基于信贷资产批量分类的融资风险监控方法及装置与流程

1.本发明涉及信息处理技术领域，特别涉及金融技术领域，尤其涉及一种基于信贷资产批量分类的融资风险监控方法及装置。


背景技术：

2.信贷资产分类包括资产质量分类和风险分类，是指基于风险程度和具体债项预期信用损失的判断，对法人客户表内资产进行十二级分类和表外信贷资产进行五级分类，同时进行风险资产分类划分的过程，以便后续根据对应会计准则选取相应的金融工具计量方法进行风险拨备管理。信贷资产分类的实质，是判断债务人及时足额偿还信贷资产本息的可能性，主要目的是揭示信贷资产的实际价值和风险程度，真实、全面、动态地反映其质量。信贷资产分类是银行类等金融机构的日常工作，经办人需及时跟踪并更新借款人的生产经营和财务信息，并根据债务人经营管理等状况的变化对信贷资产风险变化情况进行实时监控和调整。
3.随着金融行业内、外部环境的不断变化和融资产品的快速发展，客户的融资需求多、场景杂、对时效要求强，各类金融机构创新研发并大力推广的表内外融资产品，也正逐步向线上化、自动化、批量化方向发展。目前传统的按照债项进行信贷资产分类的方式，虽然对部分信息采用了自动收集的方式，但由于债项数量多，经办人员需要在重复工作上花费大量时间，分类操作的人力成本较高，用户体验不佳。同时，大业务量的手工操作，可能由于操作失误导致同一客户或合同项下分类结果不一致的问题，分类操作便捷性较低。


技术实现要素：

4.本发明的一个目的在于提供一种基于信贷资产批量分类的融资风险监控方法，对用户信贷资产进行批量分类，融资风险监控提高信贷资产的分类效率、资产安全性和风险监控能力。本发明的另一个目的在于提供一种基于信贷资产批量分类的融资风险监控装置。本发明的再一个目的在于提供一种计算机设备。本发明的还一个目的在于提供一种可读介质。
5.为了达到以上目的，本发明一方面公开了一种基于信贷资产批量分类的融资风险监控方法，包括：
6.对用户的基础数据和债项数据进行债项批量初分；
7.对批量初分后的债项数据进行批量交叉调整得到分类债项数据；
8.确定所述分类债项数据是否存在异常风险，若是，向管理人员反馈异常信息。
9.优选的，进一步包括在对用户的基础数据和债项数据进行债项批量初分，之前：
10.获取客户在交易系统内存储的客户信息和债项信息；
11.通过接口从外部系统中获取外部数据信息；
12.对所述客户信息、债项信息和所述外部数据信息进行分解和封装得到所述用户的基础数据和债项数据。
13.优选的，进一步包括在对用户的基础数据和债项数据进行债项批量初分，之前：
14.根据工作人员输入的筛选维度确定对应的用户的基础数据和债项数据，所述筛选维度包括时间维度、分支机构维度和用户维度的至少之一。
15.优选的，进一步包括在对用户的基础数据和债项数据进行债项批量初分，之前：
16.接收工作人员的债项修改请求；
17.根据所述债项修改请求修改债项数据中对应的目标债项的债项信息；
18.根据所述债项修改请求修改所述目标债项所属用户的其他债项的债项信息。
19.优选的，所述对用户的基础数据和债项数据进行债项批量初分具体包括：
20.通过初分模型对用户的基础数据和债项数据基于客户评价指标体系和债项评价指标体系进行债项批量初分。
21.优选的，所述对批量初分后的债项数据进行批量交叉调整得到分类债项数据具体包括：
22.若批量初分后的债项数据全为不良或全为减值类，则按单合同进行批量分类，得到的分类结果为该合同下所有债项数据中最差分类结果；
23.若批量初分后的债项数据并非全为不良或全为减值类，则判断客户的债项是否完全不存在不良或减值类，若是，则按单合同进行批量分类，保证同一合同下债项分类结果一致，且为最差分类结果；若否，则客户的所有债项按单客户进行批量分类，保证同一客户下债项分类结果一致，且为该客户所有债项中的最差分类结果。
24.优选的，所述确定所述分类债项数据是否存在异常风险具体包括：
25.通过打分模型对分类结果的分类债项数据进行交易风险检测；
26.若检测得到存在交易异常风险，向管理人员反馈异常信息。
27.本发明还公开了一种基于信贷资产批量分类的融资风险监控装置，包括：
28.债项初分模块，用于对用户的基础数据和债项数据进行债项批量初分；
29.交叉调整模块，用于对批量初分后的债项数据进行批量交叉调整得到分类债项数据；
30.异常监控模块，用于确定所述分类债项数据是否存在异常风险，若是，向管理人员反馈异常信息。
31.本发明还公开了一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，
32.所述处理器执行所述程序时实现如上所述方法。
33.本发明还公开了一种计算机可读介质，其上存储有计算机程序，
34.该程序被处理器执行时实现如上所述方法。
35.本发明基于信贷资产批量分类的融资风险监控方法对用户的基础数据和债项数据进行债项批量初分，对批量初分后的债项数据进行批量交叉调整得到分类债项数据，确定所述分类债项数据是否存在异常风险，若是，向管理人员反馈异常信息。由此可知，本发明自动进行债项批量初分和批量交叉调整，可有效避免传统方式下按单笔资产分类时，由于工作人员主观或客观操作原因，导致同一客户或合同项下分类结果不一致的问题，降低操作风险，同时融资风险监控提高信贷资产的分类效率、资产安全性和风险监控能力。
附图说明
36.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
37.图1示出本发明基于信贷资产批量分类的融资风险监控方法具体实施例的流程图；
38.图2示出本发明基于信贷资产批量分类的融资风险监控方法具体实施例得到基础数据和债项数据的流程图；
39.图3示出本发明基于信贷资产批量分类的融资风险监控方法具体实施例对债项数据进行修改的流程图；
40.图4示出本发明基于信贷资产批量分类的融资风险监控方法具体实施例s200的流程图；
41.图5示出本发明基于信贷资产批量分类的融资风险监控方法具体实施例s300的流程图；
42.图6示出本发明基于信贷资产批量分类的融资风险监控装置具体实施例的结构图；
43.图7示出本发明基于信贷资产批量分类的融资风险监控装置具体实施例包括数据处理模块的结构图；
44.图8示出适于用来实现本发明实施例的计算机设备的结构示意图。
具体实施方式
45.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
46.需要说明的是，本技术公开的一种基于信贷资产批量分类的融资风险监控方法及装置可用于金融技术领域，也可用于除金融技术领域之外的任意领域，本技术公开的一种基于信贷资产批量分类的融资风险监控方法及装置的应用领域不做限定。
47.为了便于理解本技术提供的技术方案，下面先对本技术技术方案的相关内容进行说明。本发明实施例提供的基于信贷资产批量分类的融资风险监控方法可自动进行债项批量初分和批量交叉调整，有效避免传统方式下按单笔资产分类时，由于工作人员主观或客观操作原因，导致同一客户或合同项下分类结果不一致的问题，降低操作风险，同时融资风险监控提高信贷资产的分类效率、资产安全性和风险监控能力。
48.下面以基于信贷资产批量分类的融资风险监控装置作为执行主体为例，说明本发明实施例提供的基于信贷资产批量分类的融资风险监控方法的实现过程。可理解的是，本发明实施例提供的基于信贷资产批量分类的融资风险监控方法的执行主体包括但不限于该基于信贷资产批量分类的融资风险监控装置。
49.根据本发明的一个方面，本实施例公开了一种基于信贷资产批量分类的融资风险
监控方法。如图1所示，本实施例中，所述方法包括：
50.s100：对用户的基础数据和债项数据进行债项批量初分。
51.s200：对批量初分后的债项数据进行批量交叉调整得到分类债项数据。
52.s300：确定所述分类债项数据是否存在异常风险，若是，向管理人员反馈异常信息。
