资产筛选、质量监测、预测全流程互联网金融资产管理云平台制造技术

本发明专利技术利用互联网信息处理技术，公开了资产筛选、质量监测、预测全流程互联网金融资产管理云平台，包括报表单元：用于存储合作资产方、资金方以及投资方的各个维度的分析数据；资产筛选单元：用于在收到贷款请求指令时，对借款人的基本信息及其历史数据进行分析，自动筛选出合格的债权由资金方发放贷款，同时自动排除不合格的贷款请求；贷后质量监测单元：用于对获得贷款的债权贷后表现进行自动的定期动态指标监测，通过贷后表现预警相应业务人员，同时实现动态调整优化资产筛选单元筛选功能的准确性和稳定性；现金流预测单元：用于对入池的资产能够产生的未来现金流进行实时预测，为资产证券化提供分析和设计工具。

【技术实现步骤摘要】
资产筛选、质量监测、预测全流程互联网金融资产管理云平台
本专利技术属于互联网金融管理
，具体涉及资产筛选、质量监测、预测全流程互联网金融资产管理云平台。
技术介绍
随着互联网金融+的不断深化发展，对全流程的互联网金融平台需求越来越迫切。全流程互联网金融资产管理云平台，为互联网金融平台提供多资金方的个性化对接方式，也为具有放贷资质的资金方或者具有通道业务的资产打包方对接多家互联网金融平台。然而传统的资产管理软件很少关注到金融资产全流程的自动化管理，存在以下缺陷：一是资产筛选没有实现自动化，人为主观因素太多，很难定量筛选出合格的资产；二是缺少贷后质量监测，业务人员无法实时了解资产表现，无法动态优化调整模型；三是无现金流预测，不能为资产证券化提供分析和设计工具。
技术实现思路
本专利技术克服现有技术存在的不足，所要解决的技术问题为：提供一种能够实现资产筛选、贷后资产质量监测，以及资产所能产生现金流的未来预测的资产筛选、质量监测、预测全流程互联网金融资产管理云平台。本专利技术提供的资产筛选、质量监测、预测全流程互联网金融资产管理云平台包括：报表单元：用于存储合作资产方、资金方以及投资方的各个维度的分析数据；资产筛选单元：用于在收到贷款请求指令时，对借款人的基本信息及其历史数据进行分析，自动筛选出合格的债权由资金方发放贷款，同时自动排除不合格的贷款请求；贷后质量监测单元：用于对获得贷款的债权贷后表现进行自动的定期动态指标监测，通过贷后表现预警相应业务人员，同时实现动态调整优化资产筛选单元筛选功能的准确性和稳定性；现金流预测单元：用于对入池的资产能够产生的未来现金流进行实时预测，为资产证券化提供分析和设计工具。进一步的，所述资产筛选单元进行分析时，设定了产品分析维度、客户群分析维度、以及风险分析维度，通过上述各个分析维度对借款人的基本信息及其历史数据进行分析得到的分析结果更为精确，确保了资产筛选单元的筛选合格率。进一步的，所述贷后质量监测单元对获得贷款的债权贷后表现进行自动的定期动态指标监测的指标包括放款指标、早偿风险指标、信用风险指标、流动性风险指标和LTV指标，通过上述指标的分别监测，得到的监测结果更为准确。进一步的，所述现金流预测单元对入池的资产能够产生的未来现金流进行实时预测时，针对不同资产类型、不同资产属性在不同场景下分别进行了现金流预测，预测结果更为全面精确。进一步的，所述资产类型包括抵押贷款、信贷、融资租赁、车贷和信托收益权；所述资产属性包括还款方式、还款频率、年化利率、还款期限和循环购买；所述场景包括违约率、早偿率、以及违约损失率。本专利技术与现有技术相比具有以下有益效果：1、本专利技术提供的资产筛选、质量监测、预测全流程互联网金融资产管理云平台为资金方自动实现资产筛选和准入，避免了人为主观因素的影响，有效提高了互联网金融类资产的审批准入率；2、本专利技术提供的资产筛选、质量监测、预测全流程互联网金融资产管理云平台从不同风险角度进行债权贷后质量监测，使得业务人员能够实时了解资产表现，且能够通过校验不断的优化调整资产筛选单元的区分能力、准确性和稳定性，从而实现资产管理过程的动态优化；3、本专利技术提供的资产筛选、质量监测、预测全流程互联网金融资产管理云平台还能够实现实时预测入池资产能够产生的未来现金流，为将资产打包为资产证券化产品提供了分析和设计工具。4、本专利技术提供的资产筛选、质量监测、预测全流程互联网金融资产管理云平台还提供了金融资产全流程管理体系，降低了资产使用风险。附图说明下面结合附图对本专利技术做进一步详细的说明；图1为本专利技术提供的资产筛选、质量监测、预测全流程互联网金融资产管理云平台的示意图；图2、为本专利技术提供的资产筛选、质量监测、预测全流程互联网金融资产管理云平台监测体系的示意图；图中：101为报表单元、102为资产筛选单元、103为贷后质量监测单元、104为现金流预测单元。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部的实施例；基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图1所示，本专利技术提供的资产筛选、质量监测、预测全流程互联网金融资产管理云平台，包括：报表单元101：用于存储合作资产方、资金方以及投资方的各个维度的分析数据；资产筛选单元102：用于在收到贷款请求指令时，对借款人的基本信息及其历史数据进行分析，自动筛选出合格的债权由资金方发放贷款，同时自动排除不合格的贷款请求；贷后质量监测单元103：用于对获得贷款的债权贷后表现进行自动的定期动态指标监测，通过贷后表现预警相应业务人员，同时实现动态调整优化资产筛选单元筛选功能的准确性和稳定性；现金流预测单元104：用于对入池的资产能够产生的未来现金流进行实时预测，为资产证券化提供分析和设计工具。进一步的，所述资产筛选单元对数据进行分析时，设定了产品分析维度、客户群分析维度、以及风险分析维度，通过上述各个分析维度对借款人的基本信息及其历史数据进行分析得到的分析结果更为精确，确保了资产筛选单元的筛选合格率。进一步的，所述贷后质量监测单元对获得贷款的债权贷后表现进行自动的定期动态指标监测的指标包括放款指标、早偿风险指标、信用风险指标、流动性风险指标和LTV指标，通过上述指标的分别监测，得到的监测结果更为准确。进一步的，所述现金流预测单元对入池的资产能够产生的未来现金流进行实时预测时，针对不同资产类型、不同资产属性在不同场景下分别进行了现金流预测，预测结果更为全面精确。进一步的，所述资产类型包括抵押贷款、信贷、融资租赁、车贷和信托收益权；所述资产属性包括还款方式、还款频率、年化利率、还款期限和循环购买；所述场景包括违约率、早偿率、以及违约损失率。下面详细阐述本专利技术提供的资产筛选、质量监测、预测全流程互联网金融资产管理云平台的运行过程，具体地：根据风控经验以及合作资产方的历史数据，设定不同维度的规则集，一般包含产品、客群和风险等维度，通过规则预先将风险等级高的贷款申请排除。进一步的，通过合作资产方的历史数据，利用数据处理和分析能力，进行风险建模评估，得到对客户未来表现影响较大的关键因素，并得到相应的权重，从而形成客户打分卡，将打分卡部署在云平台中，当贷款申请接入云平台时，根据打分卡得到该客户的评分，如果评分低于设定的阈值，该贷款申请将被拒绝。贷后质量监测单元对于获得贷款的债权贷后表现定期自动统计早偿风险指标、信用风险指标、流动性风险指标和LTV指标，并将统计的结果形成报告，并且将超过阈值的指标预警相应的业务人员，通过管云平台的自动运行监测贷后表现，业务人员从而可以尽早介入处置风险。上述处理步骤确保所有进入云平台的资产都经过了模型的筛选，通过贷后表现验证模型的区分能力、准确性和稳定性，从而对模型进行调整和优化现金流预测单元针对国内市场上不同类型(抵押贷款、信贷、融资租赁、车贷、信托收益权等)资产，不同属性(如还款方式、还款频率、年化利率、期限、循环购买等)，在不同的场景下(如违约率、早偿率、违约损失率等)进行了所能产生的现金流未来预测。为了支持投资本文档来自技高网...

