CN1641660A - 即时反馈和交互式的信用风险评级和风险预警方法和系统 - Google Patents
即时反馈和交互式的信用风险评级和风险预警方法和系统 Download PDFInfo
- Publication number
- CN1641660A CN1641660A CN 200410001629 CN200410001629A CN1641660A CN 1641660 A CN1641660 A CN 1641660A CN 200410001629 CN200410001629 CN 200410001629 CN 200410001629 A CN200410001629 A CN 200410001629A CN 1641660 A CN1641660 A CN 1641660A
- Authority
- CN
- China
- Prior art keywords
- risk
- application server
- user terminal
- data
- business function
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种以即时反馈和交互方式进行信用风险评级和风险预警的方法和系统,该系统包括:数据清洗器、系统业务功能处理主机,应用服务器及用户终端,用于完成原始数据的清洗,提高数据质量、接收数据进行初步计算、对初始计算结果进行修正和确认等信息的反馈等工作,最终实现全面、快速、准确、灵活地进行信用风险评级和风险预警,多渠道接收和反馈评级预警信息及评级结果的动态更新等功能。该系统在有效整合大量银行内外部信息的基础上可以在短时间内完成对大型银行所有客户及债项的风险评级,工作效率比现有的评级系统提高了近40倍,且通过及时反馈和人机交互的方式实现了风险评级结果的动态更新。
Description
技术领域
本发明涉及一种以即时反馈和交互方式进行信用风险评级和风险预警的方法和系统,具体涉及在银行风险管理领域以安全、可靠、自动、交互、即时的方式对银行客户及其所属债项进行风险评级和风险预警的方法和以及实现该方法的系统,并在此基础上建立了一个二维评级系统。
背景技术
银行风险管理的最终对象是客户,因此准确地识别客户的风险状况并通过一定的指标进行量化是银行风险管理的重要基础内容。随着银行客户评级实践的不断发展,中国银行业的客户风险识别和计量的准确性、科学性也在不断提高,现有的客户评级主要是采用打分卡技术,即预先设计了一套包括定量指标和定性指标在内的标准化指标体系,根据客户风险状况对每个指标进行打分,然后按照给定的指标权重,将得分相加,以总分作为客户风险评级的主要依据。虽然打分卡将定量分析引入了客户风险评级,在评级设计方面有了很大改进,但因为现有工作流程采用前端客户经理录入信息,后台审批人员认定的方式进行,所以存在耗时较长,反映比较滞后,评级更新程度不够,信息无法有效地传递,客户风险评级和债项风险评级间脱节等问题,使得目前的客户风险评级不能真正准确地反映客户的风险状况,缺乏对客户风险变化的敏感性,而且现有工作缺乏风险管理非常需要的预警信息和组合信息,导致目前的风险管理工作失去了针对性和有效性。
“打分卡”技术存在以下问题:
1、客户评价工作反映滞后,覆盖面较小。目前,客户评价工作流程需要前台客户经理手工录入客户信息,通过审批流程确定客户的信用等级,超过确认权限的需要报上级行进行确认。工作流程耗时较长,通常客户评价的滞后性比较严重。一般来讲,完成一个客户的信用评级工作大概需要20天左右。另外,受人力、物力等多方面的限制,银行无法对全部客户进行评级。仅以建设银行为例,目前客户评级的覆盖面仅为20%左右。
2、信息反馈渠道狭窄,评级更新程度不够。受现有工作流程的限制,信息的收集主要依靠前台客户经理,囿于知识范围、时间精力等限制,很难得到全面、系统和及时的评级信息,而且反馈方式和内容也比较单一。尤其是当客户出现重大变化时,客户经理仍然要按照既定工作流程撰写材料,组织申报,进行确认,在客户出现变化和评级结果得到更新的一段时间内,原有评级结果已经无法正确反映客户现有的风险状况,可能会误导前台经营部门开展市场营销等工作。
