JP2008535089A - ローン品質スコアを計算する方法および装置 - Google Patents
ローン品質スコアを計算する方法および装置 Download PDFInfo
- Publication number
- JP2008535089A JP2008535089A JP2008504085A JP2008504085A JP2008535089A JP 2008535089 A JP2008535089 A JP 2008535089A JP 2008504085 A JP2008504085 A JP 2008504085A JP 2008504085 A JP2008504085 A JP 2008504085A JP 2008535089 A JP2008535089 A JP 2008535089A
- Authority
- JP
- Japan
- Prior art keywords
- loan
- evaluation
- target asset
- binary variable
- quality score
- 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
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
- G06Q40/08—Insurance
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
対象資産と提案されたローンとに関するユーザ入力データを用いたローン品質スコアの計算方法である。ローン品質スコアは、貸手に対してなされた資産ローン要請に詐欺が含まれる可能性を判定するのに役立つ。
Description
本発明はローン評価に関し、さらに特定すれば、資産ローンのためにローン品質スコアを計算する方法および装置に関する。ローン品質スコアは、ある資産についてローンを発行または購入するか否かを決定する際に、貸主によって用いられる。
ローン業界では、担保に関する詐欺的な不実表示のためにローン返済がなされない可能性を判定するための客観的な判定基準が必要とされている。成長が急速で変動の激しい資産マーケットにおいて、これを正確に判定することはますます難しくなる一方である。ある資産に関してローン申請を支持する鑑定の中には、不正確であったり、誇張されていたり、あるいは、明らかにローン詐欺の試みであったりする場合も多い。そのため、ある資産に関して貸主となる者は、住宅購入ローンの場合であれ、住宅に抵当権を付ける場合であれ、ローン詐欺が発生する可能性に関して何らかの有用な指標を望むことになる。そこで、貸手が特定のローン請求に関する正確さおよび有効性を評価できるようにすると共に、個々の目的(target)資産に関して、評価の基礎となる情報に容易にアクセスできる状況を実現する方法が必要である。
そこで本発明の目的は、与えられた資産に関する評価とローンの品質とを対象に、有効性および正確さを検査するための手段を提供することである。また本発明は、数多くの変数を用いて可能な限り正確なローン品質スコアを提供して、住宅不動産や他の資産に対するローンの貸主が利用できるようにすることを目的とする。
資産の過大評価またはローン詐欺の可能性と相関することが知られた数多くの基準情報(metrics)を用いてローン品質スコアを計算する方法および装置。
本発明は、自動評価モデルや、公衆利用可能な記録または他の情報源から関連データを収集し、そのデータに基づいて計算を実施した後、包括的なローン品質スコアを提供する。好適な実施の形態では、ローン品質スコアの生成に用いたデータの詳細も提供する。
本発明は、住宅その他の資産に対するローンに関して、ローン品質スコアを計算する方法および装置を提供する。ローン業界では、多数のローン申請を迅速に承認または拒否しなければならないが、判断基準となる貸付の対象の資産についての知識は限定的であり、ローンの担保が充分かつ有効なものか否かを評価するための方法が必要とされている。本発明はそうした必要に応えるものであり、数多くの基準に基づいてローン品質スコアを計算する。対象の資産に関して、ある特定の情報が欠けていた場合には、異なったやり方でローン品質スコアを計算する。好適な実施の形態では、品質スコアの基礎となるデータも提供される。
先ず図1を参照する。同図が示すのは、本発明の実施に用いられるデータ構造の例である。本データ構造は通常、標準的なパソコンまたはサーバの上でソフトウェアを使用して実装される。ただし、メインフレームコンピュータ、サーバクラスタ、ハンドヘルドコンピュータ、あるいはラップトップといった、他の種類のコンピュータ上で実装してもよい。好適な実施の形態では、通常のパソコンサーバが使用される。ただし、別の実施の形態では、本発明の方法を実行するための図1に示したデータ構造(または、これに類似のデータ構造)は、コンピュータの内部にソフトウェアをハードワイアリングまたはハードコーディングする形で用いてもよく、そうした場合、コンピュータは1つの機能(ここに記述する方法の機能)だけを実行する。
演算プロセッサ12は、ローン品質スコア計算用のアルゴリズムのデータへの適用に関連した計算を実行する、という役割を果たす。一時メモリ36は、計算式で使用される変数や他の一時データを、使用または出力に先立って格納するのに用いられる。レポート生成部14は、後述するようにデータをレポートのフォーマットにするのに用いられる。出力コネクタ16は、ローン品質スコア用のデータ構造を外部の出力手段に接続するのに用いられる。これにはインターネット32への接続も含まれるであろう。その場合に通常使用されるのは、動的に生成されるウェブページへの出力といった従来からの手段である。また、ファックスやその他の出力装置に対してレポートやローン品質スコアの出力を行う別の出力34を設けてもよい。
入力コネクタ18は、キーボード、マウス、インターネットやその他の入力装置から入力24を受け取る。データベースコネクタ20は、ローン品質スコア用のデータ構造を各種データベース26に接続する。自動評価モデルコネクタ22は、ローン品質スコア用のデータ構造をいくつかの自動評価モデル(一般的にAVM:Automated Valuation Modelsと呼ばれるもの)に接続する。ここでは、要素28および要素30の自動評価モデルの2つである。これらは、ローン品質スコアの生成の対象の目的資産に関して価値見積りを集めるのに用いられる。
次に図2を参照する。同図のフローチャートは、好適な実施の形態のローン品質スコア生成処理に含まれるステップを示す。この好適な実施の形態におけるプロセスは、要素38に示すように、ユーザ入力ステップで開始される。この好適な実施の形態でユーザに提出が要求されるユーザ入力データには、目的資産の所在地、ローンの希望額、見積り資産評価、希望の担保権タイプ、そして売手の氏名などがある。この好適な実施の形態における入力については、個々に後述する。見積り資産評価については、直接の現場鑑定または購入契約の結果としてすでにユーザに知られているであろう。また、それ以外の形として、ユーザが目的資産の評価に近いと信じられる値を入力する場合もある。このデータは、追加のデータの収集や、ローン品質スコアの計算および提供に使われる。
この好適な実施の形態におけるローン品質スコア付けプロセスの次のステップは、ある特定の自動評価モデルを用いて評価を見積もることである。このステップは、図2に要素40で示してある。ユーザ入力データに、上の要素38に示すステップにおける自動評価モデルでの評価が含まれていた場合、本ステップで使用する自動評価モデルは先に使用されたモデルとは別のものとなる。これによって追加の安全チェックが実行され、正確なローン品質スコアが保証される。典型的なAVMは、複雑な演算や統計データを使用し、所在地情報を用いた資産評価を提供する。通常、立地や近隣で比較対象となりうる最近の販売記録から入手できる付加的なデータに加えて、資産のサイズおよび種類もまた考慮される。この評価は、ユーザ入力で提供されるデータセットに追加される。なお、別の実施の形態での本発明は、ユーザによる評価見積りが存在しない場合、その見積りなしで実行されるか、あるいは、別の入力を使用する。そうした別の実施の形態では、ローン品質スコアは、下記の式に類似はしているが異なる、別の計算式を使用して計算される。
次に、1つの実施の形態におけるローンスコア計算方法では、売手の名称のユーザ入力を検索して、ローン詐欺と相関することが知られている特定のキーワードを探す。これは「ストリング検索」としても知られている。このステップは図2の要素42に示されている。資産の売手がローン詐欺と相関することが知られている特定の特徴を有する場合、ユーザが入力した売手氏名には、バイナリ変数(「ダミー」変数として一般に知られたもの)が設定される。バイナリ変数が1であれば「真」を意味し、0であれば「偽」を意味する。このカテゴリに分類される売手には、危険を示すフラグが付けられる。このバイナリ変数の用法については後述する。売手に関するデータは、それが存在する場合、その後ユーザ入力に追加され、保存される。他の実施の形態では、本ステップは、変更されたり完全に省略されたりする場合もある。しかし、このデータは、特定のローンにおける詐欺の可能性に関して価値ある情報を提供するものとして示されている。
この好適な実施の形態における次のステップは、要素44に示すように、ローン品質スコアのアルゴリズムを適用することである。このアルゴリズムはいくつかの変数を用いる。それら変数を以下に示す。
Logit= 0.534 * RS
+ 0.637 * TS
− 0.984 * RF
+ 0.979 * AO
− 0.00000808 * AVM
+ 1.278 * EX
+ 1.301 * EX50
+ 0.907 * NARM
+ 0.029 * AG
+ 0.0000136 * LA
+ 109139 / AVM
+ 0.653 * (US/AVM)^2.25
− 0.000596 * SF
− 3.738
上記において、
・Logitはオッズ比(すなわち、p/(1−p))の自然対数であり、そこでのpはローンが詐欺的である可能性である。
・RSは、危険のある売手を示すダミーのバイナリ変数である。売手が危険であればバイナリ変数は「1」に設定される。売手が危険でない場合、バイナリ変数は「0」に設定される。
・TSは、過去3年における資産の販売回数である。
・RFは、リファイナンスローンに関するダミーのバイナリ変数である。ローンがリファイナンスであればバイナリ変数は「1」に設定され、そうでなければ「0」に設定される。
・AOは、不在所有者に関するダミーのバイナリ変数である。購入者が購入後に対象資産に居住する意図がない場合に本バイナリ変数は「1」に設定され、そうでなければ「0」に設定される。
・AVMは、自動評価モデルの評価見積りである。
・EXは、ユーザ提出評価が自動評価モデル評価を上回った場合のダミーのバイナリ変数である。ユーザ提出評価が自動評価を上回った場合に本バイナリ変数は「1」に設定され、そうでなければ「0」に設定される。
・EX50は、ユーザ提出評価が自動評価モデル評価を50%以上上回った場合のダミーのバイナリ変数である。ユーザ提出評価が自動評価を50%以上上回った場合に本バイナリ変数は「1」に設定され、それ以外の場合は「0」に設定される。
・NARMは、非独立当事者間の移動に関するダミーのバイナリ変数である。販売が非独立当事者間でないと見られる場合(すなわち、家族間の場合や同名の個人間の場合)に本バイナリ変数は「1」に設定され、それ以外の場合は「0」に設定される。
・AGは、目的資産の築年数である。
・LAは、ローン額である。
・AVは、鑑定評価である。
・USは、ユーザ提出の評価である。
・SFは、目的資産の平方フィート単位の面積である。
これらの変数は各々、ユーザ入力から直接、あるいは、期間内にデータベースに収集された、既知の詐欺的ローン要請を含むデータの検証から引き出される。また、いくつかの変数については、ユーザ入力データまたはデータベースデータに基づいて関連性を求めた後に取り入れられる。計算式全体は、選択した変数それぞれを考慮する設計の技術を用いて引き出されたものであり、それらと関連する係数が、潜在的ローン詐欺の予測にあたってそれらの関連性を最も正確に表すものであることが知られたものである。
ここでの、そして好適な実施の形態での計算式は、詐欺的ローンのデータおよび非詐欺的ローンのデータのサンプルセットを用いて引き出される。上記の計算式は統計分析を用いて引き出されたもので、ベストモードであることが分かっている。しかし、別の計算式が存在するし、使用することもできる。本発明の別の実施の形態は、上に一覧で示した必要な変数のうち1以上について、利用できないか、ユーザによる入力が行われない、という場合である。これらのケースでは別の計算式を使用するが、その式は、利用できない1つまたは複数の変数を用いない形の統計分析を使って引き出されたものである。また、別のもう1つの実施の形態は、追加の変数がある場合、または、逆に変数が少ない場合である。詐欺的なローン申請の予測に用いられる各データグループに関して、計算式を引き出すために追加の統計分析が必要となるであろう。
Logitの計算が終わると、要素46に示すようにローン品質スコアが計算される。その際には、上記の通り計算されたLogitと予め定められた定数とで乗算を実行した後、その結果を更に別の定数から減算する。本実施の形態において、これら2つの定数は、本発明を用いて得られたスコアを詐欺的であることを知られているローンに関して得られたスコアと比較し、統計分析を用いて正確な定数を引き出す、というやり方で求められる。本実施の形態では、以下の計算式を用いてローン品質スコアを計算する:
ローン品質スコア = 500 − (33 * Logit)
ここで図3(a)を参照する。これら計算式を用いたインタラクションの例を示してある。この仮想の販売において、ローンを希望するのはビル・バイヤという個人である。そして、サリー・セラーという名の個人が住宅の売手である。販売価格は$61,000であり、2,072平方フィートの住宅の築年数は77年である。その住宅のAVM評価は$56,000であり、希望のローン額は$48,800である。これは購入であり、買手は購入後に当該住宅に居住する意図はない。売手は、危険のあるタイプとして知られてはない。本発明の本実施の形態では、危険のある売手の場合、名称にストリング検索が実行されると、以下の語が名称に含まれている。すなわち、“trust”、“llc”、“investment”、“rent”または“marketing“である。売手の名称のこれらの語は、ローン取引における詐欺の例と高い相関性を有している。ただし、これらの語があっても、以下の語を伴う場合には危険な売手とは考えられない。すなわち、“home”、“construction”、“villas”、“houses”、“estates”、“village”または“communities”である。このことが示すのは、有限責任会社である建設会社が詐欺の実行者となることはまれであり、数多くの住宅を販売することが多い、ということである。対象の住宅は過去2年で2回購入されている。図3(a)で示すように、アルゴリズムへの入力は以下のようになる:
・RS:危険のある売手のバイナリ変数であり、買手も売手も危険でないため、要素52に示す通り「0」となる。
・TS:過去3年の資産の販売回数であり、要素54に示す通り2回である。
・RF:リファイナンスローンに関するバイナリ変数であり、リファイナンスローンではないため、要素56に示す通り「0」となる。
・AO:不在所有者に関するバイナリ変数であり、借手は資産を占有する意図がないため、要素58に示す通り「1」となる。
・AVM:自動評価モデルの評価見積りであり、要素60に示す通り$56,000である。
・EX:ユーザ提出評価が自動評価モデルの評価を上回った場合に関するバイナリ変数であり、ユーザ提出評価が自動評価モデルの評価を上回っているため、要素62に示す通り「1」となる。
・EX50:ユーザ提出評価が自動評価モデル評価を50%以上上回った場合に関するバイナリ変数であり、鑑定評価が自動評価モデルの評価を50%超で上回ってはいないため、要素64に示す通り「0」となる。
・NARM:非独立当事者間の移動に関するバイナリ変数であり、買手と売手との間での取引が非独立当事者間とは思われないため、要素66に示す通り「0」となる。
・AG:目的資産の築年数であり、要素68に示す通り77年である。
・LA:ローン額であり、要素70に示す通り$48,800である。
・US:ユーザ提出評価であり、要素72に示す通り$61,000である。
・SF:目的資産の平方フィート単位の面積であり、要素74に示す通り2072である。
ローン品質スコア = 500 − (33 * Logit)
ここで図3(a)を参照する。これら計算式を用いたインタラクションの例を示してある。この仮想の販売において、ローンを希望するのはビル・バイヤという個人である。そして、サリー・セラーという名の個人が住宅の売手である。販売価格は$61,000であり、2,072平方フィートの住宅の築年数は77年である。その住宅のAVM評価は$56,000であり、希望のローン額は$48,800である。これは購入であり、買手は購入後に当該住宅に居住する意図はない。売手は、危険のあるタイプとして知られてはない。本発明の本実施の形態では、危険のある売手の場合、名称にストリング検索が実行されると、以下の語が名称に含まれている。すなわち、“trust”、“llc”、“investment”、“rent”または“marketing“である。売手の名称のこれらの語は、ローン取引における詐欺の例と高い相関性を有している。ただし、これらの語があっても、以下の語を伴う場合には危険な売手とは考えられない。すなわち、“home”、“construction”、“villas”、“houses”、“estates”、“village”または“communities”である。このことが示すのは、有限責任会社である建設会社が詐欺の実行者となることはまれであり、数多くの住宅を販売することが多い、ということである。対象の住宅は過去2年で2回購入されている。図3(a)で示すように、アルゴリズムへの入力は以下のようになる:
・RS:危険のある売手のバイナリ変数であり、買手も売手も危険でないため、要素52に示す通り「0」となる。
・TS:過去3年の資産の販売回数であり、要素54に示す通り2回である。
・RF:リファイナンスローンに関するバイナリ変数であり、リファイナンスローンではないため、要素56に示す通り「0」となる。
・AO:不在所有者に関するバイナリ変数であり、借手は資産を占有する意図がないため、要素58に示す通り「1」となる。
・AVM:自動評価モデルの評価見積りであり、要素60に示す通り$56,000である。
・EX:ユーザ提出評価が自動評価モデルの評価を上回った場合に関するバイナリ変数であり、ユーザ提出評価が自動評価モデルの評価を上回っているため、要素62に示す通り「1」となる。
・EX50:ユーザ提出評価が自動評価モデル評価を50%以上上回った場合に関するバイナリ変数であり、鑑定評価が自動評価モデルの評価を50%超で上回ってはいないため、要素64に示す通り「0」となる。
・NARM:非独立当事者間の移動に関するバイナリ変数であり、買手と売手との間での取引が非独立当事者間とは思われないため、要素66に示す通り「0」となる。
・AG:目的資産の築年数であり、要素68に示す通り77年である。
・LA:ローン額であり、要素70に示す通り$48,800である。
・US:ユーザ提出評価であり、要素72に示す通り$61,000である。
・SF:目的資産の平方フィート単位の面積であり、要素74に示す通り2072である。
従って、本計算式は:
Logit= 0.534 * 0(売手は個人ではない)
+ 0.637 * 2(資産は過去2年間に2度販売されている)
− 0.984 * 0(ローンはリファイナンスではなく購入)
+ 0.979 * 1(借手は資産を占有する意図がない)
− 0.00000808 * 56000(自動評価モデルの評価)
+ 1.278 * 1(鑑定評価は自動評価モデルの評価を上回る)
+ 1.301 * 0(鑑定評価は自動評価モデルの評価を50%超ではなく9%しか超えていない)
+ 0.907 * 0(移動は非独立当事者間と思われる)
+ 0.029 * 77(資産の築年数)
+ 0.0000136 * 48800(希望のローン額)
+ 109139 / 56000(定数を自動評価モデルの評価で除算した値)
+ 0.653 * (1.09)^2.25(鑑定評価の自動評価モデルの評価に対する比を2.25でべき乗)
− 0.000596 * 2072(資産の平方フィート単位での面積)
− 3.738
となる。
Logit= 0.534 * 0(売手は個人ではない)
+ 0.637 * 2(資産は過去2年間に2度販売されている)
− 0.984 * 0(ローンはリファイナンスではなく購入)
+ 0.979 * 1(借手は資産を占有する意図がない)
− 0.00000808 * 56000(自動評価モデルの評価)
+ 1.278 * 1(鑑定評価は自動評価モデルの評価を上回る)
+ 1.301 * 0(鑑定評価は自動評価モデルの評価を50%超ではなく9%しか超えていない)
+ 0.907 * 0(移動は非独立当事者間と思われる)
+ 0.029 * 77(資産の築年数)
+ 0.0000136 * 48800(希望のローン額)
+ 109139 / 56000(定数を自動評価モデルの評価で除算した値)
+ 0.653 * (1.09)^2.25(鑑定評価の自動評価モデルの評価に対する比を2.25でべき乗)
− 0.000596 * 2072(資産の平方フィート単位での面積)
− 3.738
となる。
そして、これはさらに:
Logit= 0.000(要素76)
+ 1.274(要素78)
− 0.000(要素80)
+ 0.979(要素82)
− 0.452(要素84)
+ 1.278(要素86)
+ 0.000(要素88)
+ 0.000(要素90)
+ 2.233(要素92)
+ 0.664(要素94)
+ 1.949(要素96)
+ 0.792(要素96)
− 1.235(要素98)
− 3.738(要素100)
である。
Logit= 0.000(要素76)
+ 1.274(要素78)
− 0.000(要素80)
+ 0.979(要素82)
− 0.452(要素84)
+ 1.278(要素86)
+ 0.000(要素88)
+ 0.000(要素90)
+ 2.233(要素92)
+ 0.664(要素94)
+ 1.949(要素96)
+ 0.792(要素96)
− 1.235(要素98)
− 3.738(要素100)
である。
これらを合計すると、
Logit = 3.744(要素102)
となる。
次いで、図3(b)を参照する。この場合、ローン品質スコアは上記の第2の計算式を用いて計算され、
ローン品質スコア = 500 −(33* Logit)(要素104)
= 500 −(33* 3.774)
= 376 (要素106)
となる。
Logit = 3.744(要素102)
となる。
次いで、図3(b)を参照する。この場合、ローン品質スコアは上記の第2の計算式を用いて計算され、
ローン品質スコア = 500 −(33* Logit)(要素104)
= 500 −(33* 3.774)
= 376 (要素106)
となる。
この結果のローン品質スコアはおよそ376となる。
別の実施の形態では、図2の要素44に示すステップで異なるアルゴリズムが適用される。このアルゴリズムもいくつかの変数を利用する。本実施の形態におけるこれら変数の1つが用いるデータは、対象資産が位置している所の予め決められた地理的領域における家計のパーセントに基づくものである。本実施の形態において、地理的領域とは地区単位(census tract)のことである。地区単位を用いると、対象資産が判定される際の住宅のグループは非常に狭くなり、その分正確さは高い。別の実施の形態では、予め決められた地理的領域をより広く又は狭くして用いることもできる。
別の実施の形態では、図2の要素44に示すステップで異なるアルゴリズムが適用される。このアルゴリズムもいくつかの変数を利用する。本実施の形態におけるこれら変数の1つが用いるデータは、対象資産が位置している所の予め決められた地理的領域における家計のパーセントに基づくものである。本実施の形態において、地理的領域とは地区単位(census tract)のことである。地区単位を用いると、対象資産が判定される際の住宅のグループは非常に狭くなり、その分正確さは高い。別の実施の形態では、予め決められた地理的領域をより広く又は狭くして用いることもできる。
本実施の形態において使用する変数は以下の通りである。
Logit= 0.077 * PL
+ 1.022 * TS
− 1.174 * RF
− 0.00001452 * AVM
+ 1.901 * EX
+ 0.012 * AG
+ 0.00002222 * LA
+ 0.459 * AVR
− 5.007
上記において:
・Logitはオッズ比(すなわちp/(1−p))の自然対数であり、そこでのpはローンが詐欺的である可能性である。
・PLは、所得が指定額よりも小さい家計のパーセントであり、本実施の形態における指定額は年$25,000である。
・TSは、過去3年における資産の販売回数である。
・RFは、リファイナンスローンのダミーのバイナリの変数であり、本バイナリ変数は、ローンがリファイナンスの場合は「1」に、それ以外の場合は「0」に設定される。
・AVMは、自動評価モデルの評価見積りである。
・EXは、ユーザ提出評価が自動評価モデルの評価を上回った場合のダミーのバイナリ変数であり、本バイナリ変数は、ユーザ提出評価が自動評価を上回った場合には「1」、そうでない場合は「0」に設定される。
・AGは、目的資産の築年数である。
・LAは、ローン額である。
・AVRは、ユーザから与えられた評価の騰貴を、予め定められた地理的領域での中間価格帯の評価騰貴と比較した比率である。本実施の形態では地区単位を用いているが、別の実施の形態では、予め定められた地理的領域として他のものを用いる場合もある。理論的には、この比率は1対1のはずである。提出された対象資産の評価の騰貴が間価格帯の評価騰貴を上回る不均衡が大きいほど、詐欺が行われている可能性も高くなる。地区単位を用いることで、対象資産の判定に用いられる住宅の範囲は非常に狭くなり、従って非常に正確になる。ユーザの提出する資産評価騰貴がローン詐欺実行に当たって主要な手口の1つとなっている点で、本変数は詐欺との間に高い相互関係を有すると見られている。本変数は、対象資産の周囲の狭い範囲の資産における中間価格騰貴に照らして考慮する場合、正確な基準を提供するものである。
上記のようにしてLogitが計算された後、要素46に示すように、ローン品質スコアが計算される。その際には、上で計算されたLogitと予め定められた定数とを乗算した後、その結果を別の定数から減算する。本実施の形態において、これら2つの定数は、本発明を用いて得られたスコアを詐欺的であることを知られているローンに関して得られたスコアと比較し、統計分析を用いて正確な定数を引き出す、という形で求められている。好適な実施の形態において、ローン品質スコアは以下の計算式を用いて計算される、すなわち、
ローン品質スコア = 500 − (31 * Logit)
である。
ローン品質スコア = 500 − (31 * Logit)
である。
図4(a)を参照する。同図には、こうした計算式を用いる場合の、インタラクションの例を示してある。この仮定のスケールでは、ローンを請求するのは個人であるビリー・バイヤーである。また、サリー・セラーという個人が住宅の売手である。住宅は築75年である。当該住宅のAVM評価額は$56,000であり、希望のローン額は$48,800である。これは購入であるが、買手は購入後も当該住宅に居住する意図はない。騰貴分散比は1.2である。住宅は過去2年間に2度購入されている。図4(a)に示すように、以下のものがアルゴリズムへの入力となる。
・PL:収入が所定の数字を下回る家計のパーセントであり、要素108に示す通り、$25,000の数字で20%である。
・TS:過去2年における資産の販売回数であり、要素110に示す通り2回である。
・RF:リファイナンスローンに関するバイナリ変数であり、リファイナンスローンではないため、要素112に示す通り「0」となる。
・AVM:自動評価モデルの評価見積りであり、要素114に示す通り$56,000である。
・EX:ユーザ提出評価が自動評価モデルの評価を上回った場合には「1」となるバイナリ変数であり、鑑定評価が自動評価モデルの評価を上回っているため、要素116に示す通り「1」である。
・AG:目的資産の築年数であり、要素118に示す通り77年である。
・LA:ローン額であり、要素120に示す通り$48,800である。
・AVR:騰貴分散比であり、要素122に示す通り1.2である。
・PL:収入が所定の数字を下回る家計のパーセントであり、要素108に示す通り、$25,000の数字で20%である。
・TS:過去2年における資産の販売回数であり、要素110に示す通り2回である。
・RF:リファイナンスローンに関するバイナリ変数であり、リファイナンスローンではないため、要素112に示す通り「0」となる。
・AVM:自動評価モデルの評価見積りであり、要素114に示す通り$56,000である。
・EX:ユーザ提出評価が自動評価モデルの評価を上回った場合には「1」となるバイナリ変数であり、鑑定評価が自動評価モデルの評価を上回っているため、要素116に示す通り「1」である。
・AG:目的資産の築年数であり、要素118に示す通り77年である。
・LA:ローン額であり、要素120に示す通り$48,800である。
・AVR:騰貴分散比であり、要素122に示す通り1.2である。
Logit= 0.077 * 0.20(1年あたりの収入が$25,000を下回る家計のパーセント)
+ 1.022 * 2(過去2年における資産の販売回数)
− 1.174 * 0(ローンは購入目的)
− 0.00001452 * 56,000(資産の自動評価)
+ 1.901 * 1(資産の提出評価が自動評価を上回る)
+ 0.012 * 77(資産は築77年)
+ 0.00002222 * 48,000(希望のローン額)
+ 0.459 * AVR
− 5.007
従って、
Logit = 0.0154(要素124)
+ 2.044(要素126)
− 0.000(要素128)
− 0.81312(要素130)
+ 1.901(要素132)
+ 0.924(要素134)
+ 1.06656(要素136)
+ 0.5508(要素138)
− 5.007(要素140)
これらを合計すると、
Logit = 0.68164(要素142)
となる。
+ 1.022 * 2(過去2年における資産の販売回数)
− 1.174 * 0(ローンは購入目的)
− 0.00001452 * 56,000(資産の自動評価)
+ 1.901 * 1(資産の提出評価が自動評価を上回る)
+ 0.012 * 77(資産は築77年)
+ 0.00002222 * 48,000(希望のローン額)
+ 0.459 * AVR
− 5.007
従って、
Logit = 0.0154(要素124)
+ 2.044(要素126)
− 0.000(要素128)
− 0.81312(要素130)
+ 1.901(要素132)
+ 0.924(要素134)
+ 1.06656(要素136)
+ 0.5508(要素138)
− 5.007(要素140)
これらを合計すると、
Logit = 0.68164(要素142)
となる。
次いで、図4(b)を参照する。この場合、ローン品質スコアは上記の第2の計算式を用いて計算され、
ローン品質スコア = 500−(31 * Logit) (要素144)
= 500−(31 * 0.68164)
= 478.86916 (要素146)
となる。
ローン品質スコア = 500−(31 * Logit) (要素144)
= 500−(31 * 0.68164)
= 478.86916 (要素146)
となる。
この結果のローン品質スコアはおよそ479となる。
要素48に示すように、この好適な実施の形態における次のステップは、このスコアをユーザに提供することである。いずれの計算式にも必要な一部データがユーザ入力から漏れている、という特別な場合は、代替のスコアを計算すればよい。漏れたデータがある場合は、データのどの部分が漏れているかに応じて代替の計算式が使われる。こうした形の代替的な実施の形態は理想的ではないが、必要によっては使用すべきであろう。上記の計算式または代替の計算式のうち1つを用い、0から1000の間でスコアが計算される。上記の計算式を用いた場合、0よりも低いスコアや1000よりも高いスコアもありうる。そのため、上下境界を定め、スコアがこれら上の境界や下の境界よりも高い場合や低い場合は、スコアを自動的にそれら境界の値に設定する。このスコアはユーザに提供される。この尺度ではスコアが低いのが疑わしいローンである。低いスコアとは0から500のスコアである。500から550までのスコアは限界範囲のスコアである。この範囲のローンは、疑わしくはあるが不充分とまではいえない。最後に、550を超えるスコアは充分なスコアである。ある特定のスコアを受け取っても、それは直ちに詐欺を予報するものではない。統計に基づき、不動産ローン詐欺の可能性が高くなっていることを示す指標を提供する1つの方法にすぎない。第1の実施の形態で示した上記の結果、すなわち376というローン品質スコアは、不充分な範囲に入る。第2の実施の形態で示された479というローン品質スコアも、やはり不充分な範囲に入る。従って、これらのローン申請のいずれについても詐欺の可能性が高い。
要素48に示すように、この好適な実施の形態における次のステップは、このスコアをユーザに提供することである。いずれの計算式にも必要な一部データがユーザ入力から漏れている、という特別な場合は、代替のスコアを計算すればよい。漏れたデータがある場合は、データのどの部分が漏れているかに応じて代替の計算式が使われる。こうした形の代替的な実施の形態は理想的ではないが、必要によっては使用すべきであろう。上記の計算式または代替の計算式のうち1つを用い、0から1000の間でスコアが計算される。上記の計算式を用いた場合、0よりも低いスコアや1000よりも高いスコアもありうる。そのため、上下境界を定め、スコアがこれら上の境界や下の境界よりも高い場合や低い場合は、スコアを自動的にそれら境界の値に設定する。このスコアはユーザに提供される。この尺度ではスコアが低いのが疑わしいローンである。低いスコアとは0から500のスコアである。500から550までのスコアは限界範囲のスコアである。この範囲のローンは、疑わしくはあるが不充分とまではいえない。最後に、550を超えるスコアは充分なスコアである。ある特定のスコアを受け取っても、それは直ちに詐欺を予報するものではない。統計に基づき、不動産ローン詐欺の可能性が高くなっていることを示す指標を提供する1つの方法にすぎない。第1の実施の形態で示した上記の結果、すなわち376というローン品質スコアは、不充分な範囲に入る。第2の実施の形態で示された479というローン品質スコアも、やはり不充分な範囲に入る。従って、これらのローン申請のいずれについても詐欺の可能性が高い。
本発明の実行における最終ステップでは、以下のものが提供される。すなわち、(1)スコアを含むレポート、(2)各ユーザ入力変数およびその値、(3)詐欺の可能性を示す他の指標、そして、(4)隣接地域での販売データ、である。要素50に示すように、これらはレポート形式で提供される。好適な実施の形態では、ユーザ入力はインターネット経由で受信され、レポートはインターネットを渡って提供される。実施の形態によっては、このステップまでは実施されない場合もあり、その場合はスコアだけが提供される。さらに別の形として、レポートの一部のみ、またはレポートを引き出すのに用いられたデータの一部のみが提供される場合もある。
以上、ローン品質スコアを計算する方法および装置について説明した。理解すべき点として、特定の実施の形態に関連付けて成されたこれまでの説明は、例示を目的とするものに留まる。本発明の総括的な精神および範囲は、これまでの説明で定められるように、別紙の特許請求の範囲によってのみ規定される。
(b)図3(a)で得られるLogitを用いたローン品質スコアの計算内容を示す表である。
(a)好適な実施の形態でのローン品質スコア生成の別の例に用いられる変数の値と計算内容とを示す表である。 (b)図4(a)で得られるLogitを用いたローン品質スコアの計算内容を示す表である。
Claims (25)
- 対象資産に関してローン品質スコアを求めるコンピュータベースの計算方法であって、
過去のローンデータを用い、ローン詐欺の予測に用いる1以上のアルゴリズムを開発するステップと、
対象資産のデータを取得するステップと、そして、
前記1以上のアルゴリズムを前記対象資産データに適用し、それによってローン品質スコアを計算するステップと、
を有する方法。 - 請求項1に記載の方法で定められたステップを実行するようにプログラムされたデジタルコンピュータシステム。
- 請求項1に記載の方法を実行するように設計されたプログラムを格納した、コンピュータで読み取り可能な媒体。
- 前記過去のローンデータには、既知の詐欺的取引からの1以上のデータが含まれること、
を特徴とする請求項1に記載の方法。 - 前記対象資産データには、キーワードのストリング検索に基づいて売手が危険な売手であるか否かを判定した結果が含まれること、
を特徴とする請求項1に記載の方法。 - 前記対象資産データには、所定期間内における前記対象資産の販売回数が含まれること、
を特徴とする請求項1に記載の方法。 - 前記対象資産データには、ローン目的が購入なのかリファイナンスなのかを判定するためのデータが含まれること、
を特徴とする請求項1に記載の方法。 - 前記対象資産データには、借手が前記対象資産を占有する意図があるか否かを判定するためのデータが含まれること、
を特徴とする請求項1に記載の方法。 - 前記対象資産データには、販売が独立当事者間の移動と見られるか否かを判定するためのデータが含まれること、
を特徴とする請求項1に記載の方法。 - 前記対象資産データには希望のローン額が含まれること、
を特徴とする請求項1に記載の方法。 - 前記対象資産データには前記対象資産の築年数が含まれること、
を特徴とする請求項1に記載の方法。 - 前記対象資産データには前記対象資産のサイズが含まれること、
を特徴とする請求項1に記載の方法。 - 前記対象資産データには、前記対象資産に対する1以上の自動評価モデルの評価が含まれること、
を特徴とする請求項1に記載の方法。 - 前記対象資産データには騰貴分散比(appreciation variance ratio)が含まれること、
を特徴とする請求項1に記載の方法。 - 前記対象資産データには、前記対象資産に対するユーザ提出の評価が1以上含まれていること、
を特徴とする請求項1に記載の方法。 - 前記アルゴリズムは、
ローン品質スコア=500−(33 * Logit)
であって、前記式において、
Logit= 0.534 * RS
+ 0.637 * TS
− 0.984 * RF
+ 0.979 * AO
− 0.00000808 * AVM
+ 1.278 * EX
+ 1.301 * EX50
+ 0.907 * NARM
+ 0.029 * AG
+ 0.0000136 * LA
+ US / AVM
+ 0.653 * (AV/AEST)^2.25
− 0.000596 * SF
− 3.738
上記において:
Logitはオッズ比、すなわちp/(1−p)、の自然対数であり、そこでのpはローンが詐欺的である可能性であり、
RSは、危険のある売手に関するバイナリ変数であり、
TSは、過去3年における資産の販売回数であり、
RFは、リファイナンスローンに関するバイナリの変数であり、
AOは、不在所有者のバイナリ変数であり、
AVMは、自動評価モデルの評価見積りであり、
EXは、ユーザ提出評価が自動評価モデル評価を上回った場合に関するバイナリ変数であり、
EX50は、ユーザ提出評価が自動評価モデル評価を50%以上上回った場合に関するバイナリ変数であり、
NARMは、非独立当事者間の移動の場合に関するバイナリ変数であり、
AGは、目的資産の築年数であり、
LAは、ローン額であり、
AVは、騰貴評価であり、
USは、ユーザ提出評価であり、
SFは、目的資産の平方フィート単位の面積であること、
を特徴とする請求項1に記載の方法。 - 前記アルゴリズムは、
ローン品質スコア=500−(31 * Logit)
であって、前記式において、
Logit= 0.077 * PL
+ 1.022 * TS
− 1.174 * RF
− 0.00001452 * AVM
+ 1.901 * EX
+ 0.012 * AG
+ 0.00002222 * LA
+ 0.459 * AVR
− 5.007
上記において:
Logitはオッズ比、すなわちp/(1−p)、の自然対数であり、そこでのpはローンが詐欺的である可能性であり、
PLは、所得が定められた額より小さい家計のパーセントであり、
TSは、過去3年における資産の販売回数であり、
RFは、リファイナンスローンに関するダミーのバイナリの変数であり、本バイナリ変数は、ローンがリファイナンスの場合は1に、それ以外の場合は0に設定されるものであり、
AVMは、自動評価モデルの評価見積りであり、
EXは、ユーザ提出評価が自動評価モデル評価を上回る場合に関するダミーのバイナリ変数であり、
AGは、目的資産の築年数であり、
LAは、ローン額であり、そして、
AVRは、ユーザから与えられた評価の騰貴を予め定められた地理的領域での中間価格帯の評価の騰貴と比較した比率であること、
を特徴とする請求項1に記載の方法。 - コンピュータによって実行される、対象資産のローン品質スコアを求めるための方法であって、
過去のローンデータを用い、ローン詐欺の予測に用いる1以上のアルゴリズムを開発するステップと、
対象資産のデータを取得するステップと、
前記対象資産に関して自動評価モデルの評価を得るステップと、
前記データと前記自動評価モデルの評価とに基づいて、追加の変数を計算するステップと、そして、
前記アルゴリズムを、前記対象資産データと、前記追加の変数と、前記自動評価モデルの評価とに適用することで、ローン品質スコアを計算するステップと、
を有する方法。 - 対象資産に関してローン品質スコアを計算するコンピュータベースの装置であり、
対象資産のデータを受け取る入力手段と、前記入力手段に接続されて、ローン品質スコアを計算すると共に、前記ローン品質スコアを提供するのに用いられる計算アルゴリズムを求める計算手段と、そして、
前記計算手段に接続されて結果を提供する出力手段と、
を有する装置。 - 前記入力手段に接続されて自動評価モデルの評価を要求し受け取る自動評価モデル接続手段を更に有すること、
を特徴とする請求項19に記載の装置。 - 前記計算手段に接続されて前記資産データと前記ローン品質スコアとを保存する一時データ格納手段を更に有すること、
を特徴とする請求項19に記載の装置。 - 前記計算手段に接続され、前記資産データおよび前記ローン品質スコアに基づいたレポートを作成するレポート生成手段を更に有すること、
を特徴とする請求項19に記載の装置。 - 前記入力手段に接続されており、1以上のデータベースにデータを要求して受け取るデータベース接続手段を更に有すること、
を特徴とする請求項19に記載の装置。 - 前記計算手段が使用するアルゴリズムは、
ローン品質スコア=500−(33 * Logit)
であって、前記式において、
Logit= 0.534 * RS
+ 0.637 * TS
− 0.984 * RF
+ 0.979 * AO
− 0.00000808 * AVM
+ 1.278 * EX
+ 1.301 * EX50
+ 0.907 * NARM
+ 0.029 * AG
+ 0.0000136 * LA
+ US / AVM
+ 0.653 * (AV/AEST)^2.25
− 0.000596 * SF
− 3.738
上記において:
Logitはオッズ比、すなわちp/(1−p)、の自然対数であり、そこでのpはローンが詐欺的である可能性であり、
・RSは、危険のある売手に関するバイナリ変数であり、
・TSは、過去3年における資産の販売回数であり、
・RFは、リファイナンスローンに関するバイナリ変数であり、
・AOは、不在所有者に関するバイナリ変数であり、
・AVMは、自動評価モデルの評価見積りであり、
・EXは、ユーザ提出評価が自動評価モデル評価を上回る場合に関するバイナリ変数であり、
・EX50は、ユーザ提出評価が自動評価モデル評価を50%以上上回る場合に関するバイナリ変数であり、
・NARMは、非独立当事者間の移動に関するバイナリ変数であり、
・AGは、目的資産の築年数であり、
・LAは、ローン額であり、
・AVは、騰貴評価であり、
・USは、ユーザ提出評価であり、
・SFは、目的資産の平方フィート単位の面積であること、
を特徴とする請求項19に記載の装置。 - 前記計算手段が使用するアルゴリズムは、
ローン品質スコア=500−(31 * Logit)
であって、前記式において、
Logit= 0.077 * PL
+ 1.022 * TS
− 1.174 * RF
− 0.00001452 * AVM
+ 1.901 * EX
+ 0.012 * AG
+ 0.00002222 * LA
+ 0.459 * AVR
− 5.007
上記において:
Logitはオッズ比、すなわちp/(1−p)、の自然対数であり、そこでのpはローンが詐欺的である可能性であり、
・PLは、所得が定められた額よりも小さい家計のパーセントであり、
・TSは、過去3年における資産の販売回数であり、
・RFは、リファイナンスローンに関するダミーのバイナリ変数であり、本バイナリ変数は、ローンがリファイナンスの場合は1に、それ以外の場合は0に設定されるものであり、
・AVMは、自動評価モデルの評価見積りであり、
・EXは、ユーザ提出評価が自動評価モデル評価を上回る場合に関するダミーのバイナリ変数であり、
・AGは、目的資産の築年数であり、
・LAは、ローン額であり、そして、
・AVRは、ユーザから与えられた評価の騰貴を、予め定められた地理的領域での中間価格帯の評価の騰貴と比較した比率であること、
を特徴とする請求項1に記載の方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/093,119 US20060224499A1 (en) | 2005-03-29 | 2005-03-29 | Method and apparatus for computing a loan quality score |
PCT/US2006/008993 WO2006104680A2 (en) | 2005-03-29 | 2006-03-08 | Method and apparatus for computing a loan quality score |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008535089A true JP2008535089A (ja) | 2008-08-28 |
Family
ID=37053874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008504085A Pending JP2008535089A (ja) | 2005-03-29 | 2006-03-08 | ローン品質スコアを計算する方法および装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20060224499A1 (ja) |
JP (1) | JP2008535089A (ja) |
CN (1) | CN101238483A (ja) |
AU (1) | AU2006229758A1 (ja) |
CA (1) | CA2599666A1 (ja) |
WO (1) | WO2006104680A2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018056534A1 (ko) * | 2016-09-20 | 2018-03-29 | 주식회사 공감랩 | 부동산 추정 가격에 대한 신뢰성 등급 부여 시스템 및 방법 |
US11094135B1 (en) | 2021-03-05 | 2021-08-17 | Flyreel, Inc. | Automated measurement of interior spaces through guided modeling of dimensions |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9031881B2 (en) * | 2006-06-30 | 2015-05-12 | Corelogic Solutions, Llc | Method and apparatus for validating an appraisal report and providing an appraisal score |
WO2008014089A2 (en) | 2006-06-30 | 2008-01-31 | First American Corelogic, Inc. | Method and apparatus for predicting outcomes of a home equity line of credit |
US7546271B1 (en) * | 2007-12-20 | 2009-06-09 | Choicepoint Asset Company | Mortgage fraud detection systems and methods |
US10380652B1 (en) | 2008-10-18 | 2019-08-13 | Clearcapital.Com, Inc. | Method and system for providing a home data index model |
US8515863B1 (en) * | 2010-09-01 | 2013-08-20 | Federal Home Loan Mortgage Corporation | Systems and methods for measuring data quality over time |
US10353761B2 (en) | 2011-04-29 | 2019-07-16 | Black Knight Ip Holding Company, Llc | Asynchronous sensors |
US20140180932A1 (en) * | 2012-12-20 | 2014-06-26 | Mark Leigh Stockton | Process for determining reasonableness of value conclusion |
US20150154664A1 (en) * | 2013-12-03 | 2015-06-04 | Fannie Mae | Automated reconciliation analysis model |
CN106548400A (zh) * | 2016-10-21 | 2017-03-29 | 郑友龙 | 互联网贷款的智能匹配与撮合交易平台及其方法 |
CN108399566A (zh) * | 2018-01-31 | 2018-08-14 | 深圳市买买提信息科技有限公司 | 一种数据处理方法及终端 |
US11681966B2 (en) | 2021-02-24 | 2023-06-20 | Fannie Mae | Systems and methods for enhanced risk identification based on textual analysis |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6078903A (en) * | 1998-02-12 | 2000-06-20 | Kmv Development Lp | Apparatus and method for modeling the risk of loans in a financial portfolio |
US7076452B2 (en) * | 2000-10-23 | 2006-07-11 | Costar Group, Inc. | System and method for collection, distribution, and use of information in connection with commercial real estate |
CA2332255A1 (en) * | 2001-01-24 | 2002-07-24 | James A. Cole | Automated mortgage fraud detection system and method |
US7865427B2 (en) * | 2001-05-30 | 2011-01-04 | Cybersource Corporation | Method and apparatus for evaluating fraud risk in an electronic commerce transaction |
US8458082B2 (en) * | 2001-11-13 | 2013-06-04 | Interthinx, Inc. | Automated loan risk assessment system and method |
US7079993B2 (en) * | 2003-04-29 | 2006-07-18 | Daniel H. Wagner Associates, Inc. | Automated generator of optimal models for the statistical analysis of data |
US20060059073A1 (en) * | 2004-09-15 | 2006-03-16 | Walzak Rebecca B | System and method for analyzing financial risk |
-
2005
- 2005-03-29 US US11/093,119 patent/US20060224499A1/en not_active Abandoned
