基于用户画像的贷款风险决策方法、装置、设备及介质制造方法及图纸

技术编号:37851268 阅读:12 留言:0更新日期:2023-06-14 22:41
本申请涉及一种基于用户画像的贷款风险决策方法、装置、设备及介质,属于风险决策的技术领域其方法包括:获取待贷款用户的基本信息、贷款类型和贷款多头数据;基于所述待贷款用户的基本信息和所述贷款多头数据构建所述待贷款用户的用户风险画像;基于所述用户风险画像确定所述待贷款用户的贷款风险等级;基于所述贷款风险等级和所述贷款类型确定对所述待贷款用户的风险决策。本申请具有减小信贷公司的贷款业务风险的效果。司的贷款业务风险的效果。司的贷款业务风险的效果。

【技术实现步骤摘要】
基于用户画像的贷款风险决策方法、装置、设备及介质


[0001]本申请涉及风险决策的
,尤其是涉及一种基于用户画像的贷款风险决策方法、装置、设备及介质。

技术介绍

[0002]近年来,随着越来越多提供金融服务的信贷公司的出现,对于金融用户来说,能够获得贷款的渠道越来越多,从而使金融用户有了更多的选择,一户多贷也称为多头贷款,多头贷款是指同一贷款者同时向多家信贷公司提出贷款要求的行为。
[0003]虽然多头贷款在一定程度上满足了金融用户当前的资金需求,但也加剧了信贷公司与金融用户之间信息不对称的矛盾,极易导致多家信贷公司对同一个金融用户分别进行授信,最终造成该金融用户的信用额度超过其能够负担的总额度,造成对该金融用户的过度授信。
[0004]部分金融用户在过度授信之后,当其资金链断裂时,极易发生频繁违约和拖迟还款行为,这种行为给信贷公司带来了的贷款业务风险。

