基于贷后预警模型的贷后预警平台及方法与流程
1.本发明涉及信息技术管理技术领域，具体地说是一种基于贷后预警模型的贷后预警平台及方法。
背景技术：
2.随着“互联网+普惠金融”日益兴盛，各银行在坚守传统业务的同时，纷纷引入新的业务模式，积极推动零售业务转型，以满足客户对金融服务便捷化、线上化的需求，实践普惠金融战略。为更好实践国家发展普惠金融战略，推动银行更好的服务“三农”和小微等实体经济发展，扩大信贷规模和服务覆盖范围，降低贷后管理的信贷服务风险，提升市场竞争力，助力银行快速开展线上快贷业务。
3.故如何实现客户风险等级的分级分类，并针对性的制定贷后方案，降低银行贷后管理成本的同事，提升客户经理人均管户是目前亟待解决的技术问题。
技术实现要素：
4.本发明的技术任务是提供一种基于贷后预警模型的贷后预警平台及方法，来解决如何实现客户风险等级的分级分类，并针对性的制定贷后方案，降低银行贷后管理成本的同事，提升客户经理人均管户的问题。
5.本发明的技术任务是按以下方式实现的，一种基于贷后预警模型的贷后预警平台，该贷后预警平台包括基础设施层以及应用层，基础设施层包括数据后台的各类数据存储服务器、消息服务器、模型计算服务器、磁盘阵列存储器、web应用服务器以及网络通信设备；该贷后预警平台接入大数据需要建设数据库服务器集，提供企业预警类相关数据，并结合业务数据库和消息服务器共同汇入模型计算服务器中，通过模型计算服务器分别为应用服务器提供贷后预警模型决策结果与应用支持；
6.应用层基于三层体系架构，以通讯和计算机中间件技术为核心，采用b/s体系架构，基于业界成熟、稳定的javaee框架，遵守j2ee规范进行建设和开发。
7.作为优选，该贷后预警平台的整个信息安全防护体系嫁接在浪潮云应用服务器，浪潮云应用服务器包括云操作系统、云安全管理平台、网络节点、存储节点以及若干计算机节点，计算机节点上暗账虚拟机安全套件，虚拟机安全套件安装于各个计算机节点，充当安全代理；云安全管理平台作为管理节点部署于单独的物理节点。
8.作为优选，该贷后预警平台具有如下功能；
9.①
、业务分类管理：按整体业务开展情况设定不同的业务分类，企业在导入时，选择该企业所归属业务分类；
10.②
、企业入库模板配置：对企业入库时需要录入的企业信息进行配置；
11.③
、报告模板配置：对定期检查报告、不定期检查报告、重点检查报告以及任务类预警界面所需要业务人员填写内容进行配置；
12.④
、预警等级配置：默认配置预警等级为“任务类”及“知悉类”两种；
13.⑤
、周期性模型配置：针对不同业务分类配置不同任务生成周期；
14.⑥
、企业监控模型：从“默认监控规则库”中选择系统监控规则进行配置，包括当前监控规则状态(开启、关闭)及监控规则阈值/等级内容；
15.⑦
、企业批量导入：供业务人员批量导入待投后管理的企业使用；
16.⑧
、企业入库审批：根据用户权限及审批流程设置，上级业务管理人员对批量导入的信息及单户新增的企业进行入库审批；
17.⑨
、企业入库接口：提供企业入库接口，供后续审批系统直接调用接口完成企业自动入库；
18.⑩
、任务待办查看：企业产生的定期检查任务，将自动下发至企业归属客户经理(企业入库时指定)任务列表；
19.一键归档申请：通过业务详情查询，查询到需要归档的企业，确认各类信息无误后，即可发起归档申请；
20.材料归档审批：归档申请提交后，由上级对归档申请进行审批；
21.系统管理：为满足金融组织架构要求，采用“多租户”建设方式，各下属公司间通过系统权限管理完成业务“逻辑隔离；
22.审批流程配置：集团管理员对任务、归档审批流程进行配置，选择对应工作是否开启审批节点。
