TWM555988U - 借款人信用風險之早期預警系統 - Google Patents
借款人信用風險之早期預警系統 Download PDFInfo
- Publication number
- TWM555988U TWM555988U TW106215259U TW106215259U TWM555988U TW M555988 U TWM555988 U TW M555988U TW 106215259 U TW106215259 U TW 106215259U TW 106215259 U TW106215259 U TW 106215259U TW M555988 U TWM555988 U TW M555988U
- Authority
- TW
- Taiwan
- Prior art keywords
- borrower
- data
- risk
- credit risk
- early warning
- Prior art date
Links
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
一種借款人信用風險之早期預警系統包含資料倉儲電子裝置、帳戶專員電腦裝置及管理伺服器裝置。管理伺服器裝置連接資料倉儲電子裝置與帳戶專員電腦裝置。管理伺服器裝置將借款人以及能夠影響借款人履債能力之關聯監控對象皆作為檢索關鍵字,從資料倉儲電子裝置內蒐集違約徵兆數據資訊;週期性地重複判斷違約徵兆數據資訊是否符合一信用風險影響指標;針對一判斷結果決定出一風險級別;以及發出一包含風險級別之報告訊息帳戶至專員電腦裝置。
Description
本創作係關於一種早期預警系統,尤指一種借款人信用風險之早期預警系統。
一般而言,傳統金融機構放款給借款人之後,必須監控借款人之信用風險或還款能力,以避免借款人無法履行債務契約而危害金融機構之債權權益。
然而,傳統金融機構只著眼於借款人財務狀況,一旦借款人陷入經營困境或產生突發事件而導致無力履行債務契約時,傳統金融機構往往不及進行後續相應作為,造成逾放的重大損失,而危害金融機構之債權權益。
故,如何研發出一種解決方案以改善上述所帶來的缺失及不便,實乃相關業者目前刻不容緩之一重要課題。
本創作之一實施例提供了一種借款人信用風險之
早期預警系統。此系統包含一資料倉儲電子裝置、至少一帳戶專員電腦裝置及一管理伺服器裝置。管理伺服器裝置電性連接資料倉儲電子裝置與帳戶專員電腦裝置,且管理伺服器裝置(a)將一借款人以及能夠影響此借款人履債能力之至少一個關聯監控對象皆作為檢索關鍵字,從此資料倉儲電子裝置內蒐集多個違約徵兆數據資訊;(b)週期性地重複判斷此些違約徵兆數據資訊是否符合多個信用風險影響指標至少其中之一;(c)針對一判斷結果且因應此借款人或是關聯監控對象而決定出多個風險級別其中之一;以及(d)對此帳戶專員電腦裝置發出一包含風險級別之報告訊息。
在本創作一或複數個實施例中,管理伺服器裝置包含一資料蒐集裝置、一評估裝置、一處理器與一訊息收發裝置。資料蒐集裝置藉以將借款人及關聯監控對象皆作為檢索關鍵字,分別從資料倉儲電子裝置內蒐集所述違約徵兆數據資訊。評估裝置藉以每日批次地判斷違約徵兆數據資訊是否符合其中一信用風險影響指標。處理器電性連接資料蒐集裝置、評估裝置,藉以針對上述評估裝置所作之判斷結果,因應借款人或是關聯監控對象而決定出風險級別。訊息收發裝置電性連接處理器,藉以發出報告訊息至帳戶專員電腦裝置。
在本創作一或複數個實施例中,當處理器判斷出其中一違約徵兆數據資訊符合信用風險影響指標時,處理器因應借款人而決定之風險級別高於因應該關聯監控對象而決定之風險級別。當處理器判斷出違約徵兆數據資訊並未符合信用風險影響指標時,處理器所決定出之風險級別最低。
當評估裝置判斷出資料蒐集裝置再次蒐集到重複之違約徵兆數據資訊時,處理器將使訊息收發裝置不再另外發出相同之報告訊息至帳戶專員電腦裝置。當帳戶專員收到報告訊息而得知其中一違約徵兆數據資訊符合信用風險影響指標,並且帳戶專員已將此報告訊息結案時,若資料蒐集裝置於上述信用風險影響指標所預設之一特定期間外再次蒐集到重複之違約徵兆數據資訊時,處理器仍使訊息收發裝置發出相同之報告訊息至帳戶專員電腦裝置,反之,若於信用風險影響指標之特定期間內再次蒐集到重複之違約徵兆數據資訊時,處理器使訊息收發裝置不再另外發出相同之報告訊息至帳戶專員電腦裝置。
當借款人或關聯監控對象之不同違約徵兆數據資訊分別符合信用風險影響指標,以致處理器決定出不同風險級別時,處理器選擇較高風險級別,並使訊息收發裝置發出含有較高風險級別之報告訊息至帳戶專員電腦裝置。
在本創作一或複數個實施例中,管理伺服器裝置包含一連接介面裝置。連接介面裝置電性連接處理器,且透過網路連接資料倉儲電子裝置與帳戶專員電腦裝置。
在本創作一或複數個實施例中,管理伺服器裝置包含一資訊回饋裝置。資訊回饋裝置電性連接處理器,藉以回饋處理器所決定之風險級別是否正確,以供調整信用風險影響指標。
在本創作一或複數個實施例中,管理伺服器裝置包含一儲存裝置。儲存裝置電性連接處理器,藉以儲存包含借
款人及關聯監控對象之多個關鍵字資料。
在本創作一或複數個實施例中,管理伺服器裝置包含一儲存裝置。儲存裝置電性連接處理器,藉以儲存該些信用風險影響指標。
在本創作一或複數個實施例中,管理伺服器裝置包含一內存裝置。內存裝置電性連接資料蒐集裝置,藉以存放所述資料蒐集裝置從資料倉儲電子裝置內蒐集之違約徵兆數據資訊。
在本創作一或複數個實施例中,風險級別以顏色燈號、數字或字母呈現於報告訊息中。
在本創作一或複數個實施例中,借款人為法人,且能夠影響借款人履債能力之關聯監控對象為借款人之董監事、股東、保證人、關係企業、集團企業、進貨廠商、銷貨廠商、上下游合作廠商、轉投資事業與金融擔保品至少其中之一。
綜上所述,藉由以上實施例所述之早期預警系統,借款人及能夠影響借款人履債能力之關聯監控對象的種種違約徵兆數據資訊能夠被早期監控與解讀。如此,在借款人陷入無力履行債務契約之地步前,金融機構之帳戶專員能夠即早進行因應步驟或向上級主管報告,進而降低危害金融機構之債權權益的機會。
以上所述僅係用以闡述本創作所欲解決的問題、解決問題的技術手段、及其產生的功效等等,本創作之具體細節將在下文的實施例及相關圖式中詳細介紹。
10‧‧‧早期預警系統
100‧‧‧管理伺服器裝置
110‧‧‧資料蒐集裝置
120‧‧‧評估裝置
130‧‧‧處理器
140‧‧‧訊息收發裝置
150‧‧‧連接介面裝置
160‧‧‧資訊回饋裝置
170‧‧‧儲存裝置
180‧‧‧內存裝置
200‧‧‧資料倉儲電子裝置
210‧‧‧內部資料伺服器
220‧‧‧外部資料伺服器
300‧‧‧帳戶專員電腦裝置
400‧‧‧網路
500‧‧‧借款人
600‧‧‧關聯監控對象
800‧‧‧顏色燈號
901~911‧‧‧步驟
為讓本創作之上述和其他目的、特徵、優點與實施例能更明顯易懂,所附圖式之說明如下:第1圖係依照本創作一實施例之一種借款人信用風險之早期預警系統的方塊圖;第2圖係依照本創作一實施例之早期預警系統之管理伺服器裝置的細部方塊圖;第3圖係依照本創作一實施例所舉出之借款人及能夠影響借款人履債能力之關聯監控對象的示意圖;第4圖係依照第3圖之借款人及關聯監控對象分別面對不同指標所因應之風險級別;以及第5圖係依照本創作一實施例之早期預警系統之運作流程的細部流程圖。
以下將以圖式揭露本創作之複數實施方式,為明確說明起見,許多實務上的細節將在以下敘述中一併說明。然而,熟悉本領域之技術人員應當瞭解到,在本創作部分實施方式中,這些實務上的細節並非必要的,因此不應用以限制本創作。此外,為簡化圖式起見,一些習知慣用的結構與元件在圖式中將以簡單示意的方式繪示之。另外,為了便於讀者觀看,圖式中各元件的尺寸並非依實際比例繪示。
有鑒於上述傳統金融機構放款給借款人之後,只著眼於借款人財務狀況,往往等到借款人陷入無力履行債務契
約之地步時,已不及進行後續催款或求償行為,造成逾放的重大損失,而危害金融機構之債權權益,如此,本創作之借款人信用風險之早期預警系統能夠透過頻繁性之判斷,不僅對借款人之違約徵兆數據資訊加以監控,更對借款人的財務關係對象或金融擔保品(統稱能夠影響借款人履債能力之關聯監控對象)之違約徵兆數據資訊加以監控,使得借款人及能夠影響借款人履債能力之關聯監控對象的種種違約徵兆數據資訊都能夠被早期監控與解讀。不同於以往只能在原地監控,本創作如同空中預警機在空中盤旋以便能夠更早發現借款人以及若干位關聯監控對象之違約徵兆異象,如此,在借款人陷入無力履行債務契約之地步前,金融機構之帳戶專員(account officer,AO)能夠即早進行因應步驟或向上級主管報告,進而降低危害金融機構之債權權益的機會。
第1圖係依照本創作一實施例之一種借款人信用風險之早期預警系統10的方塊圖。如第1圖所示,在本實施例中,借款人信用風險之早期預警系統10包含一管理伺服器裝置100、一資料倉儲電子裝置200及多個帳戶專員電腦裝置300。此管理伺服器裝置100電性連接此資料倉儲電子裝置200及這些帳戶專員電腦裝置300,特別是,管理伺服器裝置100透過一或多個網路400(如網際網路或內部網路)連接資料倉儲電子裝置200及這些帳戶專員電腦裝置300,然而,本創作不限此。
如此,當早期預警系統10對一借款人及與此借款人周邊的財務關係對象或金融擔保品(統稱能夠影響借款人履債能力之關聯監控對象)進行監控時,管理伺服器裝置100(a)
將借款人及能夠影響借款人履債能力之關聯監控對象作為檢索關鍵字,從資料倉儲電子裝置200內蒐集多個違約徵兆數據資訊;(b)週期性地重複判斷這些違約徵兆數據資訊是否符合至少一個信用風險影響指標;(c)針對一判斷結果,因應借款人或是關聯監控對象而決定出一風險級別;以及(d)對帳戶專員電腦裝置300發出一包含其中一風險級別之報告訊息。
故,當一帳戶專員從帳戶專員電腦裝置得到此報告訊息時,此帳戶專員便可從此風險級別判定是否進行相應措施(例如關注、電訪或親訪),進而避免金融機構之債權權益造成危害。
在本實施例中,詳細來說,上述存放於資料倉儲電子裝置200內之這些違約徵兆數據資訊相當多元化。這些違約徵兆數據資訊不僅為數值數據(如股票下跌達特定百分比或年度收益比),也可能是有關財務危機或信用風險之事件訊息(如存款不足遭到退票或列入政府之拒絕往來廠商)。舉例來說,這些違約徵兆數據資訊可以為借款人或借款人之上述關聯監控對象之財務指標(如營授比,Business Finance Ratio、負債比等等)、會計師簽證(如簽證意見、更換等等)、公司治理(如主管異動、質押比等等)、衍生性商品(如違約事件註記等等)、國家風險(如降評、制裁、匯率等等)、銀行往來(如還款繳息、銀行異動、新增高付息債務等等)、信用風評(如降評、退票拒往、危機大事記、風險通報等等)、擔保品狀況(如查封、第三人設定等等)、股票訊息(如股價、全額交割股等等)以及其他風險指標(如公司設立狀態/不動產指數/產業景氣預測等
等)。
更具體地,資料倉儲電子裝置200透過網路400連接至少一內部資料伺服器210,資料倉儲電子裝置200用以接受內部資料伺服器210所匯入之內部違約徵兆數據資訊。內部違約徵兆數據資訊例如取自為金融機構本身內部之子系統。這些子系統例如為簽報書系統、評等系統、擔保品系統、覆審系統、限額系統、通報系統、帳務系統等等,然而,本創作不僅限於此。資料倉儲電子裝置200透過網路400連接至少一外部資料伺服器220。資料倉儲電子裝置200用以接受外部資料伺服器220所匯入之外部違約徵兆數據資訊。外部違約徵兆數據資訊例如從台灣經濟研究院(簡稱台經院)、萬得資訊(簡稱WIND資訊)、彭博社(簡稱Bloomberg)、台灣票據交換所(簡稱票交所)、財團法人金融聯合徵信中心(簡稱聯徵)或/及台灣經濟新報(Taiwan Economic Journal,TEJ)等所取得,然而,本創作不僅限於此。
此外,所述信用風險影響指標可以朝許多方向去制定,使得上述違約徵兆數據資訊得以被判斷是否符合特定數據範圍或預設事件。舉例來說,信用風險影響指標可以判斷以下數據或事件是否符合特定數據範圍或預設事件:財務指標(如營授比,Business Finance Ratio、負債比等等)、會計師簽證(如簽證意見、更換等等)、公司治理(如主管異動、質押比等等)、衍生性商品(如違約事件註記等等)、國家風險(如降評、制裁、匯率等等)、銀行往來(如還款繳息、銀行異動、新增高付息債務等等)、信用風評(如降評、退票拒往、危機大事
記、風險通報等等)、擔保品狀況(如查封、第三人設定等等)、股票訊息(如股價、全額交割股等等)以及其他風險指標(如公司設立狀態/不動產指數/產業景氣預測等等)。
第2圖係依照本創作一實施例之早期預警系統10之管理伺服器裝置100的細部方塊圖。如第1圖與第2圖所示,管理伺服器裝置100包含一資料蒐集裝置110、一評估裝置120、一處理器130與一訊息收發裝置140。資料蒐集裝置110藉以將借款人及關聯監控對象皆作為檢索關鍵字,分別從資料倉儲電子裝置200內蒐集所述違約徵兆數據資訊。資料蒐集裝置110為硬體或晶片內之韌體。然而,資料蒐集裝置110也不限只能為硬體,也可以是用以資料蒐集之程式軟體模組。評估裝置120週期性地重複判斷該些違約徵兆數據資訊是否符合多個信用風險影響指標至少其中之一,舉例來說,評估裝置120依據一批次列表每日批次地判斷違約徵兆數據資訊是否符合其中一信用風險影響指標。批次列表內具有多個信用風險影響指標。評估裝置120為硬體或晶片內之韌體。然而,評估裝置120也不限只能為硬體,也可以是用以判斷違約徵兆數據資訊是否符合信用風險影響指標之程式軟體模組。訊息收發裝置140藉以發出報告訊息至帳戶專員電腦裝置300。訊息收發裝置140為例如用以發出電子郵件之裝置。訊息收發裝置140為硬體或晶片內之韌體。然而,訊息收發裝置140也不限只能為硬體,也可以是用以訊息收發之程式軟體模組。處理器130電性連接資料蒐集裝置110、評估裝置120與訊息收發裝置140。處理器130藉以針對上述評估裝置120所作之判斷結果,因應
借款人或是關聯監控對象而決定出風險級別。
須了解到,在一舉例中但不以此為限,當評估裝置120判斷出其中一違約徵兆數據資訊符合信用風險影響指標時,處理器130因應借款人而決定之風險級別高於因應該關聯監控對象而決定之風險級別。然而,本創作不限於此,其他狀況下,仍有可能發生借款人與其關聯監控對象在相同之信用風險影響指標下恰好被判定為相同之風險級別。
在一舉例中但不以此為限,當評估裝置120判斷出資料蒐集裝置110於一特定期間中(例如同一天或30天內),再次蒐集到重複之違約徵兆數據資訊時,處理器130將使訊息收發裝置140不再另外發出相同之報告訊息至帳戶專員電腦裝置300。
在一舉例中但不以此為限,當帳戶專員收到報告訊息而得知其中一違約徵兆數據資訊符合信用風險影響指標,並且帳戶專員已經完成對應風險級別之相關因應措施(如預警作業處理)時(即帳戶專員將此報告訊息結案),若資料蒐集裝置110於信用風險影響指標所預設之一特定期間(例如同一天或30天內)外再次蒐集到重複之違約徵兆數據資訊時,處理器130仍會使訊息收發裝置140發出相同之報告訊息至帳戶專員電腦裝置300;反之,若資料蒐集裝置110於信用風險影響指標之特定期間內再次蒐集到重複之違約徵兆數據資訊時,處理器130使訊息收發裝置140不再另外發出相同之報告訊息至帳戶專員電腦裝置300。
在一舉例中但不以此為限,當同一對象(即借款人
或關聯監控對象)之不同違約徵兆數據資訊分別符合信用風險影響指標,以致處理器130決定出不同風險級別時,處理器130選擇較高風險級別,並使訊息收發裝置140發出含有較高風險級別之報告訊息至帳戶專員電腦裝置300。
當評估裝置120判斷出其中一違約徵兆數據資訊並未符合信用風險影響指標時,處理器130所決定出之風險級別最低(即綠燈等級或無害等級),意即,借款人或所述之關聯監控對象暫無發生潛在可能無力履行債務契約之情事。
更具體地,在本實施例中,如第1圖與第2圖所示,管理伺服器裝置100包含一連接介面裝置150。連接介面裝置150電性連接處理器130,且透過網路400連接資料倉儲電子裝置200與帳戶專員電腦裝置300。如此,資料蒐集裝置110得以透過連接介面裝置150從資料倉儲電子裝置200內蒐集所述違約徵兆數據資訊,以及,訊息收發裝置140得以透過連接介面裝置150發出報告訊息至帳戶專員電腦裝置300。連接介面裝置150例如為網路卡裝置、無線網路(WIFI)裝置或無線藍芽裝置,然而,本創作不限於此。
在本實施例中,如第1圖與第2圖所示,管理伺服器裝置100包含一資訊回饋裝置160。資訊回饋裝置160電性連接處理器130,藉以提供帳戶專員電腦裝置300透過網路400回饋處理器130所決定之風險級別是否正確,以供操作人員調整信用風險影響指標。資訊回饋裝置160為硬體或晶片內之韌體。然而,資訊回饋裝置160也不限只能為硬體,也可以是用以回饋處理器130所決定之風險級別是否正確之程式軟體模
組。
在本實施例中,如第1圖與第2圖所示,管理伺服器裝置100還包含一儲存裝置170。儲存裝置170電性連接處理器130,藉以儲存包含借款人及關聯監控對象之多個關鍵字資料,以及含有這些信用風險影響指標之批次列表。儲存裝置170例如為記憶體裝置、磁碟裝置等,然而,本創作不限於此。
在本實施例中,如第1圖與第2圖所示,管理伺服器裝置100還包含一內存裝置180。內存裝置180電性連接資料蒐集裝置110與處理器130,藉以存放所述資料蒐集裝置110從資料倉儲電子裝置200內蒐集之違約徵兆數據資訊。內存裝置180例如為記憶體裝置、磁碟裝置等,然而,本創作不限於此。
第3圖係依照本創作一實施例所舉出之借款人及能夠影響借款人履債能力之關聯監控對象的示意圖。在本創作中,借款人500不限為自然人與法人,且上述關聯監控對象600可以為多個。舉例來說,在本實施例中,如第3圖所示,當借款人500為法人(如企業公司)時,上述關聯監控對象600可以例如為借款人500之董監事、股東(如主要股東與次要股東)、保證人、關係人/關係企業、集團企業、進貨廠商、銷貨廠商、上下游合作廠商與轉投資事業。此外,上述關聯監控對象600不須必定是自然人與法人,借款人500之金融擔保品也可以被認定為其中一個關聯監控對象600。然而,本創作不限於此,只要與借款人500具有直/間接合作或金錢交往,屬於潛在可能危害借款人500因此無力清償債權之變數者,都可能被決定為上述之關聯監控對象600。
此外,早期預警系統10除了對借款人500及關聯監控對象600進行監控,早期預警系統10更可以對借款人500之同產業領域之公司進行觀察。藉由將借款人500之同產業領域之公司作為檢索關鍵字,以便從資料倉儲電子裝置200內蒐集違約徵兆數據資訊,以了解產業領域之大方向趨勢,進而提供分析與諮詢。
第4圖係依照第3圖之借款人500及關聯監控對象600分別面對不同指標所因應之風險級別。如第4圖所示,在本實施例中,本系統所設計之風險級別是以不同之顏色燈號800加以呈現。由於圖示中無法呈現顏色燈號之顏色,在此以顏色燈號內之數字判定其對應之顏色燈號。舉例來說,本系統所設計之風險級別是以程度越來越嚴重之綠色、藍色、黃色、橙色與紅色之顏色燈號800,分別對應程度越來越嚴重之1~5等級之數字級別。
更具體地,上述顏色燈號或/及數字級別至少呈現於上述報告訊息中。然而,本創作不限於此。其他實施例中,亦可能以顏色燈號、數字或字母至少其中一者呈現於報告訊息中。
如第4圖所示,舉例來說,當管理伺服器裝置100依據某一信用風險影響指標判斷出被監控之借款人500發生存款不足而遭到退票時,處理器130決定之風險級別為級別5(紅色燈號);反觀,當被監控之保證人(即其中一關聯監控對象600)發生存款不足而遭到退票時,處理器130決定之風險級別為級別4(即橙色燈號);以及當被監控之關係人/關係企業(即其
中一關聯監控對象600)發生存款不足而遭到退票時,處理器130決定之風險級別為級別3(即黃色燈號)。
第5圖係依照本創作一實施例之早期預警系統10之運作流程的細部流程圖。當帳戶專員從帳戶專員電腦裝置300得到此報告訊息時,帳戶專員依據以下步驟901~步驟909繼續進行後續處理。
在步驟901中,此帳戶專員首先判定此信用風險影響指標是否合適。若是,則進行步驟902,反之,跳至步驟906。
在步驟902中,若此帳戶專員同意此信用風險影響指標為合適時,帳戶專員判斷是否符合以下已控制預設情況:a.已移送至債權管理單位處理、b.已納入審查部門營運異常授信戶控管表、c.當月或次一月份全部契約屆期且不續展、d.全部額度已結清註銷、e.協議還款中且未逾期、f.正在進行協商還款。若是,則繼續進行步驟903,反之,跳至步驟908。
在步驟903中,帳戶專員依據不同之風險級別進行相應之調查及分析。舉例來說,當風險級別之顏色燈號800為紅色燈號時,建議此帳戶專員親訪借款人500;當風險級別之顏色燈號800為橙色燈號時,建議此帳戶專員電訪或親訪借款人500;當風險級別之顏色燈號800為黃色燈號時,建議此帳戶專員電訪借款人500;當風險級別之顏色燈號800為藍色燈號時,建議此帳戶專員僅關注借款人500;當風險級別之顏色燈號800為綠色燈號時,建議此帳戶專員暫不需做出相關作為。須了解到,無論是借款人500或是所述之關聯監控對象600之違約徵兆數據資訊符合任何信用風險影響指標,帳戶專員都
只是針對借款人500進行關注、電訪或親訪行為。
在步驟904中,待帳戶專員對借款人500進行關注、電訪或親訪行為之後,帳戶專員評估是否調整燈號,若否,即不須評估是否調整燈號,則繼續進行步驟905,反之,跳至步驟909。
在步驟905中,依據不同燈號進行對應之因應措施。舉例來說,當風險級別之顏色燈號800為綠色燈號時,此帳戶專員暫不需做出相關作為(步驟910)。當風險級別之顏色燈號800為藍色燈號時,建議帳戶專員進行以下措施:監控客戶營運及信用狀況、檢視債權保障狀況,並進行步驟908。當風險級別之顏色燈號800為黃色燈號時,建議帳戶專員進行以下措施:提高監控客戶頻率、審視債權保障狀況、後續展期時,重新考慮營運資金融資額度、導引承作自償性融資、增強擔保力或保證人以及提高利費差,並進行步驟908。當風險級別之顏色燈號800為橙色燈號時,建議帳戶專員進行以下措施:縮減或暫停動撥信用額度、提高或補強案件擔保力或保證人、後續屆期時,以不再續約為優先;倘無法依循,則應比照【黃色燈號】之展期措施或改以協議分期償還。當風險級別之顏色燈號800為紅色燈號時,建議帳戶專員進行以下措施:擬訂退場機制,展開全數回收程序、協議分期償還、縮減或暫停動撥額度、提高或補強案件擔保力或保證人、擬移送債權管理單位處理。其中屬紅色燈號或橙色燈號者,需填覆減緩風險措施。更具體地,屬紅色燈號或橙色燈號者且達一定暴險額≧至少5佰萬以上者,進行步驟911,否則進行步驟908。
有關風險級別(如顏色燈號)之最長可處理天期舉例如下:當帳戶專員從帳戶專員電腦裝置300得到此報告訊息時,帳戶專員需即時於有限期間內進行相關因應措施(如預警作業處理),惟考量各案件之風險程度及執行處理複雜度不同,各風險級別(如顏色燈號)之最長可處理天期(以營業日計算)規範如下:(1)紅燈:10日(2)橙燈:7日(3)黃燈:5日(4)藍燈:5日。
在步驟906中,由於帳戶專員判定此信用風險影響指標並不合適,則通知系統權責單位。在步驟906之後,若有必要,更進行步驟907:權責單位檢視確認修改系統。
在步驟908中,呈核至單位主管。
在步驟909中,帳戶專員調整顏色燈號,例如帳戶專員透過帳戶專員電腦裝置300調整燈號,並且透過管理伺服器裝置100之資訊回饋裝置160回饋此風險級別並不正確,以供調整此信用風險影響指標。
在步驟910中,帳戶專員暫不需做出相關作為,也不須呈核至單位或督導主管。
在步驟911中,呈核至督導主管。
如此,透過本創作早期預警系統,帳戶專員能夠有效地即早進行因應步驟或向上級主管報告,進而降低危害金融機構之債權權益的機會,使此系統發揮其最大綜效。
綜上所述,藉由以上實施例所述之早期預警系統,借款人及能夠影響借款人履債能力之關聯監控對象的種種違約徵兆數據資訊能夠被早期監控與解讀。如此,在借款人陷
入無力履行債務契約之地步前,金融機構之帳戶專員能夠即早進行因應步驟或向上級主管報告,進而降低危害金融機構之債權權益的機會。
最後,上述所揭露之各實施例中,並非用以限定本創作,任何熟習此技藝者,在不脫離本創作之精神和範圍內,當可作各種之更動與潤飾,皆可被保護於本創作中。因此本創作之保護範圍當視後附之申請專利範圍所界定者為準。
10‧‧‧早期預警系統
100‧‧‧管理伺服器裝置
200‧‧‧資料倉儲電子裝置
210‧‧‧內部資料伺服器
220‧‧‧外部資料伺服器
300‧‧‧帳戶專員電腦裝置
400‧‧‧網路
Claims (10)
- 一種借款人信用風險之早期預警系統,包含:一資料倉儲電子裝置;至少一帳戶專員電腦裝置;以及一管理伺服器裝置,電性連接該資料倉儲電子裝置與該帳戶專員電腦裝置,其中,該管理伺服器裝置(a)將一借款人以及能夠影響該借款人履債能力之至少一個關聯監控對象皆作為檢索關鍵字,從該資料倉儲電子裝置內蒐集多個違約徵兆數據資訊;(b)週期性地重複判斷該些違約徵兆數據資訊是否符合多個信用風險影響指標至少其中之一;(c)針對一判斷結果且因應該借款人或是該關聯監控對象而決定出多個風險級別其中之一;以及(d)對該帳戶專員電腦裝置發出一包含該其中一風險級別之報告訊息。
- 如請求項1所述之借款人信用風險之早期預警系統,其中該管理伺服器裝置包含:一資料蒐集裝置,藉以將該借款人及該關聯監控對象皆作為檢索關鍵字,分別從該資料倉儲電子裝置內蒐集該些違約徵兆數據資訊;一評估裝置,藉以每日批次地判斷該些違約徵兆數據資訊是否符合該其中一信用風險影響指標;一處理器,電性連接該資料蒐集裝置與該評估裝置,藉以針對該判斷結果且因應該借款人或是該關聯監控對象 而決定出該風險級別;以及一訊息收發裝置,電性連接該處理器,藉以發出該報告訊息至該帳戶專員電腦裝置。
- 如請求項2所述之借款人信用風險之早期預警系統,其中當判斷出該些違約徵兆數據資訊其中之一符合該其中一信用風險影響指標時,該處理器因應該借款人而決定之風險級別高於因應該關聯監控對象而決定之風險級別;以及當判斷出該些違約徵兆數據資訊其中之一並未符合該其中一信用風險影響指標時,該處理器所決定出之該風險級別最低。
- 如請求項2所述之借款人信用風險之早期預警系統,其中該管理伺服器裝置包含:一連接介面裝置,電性連接該處理器,且透過一網路連接該資料倉儲電子裝置與該帳戶專員電腦裝置。
- 如請求項2所述之借款人信用風險之早期預警系統,其中該管理伺服器裝置包含:一資訊回饋裝置,電性連接該處理器,藉以回饋該處理器所決定之該風險級別是否正確,以供調整該其中一信用風險影響指標。
- 如請求項2所述之借款人信用風險之早期 預警系統,其中該管理伺服器裝置包含:一儲存裝置,電性連接該處理器,藉以儲存包含該借款人及該些關聯監控對象之多個關鍵字資料。
- 如請求項2所述之借款人信用風險之早期預警系統,其中該管理伺服器裝置包含:一儲存裝置,電性連接該處理器,藉以儲存該些信用風險影響指標。
- 如請求項2所述之借款人信用風險之早期預警系統,其中該管理伺服器裝置包含:一內存裝置,電性連接該資料蒐集裝置,藉以存放該資料蒐集裝置從該資料倉儲電子裝置內蒐集之該些違約徵兆數據資訊。
- 如請求項1所述之借款人信用風險之早期預警系統,其中該風險級別以顏色燈號、數字或字母呈現於該報告訊息中。
- 如請求項1所述之借款人信用風險之早期預警系統,其中該借款人為法人,且能夠影響該借款人履債能力之該關聯監控對象為該借款人之董監事、股東、保證人、關係企業、集團企業、進貨廠商、銷貨廠商、上下游合作廠商、轉投資事業與金融擔保品至少其中之一。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106215259U TWM555988U (zh) | 2017-10-17 | 2017-10-17 | 借款人信用風險之早期預警系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW106215259U TWM555988U (zh) | 2017-10-17 | 2017-10-17 | 借款人信用風險之早期預警系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
TWM555988U true TWM555988U (zh) | 2018-02-21 |
Family
ID=62015544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW106215259U TWM555988U (zh) | 2017-10-17 | 2017-10-17 | 借款人信用風險之早期預警系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWM555988U (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109410543A (zh) * | 2018-10-17 | 2019-03-01 | 深圳壹账通智能科技有限公司 | 预警测试控制方法、装置、计算机设备及存储介质 |
WO2020081608A1 (en) * | 2018-10-15 | 2020-04-23 | Paypal, Inc. | Multi-dimensional drift nuance intelligence threat engine |
TWI709923B (zh) * | 2018-10-03 | 2020-11-11 | 臺灣土地銀行股份有限公司 | 行為模式信評系統 |
US11223645B2 (en) | 2018-10-15 | 2022-01-11 | Paypal, Inc. | Deep intelligence context engine |
-
2017
- 2017-10-17 TW TW106215259U patent/TWM555988U/zh unknown
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI709923B (zh) * | 2018-10-03 | 2020-11-11 | 臺灣土地銀行股份有限公司 | 行為模式信評系統 |
WO2020081608A1 (en) * | 2018-10-15 | 2020-04-23 | Paypal, Inc. | Multi-dimensional drift nuance intelligence threat engine |
US11082452B2 (en) | 2018-10-15 | 2021-08-03 | Paypal, Inc. | Multi-dimensional drift nuance intelligence threat engine |
US11223645B2 (en) | 2018-10-15 | 2022-01-11 | Paypal, Inc. | Deep intelligence context engine |
US11677790B2 (en) | 2018-10-15 | 2023-06-13 | Paypal, Inc. | Multi-dimensional drift nuance intelligence threat engine |
CN109410543A (zh) * | 2018-10-17 | 2019-03-01 | 深圳壹账通智能科技有限公司 | 预警测试控制方法、装置、计算机设备及存储介质 |
