对公贷款的风险预警方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术涉及移动互联和智慧监督领域，公开了一种对公贷款的风险预警方法、装置、计算机设备和存储介质。该方法包括：获取与目标对公贷款匹配的贷款信息，并根据所述贷款信息获取多个特征指标对应的特征值；将各特征指标对应的特征值输入至对公贷款监督模型中，获取对公贷款监督模型输出的风险值；其中，所述对公贷款监督模型为根据与多个历史对公贷款匹配的各特征指标的特征值预先训练得到；如果所述风险值大于或者等于预设风险阈值，则对目标对公贷款进行风险预警。使用本发明专利技术的技术方案，可以实现对对公贷款的自动风险分析和预警。

【技术实现步骤摘要】
对公贷款的风险预警方法、装置、计算机设备和存储介质
本专利技术实施例涉及移动互联和智慧监督领域，尤其涉及一种对公贷款的风险预警方法、装置、计算机设备和存储介质。
技术介绍
对公贷款，又称银行对公业务，包括企业电子银行、单位存款业务、信贷业务、机构业务、国际业务、委托性住房金融、资金清算、中间业务、资产推介、基金托管等。用户监督是金融管理的重要组成部分，在对公贷款的过程进行用户监督，可以分析和识别腐败风险，在对公贷款疑似存在腐败风险时，及时进行风险预警。传统的对公贷款的风险分析和预警通常是采用人工审查的方式，依赖于举报机制，不仅工作量大、工作效率低，而且有效性和针对性也较差。
技术实现思路
本专利技术实施例提供一种对公贷款的风险预警方法、装置、计算机设备和存储介质，以实现对对公贷款的自动风险分析和预警。第一方面，本专利技术实施例提供了一种对公贷款的风险预警方法，该方法包括：获取与目标对公贷款匹配的贷款信息，并根据所述贷款信息获取多个特征指标对应的特征值；将各特征指标对应的特征值输入至对公贷款监督模型中，获取对公贷款监督模型输出的风险值；其中，所述对公贷款监督模型为根据与多个历史对公贷款匹配的各特征指标的特征值预先训练得到；如果所述风险值大于或者等于预设风险阈值，则对目标对公贷款进行风险预警。第二方面，本专利技术实施例还提供了一种对公贷款的风险预警装置，该装置包括：特征值获取模块，用于获取与目标对公贷款匹配的贷款信息，并根据所述贷款信息获取多个特征指标对应的特征值；风险值获取模块，用于将各特征指标对应的特征值输入至对公贷款监督模型中，获取对公贷款监督模型输出的风险值；其中，所述对公贷款监督模型为根据与多个历史对公贷款匹配的各特征指标的特征值预先训练得到；风险预警模块，用于如果所述风险值大于或者等于预设风险阈值，则对目标对公贷款进行风险预警。第三方面，本专利技术实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本专利技术实施例中任一所述的对公贷款的风险预警方法。第四方面，本专利技术实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本专利技术实施例中任一所述的对公贷款的风险预警方法。本专利技术实施例通过与目标对公贷款匹配的贷款信息，获取多个特征指标对应的特征值，将各特征指标对应的特征值输入至对公贷款监督模型中，根据对公贷款监督模型输出的风险值进行风险预警。解决了现有技术中采用人工审查的方式进行对公贷款的风险分析和预警，工作量大、工作效率低，有效性和针对性较差的问题，实现了对对公贷款的自动风险分析和预警。附图说明图1是本专利技术实施例一中的一种对公贷款的风险预警方法的流程图；图2是本专利技术实施例二中的一种对公贷款的风险预警方法的流程图；图3是本专利技术实施例三中的一种对公贷款的风险预警装置的结构示意图；图4是本专利技术实施例四中的一种计算机设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1是本专利技术实施例一提供的一种对公贷款的风险预警方法的流程图，本实施例可适用于对对公贷款的过程进行风险分析和预警，从而实现对对公贷款的自动化监督的情况，该方法可以由对公贷款的风险预警装置来执行，该装置可以由软件和/或硬件来实现，并一般集成在计算机设备中。如图1所示，本专利技术实施例的技术方案，具体包括如下步骤：S110、获取与目标对公贷款匹配的贷款信息，并根据所述贷款信息获取多个特征指标对应的特征值。其中，贷款信息是与目标对公贷款相关的各项信息，可选的，贷款信息可以从对公贷款管理系统获得。可选的，所述贷款信息，包括目标对公贷款的用户信息、贷前关联人员信息、贷中贷后关联人员信息以及目标对公贷款匹配的预设时间段的交易信息。目标对公贷款的用户信息是指与在办理目标对公贷款的过程中，目标对公贷款的贷款用户相关的各项信息。贷前关联人员信息是指在目标对公贷业务办理成功之前的对公贷款业务办理人员的信息，示例性的，可以包括额度授信申报审批人相关的信息、信贷合同审批意见发表人的相关信息、经办人相关信息、担保人相关信息等等。贷中贷后关联人员信息是指在目标对公贷业务办理成功之后的对公贷款业务办理人员的信息，示例性的，可以包括信贷资产检查记录意见发表人的相关信息、客户评级业务信息意见发表人的相关信息等。目标对公贷款匹配的预设时间段的交易信息是指在与目标对公贷款匹配的预设时间段内，贷款用户、贷前关联人员以及贷中贷后关联人员账户的交易信息。需要进行说明的是，本申请中的目标对公贷款的用户信息、贷前关联人员信息、贷中贷后关联人员信息以及目标对公贷款匹配的预设时间段的交易信息等贷款信息的获取、存储和使用，均遵循相关法律法规的规定。贷款信息是衡量目标对公贷款在多个特征指标下的特征值的依据，各特征值是衡量目标对公贷款风险的依据。可选的，所述特征指标包括以下至少一项：同事关系、同源关系、亲近关系、交易备注敏感、大额存款交易、等额交易以及交易来源敏感。同事关系是指贷款用户与贷前关联人员或者贷中贷后关联人员存在或者曾经存在同事关系，示例性的，是否存在同事关系可以通过贷款用户与贷前关联人员或者贷中贷后关联人员是否曾在同一家工作单位任职或兼职进行判断。同源关系是指贷款用户与贷前关联人员或者贷中贷后关联人员存在亲友关系，示例性的，是否存在同源关系可以通过贷款用户与贷前关联人员或者贷中贷后关联人员所关联的社会关系人的姓名是否相同进行判断。亲近关系是指贷款用户与贷前关联人员或者贷中贷后关联人员，在目标对公贷款合同签订日或者放款日前后的预设时间段内存在资金往来。示例性的，是否存在亲近关系可以通过贷款用户与贷前关联人员或者贷中贷后关联人员是否存在交易记录进行判断，或者还可以通过贷款用户与贷前关联人员或者贷中贷后关联人员是否同时期在同一家商户存在消费记录进行判断，或者还可以通过贷款用户与贷前关联人员或者贷中贷后关联人员是否同一时期在同一座旅游城市进行消费进行判断。交易备注敏感是指在目标对公贷款合同签订日或者放款日前后的预设时间段内，贷前关联人员或者贷中贷后关联人员的账户中存在备注包含敏感词的交易。大额存款交易是指在目标对公贷款合同签订日或者放款日前后的预设时间段内，贷前关联人员或者贷中贷后关联人员的账户中存在资金数额较大的交易。等额交易是指贷款用户的账户以及与贷款用户存在关联关系的客户账户，与贷前关联人员或者贷中贷后关联人员的账户，存在资金数额相同的交易。示例性的，贷款用户为集团公司时，与贷款用户存在关联关系的客户账户可以包括集团公司的高管、股东的账户，或本文档来自技高网...

