一种互联网贷款的风险预估方法技术

本发明专利技术涉及一种互联网贷款的风险预估方法，每个月所有放款认定为一个批次，对每个批次的放款进行年化风险预估，所述方法包括以下步骤：S1：获取当月所有处于合同期限内的各批次的放款，并将获取的各批次的放款分组；S2：为每组放款选取各自的标准曲线；S3：将获取的所有批次的放款分为两类，第一类为放款月距离当月小于3个月，第二类为放款月距离当月大于等于3个月；S4：根据分组计算各类放款的风险预估，第一类各批次放款的风险预估的计算方法如下：R1＝(B1*P1+B2*P2+

【技术实现步骤摘要】
一种互联网贷款的风险预估方法


[0001]本专利技术涉及金融风控
，特别涉及一种互联网贷款的风险预估方法。

技术介绍

[0002]随着互联网技术的发展，小额零售贷款业务已快速转向线上自动化办理，还款灵活、便捷。近年来，在外部宏观经济不确定性的影响下，不同时期发放的互联网贷款，客户提前结清率及风险均波动较大，在资产组合监控中，需要一种较为精确的方法实时监控风险趋势、预估风险水平。
[0003]当前较为成熟的风险预估方法，主要分为三类：
[0004]1)根据资产组合的历史迁徙率趋势，预估NCL(Net Credit Loss)做为风险水平的预估，此方法仅适用于规模较为稳定的资产。
[0005]2)根据放款批次资产的历史违约Vintage，计算违约损失分布曲线，结合放款资产已观察到的违约水平，预估走完全周期的各放款批次资产风险水平，此方法计算出的风险水平无法与资产收益情况做直接的对比。
[0006]3)根据资产历史表现搭建EAD，PD，LGD模型，应用EL＝EAD*PD*LGD算法预估风险水平，此方法对数据积累时间及数据积累量有较高要求，当外部监管环境及客群发生较大变化时需重新开发模型，敏捷性较弱。
[0007]因此，有必要提供一种互联网贷款的风险预估方法，以提高预估各批次放款资产的年化风险水平的精确程度。

技术实现思路

[0008]本专利技术的目的在于提供一种互联网贷款的风险预估方法，以提高预估各批次放款资产的年化风险水平的精确程度。
[0009]为了解决现有技术中存在的问题，本专利技术提供了一种互联网贷款的风险预估方法，每个月所有放款认定为一个批次，对每个批次的放款进行年化风险预估，所述方法包括以下步骤：
[0010]S1：获取当月所有处于合同期限内的各批次的放款，并将获取的各批次的放款分组；
[0011]S2：为每组放款选取各自的标准曲线；
[0012]S3：将获取的所有批次的放款分为两类，第一类为放款月距离当月小于3个月，第二类为放款月距离当月大于等于3个月；
[0013]S4：根据分组计算各类放款的风险预估，第一类各批次放款的风险预估的计算方法如下：R1＝(B1*P1+B2*P2+
…
+B
n
*P
n
)/(P1+P2+
…
+P
n
)，第二类各批次放款的风险预估的计算方法如下：R2＝(C1*P1+C2*P2+
…
+C
n
*P
n
)/(P1+P2+
…
+P
n
)，C＝Dm/Bm*B
结束
，其中，R1为当月计算的第一类各批次放款的风险预估值，R2为当月计算的第二类各批次放款的风险预估值，B1、B2、
…
或B
n
为任一组放款在其标准曲线中取的最后一个月的不良年化值，P1、P2、
…
或P
n
为任
一组放款的年化余额，C1、C2、
…
或C
n
为任一组放款走完合同期限时的不良年化预估值，C为各组放款走完合同期限时的不良年化预估值，Dm为各组放款的不良年化实际值，Bm为各组放款在其标准曲线中取的不良年化值，B
结束
为各组放款在其标准曲线中取的最后一个月的不良年化值。
[0014]可选的，在所述互联网贷款的风险预估方法，S1中，将获取的各批次的放款分组，分组方式为：根据还款方式和合同期限为条件进行分组。
[0015]可选的，在所述互联网贷款的风险预估方法，分组类型如下：先息后本6期、先息后本12期、等额本金6期以及等额本金12期。
[0016]可选的，在所述互联网贷款的风险预估方法，标准曲线中定义所属分组的放款在合同期限内每个月的不良年化值。
[0017]可选的，在所述互联网贷款的风险预估方法，S2中，为每组放款选取各自的标准曲线的方式如下：
[0018]选取距离当月最近的已走完全周期的3条不良年化曲线，且这3条不良年化曲线的所属分组类型和当前组放款的分组类型相同，把3条不良年化曲线整理成为1条不良年化曲线作为当前组放款的标准曲线。
[0019]可选的，在所述互联网贷款的风险预估方法，若没有已走完全周期的3条不良年化曲线，则按照以下方式获取标准曲线：
[0020]获取合作方产品的历史数据形成当前组放款的标准曲线。
[0021]可选的，在所述互联网贷款的风险预估方法，S4中，在标准曲线中取不良年化值的方式为：若当月为标准曲线所属分组的放款的第i个还款月，则取标准曲线中第i个月的不良年化值。
[0022]可选的，在所述互联网贷款的风险预估方法，各组年化余额Pn＝(该组首笔放款首日余额+第二天余额+
…
+第N天余额+当月当天余额)/365，当月当天为计算风险预估的实际时间。
[0023]可选的，在所述互联网贷款的风险预估方法，各组放款的不良年化实际值的计算方式为：
[0024]Dm＝截至当月当天的不良余额/[(该组首笔放款首日余额+第二天余额+
…
+第N天余额+当月当天余额)/365]，当月当天为计算风险预估的实际时间。
[0025]在本专利技术所提供的互联网贷款的风险预估方法中，可以提高预估各批次放款资产的年化风险水平的精确程度(风险预估误差控制在10％左右)，将预估的年化风险水平结合年化收益情况，可进一步计算各批次放款资产的风险后收益情况，结合风险偏好，指导风控策略的优化及调整。
附图说明
[0026]图1为本专利技术实施例提供的风险预估方法的流程图；
[0027]图2为本专利技术实施例提供的标准曲线的示意图。
具体实施方式
[0028]下面将结合示意图对本专利技术的具体实施方式进行更详细的描述。根据下列描述，
本专利技术的优点和特征将更清楚。需说明的是，附图均采用非常简化的形式且均使用非精准的比例，仅用以方便、明晰地辅助说明本专利技术实施例的目的。
[0029]在下文中，如果本文所述的方法包括一系列步骤，本文所呈现的这些步骤的顺序并非必须是可执行这些步骤的唯一顺序，且一些所述的步骤可被省略和/或一些本文未描述的其他步骤可被添加到该方法。
[0030]当前较为成熟的风险预估方法，存在各种问题。
[0031]为了解决现有技术中存在的问题，本专利技术提供了一种互联网贷款的风险预估方法，银行每个月放款多笔，每笔放款的全周期为放款时签订的合同期限。本专利技术将每个月所有放款认定为一个批次，对每个批次的放款进行年化风险预估。如图1所示，所述方法包括以下步骤：
[0032]S1：获取当月所有处于合同期限内的各批次的放款，并将获取的各批次的放款分组，所述当月为风险预估的当月；
[0033]S2：为每组放款选取各自的标准曲线，标准曲线参考图2；
[0034]S3：将获取的所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种互联网贷款的风险预估方法，其特征在于，每个月所有放款认定为一个批次，对每个批次的放款进行年化风险预估，所述方法包括以下步骤：S1：获取当月所有处于合同期限内的各批次的放款，并将获取的各批次的放款分组；S2：为每组放款选取各自的标准曲线；S3：将获取的所有批次的放款分为两类，第一类为放款月距离当月小于3个月，第二类为放款月距离当月大于等于3个月；S4：根据分组计算各类放款的风险预估，第一类各批次放款的风险预估的计算方法如下：R1＝(B1*P1+B2*P2+
…
+B
n
*P
n
)/(P1+P2+
…
+P
n
)，第二类各批次放款的风险预估的计算方法如下：R2＝(C1*P1+C2*P2+
…
+C
n
*P
n
)/(P1+P2+
…
+P
n
)，C＝Dm/Bm*B
结束
，其中，R1为当月计算的第一类各批次放款的风险预估值，R2为当月计算的第二类各批次放款的风险预估值，B1、B2、
…
或B
n
为任一组放款在其标准曲线中取的最后一个月的不良年化值，P1、P2、
…
或P
n
为任一组放款的年化余额，C1、C2、
…
或C
n
为任一组放款走完合同期限时的不良年化预估值，C为各组放款走完合同期限时的不良年化预估值，Dm为各组放款的不良年化实际值，Bm为各组放款在其标准曲线中取的不良年化值，B
结束
为各组放款在其标准...

【专利技术属性】
技术研发人员：黄瑾燕，朱恩皓，王茜，郭怡君，
申请(专利权)人：富邦华一银行有限公司，
类型：发明
国别省市：