风险较高的用户的筛选，同时也为差异化的进行清退止付策略的制定奠定了基础。
3、利用备选压降处理用户的信贷特征以及信贷清退规模确定备选压降处理用户的清退止付策略，不仅考虑到不同的备选压降处理用户由于风险特征和收益特征的差异，同时也通过以信贷清退规模为约束条件进行清退止付策略的构建，在保证逾期不良风险可控的基础上，也保证了信贷结构的资产的收益率能够满足要求。
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 (5)
1.一种贷中清退止付评估方法，其特征在于，具体包括：
基于不同的用户的信贷特征进行不同的用户的风险因子以及风险等级的确定，并结合不同的用户的授信余额进行授信机构的总体授信风险的确定，当所述授信机构的总体授信风险不满足要求时，进入下一步骤；
基于不同的用户的信贷使用记录确定不同的用户的信贷收益因子的确定，根据所述信贷收益因子以及风险因子确定所述用户中的备选压降处理用户；
获取所述授信机构的不同的用户的信贷收益因子以及风险因子，并通过所述授信机构的不同的用户的信贷收益因子以及风险因子确定所述授信机构的信贷清退规模；
以所述信贷清退规模为约束条件，利用所述备选压降处理用户的信贷特征至少进行所述备选压降处理用户的可回捞因子、反弹还款因子以及活跃度因子的确定，并结合所述备选压降处理用户的风险因子以及信贷收益因子确定所述备选压降处理用户的清退止付策略；
所述信贷特征根据所述用户的授信申请信息、信贷使用记录以及信贷还款记录的提取结果进行确定；
所述授信机构的总体授信风险的确定的方法为：
判断所述授信机构的用户的授信总余额是否在预设余额范围内，若是，则确定所述授信机构的总体授信风险满足要求，若否，则进入下一步骤；
根据不同的用户的风险等级确定是否存在预设风险等级的用户，若是，则进入下一步骤，若否，则确定所述授信机构的总体授信风险满足要求；
基于不同的用户的风险因子以及所述授信余额确定不同的用户的信贷风险评估量，判断是否存在信贷风险评估量不满足要求的用户，若是，则进入下一步骤，若否，则确定所述授信机构的总体授信风险满足要求；
将信贷风险评估量不满足要求的用户作为信贷风险用户，根据所述信贷风险用户的信贷风险评估量以及数量进行信贷风险用户的综合信贷风险的确定，判断所述信贷风险用户的综合信贷风险是否满足要求，若否，则进入下一步骤，若是，则确定所述授信机构的总体授信风险满足要求；
根据不同的风险等级的用户的数量、不同的用户的风险因子以及授信余额确定不同的风险等级的用户授信风险，判断是否存在用户授信风险不满足要求的预设风险等级，若是，则进入下一步骤，若否，则确定所述授信机构的总体授信风险满足要求；
通过不同的风险等级的用户授信风险进行所述授信机构的总体授信风险的确定；
所述用户的信贷收益因子的确定的方法为：
基于所述用户的信贷使用记录进行所述用户的信贷使用次数以及不同的信贷使用次数的使用信贷额度的确定，通过不同的信贷使用次数的使用信贷额度以及信贷使用次数确定所述用户的基础信贷收益因子；
将使用信贷额度大于预设信贷额度的信贷使用频次作为筛选使用频次，将与临近的信贷使用频次的间隔时间小于预设间隔时间的信贷使用频次作为高频使用频次，并分别根据所述筛选使用频次的数量以及不同的筛选使用频次的使用信贷额度、高频使用频次的数量以及不同的高频使用频次与临近的使用频次的间隔时间进行筛选补偿量以及高频补偿量的确定；
通过所述筛选补偿量、高频补偿量以及所述用户的基础信贷收益因子确定所述用户的信贷收益因子；
所述备选压降处理用户的确定的方法为：
S31判断所述用户的风险因子是否不满足要求，若是，则确定所述用户为备选压降处理用户，若否，则进入下一步骤；
S32根据所述用户的风险因子进行所述用户所处的授信风险区间的确定，判断所述用户是否处于预设的授信风险区间，若是，则进入下一步骤，若否，则进入步骤S34；
S33判断所述用户的信贷收益因子是否满足要求，若是，则进入下一步骤，若否，则确定所述用户为备选压降处理用户；
S34通过所述信贷收益因子以及风险因子确定所述用户的综合信贷评估量，并基于所述综合信贷评估量进行所述用户中的备选压降处理用户的确定；
所述授信机构的信贷清退规模的确定的方法为：
根据不同的用户的信贷收益因子以及风险因子进行不同的用户的综合信贷评估量的确定，并通过不同的用户的综合信贷评估量将所述用户划分为不同的风控类型；
通过不同的风控类型的用户的数量以及综合信贷评估量进行所述授信机构的信贷风险评估量的确定，并基于所述信贷风险评估量进行所述授信机构的信贷清退规模的确定。
2.如权利要求1所述的贷中清退止付评估方法，其特征在于，所述用户的风险因子的取值范围在0到1之间，其中所述用户的风险因子越大，则所述用户存在的信贷风险越大，具体的通过所述用户的信贷特征采用预设的风控策略进行所述用户的风险因子的确定。
3.如权利要求1所述的贷中清退止付评估方法，其特征在于，所述风险等级至少包括三个等级，具体的包括无违约风险用户、潜在风险用户以及违约风险用户。
4.如权利要求1所述的贷中清退止付评估方法，其特征在于，当所述授信机构的总体授信风险满足要求时，则暂不进行用户的清退止付处理。
5.一种计算机系统，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权利要求1-4任一项所述的一种贷中清退止付评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410331916.9A CN117934161B (zh) | 2024-03-22 | 2024-03-22 | 一种贷中清退止付评估方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410331916.9A CN117934161B (zh) | 2024-03-22 | 2024-03-22 | 一种贷中清退止付评估方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117934161A CN117934161A (zh) | 2024-04-26 |
| CN117934161B true CN117934161B (zh) | 2024-06-18 |
Family
ID=90767005