3、客户的风险评级与其所属债项的风险评级脱节。目前客户评级和债项评级是通过执行两个规章制度进行的,在进行债项风险评级时没有考虑到该客户的风险评级结果,彼此之间不存在着很强的联系,那么客户评级多是用于市场营销和贷款审批等工作,对其所属债项的评级不产生影响。由此将会影响银行对自身信贷资产损失程度的判断,不利于风险防范和化解工作的进行。
4、现有债项风险评级工作无法指导贷款决策。现有债项风险评级工作是对银行客户的已有债项进行评级,但对于新增债项的风险状态无法判断,对于在何种发放方式和期限下发放才能使风险处于可接受水平也无法给出意见,因而影响了债项风险评级工作现实意义的发挥。
5、现有客户风险评级中缺乏风险预警信息和组合信息。由于长期缺乏风险预警信息,目前的风险管理工作总体上处于事后处理、分析阶段,对业务缺乏有效的支持,对风险也不能做到事前防范,严重地偏离了风险管理工作的宗旨。而且,现有的风险管理工作是从单客户的微观角度出发,缺乏对资产组合的风险管理手段,使得风险管理对优化信贷资源配置、实现风险收益统一的积极作用不能很好地发挥。
发明内容
为了克服上述现有技术中的不足,本发明提供了一种以安全、可靠、自动、交互、即时的方式对银行客户及其所属债项进行风险评级和风险预警的方法和以及实现该方法的系统,并在此基础上建立了一个二维评级系统。目的是解决客户风险评级工作中存在的覆盖面小、反映滞后、信息反馈不畅以及与风险管理、债项评级相互脱节等问题。
为完成上述目的,本发明提供了一种进行风险评级和风险预警的方法,包括以下步骤:
(a)系统业务功能处理主机接收原始数据进行计算以得到客户和债项的风险评级和风险预警的初始计算结果;
(b)用户终端向应用服务器发出请求查询客户风险评级和风险预警的处理指令;
(c)应用服务器解析处理指令并将其输入到系统业务功能处理主机进行处理,将来自系统业务功能处理主机的初始计算结果反馈至用户终端;
(d)用户终端通过应用服务器将确认信息和必要的修正信息反馈至系统业务功能处理主机,完成客户风险评级初始计算结果的确认工作;
(e)系统业务功能处理主机基于用户终端的反馈信息将最终评级结果经由应用服务器反馈至用户终端;
(f)用户终端向应用服务器发出请求继续进行债项风险评级和风险预警的处理指令;
(g)应用服务器解析处理指令并将其输入到系统业务功能处理主机进行处理,将来自系统业务功能处理主机的初始计算结果反馈至用户终端;
(h)用户终端通过应用服务器将确认信息和必要的修正信息反馈至系统业务功能处理主机,完成债项风险评级初始计算结果的确认工作;
(i)系统业务功能处理主机基于用户终端的反馈信息将最终债项评级结果反馈至用户终端。
所述步骤(a)可进一步包括将作为原始数据的银行内部、外部数据(例如来自国家统计局、财政部、国务院发展研究中心等数据)进行数据清洗。
所述步骤(a)可进一步包括进行某一客户风险评级和风险预警时,数据清洗器内置的搜索引擎装置搜索有关该客户的经营、财务及重大事件等以充实客户微观信息,形成集合信息包导入系统业务功能处理主机。
所述数据清洗可包括对数据的一致性、完整性和关联性进行验证,填充空缺值、识别孤立点、消除噪声数据和虚假数据,提高数据的可信度,将清洗后的数据发送至系统业务功能处理主机。
所述步骤(b)可进一步包括:用户终端输入用户名及密码,应用服务器判断用户终端的身份是否合法,如果不合法,要求重新登录系统;如果合法,应用服务器要求用户选择请求评级的客户是否为银行的老客户,如果否,将进入客户风险计算器装置,具体步骤见图2b;如果是老客户,用户终端发出请求进行客户风险评级和风险预警的处理指令,处理指令包括客户名称、所在行业及区域等信息;
所述步骤(d)可进一步包括应用服务器要求用户选择是否对初始计算结果存在异议,如果否,将结果反馈用户终端,如果存在异议,则进入重新评级装置,要求用户输入必要的补充修正信息进行重新评级,具体见图2c;
所述步骤(e)可进一步包括系统业务功能处理主机将最终评级结果、风险预警指标及其他组合分析指标经由应用服务器反馈至用户终端;
所述步骤(f)可进一步包括用户终端发出是否继续计算债项评级的指令,如果不计算,结束操作,否则应用服务器要求客户选择请求计算的债项是否为已有债项,如果否,将进入自动化五级分类装置,具体见图2d;如果是已有债项,处理指令包括评级年度等信息;
在本发明中,系统业务功能处理主机与应用服务器之间可以通过专用网络连接,以提高数据传输的安全性和可靠性。
在本发明中,所有的分析评价指标可最终量化为客户的违约概率,并按照国际通行的客户评级模式—违约概率将客户风险划分为AAA-D十个等级。在客户风险评级的基础上,将债项风险划分为五个等级,并进一步细分为12个级别。
