本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，更為具體而言，涉及一種貸款實(shí)時(shí)審批系統(tǒng)和方法。
背景技術(shù)：
：隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，金融市場(chǎng)的日趨完善和成熟，個(gè)人作為融資人參與到金融市場(chǎng)中的現(xiàn)象已經(jīng)越來(lái)越普遍。在充分認(rèn)識(shí)發(fā)展零售貸款巨大機(jī)遇的同時(shí)，也必須清醒地認(rèn)識(shí)到它給金融管理所帶來(lái)的深刻挑戰(zhàn)。在零售貸款業(yè)務(wù)豐厚的盈利潛力背后，也蘊(yùn)藏著很大的風(fēng)險(xiǎn)，特別是信用風(fēng)險(xiǎn)。從國(guó)外的經(jīng)驗(yàn)來(lái)看，如果能夠妥善解決對(duì)信用風(fēng)險(xiǎn)的管理和控制，個(gè)人零售貸款將是一塊回報(bào)豐厚的業(yè)務(wù)。由于零售貸款業(yè)務(wù)具有筆數(shù)多、單筆金額小、數(shù)據(jù)豐富的特征，決定了需要對(duì)其實(shí)行智能化、概率化的管理模式。目前個(gè)人零售貸款審批主要采用線下申請(qǐng)線下審批或線上申請(qǐng)線下審批相結(jié)合的方式。線下審批過(guò)于依賴客戶經(jīng)理的主觀判斷，對(duì)客戶經(jīng)理的經(jīng)驗(yàn)與個(gè)人素質(zhì)的要求過(guò)高；同時(shí)還存在審批時(shí)效性較差、審批成本較高等問(wèn)題。近年來(lái)涌現(xiàn)出了一些提供線上實(shí)時(shí)審批功能的零售貸款產(chǎn)品，部分產(chǎn)品出于風(fēng)險(xiǎn)管控的考慮，只提供了較低的信用貸款額度，無(wú)法實(shí)現(xiàn)對(duì)客戶的差異化授信；部分產(chǎn)品雖然提供了較高的授信額度，但主要靠較高的利率彌補(bǔ)不良貸款帶來(lái)的損失，也并未實(shí)現(xiàn)風(fēng)險(xiǎn)的有效管控，從而導(dǎo)致貸款審批風(fēng)險(xiǎn)高和貸款審批效率低的問(wèn)題。技術(shù)實(shí)現(xiàn)要素：鑒于現(xiàn)有技術(shù)的上述缺陷，本發(fā)明實(shí)施方式提供了一種貸款實(shí)時(shí)審批系統(tǒng)和方法，能夠有效解決當(dāng)前貸款審批風(fēng)險(xiǎn)高和貸款審批效率低的問(wèn)題。具體地，本發(fā)明實(shí)施方式提供了一種貸款實(shí)時(shí)審批系統(tǒng)，其包括：額度預(yù)授信模塊，用于在客戶提交申請(qǐng)資料后，根據(jù)客戶的貢獻(xiàn)度信息為客戶進(jìn)行額度預(yù)授信處理，得到所述客戶的綜合信用額度信息；內(nèi)控名單檢查模塊，用于通過(guò)匹配客戶的身份三要素信息，檢查該客戶是否在內(nèi)控名單中，如果在，則啟動(dòng)監(jiān)控預(yù)警；如果不在，則執(zhí)行下一模塊；征信信息檢查模塊，用于提取人行征信信息和行內(nèi)征信信息，根據(jù)自定義的拒貸規(guī)則，判斷是否拒貸；審批規(guī)則庫(kù)模塊，用于根據(jù)初始規(guī)則庫(kù)中的規(guī)則信息和預(yù)定義的訓(xùn)練數(shù)據(jù)的編碼，得到初始神經(jīng)網(wǎng)絡(luò)，并從所述初始神經(jīng)網(wǎng)絡(luò)中抽取得到更新后的審批規(guī)則，再根據(jù)所述更新后的審批規(guī)則和所述客戶申請(qǐng)資料，自動(dòng)判斷是否拒貸；評(píng)分卡模塊，用于根據(jù)所述客戶申請(qǐng)資料、所述人行征信信息、信用卡評(píng)分，按照預(yù)定義的計(jì)算分類規(guī)則，得到客戶評(píng)分和貸款審批建議結(jié)果。相應(yīng)地，本發(fā)明實(shí)施方式還提供了一種貸款實(shí)時(shí)審批方法，其包括：在客戶提交申請(qǐng)資料后，根據(jù)客戶的貢獻(xiàn)度信息為客戶進(jìn)行額度預(yù)授信處理，得到所述客戶的綜合信用額度信息；通過(guò)匹配客戶的身份三要素信息，檢查該客戶是否在內(nèi)控名單中，如果在，則啟動(dòng)監(jiān)控預(yù)警；如果不在，則執(zhí)行下一步驟；提取人行征信信息和行內(nèi)征信信息，根據(jù)自定義的拒貸規(guī)則，判斷是否拒貸；根據(jù)初始規(guī)則庫(kù)中的規(guī)則信息和預(yù)定義的訓(xùn)練數(shù)據(jù)的編碼，得到初始神經(jīng)網(wǎng)絡(luò)，并從所述初始神經(jīng)網(wǎng)絡(luò)中抽取得到更新后的審批規(guī)則，再根據(jù)所述更新后的審批規(guī)則和所述客戶申請(qǐng)資料，自動(dòng)判斷是否拒貸；根據(jù)所述客戶申請(qǐng)資料、所述人行征信信息、信用卡評(píng)分，按照預(yù)定義的計(jì)算分類規(guī)則，得到客戶評(píng)分和貸款審批建議結(jié)果。