53.本发明基于信贷资产批量分类的融资风险监控方法对用户的基础数据和债项数据进行债项批量初分，对批量初分后的债项数据进行批量交叉调整得到分类债项数据，确定所述分类债项数据是否存在异常风险，若是，向管理人员反馈异常信息。由此可知，本发明自动进行债项批量初分和批量交叉调整，可有效避免传统方式下按单笔资产分类时，由于工作人员主观或客观操作原因，导致同一客户或合同项下分类结果不一致的问题，降低操作风险，同时融资风险监控提高信贷资产的分类效率、资产安全性和风险监控能力。
54.在优选的实施方式中，如图2所示，所述方法进一步包括在对用户的基础数据和债项数据进行债项批量初分，之前：
55.s011：获取客户在交易系统内存储的客户信息和债项信息。
56.s012：通过接口从外部系统中获取外部数据信息。
57.s013：对所述客户信息、债项信息和所述外部数据信息进行分解和封装得到所述用户的基础数据和债项数据。
58.具体的，客户通过交易系统进行资产交易，则交易系统中储存客户的客户信息和债项信息等数据信息。进一步的，为了保证用户数据的全面，可通过接口从外部系统中获取外部数据信息，外部数据信息可包括对外担保总额、他行质量分类信息等外部数据信息，对不同数据源的数据进行分解、封装的分类整合得到用户的基础数据和债项数据，以提供给信贷资产初分等其他过程调用、计算使用。
59.在优选的实施方式中，进一步包括在对用户的基础数据和债项数据进行债项批量初分，之前：
60.s021：根据工作人员输入的筛选维度确定对应的用户的基础数据和债项数据，所述筛选维度包括时间维度、分支机构维度和用户维度的至少之一。
61.具体的，可将需要进行资产分类的相关数据进行装载，为后续的资产初分提供数据准备，同时装载的数据信息会作为基础情况向工作人员提供和展示，装载方式可包括手工单客户数据装载和全行数据批量装载等方式。其中，用户的基础数据可包括信用等级、行业、授信使用情况和违约概率等客户基础信息，债项数据可包括业务余额、债项剩余期限、重组情况、发放日期、基础交易背景和逾期(欠息)情况等债项基本情况以及抵质押担保数据和担保人信息等第二还款来源情况等还款数据信息，为后续的资产初分提供数据准备。
62.进一步的，为了便于工作人员的监控、修改和调整，可向工作人员展示资产分类初分页面，以时间、分支机构为维度，查询展示该机构下待分类客户，查询结果以列表形式展示指定机构在指定清分月各客户的业务分类概况，也可直接以客户为维度查询单户信息。工作人员在所查询的待分类客户列表中选择相应客户，自动获取已装载完成的客户基础数据和债项数据等数据信息。
63.在优选的实施方式中，如图3所示，进一步包括在对用户的基础数据和债项数据进行债项批量初分，之前：
64.s031：接收工作人员的债项修改请求。
65.s032：根据所述债项修改请求修改债项数据中对应的目标债项的债项信息。
66.s033：根据所述债项修改请求修改所述目标债项所属用户的其他债项的债项信息。
67.具体的，如数据信息发生变化，可对已完成分类的债项数据进行人工修改，为后续初分提供更准确的数据准备。若单客户下涉及多笔债项，修改其中一笔债项信息时，可批量更新其他债项信息，实现客户维度的调整。例如，当债项数据中的多笔债项中的担保人信息的债项信息关联统一，则当工作人员修改其中一个债项的担保人信息时，自动更新与该债项关联的其他债项的担保人信息。
68.在优选的实施方式中，所述s100对用户的基础数据和债项数据进行债项批量初分具体可包括：
69.s110：通过初分模型对用户的基础数据和债项数据基于客户评价指标体系和债项评价指标体系进行债项批量初分。
70.具体的，可使用初分模型计量客户的违约风险和债项特定的交易风险，主要采用“客户分类 债项调整”的两步分类模式，对待分类债项进行定性和定量的评分，从而得出对应的十二级分类和三阶段分类等级结果。其中，初分模型中的客户评价指标体系主要通过损失类贷款预判、低风险业务预判、贷款承诺部分初分、表外业务预判、国别风险调整、客户规模与经济成分调整、还款意愿调整、客户状态调整、授信额度使用情况调整等过程，自动评价客户行为特点并计算得到客户分类结果得分。债项评价指标体系调整主要在客户分类结果得分基础上，通过第二还款来源调整、剩余期限调整、实际贷款用途调整、展期情况调整和再融资重组情况调整等过程，批量自动抽取债项特点，并使用各过程约束的交集作为债项最后约束得分，若交集为空则取集合上限为最后约束。
