[发明专利]用于授信贷款的贷款额度评估系统及方法

说明书

本发明公开了一种用于授信贷款的贷款额度评估系统及方法，涉及金融服务领域，利用用户画像构建了异常检测模型、第一层信用评分模型，先通过异常检测模型排除高欺诈和低还款能力的异常客户，实现对用户的初步筛选；再利用第一层信用评分模型对用户的信用分数进行评分并对用户进行二次筛选，再使用第二层信用评分模型对用户的信用分数进行分数段划分，实现对不同分数段用户的额度量化。本发明解决了现有技术对企业信用与还款能力评估不精确的问题，主要用于对不同信用分数的用户的贷款额度进行精准化评估和量化。

技术领域

本发明涉及金融服务领域，特别涉及一种用于授信贷款的贷款额度评估系统及方法。

背景技术

授信额度是指商业银行为客户核定的短期授信业务的存量管理指标，一般可分为单笔贷款授信额度、借款企业额度和集团借款企业额度。只要授信余额不超过对应的业务品种指标，无论累计发放金额和发放次数为多少，商业银行业务部门均可快速向客户提供短期授信，即企业可便捷地循环使用银行的短期授信资金，从而满足客户对金融服务快捷性和便利性的要求。

目前市场上的个人贷款额度，特别是个人授信贷款额度都是通过人工评定信用评级，人工核算贷款或授信额度。现有个人贷款或授信决策，需要先对客户进行评级，然后人工测算贷款或授信额度，相对繁琐，人为干预因素较多，误差较大，最终造成对企业信用与还款能力的评估不精确，导致不能对客户精准授信和贷款风险的很好控制。

发明内容

本发明意在提供一种用于授信贷款的贷款额度评估系统及方法，实现对不同信用分数的用户的贷款额度的精准化评估和量化。

为解决上述技术问题，本发明提供的基础方案如下：

用户画像获取模块：用于收集用户相关的特征数据并建立用户行为和属性画像；

贷款额度评估模块：用于根据用户行为和属性画像构建授信模型决定用户贷款额度。

本发明的技术方案中，用户画像获取模块收集用户相关的特征数据并建立用户行为和属性画像，例如，相关的特征数据可包括通过电子商务平台获取用户的交易数据、商品数据、行为数据和注册数据；贷款额度评估模块根据用户行为和属性画像构建授信模型决定用户贷款额度，从而达到通过授信模型精确量化用户贷款额度，实现银行对贷款风险的控制。

进一步，还包括：

异常用户排除模块：用于通过用户行为和属性画像构建异常检测模型排除高欺诈和低还款能力的异常客户；

用户筛选模块：用于通过用户行为和属性画像构建第一层信用评分模型对各用户进行信用评分，并根据第一层信用分数的高低对用户进行筛选。

通过用户画像获取模块收集的特征数据构建用户的异常指标及通过异常指标建模，对可疑商户进行筛查；具体地，假设特征数据包括：商户注册、登录、订单、付款和商品类型数据，那么异常指标则为：异常登录次数、异常订单比例、订单量与商户类型不符合程度、订单量偏离商户历史水平，然后使用数据挖掘和机器学习方法得出各项异常指标偏离标准值的异常系数，将各项异常系数加权求和计算得出各商户的总异常系数；再将各用户的总异常系数与异常系数阈值进行对比，并排除出总异常系数大于异常系数阈值的用户，即达到了排除高欺诈和低还款能力的异常客户。

用户筛选模块通过用户行为和属性画像构建第一层信用评分模型对各用户进行信用评分，并根据第一层信用分数的高低对用户进行筛选，例如，向既定分数以上的用户发出贷款邀请，并排除掉低分数的用户，根据第一层信用分数可衡量用户的还款能力，从而拒绝高风险贷款的用户，更加合理的进行风险控制。

进一步，所述贷款额度评估模块包括：

用户画像补充子模块：根据用户的人行征信和第三方征信补充用户的行为和属性画像；