一种中小微贷款风险实时监控系统及方法与流程

本发明涉及一种中小微贷款风险实时监控系统及方法，特别是一种基于非侵入式电能监控技术的中小微代理风险实时监控系统及方法。

背景技术：

随着我国整体经济水平的不断发展和支持实体经济的相关政策出台，中小微企业已经成为社会经济发展不可缺少的力量。中小微企业占据市场份额很大，具有创新精神但自身力量薄弱，大多处于创业或发展阶段，信用评价受财务状况影响以致融资困难的问题广泛存在。我国对于支持和鼓励中小微企业发展的决心很大，意识到了发展中小微企业是培育经济新动能和潜在增长力的重要源泉，尤其中小微企业在推动经济增长、促进就业、激发自主创新等方面有着重要作用，故大力支持金融机构扩大小微企业信贷投放。快速增长的小微企业信贷投放量，中小微企业缺少的信用评价及信贷历史，为金融机构的贷款风险管理带来新的挑战。

传统的金融中小微贷款客户风险管理过程中，主要通过季度贷后检查及月度经营检查、电催外访等方式，通过三大财务表分析后进行每季度例行风险管理，以及按各管理要求不同收集贷款客户上月的能耗表单进行贷后经营检查。中小微客户地理位置分散，行业分布分散、经营主体多样，需要靠客户经理定期走访。传统银行中小微客户风险管理过程中，客户生产经营及其他非经营类信息相对滞后，导致银行无法进行风险前置管理；中小微客户地理位置分散，难于进行实时集中管理；中小微客户行业类型众多，缺乏相应数据进行横向比较，用户规模迥异，缺乏量化比较依据。客户主要的生产设备监管度不强，金融行业人员识别度很低。

专利号为201710848318.9的中国发明专利通过贷款信息人的地址信息比对获取欺诈可能性，但不能对风险进行实时监控。

专利号为201410133191.9的中国发明专利通过整合供应链数据等业务交互终端的方式进行风险评估，但该技术方案同样不能对风险进行实时监控。

技术实现要素：

本发明的目的在于提供一种通过获取贷款客户电能信息实时对生产经营情况和还款能力进行评估，具有实时性的并且更加完善的贷前、贷后风险监控系统及方法。

本发明的技术方案如下。

本发明提供了一种中小微贷款风险实时监控系统，包括

无侵入式电能数据实时采集及通讯模块，其部署在各个银行中小微贷款客户生产经营场所配电箱和/或关键设备内，实时采集所述生产经营场所和/或关键设备的用电信息；

电力数据聚合分析模块，其能够接收所述无侵入式电能数据实时采集及通讯模块采集的所述用电信息，并对所述用电信息进行转化和异构数据分类存储；

贷前授信管理模块，其能够根据所述电力数据聚合分析模块所提供的数据，提供贷前授信管理所需信息及授信额度指导量；

贷后风险实时监控模块，其能够根据所述电力数据聚合分析模块所提供的数据，在贷后风险形成的各个阶段中提供监控信息。

优选地，所述无侵入式电能数据实时采集及通讯模块包括：

电能芯片，其能够实时获取电能信息，并将所述电能信息计算处理得到所述用电信息；

变频上传控制单元，其能够视电能信息的特点，控制所述用电信息的上传；

边缘计算单元，在将实时用电信息数据传输前通过物理层边缘节点进行简单实时数据处理，减少从所述无侵入式电能数据实时采集及通讯模块到所述电力数据聚合分析模块的数据流量；

通讯单元，其能够将所述用电信息上传至所述电力数据聚合分析模块。

优选地，所述电能信息包括实时电流信号和实时电压信号。

优选地，所述通讯单元选择gprs组网方式或lan组网方式。

优选地，所述用电信息包括实时电流、电压及耗电量情况。

优选地，所述电力数据聚合分析模块通过在线大数据挖掘工具，将各层级电力信息转化为银行中小微客户实时能耗监控、运营状况实时监控、运营异常监控信息，并结合挖掘其他网络公开的非经营类信息后进行异构数据分类存储。