71.在优选的实施方式中，如图4所示，所述s200对批量初分后的债项数据进行批量交叉调整得到分类债项数据具体包括：
72.s210：若批量初分后的债项数据全为不良或全为减值类，则按单合同进行批量分类，得到的分类结果为该合同下所有债项数据中最差分类结果。
73.s220：若批量初分后的债项数据并非全为不良或全为减值类，则判断客户的债项是否完全不存在不良或减值类，若是，则按单合同进行批量分类，保证同一合同下债项分类结果一致，且为最差分类结果；若否，则客户的所有债项按单客户进行批量分类，保证同一客户下债项分类结果一致，且为该客户所有债项中的最差分类结果。
74.具体的，考虑同一客户下不同债项间的相互影响，进一步修正系统初分结果，为客户批量交叉调整过程。若客户已完成初分的债项全为不良或全为减值类，则按单合同进行批量分类，将分类结果调整为该合同下所有债项中最差分类结果(包括资产质量分类和风险分类)，保证同一合同下债项分类结果一致。若客户已完成初分的债项，其初分结果并非全为不良或全为减值类，则继续判断客户下债项是否完全不存在不良或减值类。若客户已完成初分的债项，其初分结果完全不存在不良或减值类，则其中的低风险债项不参与客户规则调整，只需按单合同进行批量分类，保证同一合同下债项分类结果一致，且为最差分类结果，允许低风险债项的资产分类等级与该客户其他合同下债项分类等级不一致。若客户已完成初分的债项，其初分结果存在不良或减值类，但并非全为不良或减值类，则该客户的
所有债项按单客户进行批量分类，保证同一客户下债项分类结果一致，且为该客户所有债项中的最差分类结果。经过上述判断过程，考虑客户信贷资产间的相互影响后，输出所有调整结果中的最劣调整得分和等级作为交叉调整结果，则完成系统批量交叉调整。
75.为了保证批量交叉调整结果的准确性，可将批量交叉调整的分类结果反馈给工作人员，以使工作人员对分类审批结果进行确认，对分类结果的真实性、有效性、准确性、合规性进行审核，如对结果有异议，或在初分后发生其他突发事件必须调整分类结果，可进行相关调整，以降低操作风险。具体的，经办人员可根据自身对客户和债项实际情况的了解，结合系统模型批量分类和交叉调整得到的结果，自行判断是否同意系统分类结果，若同意系统分类结果则可对结果进行认定并进行后续流程。若经办人员不认可交叉调整后的系统分类结果，则在满足条件的前提下，可通过手工方式人为干预调整系统分类结果并对结果进行认定。经办人员将认定后的系统分类结果批量提交审批。审查人员对客户的资产分类结果的真实性、有效性、准确性、合规性进行批量审查，如对上一过程认定的结果有异议，或在初分后发生其他突发事件必须调整分类结果，可在审查过程中对分类结果再次进行批量调整。审定人对客户的资产分类结果进行批量审定，审定过程中可对分类结果进行再次批量调整，完成审批流程。
76.在优选的实施方式中，如图5所示，所述s300确定所述分类债项数据是否存在异常风险具体包括：
77.s310：通过打分模型对分类结果的分类债项数据进行交易风险检测。
78.s320：若检测得到存在交易异常风险，向管理人员反馈异常信息。
79.具体的，通过打分模型对分类结果的分类债项数据进行交易风险检测，可计量用户的违约风险和债项的交易风险，若存在交易风险的异常情况，可向管理人员反馈异常信息，可将存在异常的债项进行移交处置和管理，以对用户的信贷资产进行融资风险监控。其中，打分模型可根据历史正常的债项数据采用机器学习或神经网络等技术训练得到，在此不再赘述。
80.下面通过一个具体例子来对本发明作进一步的说明。在该具体例子中，基于信贷资产批量分类的融资风险监控方法包括以下步骤：
81.s101：获取用户的基础数据和债项数据。其中，该基础数据和债项数据可由用户通过批量方式将需要进行资产分类的数据进行装载，也可由经办人员按单客户装载。用户的基础数据包括信用等级、行业、授信使用情况和违约概率等客户基础信息，债项数据包括业务余额、债项剩余期限、重组情况、发放日期、基础交易背景和逾期(欠息)情况等债项基本情况以及抵质押担保数据和担保人信息等第二还款来源情况等还款数据信息，为后续的资产初分提供数据准备。
