[发明专利]一种基于企业工资总额的贷款及风险代偿方法及系统

说明书

本发明公开了一种基于企业工资总额的贷款及风险代偿方法及系统。本发明采用对贷款企业的工资总额历史数据和当前动态数据的实时监控，采用模型学习分析获得贷款额度和当前周期浮动利率，通过工资的杠杆效应，对贷款进行风险控制。同时将贷款风险由各方收益单位共同承担，将风险与银行贷款业务剥离，保障了银行业务的可持续性。

技术领域

本发明属于金融领域，特别涉及一种基于企业工资总额的贷款及风险代偿方法及系统。

背景技术

在金融行业，当下关于贷后风险监控的方法大多以贷后的电催、外访或核保。目前国内有可用于征信的信贷记录的个人仅有不足四亿人，其中多数人的征信记录还比较单薄，不能形成具有参考价值的个人信用图景。

现有的贷后管理是通过针对失信借贷人，以海量数据作基，短时高效修复借贷失联人失信记录和联系方式等信息，协助借贷机构动态监控借款人的信息变更、调整相应的催收策略，进而追讨逾期欠款，提高催收成功率，有效降低平台坏账风险。但是这种方法并不能有效地提高反欺诈监控的力度，治标不治本。

还有一种贷后管理方法是通过贷款人的各详细地址进行相应的计算从而对贷款信息进行风险监控。但是这种方法要求地址信息必须足够详细，例如按“省、市、区、镇、路、街、门牌号”来定义，那么每个地址信息必须都包含上述每个层次的详细信息才能加以利用。然而并不是所有地址都是足够详细，这样通常很难进行相应贷后的风险监控。

但是现有的贷款风险都是由银行单方承担，但贷款收益并不止银行，单纯由银行承担风险，容易使银行对贷款风险控制过严，导致大量需要贷款的企业无法获得贷款，资金滞留。

发明内容

本发明的目的是针对现有技术的缺陷，提供一种基于企业工资总额的贷款及风险代偿方法及系统。

为了实现上述目的，本发明采用以下技术方案：一种基于企业工资总额的贷款及风险代偿方法，包括：

获取贷款企业上一年度内的工资总额及缴纳社保总额，将上述数据采用工资及社保预测模型，并根据贷款企业的贷款年限，获得企业的周期数n和贷款额度，设定总贷款上限，所述总贷款上限＝αn·贷款额度，所述α为总贷款系数；

从第2周期开始，每个周期开始前对贷款额度进行修正，按照修正后的贷款额度发放下个周期的贷款，所有周期的贷款总数额不超过总贷款上限；

实时获取当前周期企业的工资总额及缴纳社保总额，将上述数据采用浮动利率计算模型，得到当前周期浮动利率，将银行基准利率与当前周期浮动利率之和作为当前周期贷款利率，根据贷款额度和当前周期贷款利率计算当前周期的利息；

建立贷款企业的本金风险池，监测贷款企业的还款情况，在出现坏账情况时，用本金风险池内的资金弥补坏账。

进一步的，方法还包括获取贷款企业的企业信息，包括企业工商信息、股东信息、企业信用信息、企业风险信息和高管个人信用信息，用于确定贷款企业的贷款资格。

进一步的，工资及社保预测模型采用以下步骤获得：获取贷款企业历年的工资总额及缴纳社保总额，用第n年的工资总额及缴纳社保总额作为输入的训练样本，第n+1年的工资总额作为输出的训练样本，根据训练样本进行模型训练得到工资及社保预测模型。

进一步的，贷款额度为预测下一年度的工资总额，周期数为贷款年限，每个周期为一年。

进一步的，对贷款额度进行修正采用以下步骤：获取贷款企业当前周期内工资发放数据、社会保险缴纳数据，将上述数据输入工资及社保预测模型，获得下个周期的贷款额度。

进一步的，浮动利率计算模型采用以下步骤获得：获取贷款企业历年的工资总额、缴纳社保总额及利润增长率，用第n年的工资总额及缴纳社保总额作为输入的训练样本，将企业n+1年的利润增长率作为输出的训练样本，根据训练样本进行模型训练得到浮动利率计算模型。