企业申贷评估系统技术方案

一种企业申贷评估系统包含银行电脑系统，所述银行电脑系统包括额度计算征审模块及数据库。当所述银行电脑系统接收到来自第一行动装置且相关于企业的申请文件影像时，先对所述申请文件影像作影像辨识，以产生包含多个纸本申请文件的内容的申请文件数据。所述额度计算征审模块根据所述申请文件数据，分别自联合征信中心电脑系统及所述数据库获得相关于所述企业的联征数据及客户数据，再据以产生输入数据以输入机器学习模型进而计算以产生可贷额度。所述银行电脑系统将所述可贷额度传送至所述第一行动装置，以即时地通知所述企业。以即时地通知所述企业。以即时地通知所述企业。

【技术实现步骤摘要】
企业申贷评估系统


[0001]本专利技术涉及一种金融系统，特别是指一种远端征信及快速核贷的企业申贷评估系统。

技术介绍

[0002]随着创业风气兴盛，社会上逐渐出现许多中小型或微型企业，但伴随企业经营而来的资金周转问题，往往让许多企业主疲于奔命。资金是维系公司经营的关键，相较于个人信用贷款，企业贷款因为现有的法规要求而导致需要征提的文件较多，使得一般银行习惯于被动地等待客户来回咨询及补齐纸本文件后，才开始审核办理贷款申请。如此一来，不但造成企业申贷时间冗长，且最后核定的额度条件与客户预期更是常有落差，对企业经营资金的调度安排及运营发展都造成不便，进而影响企业向银行申贷的意愿，因此，成为一个待解决的问题。