通過(guò)采用本發(fā)明實(shí)施方式，能夠有效解決當(dāng)前貸款審批風(fēng)險(xiǎn)高和貸款審批效率低的問(wèn)題，從而達(dá)到降低貸款審批風(fēng)險(xiǎn)和提高貸款審批效率的效果。附圖說(shuō)明圖1是根據(jù)本發(fā)明實(shí)施方式的一種貸款實(shí)時(shí)審批系統(tǒng)的架構(gòu)圖；圖2是根據(jù)本發(fā)明另一種實(shí)施方式的一種貸款實(shí)時(shí)審批系統(tǒng)的架構(gòu)圖；圖3是本發(fā)明實(shí)施例中初始神經(jīng)網(wǎng)絡(luò)的示例圖；圖4是根據(jù)本發(fā)明實(shí)施方式的一種貸款實(shí)時(shí)審批方法的流程示意圖。具體實(shí)施方式為了便于理解本發(fā)明技術(shù)方案的各個(gè)方面、特征以及優(yōu)點(diǎn)，下面結(jié)合附圖對(duì)本發(fā)明進(jìn)行具體描述。應(yīng)當(dāng)理解，下述的各種實(shí)施方式只用于舉例說(shuō)明，而非用于限制本發(fā)明的保護(hù)范圍。首先對(duì)根據(jù)本發(fā)明可能涉及到的名稱或術(shù)語(yǔ)進(jìn)行解釋。零售貸款：零售貸款是指信貸機(jī)構(gòu)以個(gè)人為對(duì)象發(fā)放的貸款。主要包括個(gè)人消費(fèi)貸款與個(gè)人投資貸款。AUM值：AUM值是衡量客戶對(duì)信貸機(jī)構(gòu)貢獻(xiàn)度的一個(gè)標(biāo)志。AUM包括客戶在金融機(jī)構(gòu)的存款和通過(guò)金融機(jī)構(gòu)購(gòu)買的各種投資產(chǎn)品等個(gè)人金融資產(chǎn)。投資主要包括基金、國(guó)債、保險(xiǎn)及金融機(jī)構(gòu)發(fā)行的投資理財(cái)產(chǎn)品等。WOE值：WOE值即證據(jù)權(quán)重(WeightofEvidence)，表示自變量取某個(gè)值的時(shí)候?qū)π庞迷u(píng)分的一種影響。自主支付：自主支付是指貸款資金可以由借款人自行使用，無(wú)需經(jīng)過(guò)審批，但如果借款人違反借款合同約定使用貸款資金的話，信貸機(jī)構(gòu)有權(quán)隨時(shí)提前清收。受托支付：受托支付在貸款發(fā)放前增加了“對(duì)貸款資金用途的審核”環(huán)節(jié)，從而將貸款資金與貸款用途捆綁在一起。這種捆綁將使借款人對(duì)貸款資金的“自由”使用受到限制，從而有效解決貸款資金被挪用問(wèn)題。消費(fèi)支付：消費(fèi)支付并不直接將貸款發(fā)放給客戶，而是通過(guò)客戶在網(wǎng)上消費(fèi)時(shí)選擇貸款賬號(hào)支付的方式發(fā)放貸款。圖1是根據(jù)本發(fā)明實(shí)施方式的一種貸款實(shí)時(shí)審批系統(tǒng)的系統(tǒng)架構(gòu)圖。參照?qǐng)D1，具體實(shí)施例如下：實(shí)施例1：所述系統(tǒng)包括：額度預(yù)授信模塊100，用于在客戶提交申請(qǐng)資料后，根據(jù)客戶的貢獻(xiàn)度信息為客戶進(jìn)行額度預(yù)授信處理，得到所述客戶的綜合信用額度信息；其中，額度預(yù)授信模塊依據(jù)客戶的貢獻(xiàn)度即資產(chǎn)信息、存量房貸、代發(fā)工資與公積金繳存信息為客戶進(jìn)行額度預(yù)授信。內(nèi)控名單檢查模塊200，用于通過(guò)匹配客戶的身份三要素信息，檢查該客戶是否在內(nèi)控名單中，如果在，則啟動(dòng)監(jiān)控預(yù)警；如果不在，則執(zhí)行下一模塊；其中，對(duì)客戶額度預(yù)授信之后，客戶可以申請(qǐng)不超過(guò)預(yù)授信額度的貸款金額?？蛻籼岢鲑J款申請(qǐng)之后，首先檢查客戶是否在內(nèi)控名單中。對(duì)于風(fēng)險(xiǎn)預(yù)警模型或線下人工發(fā)現(xiàn)的存在潛在風(fēng)險(xiǎn)的客戶，需納入內(nèi)控名單并進(jìn)行相應(yīng)操作。內(nèi)控名單數(shù)據(jù)格式如下：零售貸款實(shí)時(shí)審批組件在客戶提出貸款申請(qǐng)與支付貸款時(shí)，都需將客戶身份三要素與內(nèi)控名單進(jìn)行匹配，如發(fā)現(xiàn)客戶在內(nèi)控名單中，并根據(jù)內(nèi)控名單中客戶準(zhǔn)入建議判斷，直接展示拒貸頁(yè)面、支付報(bào)錯(cuò)或自動(dòng)流轉(zhuǎn)到下一步。對(duì)于手工導(dǎo)入的內(nèi)控名單，導(dǎo)入人員應(yīng)在“導(dǎo)入原因”欄應(yīng)寫(xiě)明客戶列入內(nèi)控名單的原因，以備日后對(duì)這部分拒貸客戶的咨詢做好答復(fù)。對(duì)于內(nèi)控名單判斷為終止的，則客戶在申請(qǐng)和支付零售貸款時(shí)，頁(yè)面提示報(bào)錯(cuò)；對(duì)于系統(tǒng)判斷調(diào)減額度的，則客戶在申請(qǐng)零售貸款時(shí)，額度輸出時(shí)按系統(tǒng)通過(guò)規(guī)則計(jì)算出的額度基礎(chǔ)上乘一個(gè)系數(shù)；客戶在貸款支付時(shí)，系統(tǒng)輸出可支用額度時(shí)按系統(tǒng)在原判斷出可支用額度的基礎(chǔ)上乘一個(gè)系數(shù)。