一种贷款回收现金流数额的预测方法和系统技术方案

本发明专利技术公开了一种贷款回收现金流数额的预测方法及系统，通过对历史数据及当前数据进行分析，利用多种可选算法对关键业务指标进行提取及拟合，据此对未来贷款回收数额进行预测。本发明专利技术预测方法适用于多种复杂场景，能够有效提高工作效率和准确度，能够辅助相关人员更好地进行风险控制及财务管理工作。本发明专利技术各环节均采用自动化方式进行，能够节省大量人力和物力，在提高数据运算效率的同时解决了依赖业务人员手动处理的问题，避免了因人工运算失误导致预测结果不准确的情况；深入结合业务实际，提高了历史数据利用效率，同时避免了因专家经验出现遗漏或误判而导致预测结果不准确的情况。的情况。的情况。

【技术实现步骤摘要】
一种贷款回收现金流数额的预测方法和系统


[0001]本申请涉及贷款回收现金流数额的预测
，特别是涉及一种贷款回收现金流数额的预测方法和系统。

技术介绍

[0002]贷款业务是金融业务中最为常见的需求，也是金融机构的主要营收来源。随着互联网金融的发展，金融机构想要维持信贷业务的稳定运行，能够准确评估贷款表现是必备的能力之一。一般情况下，准确了解贷款业务在任何阶段预计回收的金额能够帮助财务团队更好地进行财务规划和预算工作。为了实现该需求，相关人员需要提前一段时期对整个贷款组合的回收现金流数额进行预测。
[0003]目前，在传统信贷业务中，主要采用经验估算法进行预测，该方法依靠业务专家的经验积累，对该款信贷产品的业务特点、资产特征、历史交易情况、宏观经济特征等因素进行综合研判，得出合理的经验值，从而对后续工作的开展和调整进行指导。信贷业务涉及大量交易数据，同时根据不同应用场景及业务进行分类，具有多种多样的贷款组合及还本付息方式，如等额本金、等额本息、到期一次性还本付息、分期付息到期还本和分期付息分期还本等多种规则，由此衍生出复杂多样的还款计划，在进行预测时，相关人员需要基于逐笔业务加工出明细级别的结果集，生成报表以供分析研判，该方法需要由专业人员进行大量运算，同时还需要历史明细数据作为支撑，在某类最新增设的信贷业务缺少历史明细数据，无法满足上述任一需求时，相关人员开展预测工作的效率和准确度均会受到影响。
[0004]现有通过相关人员采用经验估算法进行预测的方法费时费力，存在因人工运算失误导致预测结果不准确的情况，以及在缺少历史明细数据时，预测准确度无法保证。