CN109410543B (zh) * | 2018-10-17 | 2022-09-09 | 深圳壹账通智能科技有限公司 | 预警测试控制方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11101041B2 (en) | Systems and methods of managing payments that enable linking of billing accounts of one or more guarantors | |
AU2018229433B2 (en) | System for the measurement and automated accumulation of diverging cyber risks, and corresponding method thereof | |
US20090106149A1 (en) | Global compliance processing system for a money transfer system | |
US20150066714A1 (en) | Dynamic management and netting of transactions using executable rules | |
US20140258094A1 (en) | Systems and methods for dynamically providing financial loan products | |
US20150112854A1 (en) | Method of Automating a Business Loan Life Cycle | |
AU2010326120A1 (en) | Behavioral baseline scoring and risk scoring | |
TWM555988U (zh) | 借款人信用風險之早期預警系統 | |
WO2014081481A1 (en) | Loan analysis and management systems | |
US11836796B1 (en) | Securities claims identification, optimization and recovery system and methods | |
Jiang et al. | The role of audit verification in debt contracting: evidence from covenant violations | |
US8688572B2 (en) | Financial account related trigger feature for risk mitigation | |
JP2009193449A (ja) | 金融取引監視システム及び金融取引監視方法 | |
US20140358589A1 (en) | System, method, apparatus, and computer program product for providing loss draft insurance | |
US20160078450A1 (en) | Commitment Tracking System | |
TW201917643A (zh) | 借款人信用風險之早期預警系統 | |
KR100796056B1 (ko) | 신용정보의 집중관리 시스템과 방법 | |
Bui | Cybersecurity Events, Financial Analysts, and Earnings Forecast Uncertainty | |
TWM587790U (zh) | 財務困窘警示系統 | |
KR20200109791A (ko) | 금융 기관 시스템 및 그의 대출 방법 | |
Agrawal et al. | An analysis of Risk Management with special reference to insurance | |
KR20130052338A (ko) | 어음 건전성 조기 관리시스템 | |
IES85685Y1 (en) | Data processing system and method | |
IE20100417U1 (en) | Data processing system and method |