本发明还提供了一种进行风险评级和风险预警的系统,包括:
系统业务功能处理主机,用于接收原始数据并进行计算以得到客户和债项的风险评级和风险预警的初始计算结果,并且在接收到来自服务器的处理指令时,将初始计算结果反馈至服务器,在接收到来自服务器的确认信息和修正信息时,把重新计算的最终评级结果反馈至服务器;
应用服务器,用于接收来自用户终端的处理指令并将其发送给系统业务功能处理主机,并将来自系统业务功能处理主机的初始计算结果反馈至用户终端,还用于接收来自用户终端的确认信息和修正信息并将其发送给系统业务功能处理主机,并将来自系统业务功能处理主机的最终计算结果反馈至用户终端;
用户终端,用于向服务器发出请求进行客户和债项的风险评级和风险预警的处理指令,接收来自服务器的初始计算结果,并据此向服务器发送确认信息和必要的修正信息,接收来自服务器的最终评级结果。
所述系统可进一步包括数据清洗器,用于对数据的一致性、完整性和关联性进行验证,填充空缺值、识别孤立点、消除噪声数据和虚假数据,提高数据的可信度,将清洗后的数据发送至系统业务功能处理主机。
所述数据清洗器可包括内置搜索引擎,用于在进行某一客户风险评级和风险预警时,搜索有关该客户的经营、财务及重大事件等以充实客户微观信息,形成集合信息包导入系统业务功能处理主机。
所述系统可进一步包括反欺诈装置,用于控制用户终端发送过来的数据合乎逻辑关系和平衡检验。
本发明很好地解决了以上现有技术中存在的问题,具有以下优点:
1.运行效率高、覆盖面广:本发明是一种即时式的风险评级和风险预警系统,在系统得到大量内部、外部数据的基础上即时进行计算,一般来讲,整个评级过程大概需要3-4个小时左右,工作效率提高了近40倍,而且,系统不仅能够对银行现有的所有公司类客户进行评级,覆盖面达100%,而且可以根据客户经理录入的信息即时地对新客户进行风险评级。
2、信息反馈渠道广泛而通畅:系统与多个外部数据接口连接,又导入了银行内部数据,同时通过与外部搜索引擎的连接得到客户的集合信息包更是加大了信息容量,使得评级结果建立在全面系统准确的信息基础上。在系统结果输出方面,系统通过用户终端设置了多种方式例如固定电话、移动电话、计算机浏览器、电子信箱等方式,极大地提高了系统与用户间的信息交流速度和效率。
3、评级工作在交互状态下进行,评级模式非常灵活:一方面,客户用户在得到系统初始计算结果后,可以输入修正信息通过一定的流程对评级结果进行调整,而且,在客户出现重大变化时,用户可以补充信息进入系统,完成评级结果的更新,从而可以得到全面、及时地反映客户风险状况的评级和预警结果。整个评级调整过程大概需要3个工作日左右;另一方面,系统可以对大型银行现有客户进行批量风险评级和预警,而且对于新客户,用户终端可以通过客户风险计算器装置输入信息,实现在线风险评级和预警功能,评级模式非常灵活。
4、客观的评级标准:系统将所有的分析评价指标最终量化为客户的违约概率,并按照国际通行的客户评级模式—违约概率将客户风险划分为AAA-D十个等级,确保了不同地区不同行业的客户评级结果具备可比性,同时,避免了由于主观因素所导致的评级结果差异。在客户风险评级的基础上,将债项风险划分为五个等级,并进一步细分为12个级别。
5、全面的预警信息和组合信息:系统能够提供客户及债项的风险预警信息,有利于信贷人员及时发现风险信号,提前做好风险防范工作,提高了风险管理的有效性,同时,系统还可以根据客户的整体风险状况提供风险限额等组合信息,便于在资产组合层面上实现风险与收益的和谐统一。
6、债项风险的试算功能:系统除了对建设银行现存的所有信贷资产进行风险分类之外,还允许用户对新增债项风险进行试算,即在贷款发放前,对新增债项的风险进行预评估。用户可以通过调整信贷期限和发放方式等因素,使债项的风险处于可接受水平。
最后,该系统的突出优点还在于操作简单,大部分数据由系统自动导入并计算,然后将计算结果输出到用户终端供用户使用,最大限度地减少了基层分行的工作量。
附图说明
图1是本发明的实现批量客户及债项风险评级和风险预警的系统示意图;
图2a是本发明的实现批量客户及债项风险评级和风险预警的方法流程图;
图2b是本发明的实现批量客户及债项风险评级和风险预警与单客户风险评级结合的实施例流程图;
图2c是本发明的实现批量客户及债项风险评级和风险预警与客户重新评级结合的实施例流程图;
图2d是本发明的实现批量客户及债项风险评级和风险预警与新增债项风险评级结合的实施例流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
参照图1,实现本发明对批量客户及债项进行风险评级和风险预警的方法需要如图1所示的系统,该系统包括:用户终端、反欺诈装置、应用服务器、系统业务功能处理主机(内含中央计算引擎)、数据终端、数据清洗器(内置搜索引擎);其中:
用户终端是用户自己的设备,可以是用户的计算机、移动电话、电子信箱、固定电话等。用户通过用户终端连接到应用服务器,接受反馈结果或发送处理指令。
反欺诈装置是银行的一套计算机系统,它通过运算程序控制用户终端发送过来的数据合乎逻辑关系和平衡检验等。
应用服务器是银行的一套计算机系统,它通过局域网络与各用户终端连接,可以获得用户终端发送的指令,完成合法性检查,拒绝不合法的指令,保存并转发指令等,应用服务器向用户终端发送和反馈消息,是以用户终端可以识别的方式发送到用户终端。
系统业务功能处理主机是银行的一套计算机系统(内置中央计算引擎),它通过与应用服务器连接,获取应用服务器的指令并执行,也可以从数据终端获取数据进行运算。为了提高系统数据传输的安全性和可靠性,系统业务功能处理主机通过专用网络与应用服务器连接。
数据终端与数据清洗器相连接,将清洗后的数据发送至系统业务功能处理主机。
数据清洗器是银行的一套计算机系统,它通过运算程序对获取的数据的一致性、完整性和关联性进行验证,填充空缺值、识别孤立点、消除噪声数据和虚假数据,提高数据的可信度,将清洗后的数据经由数据终端发送至系统业务处理主机。
本发明的数据库包括宏观经济数据库,信贷信息数据库,会计信息数据库,其他行业的反映客户信用的数据库等等,例如国家统计局、中经网、国家经贸委、国务院发展研究中心及人民银行信贷登记咨询系统、建设银行信贷管理信息系统和总帐传输系统等。
下面结合图1和图2a,以计算机浏览器为例介绍该方法。
该方法需要的设备:
用户利用计算机浏览器作为用户终端,通过互联网,连接到应用服务器。用户在登录该系统时还需提供用户名及密码等身份要素。
反欺诈装置通过运算程序控制用户终端发送过来的数据合乎逻辑关系和平衡检验等。
应用服务器用于识别用户身份、接受用户指令的计算机系统。该应用服务器可保存用户指令、解析用户指令,应用服务器与系统业务功能处理主机相连接,将用户指令发送到系统业务功能处理主机,最终完成用户指令。
系统业务功能处理主机是用于执行计算和处理客户指令的计算机系统。该系统接收数据终端发送过来的数据,利用内置的中央计算引擎进行计算,同时它还可以接受应用服务器转发的用户指令,完成用户指令。
数据终端获取来自数据清洗器的清洗后的数据,并将它们发送至系统业务功能处理主机。
数据清洗器通过运算程序对获取的数据的一致性、完整性和关联性进行验证,填充空缺值、识别孤立点、消除噪声数据和虚假数据,提高数据的可信度,将清洗后的数据由数据终端发送至系统业务处理主机。
数据清洗器中内置的搜索引擎装置可以搜索国内外网站、网页上有关该客户的经营、财务及重大事件等信息充实客户微观信息,以形成集合信息包等多种数据。
参照图2a,本发明实现批量客户及债项风险评级和风险预警的方法包括如下步骤:
1、首先,数据清洗器将数据导入后进行一系列检验、整理和清洗后由数据终端发送至系统业务功能处理主机,在中央计算引擎内进行计算;
2、应用服务器判断用户输入的用户名和密码是否正确,如果不正确,应用服务器拒绝其处理指令或要求其重新录入用户名及密码。
3、应用服务器要求用户选择评级的客户是否为建设银行的老客户,如果不是,应用服务器将把处理指令发送到客户风险计算器装置进行处理(子处理(A));如果是,则将客户名称、所属行业和区域等处理指令发送到应用服务器。
4、应用服务器将处理指令发送到系统业务功能处理主机,系统业务处理主机将计算结果反馈至应用服务器,应用服务器继续反馈至用户终端。
5、用户终端接到反馈信息后,如果对结果有异议,则进入重新评级计算(转至子处理(B)),否则把确认无误的指令反馈至应用服务器,并显示其他预警信息和组合分析信息。
6、应用服务器要求用户选择是否继续计算债项,如果否,应用服务器将最后评级结果直接反馈给用户终端,如果继续计算,应用服务器要求客户选择请求评级的债项是否为客户已有债项,如果否,将指令发送到自动化五级分类装置进行处理(子处理(C));如果是已有债项,将指令发送至应用服务器。