技术实现思路

[0005]基于此，针对上述技术问题，提供一种贷款回收现金流数额的预测方法和系统，能够解决现有预测方法费时费力，存在因人工运算失误导致预测结果不准确的情况，以及在缺少历史明细数据时，预测准确度无法保证的问题。
[0006]第一方面，一种贷款回收现金流数额的预测方法，所述方法包括：
[0007]获取多个历史贷款数据，其中，每个历史贷款数据包括所述历史贷款数据对应的贷款方式数据和对应还款数据，并根据所述贷款方式数据对所述多个历史贷款数据进行标记并分组存储得到标记后的A类历史贷款数据；所述还款数据包括还款数据指标、还款信息数据和还款明细数据；
[0008]响应于用户的输入，接收待预测贷款交易数据，所述待预测贷款交易数据包括待预测贷款的贷款方式数据；根据所述待预测贷款交易数据在所述多个历史贷款数据进行匹配；
[0009]若所述多个历史贷款数据中有所述待预测贷款交易数据，则获取所述多个历史数据中与所述待预测贷款交易数据匹配的B个历史数据，并获取所述B个历史数据的B组还款
数据指标，取所述B组还款数据指标内多个数据平均值得到待预测贷款的参考还款数据指标；
[0010]若所述多个历史贷款数据中无所述待预测贷款交易数据，则获取所述标记后的A类历史贷款数据，并根据待预测贷款交易数据得到所述待预测贷款的贷款方式数据类，采用类间距离度量算法，通过计算所述标记后的A类历史贷款数据与所述待预测贷款的贷款方式数据类的类间距离得到与所述待预测贷款的贷款方式数据类间距离最小的所述标记后的A类历史贷款数据中的C类历史贷款数据；
[0011]根据所述C类历史贷款数据中对应的C组还款信息数据计算对应的C组还款数据指标，取所述C组还款数据指标内多个数据平均值得到待预测贷款的参考还款数据指标，并拟合待预测贷款交易数据预测模型；
[0012]根据所述待预测贷款的参考还款数据指标对应的历史贷款数据的还款明细数据，计算所述待预测贷款的放款金额数据；根据所述待预测贷款的参考还款数据指标和所述放款金额数据计算所述待预测贷款每期预测贷款回收金额及每期预测利息收益；
[0013]根据待预测贷款的贷款方式数据，将所述待预测贷款每期预测贷款回收金额及每期预测利息收益进行组合，并与所述待预测贷款的放款金额数据进行匹配，生成所述待预测贷款交易数据对应的预测回收现金流数额报告。
[0014]上述方案中，可选地，所述每个历史贷款数据包括所述历史贷款数据对应的贷款方式数据和对应还款数据中，所述历史贷款数据对应的贷款方式数据包括：所述历史贷款数据的贷款资产组合、贷款期限、贷款利率和还款付息方式数据。
[0015]上述方案中，进一步可选地，所述还款数据指标包括：应还本金比例、还款逾期率、还款早偿率和还款回收率。
[0016]上述方案中，进一步可选地，所述类间距离度量算法包括：欧氏距离算法、曼哈顿距离算法、切比雪夫距离算法、闵可夫斯基距离算法和余弦距离算法。
[0017]上述方案中，进一步可选地，所述还款明细数据包括：还款计划明细数据、客户画像特征数据、宏观经济特征数据和业务特征数据；
[0018]所述预测模型包括回归分析模型、随机森林模型和支持向量机模型。
[0019]上述方案中，进一步可选地，所述待预测贷款每期预测贷款回收金额的计算公式为：放款金额
×
(1
‑
逾期率
‑
早偿率
‑
回收率)
×
当期本金比例。
[0020]上述方案中，进一步可选地，所述待预测贷款每期预测贷款每期预测利息收益的计算方式为：还款计划下当期本息和减去预测回收金额。
[0021]第二方面，一种贷款回收现金流数额的预测系统，所述系统包括：
[0022]获取模块：用于获取多个历史贷款数据，其中，每个历史贷款数据包括所述历史贷款数据对应的贷款方式数据和对应还款数据，并根据所述贷款方式数据对所述多个历史贷款数据进行标记并分组存储得到标记后的A类历史贷款数据；所述还款数据包括还款数据指标、还款信息数据和还款明细数据；
[0023]接收模块：用于响应于用户的输入，接收待预测贷款交易数据，所述待预测贷款交易数据包括待预测贷款的贷款方式数据；根据所述待预测贷款交易数据在所述多个历史贷款数据进行匹配；
[0024]第一匹配模块：用于若所述多个历史贷款数据中有所述待预测贷款交易数据，则
获取所述多个历史数据中与所述待预测贷款交易数据匹配的B个历史数据，并获取所述B个历史数据的B组还款数据指标，取所述B组还款数据指标内多个数据平均值得到待预测贷款的参考还款数据指标；
[0025]第二匹配模块：用于若所述多个历史贷款数据中无所述待预测贷款交易数据，则获取所述标记后的A类历史贷款数据，并根据待预测贷款交易数据得到所述待预测贷款的贷款方式数据类，采用类间距离度量算法，通过计算所述标记后的A类历史贷款数据与所述待预测贷款的贷款方式数据类的类间距离得到与所述待预测贷款的贷款方式数据类间距离最小的所述标记后的A类历史贷款数据中的C类历史贷款数据；
[0026]第一计算模块：用于根据所述C类历史贷款数据中对应的C组还款信息数据计算对应的C组还款数据指标，取所述C组还款数据指标内多个数据平均值得到待预测贷款的参考还款本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种贷款回收现金流数额的预测方法，其特征在于，所述方法包括：获取多个历史贷款数据，其中，每个历史贷款数据包括所述历史贷款数据对应的贷款方式数据和对应还款数据，并根据所述贷款方式数据对所述多个历史贷款数据进行标记并分组存储得到标记后的A类历史贷款数据；所述还款数据包括还款数据指标、还款信息数据和还款明细数据；响应于用户的输入，接收待预测贷款交易数据，所述待预测贷款交易数据包括待预测贷款的贷款方式数据；根据所述待预测贷款交易数据在所述多个历史贷款数据进行匹配；若所述多个历史贷款数据中有所述待预测贷款交易数据，则获取所述多个历史数据中与所述待预测贷款交易数据匹配的B个历史数据，并获取所述B个历史数据的B组还款数据指标，取所述B组还款数据指标内多个数据平均值得到待预测贷款的参考还款数据指标；若所述多个历史贷款数据中无所述待预测贷款交易数据，则获取所述标记后的A类历史贷款数据，并根据待预测贷款交易数据得到所述待预测贷款的贷款方式数据类，采用类间距离度量算法，通过计算所述标记后的A类历史贷款数据与所述待预测贷款的贷款方式数据类的类间距离得到与所述待预测贷款的贷款方式数据类间距离最小的所述标记后的A类历史贷款数据中的C类历史贷款数据；根据所述C类历史贷款数据中对应的C组还款信息数据计算对应的C组还款数据指标，取所述C组还款数据指标内多个数据平均值得到待预测贷款的参考还款数据指标，并拟合待预测贷款交易数据预测模型；根据所述待预测贷款的参考还款数据指标对应的历史贷款数据的还款明细数据，计算所述待预测贷款的放款金额数据；根据所述待预测贷款的参考还款数据指标和所述放款金额数据计算所述待预测贷款每期预测贷款回收金额及每期预测利息收益；根据待预测贷款的贷款方式数据，将所述待预测贷款每期预测贷款回收金额及每期预测利息收益进行组合，并与所述待预测贷款的放款金额数据进行匹配，生成所述待预测贷款交易数据对应的预测回收现金流数额报告。2.根据权利要求1所述的方法，其特征在于，所述每个历史贷款数据包括所述历史贷款数据对应的贷款方式数据和对应还款数据中，所述历史贷款数据对应的贷款方式数据包括：所述历史贷款数据的贷款资产组合、贷款期限、贷款利率和还款付息方式数据。3.根据权利要求1所述的方法，其特征在于，所述还款数据指标包括：应还本金比例、还款逾期率、还款早偿率和还款回收率。4.根据权利要求1所述的方法，其特征在于，所述类间距离度量算法包括但不限于：欧氏距离算法、曼哈顿距离算法、切比雪夫距离算法、闵可夫斯基距离算法和余弦距离算法。5.根据权利要求1所述的方法，其特征在于，所述还款明细数据包括：还款计划明细数据、客户画像特征数据、宏观经济特征数据和业务特征数据；所述预测模型包括回归分析模型、随机森林模型和支持向量机模型。6.根据权利要求1所述的方法，其特征在于，所述待预测贷款每期预测贷款回收金额的计算...

【专利技术属性】
技术研发人员：赵欣然，郑骞，
申请(专利权)人：联洋国融北京科技有限公司，
类型：发明
国别省市：