优选地，还包括告警模块，其能够在贷前授信管理模块和/或贷后风险实时监控模块中出现中小微生产经营异常情况时，即时向银行或金融机构风险管控人员发出告警。

优选地，所述告警模块通过短信和/或电子邮件的方式发出告警。

优选地，还包括中小微客户信用数据库模块，其能够记录并聚合各个中小微客户的贷前信息、贷后信息及告警信息，聚合形成各新旧中小微客户完整的实时生产经营能耗、历史生产经营能耗同比环比记录、历史授信额度、历史还款记录、历史告警信息及处理信息的综合信用数据库。

本发明还提供了一种中小微贷款风险实时监控方法，包括以下步骤：

步骤s1，将无侵入式电能数据实时采集及通讯模块部署在各个银行中小微贷款客户生产经营场所和/或关键设备；

步骤s2，实时采集所述生产经营场所和/或关键设备的用电信息，并实时上传以供进行电力数据聚合分析；

步骤s3，通过在线大数据挖掘工具，将各层级实时电力信息转化为银行中小微客户实时能耗监控、运营状况实时监控、运营异常监控的信息，并结合挖掘其他网络公开的非经营类信息后进行异构数据分类存储；

步骤s4，根据各个中小微企业的生产经营历史情况及其在相关行业中的排名，基于大数据模型增加信用评定方式，为金融及银行风控部门提供贷前授信管理所需信息及授信额度指导量；

步骤s5，根据为银行或金融机构风控部门在贷后风险形成的各个阶段中提供实时可视化监控信息。

通过以上技术方案，本发明直接通过获取贷款客户的实时生产经营情况，建立了实时贷前信用积累数据，以及贷后风险预警机制，直接通过获取贷款客户电能信息实时对生产经营情况和还款能力进行评估。同时，本发明中的系统及方法的数据源为实时数据且为真实物理量，难于造假。

附图说明

图1是本发明的中小微贷款风险实时监控系统结构示意图。

图2是图1中的无侵入式电能数据实时采集及通讯模块结构示意图。

图3是图1中的电力数据聚合分析模块架构示意图。

图4是本发明的中小微贷款风险实时监控方法流程图。

具体实施方式

下面结合具体的实施例对本发明做进一步的说明。

实施例1

如附图1所示，本发明中的中小微贷款风险实时监控系统，主要由以下6个功能模块组成：无侵入式电能数据实时采集及通讯模块1、电力数据聚合分析模块3、贷前授信管理模块4、贷后风险实时监控模块5、告警模块6及中小微客户信用数据库模块7。

无侵入式电能数据实时采集及通讯模块1部署在各个银行中小微贷款客户生产经营场所（生产加工类客户的办公、厂房、产线、核心设备及仓储；商业服务类客户的单店、连锁门店、仓储及关键设备等；贸易流通类客户的办公、仓储、展厅等制定场所）配电箱内，实时采集其生产经营场所的电流、电压及耗电量情况。

无侵入式电能数据实时采集及通讯模块1通过无线网络2等组网方式将中小微客户的用电信息实时上传至电力数据聚合分析模块3。

在一优选的实施方式中，无侵入式电能数据实时采集及通讯模块1由如图2所示的几个主要单元组成。电能芯片将电流互感器和电压信号实时传送至电能芯片单元，电能信息由电能芯片计算处理后，通过变频上传控制单元，视电能信息的特点，经边缘计算单元进行实时数据计算处理后，通过通讯单元上传至电力数据聚合分析模块。变频上传控制单元的作用在于减少数据的传输量，在用户负载稳定时选择低频率采集上传方式，在用户负载快速变化时选择高频率采集上传方式。边缘计算单元的作用在于将实时用电信息数据传输前通过物理层边缘节点进行简单实时数据处理，进一步减少从电能数据实时采集及通讯模块到电力数据聚合分析模块的数据流量；通讯单元可选择gprs组网方式和lan组网方式等多种组网方式。

在一优选的实施方式中，无侵入式电能数据实时采集及通讯模块1的安装方式为无侵入式安装，不改变用户配电箱或设备的原有线路结构。实时电流信号通过非接触式电流互感器获取三相交流电电流信号，实时电压信号通过接线连接至配电箱的任一空气开关中获取三相交流电电压信号。