23.更优地，周期性模型配置具体如下：
24.业务人员选择新增周期性模型规则配置；
25.选择需要新增监控的业务类型；
26.填写该业务类型的监控周期，监控频率包括天、月。
27.一种基于贷后预警模型的贷后预警方法，该方法具体如下：
28.企业大数据对接：通过对接行业内的企业征信大数据，完成对企业信贷服务指标的监测；
29.数据传输：采用组合加密方式实现数据加密以及加密传输；
30.建设指标层数据库：融合策略与算法，基于外部征信数据形成的企业标准mysql标准库，建立覆盖三级体系的指标库；并在指标库基础上抽取信用特征集，建立样本抽取逻辑从海量企业中抽取训练样本建立样本库，基于抽取的信用特征集、训练样本集并基于机器学习、人工智能及大数据等先进的建模技术构建信用评分模型，通过评分转换方法形成最终的企业信用评价结果，基于训练所得企业信用评分模型预测新企业的企业信用评分及信用等级。
31.作为优选，企业大数据对接的数据项通过天眼查、企查查、凭安征信及天元征信获取。
32.更优地，企业大数据对接是采用数据服务接口的模式，通过api调用的方式获取数据json样例，再对json样例数据进行解析，实现对企业贷后监测数据的系统性接入。
33.更优地，企业大数据接入内容包括：
34.(1)、被执行人：通过公司名称获取是否存在被执行人信息，被执行人信息包括执
行法院、案件内容、执行标的、被执行人名称以及组织机构代码；
35.(2)、失信被执行人：通过公司名称判定企业失信情况，企业失信情况包括失信人名称、组织机构代码、履行情况以及失信行为具体情形；
36.(3)、限制高消费：通过公司名称获取限制消费令信息，限制消费令信息包括执行法院、案件内容以及被执行人名称；
37.(4)、法院判决未履行：通过公司名称获取执行信息，执行信息包括执行法院、案件内容、被执行人名称、执行标的及未履行金额信息；
38.(5)、企业失信情况：通过公司名称判定企业失信情况，企业失信情况包括失信人名称、组织机构代码、履行情况及失信行为具体情形的字段的详细信息，并通过失信人履行情况判断是否履行；
39.(6)、经营状态：通过公司名称获取企业基本信息，企业基本信息包括人员规模、经营开始时间、注册号、注册资本、登记机关、注册地址、行业、核准时间、纳税人识别号、经营范围、组织机构代码、企业状态、成立日期、法人、经营结束时间、实收注册资金、企业类型、统一社会信用代码、吊销日期、吊销原因、注销日期及注销原因；
40.(7)、成立时长：通过企业基本信息接口一并查询经营状态、成立市场、机构类型、限制行业及注册登记地信息；
41.(8)、法人持股比例：通过公司名称获取企业股东信息，企业股东信息包括股东名、出资比例、出资金额及股东总数的信息；
42.(9)、法人变更：通过公司名称获取企业变更记录信息，企业变更记录信息包括工商变更事项及变更前后信息，根据工商变更事项判断是否为法人变更；
43.(10)、限制行业：通过企业基本信息接口一并查询经营状态、成立市场、机构类型、限制行业及注册登记地信息，企业基本信息接口中返回国民经济行业分类(包括大类、中类、小类)，根据此分类判断限制行业；
44.(11)、机构类型为分支机构、外资或集体所有制：通过企业基本信息接口查询企业类型或通过企业类型查询接口查询企业类型；
45.(12)、是否为淘汰落后企业：是否为当地政府发布名单或通过行业分类进行判断；
46.(13)、产能企业：事件名称、事件类型、企业名称及数据类型；
47.(14)、注册登记地：通过企业基本信息接口一并查询经营状态、成立市场、机构类型、限制行业、及注册登记地信息；
