一种用户授信方法、装置、电子设备与存储介质制造方法及图纸

本申请提供一种用户授信方法、装置、电子设备与存储介质。其中，所述方法可以包括：获取待授信的用户对应的用户数据。将所述用户数据输入贷款授信模型进行计算，得到所述用户对应的贷款授信结果。所述贷款授信模型包括以面向授信用户群体进行放贷后的财务风险指标达标为约束条件，以面向授信用户群体进行放贷的收益最大化为优化目标，并基于历史用户的用户数据周期性进行动态更新的人工智能模型。基于得到的贷款授信结果向所述用户贷款。到的贷款授信结果向所述用户贷款。到的贷款授信结果向所述用户贷款。

【技术实现步骤摘要】
一种用户授信方法、装置、电子设备与存储介质


[0001]本申请一个或多个实施例涉及信贷领域，尤其涉及一种用户授信方法、装置、电子设备与存储介质。

技术介绍

[0002]授信是指授信机构为待授信的用户提供资金。
[0003]授信机构在收到待授信的用户的授信申请后，可以基于该待授信的用户对应的用户数据，利用贷款授信模型确定该用户是否为可授信用户，以及在确定该用户为可授信用户的情形下，确定该用户的授信额度和授信利率，以基于确定的授信额度与授信利率向所述用户贷款。
[0004]授信机构依靠为用户贷款授信获得收益，高收益可以促进授信机构的授信行为，从而促进社会发展。由此，需要一种用户授信方法，使机构长期收益最大化。