电力数据聚合分析模块3通过电力数据挖掘等在线大数据挖掘工具，将各层级电力信息转化为银行中小微客户实时能耗监控、运营状况实时监控、运营异常监控等信息，并结合挖掘其他网络公开的非经营类信息（纠纷、诉讼、判决、违法等）后进行异构数据分类存储。

在一优选的实施方式中，电力数据聚合分析模块3通过数据挖掘等大数据分析工具，对结构化数据进行整合后，进行组织和存储，对非结构化电力数据进行整合后，结构化处理为结构化数据。将结构化电力数据分析处理后，转化为实时运营状况监控等为银行或金融机构风控部门在贷后风险形成的各个阶段中提供实时可视化监控信息。通过计算分析实际借款人的能耗使用及历史趋势实时反映客户生产运营情况并分析实际借款人还款能力和还款意愿。电力数据聚合分析模块通过将电力信息分析模块部署于云端服务器实现实时运营状况监控并将贷前贷后风险信息聚合后发送至贷前授信管理模块及售后风险实时监控模块。

在一示例性的实施方式中，由无侵入式电能数据实时采集及通讯模块采集的中小微贷款客户的实时用电信息上传至电力数据聚合分析模块3后，部分电力信息可通过以下方式转化为实时运营状况监控信息，如图3所示。

步骤3.1，中小微贷款客户的实时用电信息的结构化处理。将实时用电信息加入时间标签后，使用大数据分析中的分布概率统计工具，按特征时间段内的极值、平均值、中值、25分位数值、75分位数值等进行计算并分类连续存储。其中的特征时间段可以是小时、工作日、周末、周、月、季度、年的任意选择。

步骤3.2，告警触发判断。实时数据进行分类结构化处理计算存储的同时，中小微贷款客户的实时用电信息通过一系列内部算法与特征时间段结构数据库的统计数据进行比较，结合风控部门设置的阈值，按实际数据实时比对情况，选择是否触发告警。例如，某用户的实时用电量和/或功率低于同期分时历史平均数据，则触发告警，向风控管理人员发出中小微贷款客户运营异常告警。其中的分时历史平均数据的时间尺度可以是小时、日、周或月的任意选择。

步骤3.3，正常用电模型提取及存储。通过小波分析对中小微贷款客户的实时用电信息进行时域和频域分析，通过离散小波变换，对其用电特征时域和频域进行分类并存储，通过神经元网络识别，结合该用户用电特征时域及特征频域等信息，训练提取该用户正常用电模型、正常用电特征属性参数及其偶发事件的特征参数并进行分类存储，存储于用户正常用电模型及用电特征属性数据库中。用户正常用电特征属性包括但不限于每日正常用电时长及时间段、关键设备稳态运行时长及时间段、关键设备启停瞬时功率幅值特征、日平均停顿时长、日平均停顿次数、停顿时长波动、工作时段内的功率因数特征值等。

步骤3.4，发现异常后的确认。步骤3.2中发现用户实时用电信息与同期分时历史平均数据发生异常时，系统将进一步分别比对用户正常用电模型及其正常用电各特征属性，确认中小微贷款客户用电是否正常以确定其生产经营状况，并根据分时不同层级正常用电特征属性，分层级确认后发出正常生产经营判断或异常告警。用户正常用电特征属性的比对，提高了通过电力数据对生产经营状况判断的准确性，且进一步排除了客户在用电时进行恶意造假的可能。

步骤3.5，训练样本添加及神经元网络模型修正。运行情况正常以及告警信息发出后，系统结合风控管理人员的走访反馈，将确认及补充信息返回并补充入神经元网络识别算法，添加新的训练样本并动态修正神经元网络模型，所产生的新的正常用电各特征属性将添加至用户正常用电模型及用电特征属性数据库中。

此外，上述描述的算法与判断结构同时对系统中的所有客户用电信息进行分析、存储、判断与告警。

贷前授信管理模块4通过电力数据聚合分析模块所提供的各个中小微企业的生产经营历史情况，诸如同比、环比，以及其在相关行业中的排名，基于本发明的大数据模型增加信用评定方式，为金融及银行风控部门提供贷前授信管理所需信息及授信额度指导量，量化贷前授信管理及风险管理。对于符合贷款条件的中小微企业，贷前授信管理模块将提示金融机构主动发送邀约信息，快速完成新客户申请或老客户续贷申请。

