[发明专利]一种基于互联网贷款数据查询方法及其系统

权利要求书

1.一种基于互联网贷款数据查询方法，其特征在于，步骤包括：

获取用户查询端的无线接入信号，且根据所述无线接入信号实时将用户当月的流水账金额包括贷款信息反馈至用户查询端中；

着重挑选出用户的贷款数据，并查询其以往的贷款数据纪录，将用户以往的贷款信息和实时查询的贷款信息与做比对，并根据其流水账金额信息和贷款总额数据信息，对应列出用户的快照还款计划表；

若用户将快照还款计划表中的贷款金额全数还清且还有剩余金额时，系统将快照还款计划表中剩余的还款数额转换为账户余额；若用户无法将当个周期内的快照还款计划表的贷款金额正常还清，则将当个周期的快照还款计划表中的欠付贷款金额结算至下个周期的快照还款计划表中；

将用户的还款剩余金额转换为账户余额时，运用系统自设有的安全比例公式推算出用户的账户安全比例，且与系统的账务系统安全比列做比对；

若推算得出的还款数额的安全比例等于和/或高于系统自身设有的账务系统的安全比例，则系统判定用户的账户较为平稳安全；若还款金额的安全比例低于系统自身设有的账务系统的安全比例，则系统判定用户的账户存在风险，并推送用户的账户安全比例以告警用户。

2.根据权利要求1所述的一种基于互联网贷款数据查询方法，其特征在于，所述若用户将快照还款计划表中的贷款金额全数还清且还有剩余金额时，系统将快照还款计划表中剩余的还款数额转换为账户余额；若用户无法将当个周期内的快照还款计划表的贷款金额正常还清，则系统将当个周期的快照还款计划表中的欠付贷款金额结算至下个周期的快照还款计划表中的步骤中，包括：

采用预设的LSTM预测神经网络对快照还款计划表进行设定，所述LSTM预测神经网络算法为：

上式及为利用隐含层输出Zi，参数化的自回归循环神经网络模型；概率p，服从设定的分布，这份不的参数有隐含层输出的函数确定；

其中Q为似然函数，为以t时刻前的输出以及从1到T时刻的协变量序列为先验信息求得的第i个序列的时刻T的输出。

3.根据权利要求1所述的一种基于互联网贷款数据查询方法，其特征在于，所述系统查询获取的贷款数据信息特征还包括：用户申请贷款总次数、支付方式和贷款周期长短。

4.根据权利要求1所述的一种基于互联网贷款数据查询方法，其特征在于，系统着重挑选出用户的贷款数据，并查询其以往的贷款数据纪录，将用户以往的贷款信息和实时查询的贷款信息与做比对，并根据其流水账金额信息和贷款总额数据信息，对应列出用户的快照还款计划表的步骤中，还包括：

系统查询用户的实时贷款数据信息，同时扫描系统数据库中的过往信息，调取出用户的以往贷款数据信息；

系统将用户的实时贷款数据信息与以往的贷款数据信息做比对，以得出用户的贷款金额上下限；

系统根据用户的贷款金额上下限数据并运用极算值公式运算，对应列出用户的快照还款计划表。

5.根据权利要求4所述的一种基于互联网贷款数据查询方法，其特征在于，所述系统运用的极算值公式为：

其中为贷款金额的自变量值，为周期叠加态，为贷款金额的因变量值，为贷款金额的函数值，为贷款金额的向量值。

6.根据权利要求1所述的一种基于互联网贷款数据查询方法，其特征在于，系统将用户的还款剩余金额转换为账户余额时，运用系统自设有的安全比例公式推算出用户的账户安全比例，且与系统的账务系统安全比列做比对的步骤中，还包括：

系统将用户当个周期的快照还款计划表中的还款剩余金额转换为账户金额；

系统根据用户的转换率并运用安全比例公式推算出用户的账户安全比例范围；

系统将推算得出的用户账户安全比例范围与系统自设的安全比例范围作比对。