技术实现思路

[0003]本专利技术的目的在于提供一种远端征信及快速核贷的企业申贷评估系统。
[0004]于是，本专利技术提供一种企业申贷评估系统，适用于第一行动装置及联合征信中心电脑系统，并包含银行电脑系统。所述银行电脑系统归属于银行，且能够与所述第一行动装置建立连线，并包括额度计算征审模块及数据库，所述数据库储存机器学习模型及相关于企业的客户数据。
[0005]当所述银行电脑系统接收到来自所述第一行动装置的申请文件影像时，对所述申请文件影像作影像辨识，以产生所述申请文件影像所包含的多个纸本申请文件的内容的申请文件数据，所述纸本申请文件相关于所述企业所提出的贷款申请。
[0006]所述额度计算征审模块根据所述申请文件数据，自所述联合征信中心电脑系统获得相关于所述企业的联征数据，且自所述数据库获得相关所述企业的所述客户数据，再根据所述联征数据及所述客户数据，获得输入数据，以输入所述机器学习模型，进而计算以产生可贷额度，所述银行电脑系统再将所述可贷额度传送至所述第一行动装置，以即时地通知所述企业。
[0007]在一些实施态样中，其中，所述机器学习模型是一种梯度提升决策树(Gradient boosting decision tree，GBDT)模型。
[0008]在另一些实施态样中，其中，所述额度计算征审模块根据所述联征数据或所述客户数据，获得所述企业所属产业别的产业别变数数据、在所述银行所属评等的评等变数数据、相关于所述企业的营收的多个营收变数数据、相关于所述企业的资产的多个资产变数数据、相关于所述企业的负债的多个负债变数数据、及多个公司资历变数数据，以作为所述输入数据。
[0009]在一些实施态样中，其中，评等变数数据包括对应多个不同评等的多个不同数值的其中一者。所述产业别变数数据包括对应多个不同产业别的多个不同数值的其中一者。
[0010]所述营收变数数据包含所述企业最近12个月营收的第1变数、所述企业近三个月汇入存折明细可供辨识为营收的月均额的第2变数、所述企业近半年实际营收的月均额的第3变数、所述企业近三个月汇入存折明细可供辨识为营收的月均额除以所述企业近半年实际营收的月均额的第4变数、所述企业及所述企业的负责人与配偶近三个月存绩除以所述企业最近12个月营收的第5变数、及所述企业最近12个月营收减去去年度营收的第6变数的其中至少一者。
[0011]所述资产变数数据包含所述企业的负责人与配偶与子女是否有不动产的第7变数、及所述企业与所述企业的负责人与配偶近三个月的存绩的第8变数的其中至少一者。
[0012]所述负债变数数据包含所述企业最近总授信余额的第9变数、所述企业的负责人夫妻总授信余额的第10变数、所述企业与所述企业的负责人与配偶的每月本息支出的第11变数、所述企业最近总授信余额除以最近12个月营收的第12变数、所述企业最近总授信余额与所述企业的负责人夫妻总授信余额的和除以所述企业最近12个月营收的第13变数、所述企业及所述企业的负责人与配偶近三个月存绩除以所述企业及所述企业的负责人与配偶的月本息支出的第14变数、及所述企业与所述企业的负责人与配偶的最近总授信余额减去所述企业与所述企业的负责人与配偶的去年同期总授信余额的第15变数的其中至少一者。
[0013]所述公司资历变数数据包含所述企业有无与租赁公司往来的第16变数、所述企业近三个月被多少家银行联征查询的第17变数、所述企业与包含所述银行的多少家银行往来的第18变数、所述企业与不包含所述银行的多少家银行往来的第19变数、所述企业连续多少个月营业的第20变数、景气指标的其中至少一者。所述景气指标包含对应多个不同景气等级的多个不同数值的其中一者。
[0014]在另一些实施态样中，其中，所述机器学习模型是先以训练输入数据及训练目标数据完成训练(Training)，所述训练输入数据包含属于所述银行且在训练时间区间且介于相关于营收与授信比例的第一比例与第二比例间的多个企业客户的所述产业别变数数据、所述评等变数数据、所述营收变数数据、所述资产变数数据、所述负债变数数据、及所述公司资历变数数据，所述训练目标数据为分别对应所述训练输入数据的所述企业客户的多个实际贷款额度。
[0015]在另一些实施态样中，其中，所述营收变数数据的其中一者是所述企业在预定时间区间的营收区间收入，所述额度计算征审模块根据所述产业别变数数据、所述评等变数数据、及所述营收区间收入的其中至少一者，决定产业注记、评等注记、及营收区间注记的其中至少一对应者，以将所述产业注记、所述评等注记、及所述营收区间注记的其中至少所述对应者作为所述输入数据的一部分。
[0016]在一些实施态样中，其中，所述产业注记、所述评等注记、及所述营收区间注记的其中每一者包含两种数值。所述额度计算征审模块根据所述产业别变数数据判断所述企业所属产业别分别等于及不等于设定产业时，决定所述产业注记分别等于第一数值及第二数值，且根据所述评等变数数据判断所述企业在所述银行所属评等分别高于等于及低于设定评等时，决定所述评等注记分别等于第三数值及第四数值，且根据所述企业在所述预定时间区间的所述营收区间收入分别大于等于及小于设定金额时，决定所述营授区间注记分别等于第五数值及第六数值。