7、应用服务器将处理指令发送到系统业务功能处理主机,系统业务功能处理主机完成计算后将计算结果反馈至应用服务器,应用服务器继续反馈至用户终端。
8、用户终端接到反馈信息后,进行确认,并把确认后的结果反馈至应用服务器。
9、应用服务器将用户确认结果发送至系统业务功能处理主机,经过调整后将最终结果反馈至应用服务器,应用服务器继续反馈至用户终端。
参考图2a和图2b,实现与单客户风险评级和预警的实施例:
1、首先,用户进入客产风险计算器装置,输入指令包括客户财务、信贷和基本情况等。
2、由反欺诈装置判断指令是否合法,如果不合法,将反馈至客户风险计算器要求重新输入,否则,反欺诈装置将校验后的指令发送到系统业务功能处理主机。
3、系统业务功能处理主机接收指令后进行计算,将风险评级和预警等结果反馈至用户终端。
4、用户终端接到反馈信息后,进行确认,并把确认后的结果反馈至应用服务器。
5、应用服务器将用户确认结果发送至系统业务处理模块,经过调整后将最终结果反馈至应用服务器,应用服务器继续反馈至用户终端。
参考图2a和图2c,应用本发明方法,实现与客户重新评级结合的
实施例:
1、用户终端输入重新评级需要的修正信息等指令,将指令发送至应用服务器,应用服务器再将指令发送至系统业务功能处理主机。
2、系统业务功能处理模块接收指令后进行重新评级计算,将风险评级和预警等结果反馈至用户终端。
3、用户终端接到反馈信息后,进行确认,并把确认后的结果反馈至应用服务器。
4、应用服务器将用户确认结果发送至系统业务处理模块,经过调整后将最终结果反馈至应用服务器,应用服务器继续反馈至用户终端。
参考图2a和图2d,应用本发明方法,实现与新增债项评级和预警结合的实施例:
1、首先,用户使用用户终端向应用服务器发送指令,指令包括合同金额、合同期限、合同发放方式及担保信息等。
2、应用服务器接收、保存这些指令,并将指令发送到自动化五级分类装置。
3、自动化五级分类装置接收指令后进行计算,将债项风险评级和预警等结果反馈至用户终端。
4、用户终端接到反馈信息后,进行确认,并把确认后的结果反馈至应用服务器。
5、应用服务器将用户确认结果发送至系统业务功能处理主机,系统业务功能处理主机经过调整后将最终结果反馈至应用服务器,应用服务器继续反馈至用户终端。
本发明最终实现全面、快速、准确地进行客户和债项风险评级和风险预警,多渠道接收和反馈评级预警信息及评级结果的动态更新等功能。该系统在整合大量银行内外部信息的基础上可以在短时间内完成对大型银行所有公司类客户及债项的风险评级,工作效率比传统的评级系统提高了近40倍,且通过及时反馈和人机交互的方式实现了风险评级结果的动态更新。该系统不仅能够按照巴塞尔新资本协议的技术标准,进行准确、及时、全面的信用风险评级和计量分析,还提供了银行业风险管理中长期缺乏的风险预警信号与资产组合分析,并通过用户终端大幅度地提高信息传输效率和实际应用效果。
Claims (15)
1.一种以即时反馈和交互方式进行信用风险评级和风险预警的方法,包括以下步骤:
(a)系统业务功能处理主机接收原始数据进行计算以得到客户和债项的风险评级和风险预警的初始计算结果;
(b)用户终端向应用服务器发出请求查询客户风险评级和风险预警的处理指令;
(c)应用服务器解析处理指令并将其输入到系统业务功能处理主机进行处理,将来自系统业务功能处理主机的初始计算结果反馈至用户终端;
(d)用户终端通过应用服务器将确认信息和必要的修正信息反馈至系统业务功能处理主机,完成客户风险评级初始计算结果的确认工作;
(e)系统业务功能处理主机基于用户终端的反馈信息将最终评级结果经由应用服务器反馈至用户终端;
(f)用户终端向应用服务器发出请求继续进行债项风险评级和风险预警的处理指令;
(g)应用服务器解析处理指令并将其输入到系统业务功能处理主机进行处理,将来自系统业务功能处理主机的初始计算结果反馈至用户终端;
(h)用户终端通过应用服务器将确认信息和必要的修正信息反馈至系统业务功能处理主机,完成债项风险评级初始计算结果的确认工作;
(i)系统业务功能处理主机基于用户终端的反馈信息将最终债项评级结果反馈至用户终端。
2.根据权利要求1所述的方法,其中系统业务功能处理主机与应用服务器通过专用网络连接。
3.根据权利要求1所述的方法,其中所述步骤(a)进一步包括将作为原始数据的银行内部、外部数据进行数据清洗后导入系统业务功能处理主机。
