用于计算贷款质量得分的方法和装置制造方法及图纸

一种使用关于对象资产和所请求贷款的用户输入数据来计算贷款质量得分的方法。贷款质量得分在确定贷方提出的资产贷款请求中存在欺诈的可能性时非常有用。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及贷款评估，更具体地涉及为资产抵押贷款计算贷款质 量得分的方法和装置。贷款质量得分可被贷方用于确定是否发放或购 买以特定资产作抵押的贷款。
技术介绍
在贷款行业需要客观的标准来确定由于担保的欺诈行为产生的贷 款无力偿还的可能性。在快速增长或动荡的资产市场中精确地确定这 种可能性会更加困难。很多情况下，支持对于特定资产的贷款申请的 评估要么是不精确的，要么是夸大的或者是试图公然进行贷款欺诈。 因此，对于以用于房屋购买贷款或者房屋抵押贷款的特定资产作抵押 的贷方，需要有发生贷款欺诈的可能性的有价值的指示。需要一种方 法，通过这种方法，贷方可评估特定贷款请求的精确性和有效性，并 且对每个目标资产，可提供评估所依据的信息的便捷访问。因此本专利技术的一个目的是提供一种手段，由此可以对所给出的资 产的贷款质量和资产估价进行有效性和精确性的检测。本专利技术的另一 个目的是使用许多变量来提供尽可能精确的贷款质量得分，供贷方在 以房产或其它资产作抵押的贷款中使用。
技术实现思路
一种使用被发现与资产过高估价或贷款欺诈的可能性相关的许多 衡量标准来计算贷款质量得分的方法和装置。本专利技术从自动估价模型、 公众可获得的记录或其它资源收集相关数据，基于这些数据执行计算， 并且随后提供综合的贷款质量得分。在优选实施例中，还提供用于建 立贷款质量得分的数据的细节。附图说明图1是用于实施本专利技术的示例数据结构的描述；图2是创建贷款质量得分所涉及的步骤的流程图；图3a是描述在生成示例贷款质量得分中使用的变量值和计算的表；图3b是描述使用来自图3a的Logit的贷款质量得分的计算的表； 图4a是描述在生成优选实施例的另一个示例贷款质量得分中所使 用的变量的值和计算的表；图4b是描述使用来自图4a的Logit的贷款质量得分计算的表。具体实施方式本专利技术提供一种用于为以房产或其它资产作抵押的贷款计算贷款 质量得分的方法和装置。因为贷款行业具有这样的特点，其中必须根 据对贷款抵押的对象资产的有限知识来快速批准或拒绝大量的贷款申 请，因此需要一种方法，通过这种方法可评估贷款担保物的充分性和 有效性。本专利技术通过基于许多标准计算贷款质量得分来应对这种需求。 如果对象资产缺少特定信息，可以通过不同的方式来计算贷款质量得 分。在优选实施例中，还提供质量得分所基于的数据。首先参见图1，描述了用于实施本专利技术的示例数据结构。该数据 结构通常使用标准的个人计算机或服务器上的软件来实施。它也可以 在其它类型的计算机上实施，包括大型计算机、服务器群、手提电脑 或膝上电脑。在优选实施例中使用典型的个人计算机服务器。然而在 可替换的实施例中，在此描述的数据结构或者用于完成本专利技术方法的 类似数据结构可通过将软件固化到计算机中来应用，使得计算机仅执 行在此描述的方法的单一功能。计算处理器12负责执行与将用于计算贷款质量得分的算法应用 到数据中相关联的计算。临时存储器36用于存储在公式中使用的变量和在使用或输出之前的其它临时数据。报告生成器14用于将数据格式 化为以下描述的报告。输出连接器16用于将贷款质量评分数据结构连 接到外部的输出方式。其可包括到因特网32的连接，该连接通常使用 传统手段比如到动态生成的网页的输出。还可以有可替换的输出34比 如报告和贷款质量得分到传真机或其它输出设备的输出。输入连接器18从键盘、鼠标、因特网或任何数量的其它输入设备 接收输入24。数据库连接器20将贷款质量评分数据结构输出到各种数 据库26。自动估价模型连接器22将贷款质量评分数据结构输出到任何 数量的自动估价模型(通常被称为AVM)，比如在框28中的自动估 价模型X和框30中的Y。