贷后风险实时监控模块5为银行或金融机构风控部门在贷后风险形成的各个阶段中提供实时可视化监控信息。在风险状况正常情况下，实际借款人还款意愿正常，实际借款人的能耗使用正常并趋于稳定增长，主营产品进销存增大，员工班时增长，经营收入增加等等，无侵入式电能数据实时采集及通讯模块采集的能耗数据将能够客观实时反映客户生产运营情况。在风险状况变化情况下，实际借款人还款能力和意愿发生一定变化，生产经营场所能耗使用持续下降，主营产品库存增大，员工班时减少，经营收入减少等等，无侵入式电能数据实时采集及通讯模块采集的能耗数据将能够客观实时反映能耗下降比例及较正常情况的变化值。在风险状况恶化情况下，实际借款人还款能力丧失或部分丧失，还款意愿形成实际上的落空，生产经营场所能耗使用趋于阶梯式下滑或断续，甚至停止，主营产品产销停摆，员工用工减少，经营收入停滞等等，无侵入式电能数据实时采集及通讯模块采集的能耗数据将能够客观反映能耗停滞。

贷前授信管理模块4和贷后风险实时监控模块5中出现中小微生产经营异常情况时，诸如能耗连续下降、无生产能耗、重点设备及关键设备持续停工等，告警模块6将通过短信、邮件等方式向银行或金融机构风险管控人员发出告警，提示相关人员进行干预与管理，达到风险前置管理的目的。

在一优选的实施方式中，银行及金融机构风控部门可根据实际中小微客户的运营状况及其他非经营情况在软件界面设定、调整告警阈值，对重点疑似高风险用户加强监控力度。当坏账风险或欺诈可能性大于设置阈值时，告警模块将通过短信、邮件等方式向风控部门发出报警，提示进行反欺诈调查电催外访等，降低坏账风险。

中小微客户信用数据库模块7将记录并聚合各个中小微客户的贷前信息、贷后信息及各类告警信息，聚合形成各新旧中小微客户完整的实时生产经营能耗、历史生产经营能耗同比环比记录、历史授信额度、历史还款记录、历史告警信息及处理信息等综合信用数据库。通过中小微客户信用数据库模块建立模式化审查审批服务，缩短中小微企业主贷款的审批流程。根据中小微客户信用数据库模块行业大数据对比，依照系统化的标准模型进行客户定位遴选。

实施例2

本发明提供的一种中小微贷款风险实时监控方法，包括以下步骤：

步骤s1，将无侵入式电能数据实时采集及通讯模块部署在各个银行中小微贷款客户生产经营场所和/或关键设备；

步骤s2，实时采集所述生产经营场所和/或关键设备的用电信息，并实时上传以供进行电力数据聚合分析；

步骤s3，通过在线大数据挖掘工具，将各层级实时电力信息转化为银行中小微客户实时能耗监控、运营状况实时监控、运营异常监控的信息，并结合挖掘其他网络公开的非经营类信息后进行异构数据分类存储；

步骤s4，根据各个中小微企业的生产经营历史情况及其在相关行业中的排名，基于大数据模型增加信用评定方式，为金融及银行风控部门提供贷前授信管理所需信息及授信额度指导量；

步骤s5，根据为银行或金融机构风控部门在贷后风险形成的各个阶段中提供实时可视化风险监控信息。

在一优选的实施方式中，所述步骤s3的转化过程进一步包括如下步骤。

步骤s3.1，中小微贷款客户的实时用电信息的结构化处理。将实时用电信息加入时间标签后，使用大数据分析中的分布概率统计工具，按特征时间段内的极值、平均值、中值、25分位数值、75分位数值等进行计算并分类连续存储。其中的特征时间段可以是小时、工作日、周末、周、月、季度、年的任意选择。

步骤s3.2，告警触发判断。实时数据进行分类结构化处理计算存储的同时，中小微贷款客户的实时用电信息通过一系列内部算法与特征时间段结构数据库的统计数据进行比较，结合风控部门设置的阈值，按实际数据实时比对情况，选择是否触发告警。例如，某用户的实时用电量和/或功率低于同期分时历史平均数据，则触发告警，向风控管理人员发出中小微贷款客户运营异常告警。其中的分时历史平均数据的时间尺度可以是小时、日、周或月的任意选择。

步骤s3.3，正常用电模型提取及存储。通过小波分析对中小微贷款客户的实时用电信息进行时域和频域分析，通过离散小波变换，对其用电特征时域和频域进行分类并存储，通过神经元网络识别，结合该用户用电特征时域及特征频域等信息，训练提取该用户正常用电模型、正常用电特征属性参数及其偶发事件的特征参数并进行分类存储，存储于用户正常用电模型及用电特征属性数据库中。用户正常用电特征属性包括但不限于每日正常用电时长及时间段、关键设备稳态运行时长及时间段、关键设备启停瞬时功率幅值特征、日平均停顿时长、日平均停顿次数、停顿时长波动、工作时段内的功率因数特征值等。

步骤s3.4，发现异常后的确认。步骤3.2中发现用户实时用电信息与同期分时历史平均数据发生异常时，系统将进一步分别比对用户正常用电模型及其正常用电各特征属性，确认中小微贷款客户用电是否正常以确定其生产经营状况，并根据分时不同层级正常用电特征属性，分层级确认后发出正常生产经营判断或异常告警。用户正常用电特征属性的比对，提高了通过电力数据对生产经营状况判断的准确性，且进一步排除了客户在用电时进行恶意造假的可能。

步骤s3.5，训练样本添加及神经元网络模型修正。运行情况正常以及告警信息发出后，系统结合风控管理人员的走访反馈，将确认及补充信息返回并补充入神经元网络识别算法，添加新的训练样本并动态修正神经元网络模型，所产生的新的正常用电各特征属性将添加至用户正常用电模型及用电特征属性数据库中。

在一优选的实施方式中，该方法还包括一告警步骤s6，在步骤s4和/或步骤s5中出现生产经营异常情况时，诸如能耗连续下降、无生产能耗、重点设备及关键设备持续停工等，则通过短信、邮件等方式向银行或金融机构风险管控人员发出告警，提示相关人员进行干预与管理，达到风险前置管理的目的。

在一优选的实施方式中，该方法还包括一中小微企业信用数据存储步骤s7，记录并聚合各个中小微企业的贷前信息、贷后信息及各类告警信息，聚合形成各新旧客户完整的实时生产经营能耗、历史生产经营能耗同比环比记录、历史授信额度、历史还款记录、历史告警信息及处理信息等综合信用数据库。

本发明中的中小微贷款风险实时监控系统及方法，旨在为银行提供风险控制前置手段的同时，获得更多优质客户。

与现有技术相比，本发明能够取得如下技术效果。

现有金融机构风险监控体系中，没有利用电力数据为数据源的信用风险监控体系。与现有以人工方式建立的信用风险监控模型相比，本发明实施例提供的技术方案，提高风险监控模型的实时性和物理客观性。

本发明在贷款风险监控系统中使用无侵入式电能数据实时采集及通讯模块以及变频率采集上传和边缘计算方式收集数据作为贷款风险监控模型的数据源。

本发明无侵入式电能数据实时采集及通讯模块的组网方式多样，适合各种中小微客户以及各种地理分布。

本发明的无侵入式电能数据实时采集及通讯模块采用无侵入式附加安装，不改变用户或设备的原有线路和结构，安装简单便捷且无需中断中小微贷客户正常生产经营活动。

本发明通过电力数据挖掘及网络数据挖掘分析各行业小微贷用户的实时运营状况、还款能力及意愿，为银行提供风险控制前置手段。

本发明中的中小微贷款风险实时监控系统及方法，可将地理位置分散的中小微贷客户进行集中实时监控。

本发明通过大数据聚合功能，为银行风控部门提供中小微客户的用能排名及同行业同规模等综合比较。

本发明中的中小微贷款风险实时监控系统中，银行风控部门可根据中小微客户特点自定义告警阈值，实时监控系统软件平台实时提供告警。

以上所述，仅是本发明较佳实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。