技术实现思路

[0005]有鉴于此，本申请提出了一种用户授信方法。该方法可以包括：获取待授信的用户对应的用户数据；将所述用户数据输入贷款授信模型进行计算，得到所述用户对应的贷款授信结果；所述贷款授信模型包括以面向授信用户群体进行放贷后的财务风险指标达标为约束条件，以面向授信用户群体进行放贷的收益最大化为优化目标，并基于历史用户的用户数据周期性进行动态更新的人工智能模型；基于得到的贷款授信结果向所述用户贷款。
[0006]在一些实施例中，所述贷款授信模型包括以用户的信用评分、贷款授信额度和贷款授信利率为模型变量，以面向授信用户群体进行放贷后的财务风险指标达标为约束条件，以面向授信用户群体进行放贷的收益最大化为优化目标的人工智能模型；所述信用评分表征用户贷款违约的概率；所述贷款授信结果包括与用户的信用评分对应的贷款授信额度，以及与用户的信用评分对应的贷款授信利率。
[0007]在一些实施例中，所述贷款授信模型包括信用评估子模型，授信额度子模型以及授信利率子模型；所述信用评估子模型用于计算用户的信用评分；所述授信额度子模型用于计算与用户的信用评分对应的贷款授信额度；所述授信利率子模型用于计算与用户的信用评分对应的贷款授信利率；所述将所述用户数据输入贷款授信模型进行计算，得到所述用户对应的贷款授信结果，包括：将所述用户数据输入所述信用评估子模型，得到所述用户对应的信用评分；将所述信用评分分别输入所述授信额度子模型与所述授信利率子模型，得到与所述用户的信用评分对应的贷款授信额度与贷款授信利率。
[0008]在一些实施例中，所述信用评估子模型包括基于历史用户的用户数据训练出的评分卡模型；所述授信额度子模型包括基于历史用户的用户数据学习出的历史用户的信用评分和历史用户的贷款授信额度之间的数学关系；所述授信利率子模型包括基于历史用户的用户数据学习出的历史用户的信用评分和历史用户的贷款授信利率之间的数学关系。
[0009]在一些实施例中，所述财务风险指标包括财务不良率；所述财务风险指标达标，包
括：所述财务不良率低于预设阈值。
[0010]在一些实施例中，所述优化目标包括：利用所述信用评估子模型，所述授信额度子模型以及授信利率子模型，对基于历史用户数据得到的N个用户进行贷款，得到的人均贷款收益率最大化；所述约束条件包括：利用所述信用评估子模型，所述授信额度子模型以及授信利率子模型，对基于历史用户数据得到的N个用户进行贷款后，逾期还款金额与日均放贷余额之比低于所述预设阈值。
[0011]在一些实施例中，所述方法还包括：将所述用户的用户数据作为历史用户的用户数据添加至离线用户数据库；其中，所述离线用户数据库用于存储所述历史用户的用户数据。
[0012]本申请还提出一种用户授信装置，包括：获取模块，获取待授信的用户对应的用户数据；计算模块，将所述用户数据输入贷款授信模型进行计算，得到所述用户对应的贷款授信结果；所述贷款授信模型包括以面向授信用户群体进行放贷后的财务风险指标达标为约束条件，以面向授信用户群体进行放贷的收益最大化为优化目标，并基于历史用户的用户数据周期性进行动态更新的人工智能模型；贷款模块，基于得到的贷款授信结果向所述用户贷款。
[0013]在一些实施例中，所述贷款授信模型包括以用户的信用评分、贷款授信额度和贷款授信利率为模型变量，以面向授信用户群体进行放贷后的财务风险指标达标为约束条件，以面向授信用户群体进行放贷的收益最大化为优化目标的人工智能模型；所述信用评分表征用户贷款违约的概率；所述贷款授信结果包括与用户的信用评分对应的贷款授信额度，以及与用户的信用评分对应的贷款授信利率。
[0014]在一些实施例中，所述贷款授信模型包括信用评估子模型，授信额度子模型以及授信利率子模型；所述信用评估子模型用于计算用户的信用评分；所述授信额度子模型用于计算与用户的信用评分对应的贷款授信额度；所述授信利率子模型用于计算与用户的信用评分对应的贷款授信利率；所述计算模块，具体用于：将所述用户数据输入所述信用评估子模型，得到所述用户对应的信用评分；将所述信用评分分别输入所述授信额度子模型与所述授信利率子模型，得到与所述用户的信用评分对应的贷款授信额度与贷款授信利率。
[0015]在一些实施例中，所述信用评估子模型包括基于历史用户的用户数据训练出的评分卡模型；所述授信额度子模型包括基于历史用户的用户数据学习出的历史用户的信用评分和历史用户的贷款授信额度之间的数学关系；所述授信利率子模型包括基于历史用户的用户数据学习出的历史用户的信用评分和历史用户的贷款授信利率之间的数学关系。
[0016]在一些实施例中，所述财务风险指标包括财务不良率；所述财务风险指标达标，包括：所述财务不良率低于预设阈值。
[0017]在一些实施例中，所述优化目标包括：利用所述信用评估子模型，所述授信额度子模型以及授信利率子模型，对基于历史用户数据得到的N个用户进行贷款，得到的人均贷款收益率最大化；所述约束条件包括：利用所述信用评估子模型，所述授信额度子模型以及授信利率子模型，对基于历史用户数据得到的N个用户进行贷款后，逾期还款金额与日均放贷余额之比低于所述预设阈值。
[0018]在一些实施例中，所述装置还包括：添加模块，将所述用户的用户数据作为历史用户的用户数据添加至离线用户数据库；其中，所述离线用户数据库用于存储所述历史用户
的用户数据。
[0019]本申请还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器通过运行所述可执行指令以实现如前述任一实施例示出的用户授信方法。
[0020]本申请还提出一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于使处理器执行如前述任一实施例示出的用户授信方法。
[0021]在前述实施例示出的技术方案中至少包括以下技术效果：第一，可以利用历史用户数据对贷款授信模型进行更新，使得所述贷款授信模型可以达到的对授信用户进行放贷后获得的收益最大化，以及承担的财务风险指标达标，从而在利用该贷款授信模型确定待授信的用户的贷款授信结果，并基于贷款授信结果向待授信的用户贷款时，可以使授信机构在财务风险可控的情形下，收益最大化，提升机构长期收益，促进其可持续发展。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户授信方法，包括：获取待授信的用户对应的用户数据；将所述用户数据输入贷款授信模型进行计算，得到所述用户对应的贷款授信结果；所述贷款授信模型包括以面向授信用户群体进行放贷后的财务风险指标达标为约束条件，以面向授信用户群体进行放贷的收益最大化为优化目标，并基于历史用户的用户数据周期性进行动态更新的人工智能模型；基于得到的贷款授信结果向所述用户贷款。2.根据权利要求1所述的方法，所述贷款授信模型包括以用户的信用评分、贷款授信额度和贷款授信利率为模型变量，以面向授信用户群体进行放贷后的财务风险指标达标为约束条件，以面向授信用户群体进行放贷的收益最大化为优化目标的人工智能模型；所述信用评分表征用户贷款违约的概率；所述贷款授信结果包括与用户的信用评分对应的贷款授信额度，以及与用户的信用评分对应的贷款授信利率。3.根据权利要求2所述的方法，所述贷款授信模型包括信用评估子模型，授信额度子模型以及授信利率子模型；所述信用评估子模型用于计算用户的信用评分；所述授信额度子模型用于计算与用户的信用评分对应的贷款授信额度；所述授信利率子模型用于计算与用户的信用评分对应的贷款授信利率；所述将所述用户数据输入贷款授信模型进行计算，得到所述用户对应的贷款授信结果，包括：将所述用户数据输入所述信用评估子模型，得到所述用户对应的信用评分；将所述信用评分分别输入所述授信额度子模型与所述授信利率子模型，得到与所述用户的信用评分对应的贷款授信额度与贷款授信利率。4.根据权利要求3所述的方法，所述信用评估子模型包括基于历史用户的用户数据训练出的评分卡模型；所述授信额度子模型包括基于历史用户的用户数据学习出的历史用户的信用评分和历史用户的贷款授信额度之间的数学关系；所述授信利率子模型包括基于历史用户的用户数据学习出的历史用户的信用评分和历史用户的贷款授信利率之间的数学关系。5.根据权利要求3所述的方法，所述财务风险指标包括财务不良率；所述财务风险指标达标，包括：所述财务不良率低于预设阈值。6.根据权利要求5所述的方法，所述优化目标包括：利用所述信用评估子模型，所述授信额度子模型以及授信利率子模型，对基于历史用户数据得到的N个用户进行贷款，得到的人均贷款收益率最大化；所述约束条件包括：利用所述信用评估子模型，所述授信额度子模型以及授信利率子模型，对基于历史用户数据得到的N个用户进行贷款后，逾期还款金额与日均放贷余额之比低于所述预设阈值。7.根据权利要求1所述的方法，还包括：将所述用户的用户数据作为历史用户的用户数据添加至离线用户数据库；其中，所述离线用户数据库用于存储所述历史用户的用户数据。8.一种用户授信装置，包括：获取模块，获取待授信的用户对应的用户数据；
计算模块，将所述用户数据输入贷款授信模型进行计算，得到所述用户对应的贷款授信结果；所述贷款授信模型包括以...

【专利技术属性】
技术研发人员：吴云崇，邹志鹏，陈志鹏，陈鹏，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：