該系數(shù)的賦值作為參數(shù)統(tǒng)一設(shè)置。征信信息檢查模塊300，用于提取人行征信信息和行內(nèi)征信信息，根據(jù)自定義的拒貸規(guī)則，判斷是否拒貸；其中，客戶提交貸款申請(qǐng)時(shí)需同意貸款審批機(jī)構(gòu)提取其人行征信信息。對(duì)于未被內(nèi)控名單拒貸的客戶，檢查其征信信息，若征信查詢次數(shù)、個(gè)人貸款逾期記錄、貸記卡與準(zhǔn)貸記卡逾期記錄滿足任意一條拒貸規(guī)則，則直接拒貸。拒貸規(guī)則中所有的標(biāo)準(zhǔn)均配置為參數(shù)，可以根據(jù)貸款的不良率等指標(biāo)進(jìn)行動(dòng)態(tài)調(diào)整。審批規(guī)則庫(kù)模塊400，用于根據(jù)初始規(guī)則庫(kù)中的規(guī)則信息和預(yù)定義的訓(xùn)練數(shù)據(jù)的編碼，得到初始神經(jīng)網(wǎng)絡(luò)，并從所述初始神經(jīng)網(wǎng)絡(luò)中抽取得到更新后的審批規(guī)則，再根據(jù)所述更新后的審批規(guī)則和所述客戶申請(qǐng)資料，自動(dòng)判斷是否拒貸；其中，在客戶的貸款申請(qǐng)通過(guò)內(nèi)控名單與人行征信的檢查之后，利用既有的審批規(guī)則來(lái)決定是否給予貸款。一般來(lái)說(shuō)，信貸機(jī)構(gòu)會(huì)建立初始的審批規(guī)則庫(kù)。初始規(guī)則庫(kù)常常存在知識(shí)不完全或不一致等問(wèn)題，難以適應(yīng)實(shí)際信貸環(huán)境的變化?？紤]到根據(jù)實(shí)際信貸環(huán)境對(duì)其進(jìn)行手工修改的難度較大，而在以往的貸款審批業(yè)務(wù)中，信貸機(jī)構(gòu)積累了零售貸款方面的大量數(shù)據(jù)。所以最好的方式是采用這些數(shù)據(jù)對(duì)原有的規(guī)則庫(kù)進(jìn)行知識(shí)求精，能較好地解決上述問(wèn)題。評(píng)分卡模塊500，用于根據(jù)所述客戶申請(qǐng)資料、所述人行征信信息、信用卡評(píng)分，按照預(yù)定義的計(jì)算分類規(guī)則，得到客戶評(píng)分和貸款審批建議結(jié)果。其中，評(píng)分卡模塊利用系統(tǒng)傳入的客戶申請(qǐng)資料、人行征信信息、信用卡行為評(píng)分及客戶信息系統(tǒng)中的相關(guān)信息，按照設(shè)定的排除政策、計(jì)算標(biāo)準(zhǔn)、硬政策、特殊篩選政策及篩選政策，自動(dòng)對(duì)客戶進(jìn)行分類(批準(zhǔn)申請(qǐng)客戶、拒絕申請(qǐng)客戶和人工審批客戶)，同時(shí)輸出每個(gè)參與評(píng)分客戶的分值及系統(tǒng)建議結(jié)果。另外，當(dāng)評(píng)分卡模塊的評(píng)分和建議結(jié)果為同意簽約房貸時(shí)，可選擇自主支付、約定支付和消費(fèi)支付等形式。在本實(shí)施方式中，客戶發(fā)起貸款申請(qǐng)時(shí)首先對(duì)征信信息與內(nèi)控名單進(jìn)行檢查，然后依據(jù)客戶的貢獻(xiàn)度即資產(chǎn)信息、存量房貸、代發(fā)工資與公積金繳存信息為客戶進(jìn)行額度預(yù)授信，在此基礎(chǔ)上依據(jù)審批規(guī)則庫(kù)對(duì)該筆貸款申請(qǐng)進(jìn)行審批，最終評(píng)分卡的評(píng)分結(jié)果決定是否放行該筆貸款申請(qǐng)，同時(shí)具體的分值決定該筆貸款以何種方式支付給客戶。另外，對(duì)零售貸款審批規(guī)則庫(kù)利用神經(jīng)網(wǎng)絡(luò)技術(shù)，利用零售貸款審批的歷史數(shù)據(jù)進(jìn)行求精；利用貸后檢測(cè)預(yù)警機(jī)制將危險(xiǎn)客戶納入內(nèi)控名單管理。通過(guò)采用本發(fā)明實(shí)施方式，能夠有效解決當(dāng)前貸款審批風(fēng)險(xiǎn)高和貸款審批效率低的問(wèn)題，從而達(dá)到降低貸款審批風(fēng)險(xiǎn)和提高貸款審批效率的效果。實(shí)施例2：圖2是根據(jù)本發(fā)明另一種實(shí)施方式的一種貸款實(shí)時(shí)審批系統(tǒng)的架構(gòu)圖；在本發(fā)明的另一種實(shí)施方式中，所述系統(tǒng)除了上述處理方式外，其中，所述額度預(yù)授信模塊100包括：AUM值維度授信單元110，用于根據(jù)所述貢獻(xiàn)度信息中的AUM值，得到信用額度A；其中，以近N個(gè)月(N為大于等于1的正整數(shù))的月日均AUM值為基數(shù)，綜合考慮客戶AUM值的穩(wěn)定性和趨勢(shì)變化情況，給出客戶AUM值信用額度A。存量房貸維度授信單元120，用于根據(jù)存量房貸抵押物價(jià)值及調(diào)節(jié)系數(shù)，得到信用額度B；其中，以存量房貸抵押物價(jià)值為基數(shù)，綜合考慮抵押率系數(shù)、房產(chǎn)增值系數(shù)、城市調(diào)節(jié)系數(shù)和存量房貸余額等，給出客戶存量房貸信用額度B。