-
2006
- 2006-03-08 CN CNA2006800103641A patent/CN101238483A/zh active Pending
- 2006-03-08 JP JP2008504085A patent/JP2008535089A/ja active Pending
- 2006-03-08 WO PCT/US2006/008993 patent/WO2006104680A2/en active Application Filing
- 2006-03-08 CA CA002599666A patent/CA2599666A1/en not_active Abandoned
- 2006-03-08 AU AU2006229758A patent/AU2006229758A1/en not_active Abandoned
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018056534A1 (ko) * | 2016-09-20 | 2018-03-29 | 주식회사 공감랩 | 부동산 추정 가격에 대한 신뢰성 등급 부여 시스템 및 방법 |
US11094135B1 (en) | 2021-03-05 | 2021-08-17 | Flyreel, Inc. | Automated measurement of interior spaces through guided modeling of dimensions |
US11682174B1 (en) | 2021-03-05 | 2023-06-20 | Flyreel, Inc. | Automated measurement of interior spaces through guided modeling of dimensions |
Also Published As
Publication number | Publication date |
---|---|
CN101238483A (zh) | 2008-08-06 |
WO2006104680A3 (en) | 2007-12-06 |
CA2599666A1 (en) | 2006-10-05 |
AU2006229758A1 (en) | 2006-10-05 |
US20060224499A1 (en) | 2006-10-05 |
WO2006104680A2 (en) | 2006-10-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2008535089A (ja) | ローン品質スコアを計算する方法および装置 | |
US11769181B2 (en) | Automatically determining a current value for a home | |
US20190050953A1 (en) | Method and apparatus for validating an appraisal report and providing an appraisal score | |
US20170243296A1 (en) | Real Estate Investment System and Method of Controlling a Commercial System by Generating Key Investment Indicators | |
Agarwal et al. | Thy neighbor’s mortgage: does living in a subprime neighborhood affect one’s probability of default? | |
US7987124B1 (en) | Method of and system for evaluating an appraisal value associated with a loan | |
Calabrese et al. | “Birds of a feather” fail together: exploring the nature of dependency in SME defaults | |
Bernheim et al. | Do real estate brokers add value when listing services are unbundled? | |
WO2016199474A1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
US20080201247A1 (en) | Method, system and computer-readable media for evaluation or selection of real estate appraisers | |
Jiang et al. | A new hedonic regression for real estate prices applied to the Singapore residential market | |
Zhu et al. | The influence of foreclosure delays on borrowers' default behavior | |
Choi et al. | Self‐reported vs. market estimated house values: Are homeowners misinformed or are they purposely misreporting? | |
US7693764B1 (en) | Systems and methods for assessing property value fraud | |
Jack et al. | Effects of exchange rate volatility on real estate prices in developing economies, a case of Ghana | |
US20080249788A1 (en) | Method for developing an objective opinion | |
Shen et al. | Local Housing market sentiments and returns: Evidence from China | |
Raymond et al. | The effectiveness of a web strategy for real estate brokerage | |
Bigerna et al. | The economic valuation of green electricity | |
US20140304145A1 (en) | Appraisal and mortgage document evaluation and scoring system and method | |
Conklin et al. | An alternative approach to estimating foreclosure and short sale discounts | |
CN112950250A (zh) | 房屋价值的评估方法、装置、存储介质和智能终端 | |
Depken et al. | A low-cost methodology for correcting the distressed sales bias in a downward spiraling housing market | |
US20150302419A1 (en) | Appraisal adjustments scoring system and method | |
CN113396438B (zh) | 出售价格预测装置 |