4.根据权利要求1所述的方法,其中所述步骤(a)进一步包括进行某一客户风险评级和风险预警时,搜索有关该客户的经营、财务及重大事件等以充实客户微观信息,形成集合信息包导入系统业务功能处理主机。
5.根据权利要求3所述的方法,其中所述数据清洗包括对数据的一致性、完整性和关联性进行验证,填充空缺值、识别孤立点、消除噪声数据和虚假数据,提高数据的可信度,将清洗后的数据发送至系统业务功能处理主机。
6、根据权利要求1所述的方法,其中所述步骤(b)进一步包括:用户终端输入用户名及密码,应用服务器判断用户终端的身份是否合法。
7、根据权利要求4所述的方法,其中所述步骤(b)进一步包括:如果用户终端的身份合法,应用服务器要求用户选择评级的客户是否为银行的老客户,如果否,则进入客户风险计算器装置,要求用户输入相关客户信息以即时进行客户风险评级和风险预警计算;如果是老客户,用户终端发出请求查询客户风险评级和风险预警的处理指令,处理指令包括客户名称、所在行业及区域等信息。
8、根据权利要求1所述的方法,其中所述步骤(d)进一步包括应用服务器要求用户选择是否对初始计算结果存在异议,如果否,将结果反馈用户终端,如果存在异议,则进入重新评级装置,要求用户输入必要的补充修正信息进行重新评级。
9、根据权利要求1所述的方法,其中所述步骤(e)进一步包括系统业务功能处理主机将最终评级结果、风险预警信息及其他组合分析信息经由应用服务器反馈至用户终端。
10、根据权利要求1所述的方法,其中所述步骤(f)进一步包括用户终端发出是否继续计算债项评级的指令,如果不计算,结束操作,否则应用服务器要求客户选择请求计算的债项是否为已有债项,如果否,将进入自动化五级分类装置,输入相关债项信息;如果是已有债项,处理指令包括评级年度等信息。
11、根据权利要求1所述的方法,其中所有的分析评价指标最终量化为客户的违约概率,并按照国际通行的客户评级模式一违约概率将客户风险划分为AAA-D十个等级,在客户风险评级的基础上,将债项风险划分为五个等级,并进一步细分为12个级别。
12、一种以即时反馈和交互方式进行信用风险评级和风险预警的系统,包括:
系统业务功能处理主机,用于接收原始数据并进行计算以得到客户和债项的风险评级和风险预警的初始计算结果,并且在接收到来自应用服务器的处理指令时,将初始计算结果反馈至应用服务器,在接收到来自应用服务器的确认信息和修正信息时,把重新计算的最终评级结果反馈至应用服务器;
应用服务器,用于接收来自用户终端的处理指令并将其发送给系统业务功能处理主机,并将来自系统业务功能处理主机的初始计算结果反馈至用户终端,还用于接收来自用户终端的确认信息和修正信息并将其发送给系统业务功能处理主机,并将来自系统业务功能处理主机的最终计算结果反馈至用户终端;
用户终端,用于向应用服务器发出请求进行客户和债项的风险评级和风险预警的处理指令,接收来自应用服务器的初始计算结果,并据此向应用服务器发送确认信息和必要的修正信息,接收来自应用服务器的最终评级结果。
13.根据权利要求12所述的系统,进一步包括数据清洗器,用于对数据的一致性、完整性和关联性进行验证,填充空缺值、识别孤立点、消除噪声数据和虚假数据,提高数据的可信度,将清洗后的数据发送至系统业务功能处理主机。
14.根据权利要求13所述的系统,所述数据清洗器包括内置搜索引擎,用于在进行某一客户风险评级和风险预警时,搜索有关该客户的经营、财务及重大事件等以充实客户微观信息,形成集合信息包导入系统业务功能处理主机。
15.根据权利要求12所述的系统,进一步包括反欺诈装置,用于控制用户终端发送过来的数据合乎逻辑关系和平衡检验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200410001629 CN1641660A (zh) | 2004-01-06 | 2004-01-06 | 即时反馈和交互式的信用风险评级和风险预警方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 200410001629 CN1641660A (zh) | 2004-01-06 | 2004-01-06 | 即时反馈和交互式的信用风险评级和风险预警方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN1641660A true CN1641660A (zh) | 2005-07-20 |