代發(fā)工資維度授信單元130，用于根據(jù)代發(fā)工資數(shù)據(jù)中的客戶年收入和存續(xù)期，得到信用額度C；其中，根據(jù)代發(fā)工資數(shù)據(jù)中的客戶年收入，考慮代發(fā)工資的存續(xù)期與穩(wěn)定性，給出客戶代發(fā)工資信用額度C。公積金維度授信單元140，用于根據(jù)公積金繳存數(shù)據(jù)中的繳存額與繳存系數(shù)，計(jì)算出客戶預(yù)期年收入，并根據(jù)公積金繳存時(shí)間與賬戶余額，得到信用額度D；其中，根據(jù)公積金繳存數(shù)據(jù)中的繳存額與繳存系數(shù)，計(jì)算出客戶的預(yù)期年收入，綜合考慮公積金繳存的時(shí)間長(zhǎng)度與賬戶余額，給出客戶公積金信用額度D。實(shí)施例3：在本發(fā)明的另一種實(shí)施方式中，所述系統(tǒng)除了上述處理方式外，其中，所述額度預(yù)授信模塊100還包括：綜合信用額度輸出模塊，用于對(duì)所述信用額度A、信用額度B、信用額度C和信用額度D進(jìn)行額度計(jì)算，得到并輸出綜合信用額度；其中，所述額度計(jì)算的計(jì)算規(guī)則為：綜合信用額度＝Max(信用額度A，信用額度B，信用額度C，信用額度D)*調(diào)節(jié)系數(shù)。調(diào)節(jié)系數(shù)為當(dāng)存在多個(gè)指標(biāo)時(shí)，適當(dāng)增加額度。當(dāng)存在4個(gè)維度的信用額度時(shí)，則調(diào)節(jié)系數(shù)為1.3；如存在3個(gè)維度的信用額度時(shí)，則調(diào)節(jié)系數(shù)為1.2；存在2個(gè)維度的信用額度時(shí)，則調(diào)節(jié)系數(shù)為1.1；僅存1個(gè)維度的信用額度，則調(diào)節(jié)系數(shù)為1.0。實(shí)施例4：在本發(fā)明的另一種實(shí)施方式中，所述系統(tǒng)除了上述處理方式外，其中，所述從所述初始神經(jīng)網(wǎng)絡(luò)中抽取得到更新后的審批規(guī)則包括：利用剪枝算法和SubsetII(子集二代)算法，對(duì)所述初始神經(jīng)網(wǎng)絡(luò)進(jìn)行簡(jiǎn)化處理，得到所述更新后的審批規(guī)則。首先建立零售貸款審批的初始規(guī)則庫(kù)：利用零售貸款歷史審批數(shù)據(jù)對(duì)其進(jìn)行知識(shí)求精。歷史審批數(shù)據(jù)只有兩種結(jié)論：同意貸款和不同意貸款。同時(shí)利用零售貸款歷史逾期數(shù)據(jù)對(duì)其進(jìn)行求精。將逾期的貸款的審批結(jié)論置為不同意貸款，正常還款的貸款的審批結(jié)論置為同意貸款。對(duì)歷史審批數(shù)據(jù)中申請(qǐng)者信息與貸款申請(qǐng)結(jié)論分別進(jìn)行編碼如下：根據(jù)初始規(guī)則庫(kù)中的規(guī)則信息以及訓(xùn)練數(shù)據(jù)的編碼情況，得到一個(gè)初始神經(jīng)網(wǎng)絡(luò)(如圖3所示)。利用歷史貸款審批數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行調(diào)整，當(dāng)神經(jīng)網(wǎng)絡(luò)能夠?qū)⑺杏?xùn)練數(shù)據(jù)正確分類之后，即達(dá)到預(yù)期的訓(xùn)練效果。然后利用剪枝算法對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行剪枝，去掉不重要的連接或節(jié)點(diǎn)，以簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。最終采用SubsetII算法從修剪后的神經(jīng)網(wǎng)絡(luò)中抽取出新的審批規(guī)則。求精可以簡(jiǎn)化規(guī)則庫(kù)、降低規(guī)則的復(fù)雜度，同時(shí)也可以提高規(guī)則庫(kù)的推理準(zhǔn)確率。利用新的審批規(guī)則可以根據(jù)近期的個(gè)人貸款審批與還款數(shù)據(jù)及時(shí)進(jìn)行調(diào)整，有效的提高了零售貸款審批的準(zhǔn)確性。實(shí)施例5：在本發(fā)明的另一種實(shí)施方式中，所述系統(tǒng)除了上述處理方式外，所述預(yù)定義的計(jì)算分類規(guī)則包括：自定義若干變量值，并根據(jù)預(yù)定義計(jì)算公式計(jì)算得到所述客戶評(píng)分，并按照預(yù)定義的分類標(biāo)準(zhǔn)對(duì)所述客戶評(píng)分進(jìn)行分類。具體如下：1、申請(qǐng)?jiān)u分模型所需數(shù)據(jù)評(píng)分根據(jù)重要性和區(qū)分度需要客戶資料中的省份信息、賬戶利息、是否本地人、家庭總負(fù)債、職業(yè)、性別、最高學(xué)歷、婚姻狀況、年齡共九個(gè)方面的數(shù)據(jù)信息。2、變量構(gòu)造在此基礎(chǔ)上，對(duì)其中六個(gè)數(shù)據(jù)信息：省份信息、賬戶利息、家庭總負(fù)債、職業(yè)、最高學(xué)歷、年齡進(jìn)行變量的構(gòu)造。構(gòu)造方式如下：(1)省份信息：根據(jù)客戶所屬地區(qū)的過(guò)往業(yè)務(wù)信用狀況，經(jīng)濟(jì)發(fā)展情況，綜合考慮各省份的經(jīng)濟(jì)發(fā)展情況以及管理水平等多方面因素，將省份劃分三類。(2)賬戶利息：根據(jù)客戶申請(qǐng)貸款時(shí)最近一年的活期存款賬戶利息之和劃分出5類。序號(hào)利息金額1[0,5]2[5,20)3[20,50)4[50,100)5[100,+∞)6無(wú)存款賬號(hào)(3)家庭總負(fù)債：按照客戶的家庭總負(fù)債金額進(jìn)行以下分類。(4)職業(yè)：根據(jù)客戶的職業(yè)性質(zhì)，將其分為五類。(5)最高學(xué)歷：根據(jù)客戶受教育情況，將最高學(xué)歷劃分三類。序號(hào)最高學(xué)歷1研究生以上2本科3大專中專4其他(6)年齡：將客戶的年齡劃分為四類。序號(hào)年齡118-30230-35335-50450以上3、變量替換通過(guò)變量構(gòu)造，加上性別、婚姻狀況，得到評(píng)分所需要的十二個(gè)變量：照模型需要，根據(jù)各個(gè)變量的不同取值，取其對(duì)應(yīng)WOE值(證據(jù)權(quán)重，WeightofEvidence)進(jìn)行替換，具體替換值如下：變量一：省份信息變量二：賬戶利息屬性名稱代碼WOE[0,5)[0,5)A[5,20)[5,20)B[20,50)[20,50)C[50,100)[50,100)D[100,+∞)[100,+∞)E無(wú)存款賬號(hào)無(wú)存款賬號(hào)F變量三：是否本地人屬性名稱代碼WOE否0A是1B變量四：家庭總負(fù)債屬性名稱代碼WOE無(wú)和未知無(wú)和未知A7萬(wàn)以下)7萬(wàn)以下B[7-10萬(wàn))7-10萬(wàn)C[10-16萬(wàn))10-16萬(wàn)D[16萬(wàn)以上16萬(wàn)以上E變量五：職業(yè)變量六：性別變量七：最高學(xué)歷屬性名稱代碼WOE研究生以上10A本科20B大專中專30,40C其他其他D變量八：婚姻狀況屬性名稱代碼WOE未婚1A已婚有子女5B已婚無(wú)子女6C其他3，4，9D變量九：年齡屬性名稱代碼WOE18-30[18,30]A30-35(30,35]B35-50(35,50]C50以上>50D根據(jù)前面變量替換后得到的變量值，可以計(jì)算客戶的評(píng)分卡分值?？蛻舻淖罱K評(píng)分卡分值為scoreadjust。系統(tǒng)根據(jù)設(shè)定的計(jì)算公式計(jì)算出每一申請(qǐng)客戶的申請(qǐng)分值，然后按照一定的標(biāo)準(zhǔn)對(duì)分值進(jìn)行歸集，總共可以劃分為20個(gè)分?jǐn)?shù)等級(jí)。完成分值計(jì)算之后，對(duì)申請(qǐng)分值進(jìn)行歸類，系統(tǒng)根據(jù)預(yù)先設(shè)定的準(zhǔn)入分值把評(píng)分劃定為五個(gè)分值區(qū)間，即：高分值區(qū)客戶、中分值區(qū)客戶、低分值區(qū)客戶、人工判斷區(qū)客戶和拒絕分值區(qū)客戶。分值判斷表格如下：根據(jù)評(píng)分結(jié)果位于不同的分值區(qū)間，對(duì)客戶的貸款申請(qǐng)分別做直接通過(guò)、人工審批與直接拒絕的處理。對(duì)于直接通過(guò)的貸款申請(qǐng)轉(zhuǎn)入開(kāi)戶放款模塊，對(duì)于人工審批的貸款申請(qǐng)轉(zhuǎn)入線下審批，其余貸款申請(qǐng)直接拒貸。同時(shí)根據(jù)評(píng)分結(jié)果位于不同的分值區(qū)間，確定客戶貸款的支付方式。圖4是根據(jù)本發(fā)明實(shí)施方式的一種貸款實(shí)時(shí)審批方法的流程示意圖。參照?qǐng)D4，所述系統(tǒng)包括：步驟S1，在客戶提交申請(qǐng)資料后，根據(jù)客戶的貢獻(xiàn)度信息為客戶進(jìn)行額度預(yù)授信處理，得到所述客戶的綜合信用額度信息；其中，該步驟中依據(jù)客戶的貢獻(xiàn)度即資產(chǎn)信息、存量房貸、代發(fā)工資與公積金繳存信息為客戶進(jìn)行額度預(yù)授信。步驟S2，通過(guò)匹配客戶的身份三要素信息，檢查該客戶是否在內(nèi)控名單中，如果在，則啟動(dòng)監(jiān)控預(yù)警；如果不在，則執(zhí)行下一步驟；其中，對(duì)客戶額度預(yù)授信之后，客戶可以申請(qǐng)不超過(guò)預(yù)授信額度的貸款金額。客戶提出貸款申請(qǐng)之后，首先檢查客戶是否在內(nèi)控名單中。對(duì)于風(fēng)險(xiǎn)預(yù)警模型或線下人工發(fā)現(xiàn)的存在潛在風(fēng)險(xiǎn)的客戶，需納入內(nèi)控名單并進(jìn)行相應(yīng)操作。內(nèi)控名單數(shù)據(jù)格式如下：零售貸款實(shí)時(shí)審批組件在客戶提出貸款申請(qǐng)與支付貸款時(shí)，都需將客戶身份三要素與內(nèi)控名單進(jìn)行匹配，如發(fā)現(xiàn)客戶在內(nèi)控名單中，并根據(jù)內(nèi)控名單中客戶準(zhǔn)入建議判斷，直接展示拒貸頁(yè)面、支付報(bào)錯(cuò)或自動(dòng)流轉(zhuǎn)到下一步。