[发明专利]基于授信模型的数据处理方法、系统、设备、存储介质

说明书

本发明公开了一种基于授信模型的数据处理方法、系统、设备、存储介质，本方法包括以下步骤：步骤S1、获取请求人的订单数据及企业数据，根据样本抽取规则从订单数据与企业数据中筛选出样本数据；订单数据通过外部综合服务平台的得到，订单数据包括外部综合服务平台的实际订单信息、物流信息；步骤S2、将样本数据输入授信模型，所述授信模型根据样本数据计算出请求人对应的授信结果，所述授信结果包括放款结果、授信金额数据。本发明通过获取请求人的订单数据及企业数据，通过获取通过授信模型准确计算出请求人对应的授信结果，为最终是否授信提供参考或者决策依据，相对于传统审计方式效率更高，更加节省人力成本，提高授信结果测算准确率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于授信模型的数据处理方法、系统、设备、存储介质。

背景技术

信用保险，是指保险人对被保险人信用放款或信用售货，债务人拒绝履行合同或不能清偿债务时，所受到的经济损失承担赔偿责任的保险方式，主要有出口信用保险、抵押信用保险等形式。

但金融机构现有的企业授信评价标准基本是通过判断和审视企业的基本信息来决定是否放款，例如，成立时间较长、有较高资产规模和经营业绩的优质企业就比较容易得到信用放款，需要对企业进行复杂的人工审计才能判断是否进行放款，但效率低下，准确率也有待提高。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于授信模型的数据处理方法、系统、设备、存储介质，通过授信模型准确计算出请求人对应的评分数据，解决现有技术中授信因素考虑不全面、准确率低的问题。

本发明的目的之一采用如下技术方案实现：

一种基于授信模型的数据处理方法，本方法包括以下步骤：

步骤S1、获取请求人的订单数据及企业数据，根据样本抽取规则从所述订单数据与企业数据中筛选出样本数据；所述订单数据通过外部综合服务平台的得到，所述订单数据包括外部综合服务平台的实际订单信息、物流信息；

步骤S2、将样本数据输入授信模型，所述授信模型根据样本数据计算出请求人对应的授信结果，所述授信结果包括放款结果、授信金额数据。

进一步地，所述授信模型为，

根据抽取后的样本数据后得到的目标对象的训练集、目标对象的测试集中的建模变量训练通过岭回归方法建立的线性回归模型，得到额度模型；

根据预设的模型评价条件对额度模型进行评价验证，在评价验证通过后，根据预先设置的调整条件调整额度模型，调整后得到授信模型。

进一步地，所述根据预先设置的调整条件调整额度模型，具体为，

预先设定基础分、得分项及扣分项，以及所述得分项及扣分项的积分规则；历遍对应维度的样本数据，根据所述得分项及扣分项的积分规则，在所述基础分上进行加分或减分或不计分，得到最后累计分；根据所述累计分调整请求人授信结果。

进一步地，所述根据预先设置的调整条件调整额度模型，还包括，

根据测算出提供给客户的账期数据与企业的实际授信行为、履约、违约数据进行比对验证，在比对结果数据达不到预设要求时，调整所述授信模型的参数或调整所述授信结果。

进一步地，根据所述累计分确定请求人授信结果，具体为，

所述基础分为80分，在所述累计分不大于80分时，所述授信结果为不放款；

在所述累计分大于80分时，所述授信结果为放款，根据请求人的订单数据确定放款金额、贷款利率。

进一步地，所述根据请求人的订单数据确定放款金额、贷款利率，具体为，