它们被用于收集对目标资产的价值估计，以 生成贷款质量得分。接着参考图2，流程图描述了在优选实施例中创建贷款质量得分 的步骤。在优选实施例中，该过程从框38所描述的用户输入步骤开始。 在优选实施例中所请求的一些建议的用户输入数据是目标资产的地 址、所请求的贷款数额、所估计的资产价值、所请求的留置权类型以 及卖家的名称。优选实施例中的每个输入如下所述。作为直接的现场 评估或购买合同的结果，所估计的资产价值将会是用户已知的。可替 换地，用户可输入被确信为接近于目标资产价值的值。该数据将被用 于收集附加数据并且计算和提供贷款质量得分。在优选实施例中，在贷款质量评分过程中的下一个步骤是使用特 定的自动估价模型来估计价值。该步骤在图2的框40中示出。如果在 上述框38描述的步骤中用户输入数据包括自动估价模型估价，那么在 本步骤中使用的自动估价模型应当不同于先前使用的那个自动估价模 型。这提供了额外的安全检査以确保精确的贷款质量得分。典型的ACM 使用资产的地址应用复杂的数学和统计数据来提供资产的估价。通常， 还会考虑资产的规模和类型，以及该地点和可以从邻近的最近可比较 的销售中获得的附加数据。该值被附加到用户输入所提供的数据集中。在可替换的实施例中，如果没有用户估计价值，那么可以不用它而实 施本专利技术或者使用可替换的输入。在这种可替换的实施例中，贷款质 量得分可使用与上述类似但是不同的公式来计算。接着在一个实施例中，贷款得分计算方法针对用户输入的卖方名 称搜索已知与贷款欺诈相关的某些关键字。这也被称为"字符串搜索"。该步骤在图2的框42中描述。如果资产的卖方具有已知与贷款欺诈相关的某些特性，则由用户输入卖方名字并且设置双态变量(通常也称为"哑"变量)。该双态变量用1表示真而用0表示假。落入这个类别中的卖方被标记为有风险。该双态变量的使用将在以下描述。随后 如果存在有关于卖方的数据，那么该数据被添加到用户输入中并被存 储。在可替换的实施例中，该步骤可被改变或全部去除。然而，该数 据已被显示，它提供关于特定贷款的欺诈可能性的有价值的信息。在优选实施例中，下一个步骤是应用在框44中描述的贷款质量得分算法。该算法使用多个变量，如下所示<table>table see original document page 12</column></row><table>在该实施例中的算法还考虑用户提交估价US相对于AVM的估值AVM的比率。使用这些变量来应用算法。该算法如下Logit= 0.534 * RS + 0.637 * TS -0.984 * RF + 0.979 * AO -0.00000808 * AVM + 1.278 * EX + 1.301 * EX50 + 0.907 * NARM + 0.029 * AG + 0.0000136 * LA + 109139 / AVM + 0.653 * (US / AVM)A2.25 -0.000596 * SF -3.738其中Logit是比值比的自然对数，即p/(l-p)，其中p是贷款为欺诈性的 概率。RS是有风险的卖方的双态哑变量。如果卖方是有风险的，那么该 双态变量被设置为1。如果卖方是无风险的，那么双态变量被设置为0。 TS是资产在过去三年内被出售的次数。RF是用于再贷款的双态哑变量。如果贷款是再贷款，那么该双态 变量被设置为l，否则被设置为O。AO是用于缺席业主的双态哑变量。如果购买者在购买之后并不想 在该对象资产(本文档来自技高网...

【技术保护点】
一种为对象资产计算贷款质量得分的基于计算机的方法，包括以下步骤：　　　　使用过去的贷款数据来开发至少一种算法用于预测贷款欺诈；　　　　获得对象资产数据；以及　　　　将所述至少一种算法应用到所述对象资产数据从而计算贷款质量得分。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：本杰明格拉伯斯克，弗农马丁，
申请(专利权)人：美国第一核心逻辑公司，
类型：发明
国别省市：US[美国]