48.(15)、行政处罚：通过公司名称获取企业行政处罚信息，行政处罚信息包括处罚日期、决定书文号、处罚事由及违法行为类型、处罚结果及内容、处罚单位和数据来源信息；
49.(16)、股权变更：通过公司名称获取企业股权变更信息，企业股权变更信息包括变更前后的股东名及变更时间的字段的详细信息；
50.通过公司名称获取上市公司股本变动信息，上市公司股本变动信息包括变动时间、变动原因、变动后a股总股本、变动后流通a股及变动后限售a股；
51.(17)、股权质押：通过公司名称获取股权出质信息，股权出质信息包括企业质权人信息、出质人信息、出质股权标的企业信息及出质股权数额的字段的详细信息；
52.(18)、股权冻结：公示类型、出质标的物信息、股份持有人、冻结股数、本次冻结股份占所持股份比例、质押期限、实际累计冻结金额、网站发布日期、款人及抵押人；
53.(19)、严重违法失信企业：通过公司名称判定企业失信情况，企业失信情况信息包括失信人名称、组织机构代码、履行情况及失信行为具体情形的字段的详细信息；
54.(20)、司法拍卖：通过关键字(公司名称、注册号或社会统一信用代码)获取企业司法拍卖公告信息，企业司法拍卖公告信息包括拍卖公告标题、执行法院、拍卖时间、拍卖标的及起拍价格的字段的详细信息；
55.(21)、经营异常：通过公司名称获取企业经营异常信息，企业经营异常信息包括列入和/或移除原因、时间及做出决定机关等俄字段的详细信息；
56.(22)、担保过高：通过公司名称获取上市公司对外担保信息，对外担保信息包括公告日期、担保方、被担保方、担保方式及担保金额，并获取担保数据后，计算判断担保是否过高；
57.(23)、税务非正常户：企业名称、内容、事件名称、事件结果、关联方名称、发布时间、认定时间及税务登记号；
58.(24)、重大税收违法：通过公司名称获取税收违法信息，税收违法信息包括纳税人名称及案件性质俄字段的详细信息；
59.(25)、催缴和/或欠税：通过公司名称或id获取企业欠税信息，企业欠税信息包括欠税公告、纳税人识别号、证件号码、经营地点、欠税税种及欠税余额的字段的详细信息；
60.(26)、涉诉公告：案号、法院名称、立案时间及当事人；当事人信息包括案由、法院类型、公告类型、诉讼地位(原审)、当前称号、主体类型、当事人名称；
61.(27)、开庭公告：通过公司名称获取企业开庭公告，企业开庭公告包括被告或被上诉人、法院、原告或上诉人、开庭日期、案由、内部id及案号的字段的详细信息；
62.(28)、裁判文书：内容、案号、法院、判决结果、审结日期、依据、审理状态、当事人、判决金额、诉讼地位(原审)及胜负关系；
63.(29)、终本案件：通过公司名称获取执行信息，执行信息包括执行法院、案件内容、被执行人名称、执行标的及未履行金额；
64.(30)、新闻舆情：根据公司名称(精确匹配)获取新闻列表；
65.(31)、疑似空壳企业：综合分析企业的基本信息及日常经营信息挖掘企业的异常特征或者企业间的异常关联特征，洞察识别空壳公司。
66.本发明的基于贷后预警模型的贷后预警平台及方法具有以下优点：
67.(一)本发明适用于银行贷后预警场景中，在用户充分授权数据并且数据资源充足的情况下，基于贷后预警规则，实现对客户贷后风险的实时监测，降低银行贷后管理成本；
68.(二)本发明替代传统的客户经理贷后尽调检查机制，利用实时更新的大数据，实现对客户贷后风险的综合预判，业务统筹平台模型策略中心会建立贷后预警策略机制，结合实时风险预警、存量风险预判、客户综合信用评估的情况建立综合决策策略，策略中心支持对策略进行管理，对监控维度、监控规则进行自定义设置，能够对各类监控模型、监控指标进行灵活配置，包括对监控指标、模型计算规则、阈值规则等的配置，从而便于灵活调整模型参数，实现监控的个性化管理；本发明会实时发出预警信号指导银行人员对贷款个体进行重点关注采取对应处理办法，当同样的非财务预警信号或者财务预警信号再次出现时能够通过过去的处理方法而迅速的运用曾经使用的有效手段将风险进行预防和控制；
69.(三)本发明以建设自动化投后预警平台为目标，通过系统规则设定，自动对企业
投后周期性检查进行提醒；结合各类外部数据，打造自动化风险预警模型，实现企业风险自动预警；同时，结合企业管理、预警处置、稽核归档等流程化操作，实现投后风险管理闭环，提升风险管理效率与质量；
70.(四)本发明有效地对接银行内部已有的信贷核心，将已经放款的用户自动对接到贷后预警平台上，进行风险预警，实现客户风险等级的分级分类，并针对性的制定贷后方案，降低银行贷后管理成本，提升客户经理人均管户；
71.(五)本发明基于多方数据源进行贷后预警模型建设，将模型结果对应输出到雨后预警平台，实现企业贷后风险实时监测，具体如下：
72.①
企业风险数据接入：需要按照数据要求接入相关数据；
73.②
实现数据指标化：对数据进行指标化处理，并基于模型建设方法，对各项风险指标划定监测阈值；其中，本发明采用tdos数据采集治理平台，对多源数据进行采集、治理；
74.③
业务系统对接：对行内已有的金融业务进行梳理，对接信贷核心，自动监测已放款企业，并在完成还款后自动移出贷后预警清单，对接行内信贷审批核心，配置客户体系对接。
附图说明
75.下面结合附图对本发明进一步说明。
76.附图1为基于贷后预警模型的贷后预警平台的结构示意图；
77.附图2为基于贷后预警模型的贷后预警方法的流程示意图。
具体实施方式
78.参照说明书附图和具体实施例对本发明的基于贷后预警模型的贷后预警平台及方法作以下详细地说明。
79.实施例1：
80.如附图1所示，本发明的基于贷后预警模型的贷后预警平台，该贷后预警平台包括基础设施层以及应用层，基础设施层包括数据后台的各类数据存储服务器、消息服务器、模型计算服务器、磁盘阵列存储器、web应用服务器以及网络通信设备；该贷后预警平台接入大数据需要建设数据库服务器集，提供企业预警类相关数据，并结合业务数据库和消息服务器共同汇入模型计算服务器中，通过模型计算服务器分别为应用服务器提供贷后预警模型决策结果与应用支持；其中，数据库服务器、应用服务器以及消息服务器的参数具体如下表所示：
[0081][0082]
软件要求如下表所示：
[0083][0084]
应用层基于三层体系架构，以通讯和计算机中间件技术为核心，采用b/s体系架构，基于业界成熟、稳定的javaee框架，遵守j2ee规范进行建设和开发。
[0085]
本实施例中的贷后预警平台的整个信息安全防护体系嫁接在浪潮云应用服务器，浪潮云应用服务器包括云操作系统、云安全管理平台、网络节点、存储节点以及若干计算机节点，计算机节点上暗账虚拟机安全套件，虚拟机安全套件安装于各个计算机节点，充当安全代理；云安全管理平台作为管理节点部署于单独的物理节点。
[0086]
为了解决贷后预警的全流程服务，贷后预警主要分为以下几个部分，一是基于贷后预警模型事先的企业信息预警，二是针对于预警信息的等级不同，形成的贷后管理，本实施例中的贷后预警平台具有如下功能；
[0087]
①
、业务分类管理：按整体业务开展情况设定不同的业务分类，企业在导入时，选择该企业所归属业务分类；
[0088]
②
、企业入库模板配置：对企业入库时需要录入的企业信息进行配置；
[0089]
③
、报告模板配置：对定期检查报告、不定期检查报告、重点检查报告以及任务类预警界面所需要业务人员填写内容进行配置；