【技术保护点】
1.一种对公贷款的风险预警方法，其特征在于，包括：/n获取与目标对公贷款匹配的贷款信息，并根据所述贷款信息获取多个特征指标对应的特征值；/n将各特征指标对应的特征值输入至对公贷款监督模型中，获取对公贷款监督模型输出的风险值；/n其中，所述对公贷款监督模型为根据与多个历史对公贷款匹配的各特征指标的特征值预先训练得到；/n如果所述风险值大于或者等于预设风险阈值，则对目标对公贷款进行风险预警。/n

【技术特征摘要】
1.一种对公贷款的风险预警方法，其特征在于，包括：
获取与目标对公贷款匹配的贷款信息，并根据所述贷款信息获取多个特征指标对应的特征值；
将各特征指标对应的特征值输入至对公贷款监督模型中，获取对公贷款监督模型输出的风险值；
其中，所述对公贷款监督模型为根据与多个历史对公贷款匹配的各特征指标的特征值预先训练得到；
如果所述风险值大于或者等于预设风险阈值，则对目标对公贷款进行风险预警。


2.根据权利要求1所述的方法，其特征在于，所述贷款信息，包括目标对公贷款的用户信息、贷前关联人员信息、贷中贷后关联人员信息以及目标对公贷款匹配的预设时间段的交易信息。


3.根据权利要求2所述的方法，其特征在于，所述特征指标包括以下至少一项：
同事关系、同源关系、亲近关系、交易备注敏感、大额存款交易、等额交易以及交易来源敏感。


4.根据权利要求3所述的方法，其特征在于，根据所述贷款信息获取多个特征指标对应的特征值，包括：
将用户信息、贷前关联人员信息以及贷中贷后关联人员信息输入至人员关系判定模型中，获得同事关系、同源关系以及亲近关系对应的特征值；
将用户信息、贷前关联人员信息、贷中贷后关联人员信息以及与目标对公贷款匹配的预设时间段的交易信息输入至敏感交易判定模型中，获得交易备注敏感、大额存款交易、等额交易以及交易来源敏感对应的特征值。


5.根据权利要求4所述的方法，其特征在于，所述人员关系判定模型中包括同事关系规则条件、同源关系规则条件以及亲近关系规则条件；
所述敏感交易判定模型中包括交易备注敏感规则条件、大额存款交易规则条件、等额交易规则条件以及交易来源敏感规则条件。


6.根据权利要求1所述的方法，其特征在于，在获取与目标对公贷款匹配的贷款信息之前，还包括：
获取多个标注贷款结果后的历史对公贷款，并根据与各历史对公贷款匹配的贷款信息，获取各历史对公贷款对应的各特征指标的特征值；
所述贷款结果包括存在腐败行为和不存在腐败行为；
根据标注贷款结果后的各历史对公贷款对应的各特征指标的特征值，对预先设置的机器学习模型进行训练，获得对公贷款监督模型。


7.根据权利要求6所述的方法，其特征在于，在获取各历史对公贷款对应的各特征指标的特征值之后，还包括：
对各特征指标进行特征选择，并根据标注贷款结果后的各历史对公贷款对应的各特征选择后的特征指标的特征值，对预先设置的机器学习模型进行训练，获得对公贷款监督模型...

【专利技术属性】
技术研发人员：薛飞，朱克鹏，申中华，李新，张雨，贾飞，金亮，陆亦敏，万晓龙，苏明源，刘水泉，王怡冰，魏聪惠，余华颖，鄞玮强，朱佳，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：北京;11