[0017]在另一些实施态样中，其中，所述机器学习模型是先以训练输入数据及训练目标数据完成训练(Training)，所述训练输入数据包含属于所述银行且在训练时间区间且介于相关于营收与授信比例的第一比例与第二比例间的多个企业客户的所述产业别变数数据、所述评等变数数据、所述营收变数数据、所述资产变数数据、所述负债变数数据、所述公司资历变数数据、所述产业注记、所述评等注记、及所述营收区间注记，所述训练目标数据为分别对应所述训练输入数据的所述企业客户的多个实际贷款额度。
[0018]在另一些实施态样中，其中，所述营收与授信比例＝(所述企业的金融负债-所述企业的长期担保及长期放款借款+所述企业的负责人的金融负债-所述企业的负责人的长期担保及长期放款借款+所述企业的负责人的信用卡的循环卡费+所述企业的负责人的现金卡的借款余额+所述企业的负责人的配偶的金融负债-所述企业的负责人的配偶的长期担保及长期放款借款+所述企业的负责人的配偶的信用卡的循环卡费+所述企业的负责人的配偶的现金卡的借本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种企业申贷评估系统，适用于第一行动装置及联合征信中心电脑系统，其特征在于：所述企业申贷评估系统包含银行电脑系统，所述银行电脑系统归属于银行，且能够与所述第一行动装置建立连线，并包括额度计算征审模块及数据库，所述数据库储存机器学习模型及相关于企业的客户数据，当所述银行电脑系统接收到来自所述第一行动装置的申请文件影像时，对所述申请文件影像作影像辨识，以产生所述申请文件影像所包含的多个纸本申请文件的内容的申请文件数据，所述纸本申请文件相关于所述企业所提出的贷款申请，所述额度计算征审模块根据所述申请文件数据，自所述联合征信中心电脑系统获得相关于所述企业的联征数据，且自所述数据库获得相关所述企业的所述客户数据，再根据所述联征数据及所述客户数据，获得输入数据，以输入所述机器学习模型，进而计算以产生可贷额度，所述银行电脑系统再将所述可贷额度传送至所述第一行动装置，以即时地通知所述企业。2.根据权利要求1所述的企业申贷评估系统，其特征在于：所述机器学习模型是一种梯度提升决策树模型。3.根据权利要求1所述的企业申贷评估系统，其特征在于：所述额度计算征审模块根据所述联征数据或所述客户数据，获得所述企业所属产业别的产业别变数数据、在所述银行所属评等的评等变数数据、相关于所述企业的营收的多个营收变数数据、相关于所述企业的资产的多个资产变数数据、相关于所述企业的负债的多个负债变数数据、及多个公司资历变数数据，以作为所述输入数据。4.根据权利要求3所述的企业申贷评估系统，其特征在于：评等变数数据包括对应多个不同评等的多个不同数值的其中一者，所述产业别变数数据包括对应多个不同产业别的多个不同数值的其中一者，所述营收变数数据包含所述企业最近12个月营收的第1变数、所述企业近三个月汇入存折明细可供辨识为营收的月均额的第2变数、所述企业近半年实际营收的月均额的第3变数、所述企业近三个月汇入存折明细可供辨识为营收的月均额除以所述企业近半年实际营收的月均额的第4变数、所述企业及所述企业的负责人与配偶近三个月存绩除以所述企业最近12个月营收的第5变数、及所述企业最近12个月营收减去去年度营收的第6变数的其中至少一者，所述资产变数数据包含所述企业的负责人与配偶与子女是否有不动产的第7变数、及所述企业与所述企业的负责人与配偶近三个月的存绩的第8变数的其中至少一者，所述负债变数数据包含所述企业最近总授信余额的第9变数、所述企业的负责人夫妻总授信余额的第10变数、所述企业与所述企业的负责人与配偶的每月本息支出的第11变数、所述企业最近总授信余额除以最近12个月营收的第12变数、所述企业最近总授信余额与所述企业的负责人夫妻总授信余额的和除以所述企业最近12个月营收的第13变数、所述企业及所述企业的负责人与配偶近三个月存绩除以所述企业及所述企业的负责人与配偶的月本息支出的第14变数、及所述企业与所述企业的负责人与配偶的最近总授信余额减去所述企业与所述企业的负责人与配偶的去年同期总授信余额的第15变数的其中至少一者，所述公司资历变数数据包含所述企业有无与租赁公司往来的第16变数、所述企业近三个月被多少家银行联征查询的第17变数、所述企业与包含所述银行的多少家银行往来的第
18变数、所述企业与不包含所述银行的多少家银行往来的第19变数、所述企业连续多少个月营业的第20变数、及景气指标的其中至少一者，所述景气...

【专利技术属性】
技术研发人员：程耀辉，陈冠志，萧淑萍，许健文，洪心怡，黄文怡，
申请(专利权)人：台北富邦商业银行股份有限公司，
类型：发明
国别省市：