[发明专利]银行用户贷后负面信息的判断方法

说明书

本发明涉及银行用户贷后负面信息的判断方法，包括：A.根据负面规则的实时性要求将已制定的负面规则编译为机器语言后分别在前端和后端的规则服务器保存和部署；B.对距当前90天以内有数据更新的全量客户，根据各负面规则对样本中的用户数据进行判断，如果有用户数据符合任意一条所述的负面规则，对该用户添加对应的码值，生成初步处理工单并送至审核；C.对审核后的初步处理工单实时性计算，判断初步处理工单中实时性的负面规则是否应执行，生成最终处理工单。本发明能够流程化的对银行用户的各类信息进行负面规则的及时监控，还可以多人协同在服务器上部署不同的负面规则，能够迅速对有潜在风险的用户进行识别和生成相应的处理方式。

技术领域

本发明涉及对数据信息的判断方法，具体讲是银行用户贷后负面信息的判断方法。

背景技术

目前现的对贷(贷款)后管理的方式主要有三类：

1、通过录入客户的相关变量并结合实时采集的借方基础数据进行指标因子等计算；

2、通过多方联动的贷后风险管理系统自动获取所需的客户数据，进行判断借方是否存在贷后风险，若存在贷后风险则发送人工排查请求至预设管理终端；

3、通过定期更新客户的相关数据，再利用大数据离线模型来进行建模打分。

得到以上结果后，对相应的指标设计不同的阈值从而对客户的贷后行为进行预警判断处理。

在已公开的文献中，申请号为201810897932.9的中国专利公开了的信息包括：贷后风险监控系统录入借方基本信息；贷后风险监控系统实时采集借方的开票行为；贷后风险监控系统实时将采集信息传送到后台服务器；贷后风险监控系统清洗借方开票行为信息，运用大数据技术分析建模，识别借方的运营风险，并对风险进行预警评级；贷后风险监控系统将贷后风险预警通知贷方；贷方将调查结果反馈给风险监控系统；风险监控系统对该企业的开票行为特征进行修正。该方案达到的效果在于：通过实时采集借方的开票行为，采用大数据建模分析，及时发现企业运营异常，解决贷后风险监控的实时性、有效性和准确率。

而上述方案的缺点包括：

1、监控客户基础变量较少，最终判断的风险指标相对较少。其贷后监测系统很多是依赖于较少的某一类别的指标建立了串联性质的贷后监测，后期如果涉及到监控指标或监控范围的修改时，可能涉及到对系统的改造量较大，或者当某一个策略环节出现问题时，贷后系统不能正常使用。故而使用串联结构的贷后系统不具有太强的稳定性、灵活性和延展性；

2、现有的贷后系统较多支持集中式策略管理方式。当需部署的策略较多时，很难实现多人协同作业。因为人员多了之后，管理难度呈指数型增长，这样使得系统不具有可拆分性与协同性；

3、贷后监控涉及到较多人工排查的环节，占用大量的人力资源，但整体贷后管理的效率性相对较低，无法短时大批量的处理贷后问题且存在相应的操作风险。

发明内容

本发明提供了一种银行用户贷后负面信息的判断方法，使判断不需要大量的人工参与，使判断流程化，并结合用户的各类信息进行负面规则的及时监控。

本发明银行用户贷后负面信息的判断方法，包括：

A.将预先已制定的与用户贷后负面信息相关的负面规则通过编码器编译为机器语言后，将包含需要计算的实时性的负面规则的机器语言导入到前端规则服务器的存储器中保存和部署，其他负面规则的机器语言导入到后端规则服务器的存储器中保存和部署；