82.s102：向工作人员展示资产分类初分页面，以时间、分支机构为维度，查询展示该机构下待分类客户，查询结果以列表形式展示指定机构在指定清分月各客户的业务分类概况(如办理业务总数、已装载业务总数、已分类业务总数等)。也可直接以客户为维度查询单户信息。
83.s103：工作人员在所查询的待分类客户列表中选择相应客户，自动获取已装载完成的客户基础数据和债项数据等数据信息。
84.s104：如数据信息发生变化，可以通过修改维护功能对已完成装载的数据信息进
行人工修改，为后续初分提供更准确的数据准备。若单客户下涉及多笔债项，修改其中一笔债项信息时，可批量更新其他债项信息，实现客户维度的调整。若初分时数据信息较装载时未发生变化，可不进行该步骤。
85.s105：工作人员点击“初分”按钮，调取初分模型，通过初分模型对用户的基础数据和债项数据基于客户评价指标体系和债项评价指标体系进行初步调整，触发已完成数据准备的债项的系统批量初分，包括客户评价和债项初步调整。初分模型中的客户评价指标体系主要通过损失类贷款预判、低风险业务预判、贷款承诺部分初分、表外业务预判、国别风险调整、客户规模与经济成分调整、还款意愿调整、客户状态调整、授信额度使用情况调整等过程，自动评价客户行为特点并计算得到客户分类结果得分。债项评价指标体系调整主要在客户分类结果得分基础上，通过第二还款来源调整、剩余期限调整、实际贷款用途调整、展期情况调整和再融资重组情况调整等过程，批量自动抽取债项特点，并使用各过程约束的交集作为债项最后约束得分，若交集为空则取集合上限为最后约束。
86.s106：考虑同一客户下不同债项间的相互影响，进一步修正系统初分结果，为客户批量交叉调整过程。如：当同一客户在某一清分月下存在可疑类或损失类债项时，同一客户其他业务的分类等级也应相应调低，具体调低等级通过参数模块进行相应控制。首先，调取用户基础数据和债项数据等数据信息，针对客户的所有完成系统初分的债项，判断这些债项是否全为不良或是否全为减值类。
87.s107：若客户已完成初分的债项全为不良或全为减值类，则按单合同进行批量分类，将分类结果调整为该合同下所有债项中最差分类结果(包括资产质量分类和风险分类)，保证同一合同下债项分类结果一致。
88.s108：若客户已完成初分的债项，其初分结果并非全为不良或全为减值类，则继续判断客户下债项是否完全不存在不良或减值类。
89.s109：若客户已完成初分的债项，其初分结果完全不存在不良或减值类，则其中的低风险债项不参与客户规则调整，只需按单合同进行批量分类，保证同一合同下债项分类结果一致，且为最差分类结果，允许低风险债项的资产分类等级与该客户其他合同下债项分类等级不一致。
90.s110：若客户已完成初分的债项，其初分结果存在不良或减值类，但并非全为不良或减值类，则该客户的所有债项按单客户进行批量分类，保证同一客户下债项分类结果一致，且为该客户所有债项中的最差分类结果。
91.s111：经过上述s106、s107、s108、s109、s110判断过程，考虑客户信贷资产间的相互影响后，输出所有调整结果中的最劣调整得分和等级作为交叉调整结果，则完成系统批量交叉调整。
92.s112：经办人员根据自身对客户和债项实际情况的了解，结合系统模型批量分类和交叉调整得到的结果，自行判断是否同意系统分类结果，若同意系统分类结果则可对结果进行认定并进行后续流程。
93.s113：若经办人员不认可交叉调整后的系统分类结果，则在满足条件的前提下，可通过手工方式人为干预调整系统分类结果并对结果进行认定。
94.s114：经办人员将认定后的系统分类结果批量提交审批。
95.s115：审查人员对客户的资产分类结果的真实性、有效性、准确性、合规性进行批
量审查，如对上一过程认定的结果有异议，或在初分后发生其他突发事件必须调整分类结果，可在审查过程中对分类结果进行批量调整(相关处理逻辑和技术实现同交叉调整)。