對(duì)于手工導(dǎo)入的內(nèi)控名單，導(dǎo)入人員應(yīng)在“導(dǎo)入原因”欄應(yīng)寫(xiě)明客戶列入內(nèi)控名單的原因，以備日后對(duì)這部分拒貸客戶的咨詢做好答復(fù)。對(duì)于內(nèi)控名單判斷為終止的，則客戶在申請(qǐng)和支付零售貸款時(shí)，頁(yè)面提示報(bào)錯(cuò)；對(duì)于系統(tǒng)判斷調(diào)減額度的，則客戶在申請(qǐng)零售貸款時(shí)，額度輸出時(shí)按系統(tǒng)通過(guò)規(guī)則計(jì)算出的額度基礎(chǔ)上乘一個(gè)系數(shù)；客戶在貸款支付時(shí)，系統(tǒng)輸出可支用額度時(shí)按系統(tǒng)在原判斷出可支用額度的基礎(chǔ)上乘一個(gè)系數(shù)。該系數(shù)的賦值作為參數(shù)統(tǒng)一設(shè)置。步驟S3，提取人行征信信息和行內(nèi)征信信息，根據(jù)自定義的拒貸規(guī)則，判斷是否拒貸；其中，客戶提交貸款申請(qǐng)時(shí)需同意貸款審批機(jī)構(gòu)提取其人行征信信息。對(duì)于未被內(nèi)控名單拒貸的客戶，檢查其征信信息，若征信查詢次數(shù)、個(gè)人貸款逾期記錄、貸記卡與準(zhǔn)貸記卡逾期記錄滿足任意一條拒貸規(guī)則，則直接拒貸。拒貸規(guī)則中所有的標(biāo)準(zhǔn)均配置為參數(shù)，可以根據(jù)貸款的不良率等指標(biāo)進(jìn)行動(dòng)態(tài)調(diào)整。步驟S4，根據(jù)初始規(guī)則庫(kù)中的規(guī)則信息和預(yù)定義的訓(xùn)練數(shù)據(jù)的編碼，得到初始神經(jīng)網(wǎng)絡(luò)，并從所述初始神經(jīng)網(wǎng)絡(luò)中抽取得到更新后的審批規(guī)則，再根據(jù)所述更新后的審批規(guī)則和所述客戶申請(qǐng)資料，自動(dòng)判斷是否拒貸；其中，在客戶的貸款申請(qǐng)通過(guò)內(nèi)控名單與人行征信的檢查之后，利用既有的審批規(guī)則來(lái)決定是否給予貸款。一般來(lái)說(shuō)，信貸機(jī)構(gòu)會(huì)建立初始的審批規(guī)則庫(kù)。初始規(guī)則庫(kù)常常存在知識(shí)不完全或不一致等問(wèn)題，難以適應(yīng)實(shí)際信貸環(huán)境的變化?？紤]到根據(jù)實(shí)際信貸環(huán)境對(duì)其進(jìn)行手工修改的難度較大，而在以往的貸款審批業(yè)務(wù)中，信貸機(jī)構(gòu)積累了零售貸款方面的大量數(shù)據(jù)。所以最好的方式是采用這些數(shù)據(jù)對(duì)原有的規(guī)則庫(kù)進(jìn)行知識(shí)求精，能較好地解決上述問(wèn)題。步驟S5，根據(jù)所述客戶申請(qǐng)資料、所述人行征信信息、信用卡評(píng)分，按照預(yù)定義的計(jì)算分類規(guī)則，得到客戶評(píng)分和貸款審批建議結(jié)果。其中，該步驟中利用系統(tǒng)傳入的客戶申請(qǐng)資料、人行征信信息、信用卡行為評(píng)分及客戶信息系統(tǒng)中的相關(guān)信息，按照設(shè)定的排除政策、計(jì)算標(biāo)準(zhǔn)、硬政策、特殊篩選政策及篩選政策，自動(dòng)對(duì)客戶進(jìn)行分類(批準(zhǔn)申請(qǐng)客戶、拒絕申請(qǐng)客戶和人工審批客戶)，同時(shí)輸出每個(gè)參與評(píng)分客戶的分值及系統(tǒng)建議結(jié)果。在本實(shí)施方式中，客戶發(fā)起貸款申請(qǐng)時(shí)首先對(duì)征信信息與內(nèi)控名單進(jìn)行檢查，然后依據(jù)客戶的貢獻(xiàn)度即資產(chǎn)信息、存量房貸、代發(fā)工資與公積金繳存信息為客戶進(jìn)行額度預(yù)授信，在此基礎(chǔ)上依據(jù)審批規(guī)則庫(kù)對(duì)該筆貸款申請(qǐng)進(jìn)行審批，最終評(píng)分卡的評(píng)分結(jié)果決定是否放行該筆貸款申請(qǐng)，同時(shí)具體的分值決定該筆貸款以何種方式支付給客戶。另外，對(duì)零售貸款審批規(guī)則庫(kù)利用神經(jīng)網(wǎng)絡(luò)技術(shù)，利用零售貸款審批的歷史數(shù)據(jù)進(jìn)行求精；利用貸后檢測(cè)預(yù)警機(jī)制將危險(xiǎn)客戶納入內(nèi)控名單管理。通過(guò)采用本發(fā)明實(shí)施方式，能夠有效解決當(dāng)前貸款審批風(fēng)險(xiǎn)高和貸款審批效率低的問(wèn)題，從而達(dá)到降低貸款審批風(fēng)險(xiǎn)和提高貸款審批效率的效果。在本發(fā)明的另一實(shí)施方式中，所述系統(tǒng)除了上述處理方式外，其中，所述步驟S1包括：步驟S11，根據(jù)所述貢獻(xiàn)度信息中的AUM值，得到信用額度A；其中，以近N個(gè)月(N為大于等于1的正整數(shù))的月日均AUM值為基數(shù)，綜合考慮客戶AUM值的穩(wěn)定性和趨勢(shì)變化情況，給出客戶AUM值信用額度A。步驟S12，根據(jù)存量房貸抵押物價(jià)值及調(diào)節(jié)系數(shù)，得到信用額度B；其中，以存量房貸抵押物價(jià)值為基數(shù)，綜合考慮抵押率系數(shù)、房產(chǎn)增值系數(shù)、城市調(diào)節(jié)系數(shù)和存量房貸余額等，給出客戶存量房貸信用額度B。步驟S13，根據(jù)代發(fā)工資數(shù)據(jù)中的客戶年收入和存續(xù)期，得到信用額度C；其中，根據(jù)代發(fā)工資數(shù)據(jù)中的客戶年收入，考慮代發(fā)工資的存續(xù)期與穩(wěn)定性，給出客戶代發(fā)工資信用額度C。步驟S14，根據(jù)公積金繳存數(shù)據(jù)中的繳存額與繳存系數(shù)，計(jì)算出客戶預(yù)期年收入，并根據(jù)公積金繳存時(shí)間與賬戶余額，得到信用額度D；其中，根據(jù)公積金繳存數(shù)據(jù)中的繳存額與繳存系數(shù)，計(jì)算出客戶的預(yù)期年收入，綜合考慮公積金繳存的時(shí)間長(zhǎng)度與賬戶余額，給出客戶公積金信用額度D。在本發(fā)明的又一實(shí)施方式中，所述方法除了上述處理方式外，其中，步驟S1還包括：對(duì)所述信用額度A、信用額度B、信用額度C和信用額度D進(jìn)行額度計(jì)算，得到并輸出綜合信用額度；其中，所述額度計(jì)算的計(jì)算規(guī)則為：綜合信用額度＝Max(信用額度A，信用額度B，信用額度C，信用額度D)*調(diào)節(jié)系數(shù)。調(diào)節(jié)系數(shù)為當(dāng)存在多個(gè)指標(biāo)時(shí)，適當(dāng)增加額度。當(dāng)存在4個(gè)維度的信用額度時(shí)，則調(diào)節(jié)系數(shù)為1.3；如存在3個(gè)維度的信用額度時(shí)，則調(diào)節(jié)系數(shù)為1.2；存在2個(gè)維度的信用額度時(shí)，則調(diào)節(jié)系數(shù)為1.1；僅存1個(gè)維度的信用額度，則調(diào)節(jié)系數(shù)為1.0。在本發(fā)明的再一實(shí)施方式中，所述系統(tǒng)除了上述處理方式外，其中，所述從所述初始神經(jīng)網(wǎng)絡(luò)中抽取得到更新后的審批規(guī)則包括：利用剪枝算法和SubsetII算法，對(duì)所述初始神經(jīng)網(wǎng)絡(luò)進(jìn)行簡(jiǎn)化處理，得到所述更新后的審批規(guī)則。首先建立零售貸款審批的初始規(guī)則庫(kù)：利用零售貸款歷史審批數(shù)據(jù)對(duì)其進(jìn)行知識(shí)求精。歷史審批數(shù)據(jù)只有兩種結(jié)論：同意貸款和不同意貸款。同時(shí)利用零售貸款歷史逾期數(shù)據(jù)對(duì)其進(jìn)行求精。將逾期的貸款的審批結(jié)論置為不同意貸款，正常還款的貸款的審批結(jié)論置為同意貸款。對(duì)歷史審批數(shù)據(jù)中申請(qǐng)者信息與貸款申請(qǐng)結(jié)論分別進(jìn)行編碼如下：根據(jù)初始規(guī)則庫(kù)中的規(guī)則信息以及訓(xùn)練數(shù)據(jù)的編碼情況，得到一個(gè)初始神經(jīng)網(wǎng)絡(luò)(如圖3所示)。利用歷史貸款審批數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行調(diào)整，當(dāng)神經(jīng)網(wǎng)絡(luò)能夠?qū)⑺杏?xùn)練數(shù)據(jù)正確分類之后，即達(dá)到預(yù)期的訓(xùn)練效果。然后利用剪枝算法對(duì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行剪枝，去掉不重要的連接或節(jié)點(diǎn)，以簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。最終采用SubsetII算法從修剪后的神經(jīng)網(wǎng)絡(luò)中抽取出新的審批規(guī)則。求精可以簡(jiǎn)化規(guī)則庫(kù)、降低規(guī)則的復(fù)雜度，同時(shí)也可以提高規(guī)則庫(kù)的推理準(zhǔn)確率。利用新的審批規(guī)則可以根據(jù)近期的個(gè)人貸款審批與還款數(shù)據(jù)及時(shí)進(jìn)行調(diào)整，有效的提高了零售貸款審批的準(zhǔn)確性。在本發(fā)明的另一種實(shí)施方式中，所述系統(tǒng)除了上述處理方式外，所述預(yù)定義的計(jì)算分類規(guī)則包括：自定義若干變量值，并根據(jù)預(yù)定義計(jì)算公式計(jì)算得到所述客戶評(píng)分，并按照預(yù)定義的分類標(biāo)準(zhǔn)對(duì)所述客戶評(píng)分進(jìn)行分類。具體如下：1、申請(qǐng)?jiān)u分模型所需數(shù)據(jù)評(píng)分根據(jù)重要性和區(qū)分度需要客戶資料中的省份信息、賬戶利息、是否本地人、家庭總負(fù)債、職業(yè)、性別、最高學(xué)歷、婚姻狀況、年齡共九個(gè)方面的數(shù)據(jù)信息。2、變量構(gòu)造在此基礎(chǔ)上，對(duì)其中六個(gè)數(shù)據(jù)信息：省份信息、賬戶利息、家庭總負(fù)債、職業(yè)、最高學(xué)歷、年齡進(jìn)行變量的構(gòu)造。構(gòu)造方式如下：(1)省份信息：根據(jù)客戶所屬地區(qū)的過(guò)往業(yè)務(wù)信用狀況，經(jīng)濟(jì)發(fā)展情況，綜合考慮各省份的經(jīng)濟(jì)發(fā)展情況以及管理水平等多方面因素，將省份劃分三類。(2)賬戶利息：根據(jù)客戶申請(qǐng)貸款時(shí)最近一年的活期存款賬戶利息之和劃分出5類。序號(hào)利息金額1[0,5]2[5,20)3[20,50)4[50,100)5[100,+∞)6無(wú)存款賬號(hào)(3)家庭總負(fù)債：按照客戶的家庭總負(fù)債金額進(jìn)行以下分類。(4)職業(yè)：根據(jù)客戶的職業(yè)性質(zhì)，將其分為五類。(5)最高學(xué)歷：根據(jù)客戶受教育情況，將最高學(xué)歷劃分三類。序號(hào)最高學(xué)歷1研究生以上2本科3大專中專4其他(6)年齡：將客戶的年齡劃分為四類。序號(hào)年齡118-30230-35335-50450以上3、變量替換通過(guò)變量構(gòu)造，加上性別、婚姻狀況，得到評(píng)分所需要的十二個(gè)變量：照模型需要，根據(jù)各個(gè)變量的不同取值，取其對(duì)應(yīng)woe值進(jìn)行替換，具體替換值如下：變量一：省份信息變量二：賬戶利息屬性名稱代碼WOE[0,5)[0,5)A[5,20)[5,20)B[20,50)[20,50)C[50,100)[50,100)D[100,+∞)[100,+∞)E無(wú)存款賬號(hào)無(wú)存款賬號(hào)F變量三：是否本地人屬性名稱代碼WOE否0A是1B變量四：家庭總負(fù)債屬性名稱代碼WOE無(wú)和未知無(wú)和未知A7萬(wàn)以下)7萬(wàn)以下B[7-10萬(wàn))7-10萬(wàn)C[10-16萬(wàn))10-16萬(wàn)D[16萬(wàn)以上16萬(wàn)以上E變量五：職業(yè)變量六：性別屬性名稱代碼WOE女2A男1B變量七：最高學(xué)歷屬性名稱代碼WOE研究生以上10A本科20B大專中專30,40C其他其他D變量八：婚姻狀況屬性名稱代碼WOE未婚1A已婚有子女5B已婚無(wú)子女6C其他3，4，9D變量九：年齡根據(jù)前面變量替換后得到的變量值，可以計(jì)算客戶的評(píng)分卡分值?？蛻舻淖罱K評(píng)分卡分值為scoreadjust。系統(tǒng)根據(jù)設(shè)定的計(jì)算公式計(jì)算出每一申請(qǐng)客戶的申請(qǐng)分值，然后按照一定的標(biāo)準(zhǔn)對(duì)分值進(jìn)行歸集，總共可以劃分為20個(gè)分?jǐn)?shù)等級(jí)。完成分值計(jì)算之后，對(duì)申請(qǐng)分值進(jìn)行歸類，系統(tǒng)根據(jù)預(yù)先設(shè)定的準(zhǔn)入分值把評(píng)分劃定為五個(gè)分值區(qū)間，即：高分值區(qū)客戶、中分值區(qū)客戶、低分值區(qū)客戶、人工判斷區(qū)客戶和拒絕分值區(qū)客戶。分值判斷表格如下：根據(jù)評(píng)分結(jié)果位于不同的分值區(qū)間，對(duì)客戶的貸款申請(qǐng)分別做直接通過(guò)、人工審批與直接拒絕的處理。對(duì)于直接通過(guò)的貸款申請(qǐng)轉(zhuǎn)入開(kāi)戶放款模塊，對(duì)于人工審批的貸款申請(qǐng)轉(zhuǎn)入線下審批，其余貸款申請(qǐng)直接拒貸。同時(shí)根據(jù)評(píng)分結(jié)果位于不同的分值區(qū)間，確定客戶貸款的支付方式。需要說(shuō)明的是，上述貸款實(shí)時(shí)審批方法的各個(gè)實(shí)施方式與所述貸款實(shí)時(shí)審批系統(tǒng)的對(duì)應(yīng)技術(shù)內(nèi)容完全一致，為了避免重復(fù)，在此不再冗述。通過(guò)以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到本發(fā)明可借助軟件結(jié)合硬件平臺(tái)的方式來(lái)實(shí)現(xiàn)?；谶@樣的理解，本發(fā)明的技術(shù)方案對(duì)
背景技術(shù)：
做出貢獻(xiàn)的全部或者部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該計(jì)算機(jī)軟件產(chǎn)品可以存儲(chǔ)在存儲(chǔ)介質(zhì)中，如ROM/RAM、磁碟、光盤等，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例或者實(shí)施例的某些部分所述的方法。本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，以上所公開(kāi)的僅為本發(fā)明的實(shí)施方式而已，當(dāng)然不能以此來(lái)限定本發(fā)明之權(quán)利范圍，依本發(fā)明實(shí)施方式所作的等同變化，仍屬本發(fā)明權(quán)利要求所涵蓋的范圍。當(dāng)前第1頁(yè)1 2 3