【技术保护点】
1.资产筛选、质量监测、预测全流程互联网金融资产管理云平台，其特征在于，包括：报表单元(101)：用于存储合作资产方、资金方以及投资方的各个维度的分析数据；资产筛选单元(102)：用于在收到贷款请求指令时，对借款人的基本信息及其历史数据进行分析，自动筛选出合格的债权由资金方发放贷款，同时自动排除不合格的贷款请求；贷后质量监测单元(103)：用于对获得贷款的债权贷后表现进行自动的定期动态指标监测，通过贷后表现预警相应业务人员，同时实现动态调整优化资产筛选单元(101)筛选功能的准确性和稳定性；现金流预测单元(104)：用于对入池的资产能够产生的未来现金流进行实时预测，为资产证券化提供分析和设计工具。

【技术特征摘要】
1.资产筛选、质量监测、预测全流程互联网金融资产管理云平台，其特征在于，包括：报表单元(101)：用于存储合作资产方、资金方以及投资方的各个维度的分析数据；资产筛选单元(102)：用于在收到贷款请求指令时，对借款人的基本信息及其历史数据进行分析，自动筛选出合格的债权由资金方发放贷款，同时自动排除不合格的贷款请求；贷后质量监测单元(103)：用于对获得贷款的债权贷后表现进行自动的定期动态指标监测，通过贷后表现预警相应业务人员，同时实现动态调整优化资产筛选单元(101)筛选功能的准确性和稳定性；现金流预测单元(104)：用于对入池的资产能够产生的未来现金流进行实时预测，为资产证券化提供分析和设计工具。2.根据权利要求1所述的资产筛选、质量监测、预测全流程互联网金融资产管理云平台，其特征在于，所述资产筛选单元(102)进行分析时，设定了产品分析维度、客户群分析维度、以及风险分析维度。3.根据权利要求1所述的资产筛选、质量监测、预测全流程互联网金融资产管理云平台，其特征在于，所述贷后质量监测单元(103)对获得贷款的债权贷后表现进行自动的定期动态指标监测的指标包括放款指标、早偿风险指标、信用风险指标、流动性风险指标和LTV指标。4.根据权利要求1所述的资产筛选、质量监测、预测全流程互联网金融资产管理云平台，其特征在于，所述现金流预测单元(104)对入池的资产能够产生的未来现金流进行实时预测时，针对不同资产类型、不同资产属性在不同场景下分别进行了现金流预测。5.根据权利要求4所述的资产筛选、质量监测、预测全流程互联网金融资产管理云平台，其特征在于，所述资产类型包括抵押贷款、信贷、融资租赁、车贷和信托收益权；所述资产属性包括还款方式、还款频率、年化利率、还款期限和循环购买；所述场景包括违约率、早偿率、以及违约损失率。6.根据权利要求3所述的资产筛选、质量监测、预测全流程互联网金融资产管理云平台，其特征在于，所述放款指标包括：计划放款额：首次放款、循环购买1等设置的计划放款的额度；放款金额：已放款的金额，即状态为：放款通过、放款完成的金额；放款笔数：已放款的笔数，即状态为：放款通过、放款完成的笔数；放款占比：放款金额/计划放款额；所述早偿风险指标包括：当期早偿金额：统计周期内，提前偿付的债权资产当期实际还款本金总计；当期早偿总笔数：统计周期内，提前偿付的债券资产当期实际还款笔数合计；早偿比例(笔数)：当期早偿资产总笔数/期初剩余资产总笔数*100％；早偿比例(金额)：当期...

【专利技术属性】
技术研发人员：罗杰，胡正，李文君，
申请(专利权)人：北京数信互融科技发展有限公司，
类型：发明
国别省市：北京,11