96.s116：审定人对客户的资产分类结果进行批量审定，审定过程中可对分类结果进行批量调整(相关处理逻辑和技术实现同交叉调整)，完成审批流程。
97.s117：通过打分模型对分类结果的分类债项数据进行交易风险检测，计量用户的违约风险和债项的交易风险，若存在交易风险的异常情况，可向管理人员反馈异常信息。
98.基于相同原理，本实施例还公开了一种基于信贷资产批量分类的融资风险监控装置。如图6所示，本实施例中，所述装置包括债项初分模块11、交叉调整模块12和异常监控模块13。
99.其中，债项初分模块11用于对用户的基础数据和债项数据进行债项批量初分。
100.交叉调整模块12用于对批量初分后的债项数据进行批量交叉调整得到分类债项数据。
101.异常监控模块13用于确定所述分类债项数据是否存在异常风险，若是，向管理人员反馈异常信息。
102.本发明基于信贷资产批量分类的融资风险监控方法对用户的基础数据和债项数据进行债项批量初分，对批量初分后的债项数据进行批量交叉调整得到分类债项数据，确定所述分类债项数据是否存在异常风险，若是，向管理人员反馈异常信息。由此可知，本发明自动进行债项批量初分和批量交叉调整，可有效避免传统方式下按单笔资产分类时，由于工作人员主观或客观操作原因，导致同一客户或合同项下分类结果不一致的问题，降低操作风险，同时融资风险监控提高信贷资产的分类效率、资产安全性和风险监控能力。
103.在优选的实施方式中，如图7所示，所述装置进一步包括数据处理模块10。数据处理模块10用于在对用户的基础数据和债项数据进行债项批量初分之前获取客户在交易系统内存储的客户信息和债项信息。通过接口从外部系统中获取外部数据信息。对所述客户信息、债项信息和所述外部数据信息进行分解和封装得到所述用户的基础数据和债项数据。
104.具体的，客户通过交易系统进行资产交易，则交易系统中储存客户的客户信息和债项信息等数据信息。进一步的，为了保证用户数据的全面，可通过接口从外部系统中获取外部数据信息，外部数据信息可包括对外担保总额、他行质量分类信息等外部数据信息，对不同数据源的数据进行分解、封装的分类整合得到用户的基础数据和债项数据，以提供给信贷资产初分等其他过程调用、计算使用。
105.在优选的实施方式中，数据处理模块10进一步用于在对用户的基础数据和债项数据进行债项批量初分之前根据工作人员输入的筛选维度确定对应的用户的基础数据和债项数据，所述筛选维度包括时间维度、分支机构维度和用户维度的至少之一。
106.具体的，可将需要进行资产分类的相关数据进行装载，为后续的资产初分提供数据准备，同时装载的数据信息会作为基础情况向工作人员提供和展示，装载方式可包括手工单客户数据装载和全行数据批量装载等方式。其中，用户的基础数据可包括信用等级、行业、授信使用情况和违约概率等客户基础信息，债项数据可包括业务余额、债项剩余期限、重组情况、发放日期、基础交易背景和逾期(欠息)情况等债项基本情况以及抵质押担保数据和担保人信息等第二还款来源情况等还款数据信息，为后续的资产初分提供数据准备。
107.进一步的，为了便于工作人员的监控、修改和调整，可向工作人员展示资产分类初分页面，以时间、分支机构为维度，查询展示该机构下待分类客户，查询结果以列表形式展示指定机构在指定清分月各客户的业务分类概况，也可直接以客户为维度查询单户信息。工作人员在所查询的待分类客户列表中选择相应客户，自动获取已装载完成的客户基础数据和债项数据等数据信息。
108.在优选的实施方式中，数据处理模块10进一步用于在对用户的基础数据和债项数据进行债项批量初分之前接收工作人员的债项修改请求。根据所述债项修改请求修改债项数据中对应的目标债项的债项信息。根据所述债项修改请求修改所述目标债项所属用户的其他债项的债项信息。
109.具体的，如数据信息发生变化，可对已完成分类的债项数据进行人工修改，为后续初分提供更准确的数据准备。若单客户下涉及多笔债项，修改其中一笔债项信息时，可批量更新其他债项信息，实现客户维度的调整。例如，当债项数据中的多笔债项中的担保人信息的债项信息关联统一，则当工作人员修改其中一个债项的担保人信息时，自动更新与该债项关联的其他债项的担保人信息。