[0090]
④
、预警等级配置：默认配置预警等级为“任务类”及“知悉类”两种；
[0091]
⑤
、周期性模型配置：针对不同业务分类配置不同任务生成周期；
[0092]
⑥
、企业监控模型：从“默认监控规则库”中选择系统监控规则进行配置，包括当前监控规则状态(开启、关闭)及监控规则阈值/等级内容；
[0093]
⑦
、企业批量导入：供业务人员批量导入待投后管理的企业使用；
[0094]
⑧
、企业入库审批：根据用户权限及审批流程设置，上级业务管理人员对批量导入的信息及单户新增的企业进行入库审批；
[0095]
⑨
、企业入库接口：提供企业入库接口，供后续审批系统直接调用接口完成企业自
动入库；
[0096]
⑩
、任务待办查看：企业产生的定期检查任务，将自动下发至企业归属客户经理(企业入库时指定)任务列表；
[0097]
一键归档申请：通过业务详情查询，查询到需要归档的企业，确认各类信息无误后，即可发起归档申请；
[0098]
材料归档审批：归档申请提交后，由上级对归档申请进行审批；
[0099]
系统管理：为满足金融组织架构要求，采用“多租户”建设方式，各下属公司间通过系统权限管理完成业务“逻辑隔离；
[0100]
审批流程配置：集团管理员对任务、归档审批流程进行配置，选择对应工作是否开启审批节点。
[0101]
本实施例中的周期性模型配置具体如下：
[0102]
业务人员选择新增周期性模型规则配置；
[0103]
选择需要新增监控的业务类型；
[0104]
填写该业务类型的监控周期，监控频率包括天、月。
[0105]
实施例2：
[0106]
本实施例提供了一种基于贷后预警模型的贷后预警方法，该方法具体如下：
[0107]
企业大数据对接：通过对接行业内的企业征信大数据，完成对企业信贷服务指标的监测；
[0108]
数据传输：采用组合加密方式实现数据加密以及加密传输；以某种特殊的算法改变原有的信息数据，使得未授权的用户即使获得了已加密的信息，但因不知解密的方法，仍然无法了解信息的内容，确保信息安全。
[0109]
信用信息涉及数据由于其种类复杂多样的特殊性，需使用对称加密和不对称机密结合的方式保证信息的安全性。
[0110]
建设指标层数据库：融合策略与算法，基于外部征信数据形成的企业标准mysql标准库，建立覆盖三级体系的指标库；并在指标库基础上抽取信用特征集，建立样本抽取逻辑从海量企业中抽取训练样本建立样本库，基于抽取的信用特征集、训练样本集并基于机器学习、人工智能及大数据等先进的建模技术构建信用评分模型，通过评分转换方法形成最终的企业信用评价结果，基于训练所得企业信用评分模型预测新企业的企业信用评分及信用等级。
[0111]
金融机构的贷后风险预警，是指金融机构的风险管理者对贷款企业的能否偿还贷款的潜在可能性进行预测。风险的分类以及每种分类背后的原因进行分析过程。正确的贷后风险预警系统是贷款能够及时收回的保证，而正确的指标选取又是保证贷后风险预警系统正常运行的关键，贷后预警指标选取如下：
[0112]
[0113]
[0114][0115]
本实施例中的企业大数据对接的数据项通过天眼查、企查查、凭安征信及天元征信获取。
[0116]
本实施例中的企业大数据对接是采用数据服务接口的模式，通过api调用的方式获取数据json样例，再对json样例数据进行解析，实现对企业贷后监测数据的系统性接入。
[0117]
本实施例中的企业大数据接入内容如下表所示：
[0118]
[0119]
[0120][0121]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