技术实现思路

[0005]为了减小信贷公司的贷款业务风险,本申请提供一种基于用户画像的贷款风险决策方法、装置、设备及介质。
[0006]第一方面,本申请提供一种基于用户画像的贷款风险决策方法,采用如下的技术方案:一种基于用户画像的贷款风险决策方法,包括:获取待贷款用户的基本信息、贷款类型和贷款多头数据;基于所述待贷款用户的基本信息和所述贷款多头数据构建所述待贷款用户的用户风险画像;基于所述用户风险画像确定所述待贷款用户的贷款风险等级;基于所述贷款风险等级和所述贷款类型确定对所述待贷款用户的风险决策。
[0007]通过采用上述技术方案,将贷款多头数据融合至用户风险画像中参与贷款风险等级的评定,从而使信贷公司能够掌握用户的全部贷款情况,通过全部贷款情况对待贷款用户的还款能力对待贷款用户的贷款行为进行风险决策,从而减小待贷款用户给信贷公司带来的业务风险,进而减小信贷公司的经济损失。
[0008]可选的,所述用户风险画像包括第一风险画像,所述基本信息包括待贷款用户的薪资,所述基于所述待贷款用户的基本信息和所述贷款多头数据构建所述待贷款用户的用户风险画像,包括:获取所述待贷款用户在每个信贷公司的贷款金额和还款情况;计算所述待贷款用户在所有信贷公司的贷款金额总和;基于所述还款情况确定所述待贷款用户的逾期还款情况;
基于所述贷款金额总和、所述逾期还款情况和所述薪资构建所述第一风险画像。
[0009]通过采用上述技术方案,通过贷款金额总和、逾期还款情况和薪资确定待贷款用户的还款能力和还款信用,将还款能力和还款信用作为第一风险画像参与贷款风险等级的评定,从而为风险决策提供理论依据。
[0010]可选的,所述还款情况包括还款日期,所述基于所述还款情况确定所述待贷款用户的逾期还款情况,包括:获取每个信贷公司的最晚还款日期和第一预设时间内的还款日期以及所述待贷款用户的薪资发放日期;当所述还款日期晚于所述最晚还款日期时,判断所述待贷款用户是否在第二预设时间内查看所述信贷公司对应的还贷信息;若是,则当所述薪资发放日期在所述最晚还款日期之前时,判定所述待贷款用户的逾期情况为无能力偿还;若否,则计算所述最晚还款日期和所述还款日期之间的差值;当所述差值在预设范围且薪资发放日期在所述最晚还款日期之后,判定所述待贷款用户的逾期情况为有能力偿还。
[0011]通过采用上述技术方案,通过还款日期、最晚还款日期和薪资发放日期确定待贷款用户的还款能力,从而更加准确对待贷款用户的还款能力进行评估。
[0012]可选的,所述用户风险画像还包括第二风险画像,所述基于所述待贷款用户的基本信息和所述贷款多头数据构建所述待贷款用户的用户风险画像,还包括:获取所述待贷款用户的关系网对应的关联人员;获取每个所述关联人员的贷款信息以及贷款时间;获取所述关联人员与所述待贷款用户之间的交易信息,所述交易信息包括交易时间和交易金额;获取所述待贷款用户的还款信息,所述还款信息包括还款时间和还款金额;基于所述交易信息和所述还款信息判断所述待贷款用户是否存在异常贷款行为;若是,则获取所述异常贷款行为的异常次数;基于所述异常次数构建所述第二风险画像。
[0013]通过采用上述技术方案,通过待贷款用户和关联人员的交易记录以及贷款还款日期确定过待贷款用户和关联人员是否存在异常贷款行为,从而进一步对待贷款用户的还款能力进行评估,进一步为风险决策提供理论依据。
[0014]可选的,所述用户风险画像还包括第三风险画像所述基于所述待贷款用户的基本信息和所述贷款多头数据构建所述待贷款用户的用户风险画像,还包括:获取所述待贷款用户的在职公司信息;基于所述在职公司信息确定在职公司的发展情况;基于所述发展情况构建所述第三风险画像。
[0015]通过采用上述技术方案,通过待贷款用户的在职公司的发展情况进一步评估待贷款用户的还款能力,减小外在因素对待贷款用户的还款能力的影响,为风险决策提供更加全面的理论依据。
[0016]可选的,所述基于所述用户信用画像确定所述待贷款用户的贷款风险等级,包括:
分别赋予第一风险画像、第二风险画像和第三风险画像不同的权重;基于所述权重计算所述待贷款用户的风险分值;基于所述风险分值确定所述待贷款用户的贷款风险等级。
[0017]通过采用上述技术方案,利用第一风险画像、第二风险画像和第三风险画像同时确定贷款风险等级,更加全面的对待贷款用户的还款能力和还款信用进行评估,从而减小待贷款用户给信贷公司带来的业务风险,进而减小信贷公司的经济损失。
[0018]可选的,所述基于所述贷款风险等级和所述贷款类型确定对所述待贷款用户的风险决策,包括:获取所述贷款类型对应的预设风险等级;判断所述预设风险等级与所述待贷款用户的贷款风险等级是否相匹配;若所述预设风险等级与所述待贷款用户的贷款风险等级相匹配,则通过所述待贷款用户的贷款请求;若所述预设风险等级与所述待贷款用户的贷款风险等级不匹配,则基于所述贷款类型判断所述贷款金额是否能发生变更;若所述贷款金额能发生变更,则将变更后的贷款金额反馈给所述待贷款用户。
[0019]第二方面,本申请提供一种基于用户画像的贷款风险决策方法,采用如下的技术方案:一种基于用户画像的贷款风险决策装置,包括:获取模块,用于获取待贷款用户的基本信息、贷款类型和贷款多头数据;构建模块,用于基于所述待贷款用户的基本信息和所述贷款多头数据构建所述待贷款用户的用户风险画像;第一确定模块,用于基于所述用户风险画像确定所述待贷款用户的贷款风险等级;第二确定模块,用于基于所述贷款风险等级和所述贷款类型确定对所述待贷款用户的风险决策。
[0020]通过采用上述技术方案,将贷款多头数据融合至用户风险画像中参与贷款风险等级的评定,从而使信贷公司能够掌握用户的全部贷款情况,通过全部贷款情况对待贷款用户的还款能力对待贷款用户的贷款行为进行风险决策,从而减小待贷款用户给信贷公司带来的业务风险,进而减小信贷公司的经济损失。
[0021]第三方面,本申请提供一种电子设备,采用如下的技术方案:一种电子设备,包括处理器本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于用户画像的贷款风险决策方法,其特征在于,包括:获取待贷款用户的基本信息、贷款类型和贷款多头数据;基于所述待贷款用户的基本信息和所述贷款多头数据构建所述待贷款用户的用户风险画像;基于所述用户风险画像确定所述待贷款用户的贷款风险等级;基于所述贷款风险等级和所述贷款类型确定对所述待贷款用户的风险决策。2.根据权利要求1所述的方法,其特征在于,所述用户风险画像包括第一风险画像,所述基本信息包括所述待贷款用户的薪资,所述基于所述待贷款用户的基本信息和所述贷款多头数据构建所述待贷款用户的用户风险画像,包括:获取所述待贷款用户在每个信贷公司的贷款金额和还款情况;计算所述待贷款用户在所有信贷公司的贷款金额总和;基于所述还款情况确定所述待贷款用户的逾期还款情况;基于所述贷款金额总和、所述逾期还款情况和所述薪资构建所述第一风险画像。3.根据权利要求2所述的方法,其特征在于,所述还款情况包括还款日期,所述基于所述还款情况确定所述待贷款用户的逾期还款情况,包括:获取每个信贷公司的最晚还款日期和第一预设时间内的还款日期以及所述待贷款用户的薪资发放日期;当所述还款日期晚于所述最晚还款日期时,判断所述待贷款用户是否在第二预设时间内查看所述信贷公司对应的还贷信息;若是,则当所述薪资发放日期在所述最晚还款日期之前时,判定所述待贷款用户的逾期情况为无能力偿还;若否,则计算所述最晚还款日期和所述还款日期之间的差值;当所述差值在预设范围且薪资发放日期在所述最晚还款日期之后,判定所述待贷款用户的逾期情况为有能力偿还。4.根据权利要求1所述的方法,其特征在于,所述用户风险画像还包括第二风险画像,所述基于所述待贷款用户的基本信息和所述贷款多头数据构建所述待贷款用户的用户风险画像,还包括:获取所述待贷款用户的关系网对应的关联人员;获取每个所述关联人员的贷款信息以及贷款时间;获取所述关联人员与所述待贷款用户之间的交易信息,所述交易信息包括交易时间和交易金额;获取所述待贷款用户的还款信息,所述还款信息包括还款时间和还款金额;基于所述交易信息和所述还款信息判断所述待贷款用户是否存在异常贷款行为;若是,则获取所述异常贷款行为...

【专利技术属性】
技术研发人员:段爱国
申请(专利权)人:中科柏诚科技北京股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1