110.在优选的实施方式中，所述债项初分模块11具体用于通过初分模型对用户的基础数据和债项数据基于客户评价指标体系和债项评价指标体系进行债项批量初分。
111.具体的，可使用初分模型计量客户的违约风险和债项特定的交易风险，主要采用“客户分类 债项调整”的两步分类模式，对待分类债项进行定性和定量的评分，从而得出对应的十二级分类和三阶段分类等级结果。其中，初分模型中的客户评价指标体系主要通过损失类贷款预判、低风险业务预判、贷款承诺部分初分、表外业务预判、国别风险调整、客户规模与经济成分调整、还款意愿调整、客户状态调整、授信额度使用情况调整等过程，自动评价客户行为特点并计算得到客户分类结果得分。债项评价指标体系调整主要在客户分类结果得分基础上，通过第二还款来源调整、剩余期限调整、实际贷款用途调整、展期情况调整和再融资重组情况调整等过程，批量自动抽取债项特点，并使用各过程约束的交集作为债项最后约束得分，若交集为空则取集合上限为最后约束。
112.在优选的实施方式中，所述交叉调整模块12具体用于若批量初分后的债项数据全为不良或全为减值类，则按单合同进行批量分类，得到的分类结果为该合同下所有债项数据中最差分类结果。若批量初分后的债项数据并非全为不良或全为减值类，则判断客户的债项是否完全不存在不良或减值类，若是，则按单合同进行批量分类，保证同一合同下债项分类结果一致，且为最差分类结果；若否，则客户的所有债项按单客户进行批量分类，保证同一客户下债项分类结果一致，且为该客户所有债项中的最差分类结果。
113.具体的，考虑同一客户下不同债项间的相互影响，进一步修正系统初分结果，为客户批量交叉调整过程。若客户已完成初分的债项全为不良或全为减值类，则按单合同进行批量分类，将分类结果调整为该合同下所有债项中最差分类结果(包括资产质量分类和风险分类)，保证同一合同下债项分类结果一致。若客户已完成初分的债项，其初分结果并非全为不良或全为减值类，则继续判断客户下债项是否完全不存在不良或减值类。若客户已完成初分的债项，其初分结果完全不存在不良或减值类，则其中的低风险债项不参与客户规则调整，只需按单合同进行批量分类，保证同一合同下债项分类结果一致，且为最差分类结果，允许低风险债项的资产分类等级与该客户其他合同下债项分类等级不一致。若客户
已完成初分的债项，其初分结果存在不良或减值类，但并非全为不良或减值类，则该客户的所有债项按单客户进行批量分类，保证同一客户下债项分类结果一致，且为该客户所有债项中的最差分类结果。经过上述判断过程，考虑客户信贷资产间的相互影响后，输出所有调整结果中的最劣调整得分和等级作为交叉调整结果，则完成系统批量交叉调整。
114.为了保证批量交叉调整结果的准确性，可将批量交叉调整的分类结果反馈给工作人员，以使工作人员对分类审批结果进行确认，对分类结果的真实性、有效性、准确性、合规性进行审核，如对结果有异议，或在初分后发生其他突发事件必须调整分类结果，可进行相关调整，以降低操作风险。具体的，经办人员可根据自身对客户和债项实际情况的了解，结合系统模型批量分类和交叉调整得到的结果，自行判断是否同意系统分类结果，若同意系统分类结果则可对结果进行认定并进行后续流程。若经办人员不认可交叉调整后的系统分类结果，则在满足条件的前提下，可通过手工方式人为干预调整系统分类结果并对结果进行认定。经办人员将认定后的系统分类结果批量提交审批。审查人员对客户的资产分类结果的真实性、有效性、准确性、合规性进行批量审查，如对上一过程认定的结果有异议，或在初分后发生其他突发事件必须调整分类结果，可在审查过程中对分类结果再次进行批量调整。审定人对客户的资产分类结果进行批量审定，审定过程中可对分类结果进行再次批量调整，完成审批流程。
115.在优选的实施方式中，所述异常监控模块13具体用于通过打分模型对分类结果的分类债项数据进行交易风险检测。若检测得到存在交易异常风险，向管理人员反馈异常信息。
116.具体的，通过打分模型对分类结果的分类债项数据进行交易风险检测，可计量用户的违约风险和债项的交易风险，若存在交易风险的异常情况，可向管理人员反馈异常信息，可将存在异常的债项进行移交处置和管理，以对用户的信贷资产进行融资风险监控。其中，打分模型可根据历史正常的债项数据采用机器学习或神经网络等技术训练得到，在此不再赘述。
117.由于该装置解决问题的原理与以上方法类似，因此本装置的实施可以参见方法的实施，在此不再赘述。
118.上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备，具体的，计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
119.在一个典型的实例中计算机设备具体包括存储器、处理器以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上所述的由客户端执行的方法，或者，所述处理器执行所述程序时实现如上所述的由服务器执行的方法。
120.下面参考图8，其示出了适于用来实现本技术实施例的计算机设备600的结构示意图。
121.如图8所示，计算机设备600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram))603中的程序而执行各种适当的工作和处理。在ram603中，还存储有系统600操作所需的各种程序和数
据。cpu601、rom602、以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
122.以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶反馈器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口606。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。
123.特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包括用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。
124.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd
‑
rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
125.为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本技术时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
126.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
127.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
128.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
129.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包
括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
130.本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
131.本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
132.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
133.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。