[发明专利]基于企业财资大数据的银行贷后风险预测方法和系统

说明书

本发明公开了一种基于企业财资大数据的银行贷后风险预测方法和系统。本发明步骤如下：1、将第三方服务平台连接企业和银行，获得企业财资大数据的采集；同时银行和企业能够直接在第三方服务平台上传数据进行动态更新；2、数据处理；3、建模与预测，构建现金流预测模型，对可预测数据进行预测，具体采用岭回归模型对可预测数据累积同比增长率进行预测；4、将可预测的还款来源数据、不可预测的还款来源数据按照规则汇总形成未来某时间点的最大还款额度，即模拟还款账户金额，通过不断循环计算出当前至还款日之间的模拟还款账户金额分布。5、通过红绿灯显示企业的预警结果。本发明有助于银行更加低成本、高效率、高质量监控企业贷后风险。

技术领域

本发明涉及金融和大数据领域，属于银行对公信用贷贷后风险预 测领域，具体涉及一种基于企业财资大数据的银行贷后风险预测方法 和系统。

背景技术

在银行业，对公信用贷贷后风险预测主要是通过定期线下追踪调 查借款人的执行借款合同情况、财务状况、经营情况，以及监测贷款 资金的用途等等，并结合银行自身的风控模型来进行预测。进一步分 析发现现有的银行对公贷后风险预测存在着以下两个问题：一、预测 用的数据比较局限。银行拥有的主要是企业经营相关、借款合同履行、 外部政府数据等粗颗粒度信息，以及从自身银行走的企业日常交易流 水，但是缺乏企业与多个银行的日常交易流水等实时数据，而这类来 自多银行的实时数据颗粒度更细且更全面，更能反映企业的还款能力； 二、人力成本投入大。银行需要投入大量人力定期检查企业的经营状 况、资信情况、贷款使用情况、借款合同履行情况和偿债能力变化情 况。

第三方技术供应商提供的银行对公信用贷贷后风险管理解决方 案主要集中在两方面：一方面是集成催收跟踪系统、呼叫中心、短信 平台等模块进行智能催收。上海言通推出的言小信AI贷后管理系统 从传统贷后呼叫向AI智能呼叫转型，实现一键呼叫/接听、快速检索 案件、催收统计等，其从优化催收方面来推动银行贷后管理高效，但 是没有大力提高贷后风险预测的能力，且没有涉及银行贷后风险监控 的真正痛点“更加动态、真实了解企业贷后风险”；另一方面是整合 更多外部数据进行风险预测。北京海致星图通过爬取政务等外部数据 来扩充银行贷后风险预测的数据源，并以知识图谱作为底层技术打造 风控模型来挖掘银行贷后风险，但是其数据来源仅限于银行现有数据 和能爬取的外部数据这类粗颗粒度数据，不能基于颗粒度更细的动态 实时现金流数据来预测风险，而且只是站在银行角度，没有站在让银 行、企业双赢的高度预测和发现信用贷贷后风险。

发明内容

本发明的目的是提供一种基于企业财资大数据的商业银行贷后 风险预测方法和系统，解决现有预测技术无法动态实时预测对公信用 贷贷后风险的问题。

为解决上述技术问题，本发明提供一种基于企业财资大数据的商 业银行贷后风险预测方法，具体技术方案如下：

步骤1、数据采集：

将第三方服务平台连接企业和银行，获得企业财资大数据的采集； 同时银行和企业能够直接在第三方服务平台上传数据进行动态更新；

步骤2、数据处理：

对采集到的数据进行数据清洗、数据转化，并将处理后的数据划 分为可预测数据和不可预测数据；

可预测数据包括主营收入、税、社保、工资、房租、水电费、排 污费这类刚性支出；不可预测数据包括：银行存款、可交易性金融资 产、商票、抵质押物评估价值、股东个人资产；

步骤3、建模与预测：

构建现金流预测模型，对可预测数据进行预测，具体采用岭回归 模型对可预测数据累积同比增长率进行预测；

步骤4、得出模拟还款账户金额分布：

将可预测的还款来源数据、不可预测的还款来源数据按照规则汇 总形成未来某时间点的最大还款额度，即模拟还款账户金额，通过不 断循环计算出当前至还款日之间的模拟还款账户金额分布；