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410331916.9A Active CN117934161B (zh) | 2024-03-22 | 2024-03-22 | 一种贷中清退止付评估方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117934161B (zh) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8417606B2 (en) * | 2009-11-30 | 2013-04-09 | The Bondfactor Company Llc | Method, software program, and system for structuring risk in a financial transaction |
| CN111507831A (zh) * | 2020-05-29 | 2020-08-07 | 长安汽车金融有限公司 | 信贷风险自动评估方法和装置 |
| CN112102073A (zh) * | 2020-09-27 | 2020-12-18 | 长安汽车金融有限公司 | 信贷风险控制方法及系统、电子设备及可读存储介质 |
| CN116188140A (zh) * | 2023-01-04 | 2023-05-30 | 武汉众邦银行股份有限公司 | 一种信贷金融风险策略生产方法和装置 |
| CN117575776A (zh) * | 2023-11-28 | 2024-02-20 | 度小满科技(北京)有限公司 | 一种借贷风控模型训练方法、设备以及可读存储介质 |
-
2024
- 2024-03-22 CN CN202410331916.9A patent/CN117934161B/zh active Active
Non-Patent Citations (4)
| Title |
|---|
| 中国农业银行河北省分行课题组 * |
| 信贷法人客户"方案管理"模式的探索与实践――客户关系管理在集团性客户管理中的应用;中国农业银行河北省分行课题组;吕东捷;;农村金融研究;20100115(01);第4页第2段至第6页最后1段 * |
| 建立客户退出机制全面优化信贷结构;崔喜成 等;《金融理论与实践》;20041231(第第2期期);第一至三部分 * |
| 组合管理视角下银行信贷的退出――基于Creditrisk+模型的应用分析;郑冲;;金融论坛;20090205(02);第二部分 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117934161A (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220122171A1 (en) | Client server system for financial scoring with cash transactions | |
| Ladley | Contagion and risk-sharing on the inter-bank market | |
| Narajabad | Information technology and the rise of household bankruptcy | |
| Gunther et al. | Loss underreporting and the auditing role of bank exams | |
| US20080021813A1 (en) | Method for scoring accounts for retention and marketing accounts based on retention and profitability | |
| Liu et al. | Competition in banking: measurement and interpretation | |
| US8027894B2 (en) | Modeling responsible consumer debt consolidation behavior | |
| US20070203827A1 (en) | Method for enhancing revenue and minimizing charge-off loss for financial institutions | |
| CN112801529B (zh) | 财务数据分析方法及装置、电子设备及介质 | |
| Möllenkamp | Determinants of loan performance in P2P lending | |
| Mileris | The impact of economic downturn on banks’ loan portfolio profitability | |
| CN111882428A (zh) | 商业银行流动性风险评估方法及装置 | |
| KR102139938B1 (ko) | 신용 보증 성향 분석에 기반한 신용 보증 대상 기업 선정 시스템 | |
| Ivan et al. | The financial fragility hypothesis and the debt crisis in Italy in the 2010s | |
| Rishabh | Can open banking substitute credit bureaus | |
| CN111369345A (zh) | 云计算区块链的大数据信贷用户信用评估方法及系统 | |
| Li et al. | Predicting loss given default of unsecured consumer loans with time-varying survival scores | |
| CN113807943A (zh) | 一种不良资产的多因子估值方法及系统、介质、设备 | |
| Orame et al. | Macroprudential Regulation, Quantitative Easing, and Bank Lending | |
| CN117151871A (zh) | 一种基于多维数据分析的履约风险评估方法及系统 | |
| CN117934161B (zh) | 一种贷中清退止付评估方法与系统 | |
| KR20180122076A (ko) | 신용등급 관리를 통한 대환 대출 방법 및 시스템 | |
| CN114638614A (zh) | 基于多维度政务数据的企业授信额度确定方法、装置 | |
| WO2021127281A1 (en) | Systems and methods for determining an affordability index | |
| KR101954132B1 (ko) | 체납처분 시스템 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |