企业贷款动态风控成本测算及浮动定价方法及系统与流程

本发明涉及信息处理技术领域，具体地，涉及一种企业贷款动态风控成本测算及浮动定价方法及系统，尤其是涉及一种小微服务类的企业贷款动态风控成本测算及浮动定价方法及系统。

背景技术：

随着全面深化金融体制改革，增强金融服务实体经济能力，我国在小微服务类方面发展迅速，如何在提升小微金融服务的基础上，有效控制服务成本，降低企业贷款的风控成本，是值得研究的。

如何将信息处理与有效风控方法相结合，从而满足客户服务中需要的个性化定制要求和产品定制要求，采用信息化的技术手段，使得企业信息与行业性的基础数据进行有效融合，多维度的考虑行业风险，有效促进企业改善自身运营风险关联行为，降低贷款业务风险的同时，协助金融机构管控风险成本支出，提升小微服务类企业贷款类业务的盈利能力。通过信息的分布式架构存储，以及各个存储器、网络服务器之间数据通信交流的便捷性、隔离性，使得风控数据能够高速访问，高效搜索，而在数据物理形态上进行分离，避免数据的交叉影响，降低整体系统的数据访问复杂度。

与本申请相关的现有技术是专利文献cn107437221a，公开了一种浮动利率的确定方法及装置，其中该方法包括：接收输入的至少一个信息；从数据库中查询出每一个信息对应的浮动利率参数，所述数据库是可根据信息查询出浮动利率参数的，其中，信息是按类区分的，每一类信息对应一个浮动利率参数；根据每一个信息对应的浮动利率参数确定出最终的浮动利率。上述专利文献仅仅得到一个固定的定价，无法应对风险变动。

技术实现要素：

针对现有技术中的缺陷，本发明的目的是提供一种企业贷款动态风控成本测算及浮动定价方法及系统。

根据本发明提供的一种企业贷款动态风控成本测算及浮动定价系统，包括：

采集模块：利用终端设备采集企业的运营数据和企业下游客户的行为数据并上传至应用服务器，对运营数据进行风险维度划分后，分类存储至数据存储器，对各维度的运营数据进行关联，得到风险关联信息并存储至运算服务器，对行为数据进行用户行为分析，得到用户行为信息并存储至数据存储器；

测算模块：基于风险关联信息、用户行为信息、企业所属行业的行业数据，按设定周期得到周期浮动价格并存储，待收到贷款结算请求时，根据贷款本金和周期浮动价格运算得出贷款利息。

优选地，所述采集模块包括：

风险采集模块：通过数据采集设备，采集得到运营数据，按设定周期将运营数据上传至第一应用服务器；

行为采集模块：通过数据采集设备，采集得到企业下游客户的行为数据，按设定周期将行为数据上传至第二应用服务器；

风险分析模块：基于已设定的浮动风险维度，对运营数据进行分类存储，根据浮动风险维度，对运营数据进行关联，得到关联行为信息；

行为分析模块：对行为数据进行统计总结，得到用户行为信息，所述用户行为信息至少包括行为达成率、行为达成时间。

优选地，所述测算模块包括：

修正测算模块：对运营数据和行业数据分别按照浮动风险维度进行测算，得到浮动定价系数、权重系数，根据浮动定价系数、权重系数，得到修正系数；

用户行为测算模块：基于预先设定的浮动利率限额，对行为达成率、行为达成时间进行测算，得到用户行为因子；

浮动价格测算模块：基于预先设定的浮动限额，根据修正系数、用户行为因子，得到周期浮动价格。

优选地，所述权重系数是根据历史浮动定价系数，运用机器学习得出；

所述浮动定价系数包括百分比增减系数、点数增减系数；

所述修正系数包括百分比增减修正系数、点数增减修正系数；

所述百分比增减修正系数通过下式计算：

所述点数增减修正系数通过下式计算：

其中，下标i表示浮动风险维度，n表示浮动风险维度的总个数，浮动定价系数i表示第i个浮动风险维度下的浮动定价系数，权重系数i表示第i个浮动风险维度下的权重系数。

优选地，所述用户行为因子通过下式计算：

用户行为因子＝浮动利率限额×(行为达成率×行为时间)。

优选地，所述周期浮动价格通过下式计算：

周期浮动价格＝

浮动限额×百分比增减修正系数+点数增减浮动修正系数+用户行为因子。

根据本发明提供的一种企业贷款动态风控成本测算及浮动定价方法，包括：

采集步骤：利用终端设备采集企业的运营数据和企业下游客户的行为数据并上传至应用服务器，对运营数据进行风险维度划分后，分类存储至数据存储器，对各维度的运营数据进行关联，得到风险关联信息并存储至运算服务器，对行为数据进行用户行为分析，得到用户行为信息并存储至数据存储器；

测算步骤：基于风险关联信息、用户行为信息、企业所属行业的行业数据，按设定周期得到周期浮动价格并存储，待收到贷款结算请求时，根据贷款本金和周期浮动价格运算得出贷款利息。

优选地，所述采集步骤包括：

风险采集步骤：通过数据采集设备，采集得到运营数据，按设定周期将运营数据上传至第一应用服务器；

行为采集步骤：通过数据采集设备，采集得到企业下游客户的行为数据，按设定周期将行为数据上传至第二应用服务器；

风险分析步骤：基于已设定的浮动风险维度，对运营数据进行分类存储，根据浮动风险维度，对运营数据进行关联，得到关联行为信息；

行为分析步骤：对行为数据进行统计总结，得到用户行为信息，所述用户行为信息至少包括行为达成率、行为达成时间。

优选地，所述测算步骤包括：

修正测算步骤：对运营数据和行业数据分别按照浮动风险维度进行测算，得到浮动定价系数、权重系数，根据浮动定价系数、权重系数，得到修正系数；

用户行为测算步骤：基于预先设定的浮动利率限额，对行为达成率、行为达成时间进行测算，得到用户行为因子；

浮动价格测算步骤：基于预先设定的浮动限额，根据修正系数、用户行为因子，得到周期浮动价格。

优选地，所述权重系数是根据历史浮动定价系数，运用机器学习得出；

所述浮动定价系数包括百分比增减系数、点数增减系数；

所述修正系数包括百分比增减修正系数、点数增减修正系数；

所述百分比增减修正系数通过下式计算：

所述点数增减修正系数通过下式计算：

其中，下标i表示浮动风险维度，n表示浮动风险维度的总个数，浮动定价系数i表示第i个浮动风险维度下的浮动定价系数，权重系数i表示第i个浮动风险维度下的权重系数；

所述用户行为因子通过下式计算：

用户行为因子＝浮动利率限额×(行为达成率×行为时间)；

所述周期浮动价格通过下式计算：

周期浮动价格＝

浮动限额×百分比增减修正系数+点数增减浮动修正系数+用户行为因子。

与现有技术相比，本发明具有如下的有益效果：

1、本发明通过终端设备进行企业数据采集，存储至应用服务器，并对数据进行多维度划分后单独存储，对下游客户通过终端设备采集数据，并单独存储至服务器，通过分布式存储架构，提高数据访问速度，对风险评价数据进行物理隔离，避免数据交叉影响，降低系统数据访问复杂度，以便于能够有效的进行风险测算；

2、本发明通过对小微服务类企业风险的相关行为信息采集，经过数据化及同业比较，同时引入了企业下游客户的行为评估体系，实现对风控成本的动态测算，使得贷款定价与风险实时准确的对应，以促进企业改善自身运营风险关联行为，降低贷款业务风险的同时，协助金融机构管控风险成本支出，提升小微服务类企业贷款类业务的盈利能力。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明的系统框架示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

根据本发明提供的一种企业贷款动态风控成本测算及浮动定价方法，包括：

采集步骤：利用终端设备采集企业的运营数据和企业下游客户的行为数据并上传至应用服务器组，对运营数据进行风险维度划分后，分类存储至数据存储器，对各维度的运营数据进行关联，得到风险关联信息并存储至运算服务器，对行为数据进行用户行为分析，得到用户行为信息并存储至数据存储器；

测算步骤：基于风险关联信息、用户行为信息、企业所属行业的行业数据，按设定周期得到周期浮动价格并存储，待收到贷款结算请求时，在价格运算服务器中根据贷款本金和周期浮动价格运算得出贷款利息。

具体地，所述应用服务器组包括第一应用服务器和第二应用服务器；

所述采集步骤包括：

风险采集步骤：通过数据采集设备，采集得到运营数据，按设定周期将运营数据上传至第一应用服务器；

行为采集步骤：通过数据采集设备，采集得到企业下游客户的行为数据，按设定周期将行为数据上传至第二应用服务器；

风险分析步骤：读取第一应用服务器的运营数据，基于已设定的浮动风险维度，对运营数据进行分类存储，所述分类存储是分别将运营数据存储在多个分类数据存储器中，根据浮动风险维度，在风控信息运算服务器中，对运营数据进行关联，得到关联行为信息并存储至风控相关信息存储器；

行为分析步骤：读取第二应用服务器的行为数据，存储至用户行为数据存储器，在用户行为信息运算服务器中，对行为数据进行统计总结，得到用户行为信息并存储至用户行为信息存储器，所述用户行为信息至少包括行为达成率、行为达成时间。

具体地，所述测算步骤包括：

修正测算步骤：分别读取运营数据和行业数据，按照浮动风险维度进行测算，得到浮动定价系数、权重系数，根据浮动定价系数、权重系数，得到修正系数，所述测算在浮动价格运算服务器中进行；

用户行为测算步骤：基于预先设定的浮动利率限额，对行为达成率、行为达成时间进行测算，得到用户行为因子，所述测算在机器学习运算服务器中进行；

浮动价格测算步骤：基于预先设定的浮动限额，根据修正系数、用户行为因子，在浮动价格运算服务器中运算得到周期浮动价格。

具体地，所述权重系数是根据历史浮动定价系数，运用机器学习得出；

所述浮动定价系数包括百分比增减系数、点数增减系数；

所述修正系数包括百分比增减修正系数、点数增减修正系数；

所述百分比增减修正系数通过下式计算：

所述点数增减修正系数通过下式计算：

其中，下标i表示浮动风险维度，n表示浮动风险维度的总个数，浮动定价系数i表示第i个浮动风险维度下的浮动定价系数，权重系数i表示第i个浮动风险维度下的权重系数；

所述用户行为因子通过下式计算：

用户行为因子＝浮动利率限额×(行为达成率×行为时间)；

所述周期浮动价格通过下式计算：

周期浮动价格＝

浮动限额×百分比增减修正系数+点数增减浮动修正系数+用户行为因子。

根据本发明提供的一种企业贷款动态风控成本测算及浮动定价系统，包括：

采集模块：利用终端设备采集企业的运营数据和企业下游客户的行为数据并上传至应用服务器组，对运营数据进行风险维度划分后，分类存储至数据存储器，对各维度的运营数据进行关联，得到风险关联信息并存储，对行为数据进行用户行为分析，得到用户行为信息并存储；

测算模块：基于风险关联信息、用户行为信息、企业所属行业的行业数据，按设定周期得到周期浮动价格并存储，待收到贷款结算请求时，在价格运算服务器中根据贷款本金和周期浮动价格运算得出贷款利息。

具体地，所述采集模块包括：

风险采集模块：通过数据采集设备，采集得到运营数据，按设定周期将运营数据上传至第一应用服务器；

行为采集模块：通过数据采集设备，采集得到企业下游客户的行为数据，按设定周期将行为数据上传至第二应用服务器；

风险分析模块：读取第一应用服务器的运营数据，基于已设定的浮动风险维度，对运营数据进行分类存储，所述分类存储是分别将运营数据存储在多个分类数据存储器中，根据浮动风险维度，在风控信息运算服务器中，对运营数据进行关联，得到关联行为信息并存储至风控相关信息存储器；

行为分析模块：读取第二应用服务器的行为数据，存储至用户行为数据存储器，在用户行为信息运算服务器中，对行为数据进行统计总结，得到用户行为信息并存储至用户行为信息存储器，所述用户行为信息至少包括行为达成率、行为达成时间。

具体地，所述测算模块包括：

修正测算模块：分别读取运营数据和行业数据,按照浮动风险维度进行测算，得到浮动定价系数、权重系数，根据浮动定价系数、权重系数，得到修正系数，所述测算在浮动价格运算服务器中进行；

用户行为测算模块：基于预先设定的浮动利率限额，对行为达成率、行为达成时间进行测算，得到用户行为因子，所述测算在机器学习运算服务器中进行；

浮动价格测算模块：基于预先设定的浮动限额，根据修正系数、用户行为因子，在浮动价格运算服务器中运算得到周期浮动价格。

本发明提供的企业贷款动态风控成本测算及浮动定价系统，可以通过企业贷款动态风控成本测算及浮动定价方法的步骤流程实现。本领域技术人员可以将企业贷款动态风控成本测算及浮动定价方法理解为所述企业贷款动态风控成本测算及浮动定价系统的优选例。

本发明首先根据传统金融机构的风险定价规则，确认企业的基准价格；并于企业约定浮动风险价格的定价范围，告知企业风险浮动定价风险维度，所述维度作为风险参考维度，并且告知下游客户联合活动方案，所述联合活动方案包含用户行为浮动价格的定价范围及影响行为浮动价格的相关行为确认方式。其中，企业浮动定价风险维度：包含企业营收情况、行业景气指数、区域人力资源成本指数、企业舆情情况等；也可以加入具有行业特色的风险维度，如服务业的区域景气指数、客流变化情况、原材料价格指数、物流成本指数等。影响定价风险相关行为确认方式：如下游客户对企业产品或服务的认可度、联合活动的参与数、参与率、完成度等。

如图1所示，采集检测类终端设备数据，以及营运类终端设备数据后，存储在第一应用服务器中，按风险维度对数据进行分类，分别存储至各个分类数据存储器中，之后对分类数据进行关联，在风控信息运算服务器中进行关联，将得到的关联数据存储至风控相关信息存储器中；采集下游客户移动终端操作数据，存储在第二应用服务器中，之后对数据进行统计，将统计结果存储至用户行为数据存储器，并在用户行为信息运算服务器中对用户行为信息进行分析，得到分析结果存储之用户行为信息存储器，其中存储中所述用户行为信息至少包括行为达成率、行为达成时间；采集行业数据、地域数据，存储在第三应用服务器中，整合后形成行业定价结果存储在定价参数存储器中；在接收到周期循环发起定价请求后，分别读取定价参数存储器、风控相关信息存储器、用户行为信息存储器，并在浮动价格运算服务器中进行测算，得到周期浮动价格，并存储至周期浮动价格存储器。进一步地，所述测算之前进行权重系数存储器的读取，通过对历史行业数据在机器学习运算服务器中进行风险维度分析，形成各个风险维度的权重系数，存储在权重系数存储器中，浮动价格运算收到权重系数的修正。在接收到结算价格请求后，价格运算服务器从周期浮动价格存储器中读取周期浮动价格，进行测算后得出企业的最终价格。

具体实施过程阐述如下，首先通过安装专用软件，将终端设备转化为小微服务类企业及其平台下游用户的风险相关行为数据采集设备，并按指定周期采集数据上传至专用应用服务器。终端设备包含以下三类：营运类终端设备：企业运营过程中使用的电脑设备，比如服务类企业的收银系统设备、业务接单系统设备等。监测类终端设备：监测收集企业运营风险相关数据的电子设备，比如客流数据监测设备(摄像头、wifi探针、红外计数器等)，网络舆情数据收集终端，各风控关联参数(行业、区域、成本数据)收集终端等。下游用户移动端设备：参与联合活动的下游用户的手机终端。

根据采集的风险行为数据的风险维度，分类存储至系统专用的加密存储介质；并将采集的下游用户的行为数据，单独存储。根据行为数据的风险类型，通过计算服务器，采用计数或增速的方式进行提炼和总结，形成风险关联行为信息存储至专用存储介质；并将下游用户的行为数据，采用达成率，达成时间等方式，总结形成用户行为信息。

在收到一个周期浮动价格运算请求后，通过计算服务器对各风险维度信息的分析及全行业比较，得出各维度的本周期浮动定价系数，并根据历史浮动系数数据，运用机器学习得出的最优的权重系数代入修正系数公式，得出本周期修正系数；同时将下游用户的行为信息代入用户行为因子公式，得出用户行为因子。

浮动定价系数根据其信息的类型分为百分比增减系数和点数增减系数，计算公式分别为：

百分比增减系数中包括如下：

增减系数(营收增速维度中的行业子维度)＝企业环比增速-行业平均环比增速；

增减系数(人均利润增速维度中的行业子维度)＝企业环比增速-行业平均环比增速；

增减系数(客流增长率中的区域子维度)＝企业客流环比增速-区域平均环比增速；

点数增减系数中包括如下：

增减系数(舆情维度)＝负面新闻数量×约定浮动价格；

增减系数(行政维度)＝行政评级下降级数×约定浮动价格；

由此可知，修正系数分别由百分比增减修正系数、点数增减修正系数和用户行为因子得到。权重系数是由行业内小微企业历史数据通过专用的计算服务器机器学习的方式汇总学习形成。修正系数(点数增减)＝定价系数1+定价系数2+…定价系数x；

用户行为因子＝浮动利率限额*(行为达成率*行为时间修正值)；

根据约定的浮动定价限额及修正系数得出本周期的浮动价格。计算公式为：

周期浮动价格＝浮动限额×百分比增减修正系数+点数增减浮动修正系数+用户行为因子。

在收到一个贷款结息请求时，通过计算服务器，根据贷款本金及周期浮动价格的算术平均数运算得出浮动利息，并将基准利息与浮动利息累加数合计得出利息总额。

在本发明方法具体的实施中，通过小微餐饮服务类企业运用本发明方法，在贷款业务审核初期与企业约定基准利率，约定风控维度(如营业利润增长率、人均利润增长率、客流增长率、卫生评级等)及风险浮动价格范围，约定联合活动方案及行为浮动价格范围，同时在企业收银机终端上安装采集软件、安装客流及员工统计硬件等；同时在专用平台发起针对下游客户的联合活动。按日为周期计算企业每日的浮动价格，并同时推送至客户的移动终端上，使客户能每日确认，促进企业加强自身运营管理，改善自身风险行为，加强对下游客户的营销服务意识，使下游客户对其的认可度提升，最终达成降低金融机构贷款业务风险的目的。通过采用了移动互联网技术，实现了对小微服务类贷款企业风险行为的数据化、数据信息化，信息流量化，流量价格化；特别是引入了企业下游用户行为因子，使得风控手段更全面、更有说服力；从而解决了传统金融机构对经营情况复杂多变的小微服务类企业风险成本实时动态定价的问题，使小微服务类企业贷款的价格与风险实时准确对应，提升了金融机构小微服务类企业贷款业务的盈利能力和积极性。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。