Family
ID=34867164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 200410001629 Pending CN1641660A (zh) | 2004-01-06 | 2004-01-06 | 即时反馈和交互式的信用风险评级和风险预警方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN1641660A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779297A (zh) * | 2012-06-28 | 2012-11-14 | 浪潮(山东)电子信息有限公司 | 基于云计算的信用评级模型配置管理系统及其应用方法 |
CN104937613A (zh) * | 2012-12-11 | 2015-09-23 | 微软技术许可有限责任公司 | 量化数据质量的探试 |
CN106649455A (zh) * | 2016-09-24 | 2017-05-10 | 孙燕群 | 一种大数据开发的标准化系统归类、命令集系统 |
CN109035006A (zh) * | 2018-08-08 | 2018-12-18 | 南京辰阔网络科技有限公司 | 一种贷后风险监控的方法及其系统 |
CN109766496A (zh) * | 2018-12-28 | 2019-05-17 | 北京奇安信科技有限公司 | 一种内容风险识别方法、系统、设备及介质 |
CN110992168A (zh) * | 2019-11-29 | 2020-04-10 | 交通银行股份有限公司 | 一种银行行内外数据融合方法及系统 |
CN112017059A (zh) * | 2020-07-14 | 2020-12-01 | 北京淇瑀信息科技有限公司 | 一种分级优化的风险控制方法、装置和电子设备 |
-
2004
- 2004-01-06 CN CN 200410001629 patent/CN1641660A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779297A (zh) * | 2012-06-28 | 2012-11-14 | 浪潮(山东)电子信息有限公司 | 基于云计算的信用评级模型配置管理系统及其应用方法 |
CN104937613A (zh) * | 2012-12-11 | 2015-09-23 | 微软技术许可有限责任公司 | 量化数据质量的探试 |
CN106649455A (zh) * | 2016-09-24 | 2017-05-10 | 孙燕群 | 一种大数据开发的标准化系统归类、命令集系统 |
CN106649455B (zh) * | 2016-09-24 | 2021-01-12 | 孙燕群 | 一种大数据开发的标准化系统归类、命令集系统 |
CN109035006A (zh) * | 2018-08-08 | 2018-12-18 | 南京辰阔网络科技有限公司 | 一种贷后风险监控的方法及其系统 |
CN109766496A (zh) * | 2018-12-28 | 2019-05-17 | 北京奇安信科技有限公司 | 一种内容风险识别方法、系统、设备及介质 |
CN110992168A (zh) * | 2019-11-29 | 2020-04-10 | 交通银行股份有限公司 | 一种银行行内外数据融合方法及系统 |
CN112017059A (zh) * | 2020-07-14 | 2020-12-01 | 北京淇瑀信息科技有限公司 | 一种分级优化的风险控制方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160350872A1 (en) | System and Method for Coordinating the Collection, Analysis and Storage of Payroll Information Provided to Government Agencies by Government Contractors | |
US20170039663A1 (en) | System and Method for Analyzing and Predicting Behavior of an Organization and Personnel | |
US20090043691A1 (en) | System and method for gathering, processing, authenticating and distributing personal information | |
Zheng et al. | Efficiency assessment of listed real estate companies: an empirical study of China | |
CN1689006A (zh) | 在应用服务器的集群器上配置多个企业计划模型 | |
CN111639706A (zh) | 基于图像集的个人风险画像生成方法及相关设备 | |
CN111461486A (zh) | 一种基于项目化管理的工程招标代理信息管理系统 | |
Zhao et al. | The mediating effect of urbanisation on digital technology policy and economic development: Evidence from China | |
CN111090833A (zh) | 一种数据处理方法、系统及相关设备 | |
CN1641660A (zh) | 即时反馈和交互式的信用风险评级和风险预警方法和系统 | |
CN110532461B (zh) | 信息平台推送方法、装置、计算机设备及存储介质 | |
CN110930158A (zh) | 一种基于奖惩机制的区块链DPoS共识方法 | |
CN1823331A (zh) | 在集群应用服务器上配置多个企业计划模型 | |
CN115577983B (zh) | 基于区块链的企业任务匹配方法、服务器及存储介质 | |
CN107249034A (zh) | 一种基于云计算的自助服务平台及方法 | |
CN1588405A (zh) | 用于风险控制系统的数据处理装置及方法 | |
Guerrini et al. | Measuring the efficiency of the Italian construction industry | |
EP3761197A1 (en) | Method and system for producing a scoring model | |
CN112053071A (zh) | 一种开拓项目价值度评价系统 | |
Wang et al. | The Gravity of Intermediate Inputs in Productivity Spillovers: Evidence from Foreign Direct Investment in China | |
Tartan | A Blockchain-Based Welfare Distribution Model for Digital Inclusivity | |
US20230419227A1 (en) | System for quantiative caluculation of the impact rate of return of a financial allocation | |
Chania et al. | Public procurement reform in Georgia: The way from paper-based procurement to an e-procurement system | |
Jayasuriya et al. | Is construction procurement method selection habitual? | |
Sanboskani et al. | CMAR Procurement in US Public Projects: Qualifications-Driven Processes and Criteria |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |