一种基于大数据风控的信贷管理方法、设备及介质与流程

1.本说明书涉及大数据技术领域，尤其涉及一种基于大数据风控的信贷管理方法、设备及介质。


背景技术：

2.信贷是体现一定经济关系的不同所有者之间的借贷行为，是以偿还为条件的价值运动特殊形式，是债权人贷出货币，债务人按期偿还并支付一定利息的信用活动。信贷有广义和狭义之分。广义的信贷是指以银行为中介、以存贷为主体的信用活动的总称，包括存款、贷款和结算业务。狭义的信贷通常指银行的贷款，即以银行为主体的货币资金发放行为。
3.传统的金融机构在为中小微企业放贷时，通过自有数据对企业的贷款资格进行审核，无法快速评估企业的还款能力和还款意愿，导致存在贷款成本高、息费模式的问题。


技术实现要素：

4.本说明书一个或多个实施例提供了一种基于大数据风控的信贷管理方法、设备及介质，用于解决如下技术问题：通过自有数据对企业的贷款资格进行审核，无法快速评估企业的还款能力和还款意愿，导致存在贷款成本高、息费模式的问题。
5.本说明书一个或多个实施例采用下述技术方案：
6.本说明书一个或多个实施例提供一种基于大数据风控的信贷管理方法，应用于信贷管理系统，所述方法包括：接收贷款企业的交易请求，通过所述贷款企业的交易请求，获取所述贷款企业的初始征信数据；根据所述贷款企业的初始征信数据，对所述贷款企业进行贷款资格验证；当所述贷款企业的贷款资格验证通过后，通过预先建立的信用评分模型，根据所述初始征信数据，对所述贷款企业进行信用评分；根据所述贷款企业的信用评分，确定所述贷款企业的预授信额度和预交易利率；根据所述贷款企业的预授信额度和所述预交易利率，确定出信贷交易的授信额度和交易利率，以通过所述授信额度和所述交易利率进行信贷交易。
7.进一步地，所述通过所述授信额度和所述交易利率进行信贷交易之后，所述方法还包括：获取所述贷款企业的实时征信数据；将所述贷款企业的实时征信数据和所述贷款企业的初始征信数据，进行征信数据比对，获取比对结果；根据所述比对结果，判断所述贷款企业是否存在企业风险；当所述贷款企业存在所述企业风险时，生成风险预警。
8.进一步地，所述根据所述贷款企业的初始征信数据，对所述贷款企业进行贷款资格验证，具体包括：根据所述贷款企业的初始征信数据，通过预先构建的准入模型，判断所述贷款企业是否符合预先设置的准入规则；当所述贷款企业符合预先设置的准入规则时，通过预先构建的反欺诈模型，对所述贷款企业进行反欺诈验证，判断所述贷款企业是否通过反欺诈验证；当所述贷款企业通过所述反欺诈验证时，则通过所述贷款企业的贷款资格验证。
9.进一步地，所述通过预先建立的信用评分模型，根据所述初始征信数据，对所述贷款企业进行信用评分之前，所述方法还包括：获取客户的业务需求；在预先设置的征信报告模板中，根据所述业务需求，确定出当前业务对应的征信报告模板；根据所述贷款企业的初始征信数据和所述当前业务对应的征信报告模板，生成所述贷款企业的征信报告。
10.进一步地，所述根据所述贷款企业的初始征信数据，通过预先构建的准入模型，判断所述贷款企业是否符合预先设置的准入规则，具体包括：获取所述贷款企业的初始征信数据中的经营数据、司法数据以及企业代表的个人数据；通过预先构建的准入模型，判断所述经营数据、司法数据以及企业代表的个人数据中的任意一项是否存在异常，其中所述经营数据、司法数据以及企业代表的个人数据存在异常包括：经营数据异常、司法惩罚异常、企业代表年龄不符合预设的准入年龄以及企业代表为失信被执行人；若所述经营数据、司法数据以及企业代表的个人数据均不存在异常，则判定所述贷款企业符合预先设置的准入规则。
11.进一步地，所述根据所述比对结果，判断所述贷款企业是否存在企业风险，具体包括：当所述贷款企业的实时征信数据和所述贷款企业的初始征信数据的比对结果超过预设阈值时，判定所述贷款企业存在企业风险；获取所述实时征信数据和所述初始征信数据的对比结果中的变化指标以及指标变化量；根据所述变化指标的指标类型，确定所述贷款企业存在的企业风险类型；根据所述指标变化量，确定所述贷款企业存在的企业风险等级。
12.进一步地，所述根据所述贷款企业的信用评分，确定所述贷款企业的预授信额度和预交易利率，具体包括：根据所述贷款企业的信用评分，确定所述贷款企业的信用等级；预设所述信用等级和授信额度的对应关系；通过所述贷款企业的信用等级和所述对应关系，确定出所述贷款企业的预授信额度；获取当前信贷交易的平均交易利率；根据所述当前信贷交易的平均交易利率和所述贷款企业的信用等级，计算出所述贷款企业的预交易利率。
13.进一步地，所述通过所述贷款企业的交易请求，获取所述贷款企业的征信数据，具体包括：获取官方数据、互联网数据以及第三方数据，其中所述官方征信数据包括工商数据、税务数据、司法数据、人社数据、水电气数据、行政处罚数据以及知识产权数据中的任意一项或多项；对所述官方数据、互联网数据以及第三方数据进行数据融合，生成征信数据库；获取所述贷款企业的交易请求，其中，所述贷款企业的交易请求包括贷款企业的企业标识；根据所述贷款企业的企业标识，在所述征信数据库中，获取所述贷款企业的征信数据。
14.本说明书一个或多个实施例提供一种基于大数据风控的信贷管理设备，包括：
15.至少一个处理器；以及，
16.与所述至少一个处理器通信连接的存储器；其中，
17.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
18.接收贷款企业的交易请求，通过所述贷款企业的交易请求，获取所述贷款企业的初始征信数据；根据所述贷款企业的初始征信数据，对所述贷款企业进行贷款资格验证；当所述贷款企业的贷款资格验证通过后，通过预先建立的信用评分模型，根据所述初始征信数据，对所述贷款企业进行信用评分；根据所述贷款企业的信用评分，确定所述贷款企业的预授信额度和预交易利率；根据所述贷款企业的预授信额度和所述预交易利率，确定出信
贷交易的授信额度和交易利率，以通过所述授信额度和所述交易利率进行信贷交易。
19.本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：
20.接收贷款企业的交易请求，通过所述贷款企业的交易请求，获取所述贷款企业的初始征信数据；根据所述贷款企业的初始征信数据，对所述贷款企业进行贷款资格验证；当所述贷款企业的贷款资格验证通过后，通过预先建立的信用评分模型，根据所述初始征信数据，对所述贷款企业进行信用评分；根据所述贷款企业的信用评分，确定所述贷款企业的预授信额度和预交易利率；根据所述贷款企业的预授信额度和所述预交易利率，确定出信贷交易的授信额度和交易利率，以通过所述授信额度和所述交易利率进行信贷交易。
21.本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：帮助金融机构降低交易成本，辅助授信，测算初始授信额度，辅助进行风险控制，评估风险级别，进行风险定价、定制利率。此外，提高金融机构管理效率，可以定时更新客户信用评级结果。
附图说明
22.为了更清楚地说明本说明书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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
23.图1为本说明书实施例提供的一种基于大数据风控的信贷管理方法的流程示意图；
24.图2为本说明书实施例提供的一种准入模板的判断流程示意图
25.图3为本说明书实施例提供的一种反欺诈模型的判断流程示意图；
26.图4为本说明书实施例提供的一种基于大数据风控的征信平台架构示意图；
27.图5为本说明书实施例提供的一种基于大数据风控的征信平台界面示意图；
28.图6为本说明书实施例提供的一种基于大数据风控的信贷管理设备的结构示意图。
具体实施方式
29.为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
30.为优化中小微企业发展的社会信用环境，中国人民银行提出了“政府领导、人行推动、多方培育、服务社会”的工作原则，充分发挥征信中心、征信机构作用，推动各级政府依托征信平台，提高金融机构对中小微企业的风险识别能力，帮助经营稳定、信用良好的企业获得融资支持、降低融资成本。金融机构通过查询征信机构出具的中小微企业信用报告并结合金融机构自有风控评价结果给予企业不同的授信额度和利率，大幅降低对中小微企业的信贷风险识别成本和管理成本，有效提升了中小微企业金融服务的可得性和便利性。
31.信贷是体现一定经济关系的不同所有者之间的借贷行为，是以偿还为条件的价值运动特殊形式，是债权人贷出货币，债务人按期偿还并支付一定利息的信用活动。(通过转让资金使用权获取收益)。信贷有广义和狭义之分。广义的信贷是指以银行为中介、以存贷为主体的信用活动的总称，包括存款、贷款和结算业务。狭义的信贷通常指银行的贷款，即以银行为主体的货币资金发放行为。传统的金融机构在为中小微企业放贷时，通过自有数据对企业的贷款资格进行审核，无法快速评估企业的还款能力和还款意愿，导致存在贷款成本高、息费模式的问题。
32.本说明书实施例提供一种基于大数据风控的信贷管理方法，应用于信贷管理系统，也可以称为信贷管理平台。图1为本说明书实施例提供的一种基于大数据风控的信贷管理方法的流程示意图，如图1所示，方法主要包括如下步骤：
33.步骤s101，接收贷款企业的交易请求，通过贷款企业的交易请求，获取贷款企业的初始征信数据。
34.具体地，通过贷款企业的交易请求，获取贷款企业的征信数据，具体包括：获取官方数据、互联网数据以及第三方数据，其中官方征信数据包括工商数据、税务数据、司法数据、人社数据、水电气数据、行政处罚数据以及知识产权数据中的任意一项或多项；对官方数据、互联网数据以及第三方数据进行数据融合，生成征信数据库；获取贷款企业的交易请求，其中，贷款企业的交易请求包括贷款企业的企业标识；根据贷款企业的企业标识，在征信数据库中，获取贷款企业的征信数据。
35.在本说明书的一个实施例中，接收贷款企业的交易请求，贷款企业的交易请求包括贷款企业的企业标识，根据企业标识确定贷款企业的身份，以便于通过贷款企业的身份获取该贷款企业的征信数据。
36.在本说明书的一个实施例中，在信贷管理系统中预先设置了征信数据数据库。通过政府机构的授权，获取各地的官方征信数据，官方征信数据包括工商数据、税务数据、司法数据、人社数据、水电气数据、行政处罚数据以及知识产权数据等上千项数据目录。此外，获取互联网数据和第三方数据，该互联网数据为对应企业的网站数据等，第三方数据为其他金融机构提供的关于该企业的信用数据，例如贷款记录等。
37.对采集到的官方数据、互联网数据以及第三方数据进行数据清洗操作，筛除数据中的异常数据，并进行多源数据融合，生成征信数据库，在征信数据库中包括指标库和样本库，其中指标库用于存储数据指标，样本库中包括多个企业和个人的样本信息。根据贷款企业的企业标识，在征信数据库中，获取贷款企业对应的征信数据
38.步骤s102，根据贷款企业的初始征信数据，对贷款企业进行贷款资格验证。
39.在本说明书的一个实施例中，为避免金融机构的贷款损失，减少贷款风险，需要对贷款企业进行初步筛选，对贷款企业的贷款资格进行验证。
40.具体包括：根据贷款企业的初始征信数据，通过预先构建的准入模型，判断贷款企业是否符合预先设置的准入规则；当贷款企业符合预先设置的准入规则时，通过预先构建的反欺诈模型，对贷款企业进行反欺诈验证，判断贷款企业是否通过反欺诈验证；当贷款企业通过反欺诈验证时，则通过贷款企业的贷款资格验证。
41.其中，根据所述贷款企业的初始征信数据，通过预先构建的准入模型，判断贷款企业是否符合预先设置的准入规则，具体包括：获取贷款企业的初始征信数据中的经营数据、
司法数据以及企业代表的个人数据；通过预先构建的准入模型，判断经营数据、司法数据以及企业代表的个人数据中的任意一项是否存在异常，其中经营数据、司法数据以及企业代表的个人数据存在异常包括：经营数据异常、司法惩罚异常、企业代表年龄不符合预设的准入年龄以及企业代表为失信被执行人；若经营数据、司法数据以及企业代表的个人数据均不存在异常，则判定贷款企业符合预先设置的准入规则。
42.在本说明书的一个实施例中，获取贷款企业的初始征信数据中的经营数据、司法数据以及企业代表的个人数据。通过预先构建的准入模型，判断经营数据、司法数据以及企业代表的个人数据中的任意一项是否存在异常。图2为本说明书实施例提供的一种准入模板的判断流程示意图，如图2所示，判断企业的经营是否存在异常、是否被纳入黑名单以及司法惩罚信息是否异常，之后对企业代表进行个人准入验证，对年龄进行筛选，并判断是否是失信被执行人。最后进行结果反馈，确定是否通过准入。若贷款企业通过准入，在确定准入类别。
43.在本说明书的一个实施例中，当贷款企业符合预先设置的准入规则时，通过预先构建的反欺诈模型，对贷款企业进行反欺诈验证，判断贷款企业是否通过反欺诈验证。图3为本说明书实施例提供的一种反欺诈模型的判断流程示意图，如图3所示，首先进行企业黑名单排查，判断企业是否是企业税收黑名单，是否是企业工商黑名单、以及企业是否属于严重失信企业。其次，对实控企业黑名单进行排查，判断是否是失控企业税收黑名单，是否是失控企业工商黑名单、以及失控企业是否属于严重失信企业，此外对股东企业进行黑名单排查，判断是否是股东企业税收黑名单，是否是股东企业工商黑名单、以及股东企业是否属于严重失信企业。最后进行结果反馈，确定是否通过反欺诈，触发黑名单类别和黑名单表项。
44.在本说明书的一个实施例中，当贷款企业通过反欺诈验证时，则通过贷款企业的贷款资格验证。
45.步骤s103，当贷款企业的贷款资格验证通过后，通过预先建立的信用评分模型，根据初始征信数据，对贷款企业进行信用评分。
46.对贷款企业进行初步的筛选之后，当贷款企业符合贷款条件时，根据贷款企业的征信数据，确定贷款企业的信用评分。
47.具体地，通过预先建立的信用评分模型，根据所述初始征信数据，对所述贷款企业进行信用评分之前，获取客户的业务需求；在预先设置的征信报告模板中，根据业务需求，确定出当前业务对应的征信报告模板；根据贷款企业的初始征信数据和当前业务对应的征信报告模板，生成贷款企业的征信报告。
48.在本说明书的一个实施例中，根据实际的业务需求，在预先设置的征信报告模板中选择对应的模板，根据该模板中所需的数据以及贷款企业的初始征信数据，对模板进行内容填充，生成贷款企业的征信报告。也就是说，用户可根据实际业务需求，选择符合产品需求的报告模板，生成定制化信用报告。
49.在本说明书的一个实施例中，当贷款企业的贷款资格验证通过后，通过预先建立的信用评分模型，对贷款企业的初始信用数据进行评分，生成贷款企业的信用分数。
50.步骤s104，根据贷款企业的信用评分，确定贷款企业的预授信额度和预交易利率。
51.具体地，根据贷款企业的信用评分，确定贷款企业的信用等级；预设信用等级和授
信额度的对应关系；通过贷款企业的信用等级和对应关系，确定出贷款企业的预授信额度；获取当前信贷交易的平均交易利率；根据当前信贷交易的平均交易利率和贷款企业的信用等级，计算出贷款企业的预交易利率。
52.在本说明书的一个实施例中，根据信用分数，对贷款企业设置信用等级。例如，当信用分数大于80小于100时，该贷款企业的信用等级为a级，当信用分数小于100时，该贷款企业的信用等级为b级，a级对应的信用等级高于b级，说明a级对应企业的风险低于b级对应企业。需要说明的是，此处的信用分数和信用等级之间的确定，也可以按照其他方式进行，本说明书实施例在此不作具体限定。
53.在本说明书的一个实施例中，预设信用等级和授信额度的对应关系，例如信用等级较高的低风险企业，可以贷款的额度较高。通过贷款企业的信用等级和对应关系，确定出贷款企业的预授信额度。获取当前信贷交易的平均交易利率，需要说明的是，当前信贷交易可以是本金融机构内的信贷交易，根据当前信贷交易的平均交易利率和贷款企业的信用等级，计算出贷款企业的预交易利率。需要说明的是，交易利率与授信额度也存在对应关系，可以进一步根据授信额度对交易利率进行计算，得到较为准确的参考数据。
54.步骤s105，根据贷款企业的预授信额度和预交易利率，确定出信贷交易的授信额度和交易利率，以通过授信额度和交易利率进行信贷交易。
55.在本说明书的一个实施例中，平台提供的贷款企业的预授信额度和预交易利率为参考数据，金融机构需要根据贷款企业的贷款申请、以及金融机构的具体情况，确定出最终的信贷交易中的授信额度和交易利率。
56.在完成信贷交易之后，获取贷款企业的实时征信数据；将贷款企业的实时征信数据和贷款企业的初始征信数据，进行征信数据比对，获取比对结果；根据比对结果，判断贷款企业是否存在企业风险；当贷款企业存在所述企业风险时，生成风险预警。其中，根据比对结果，判断贷款企业是否存在企业风险，具体包括：当贷款企业的实时征信数据和贷款企业的初始征信数据的比对结果超过预设阈值时，判定贷款企业存在企业风险；获取实时征信数据和初始征信数据的对比结果中的变化指标以及指标变化量；根据变化指标的指标类型，确定贷款企业存在的企业风险类型；根据指标变化量，确定贷款企业存在的企业风险等级。
57.在本说明书的一个实施例中，在进行信贷交易后，需要对贷款企业进行贷后风险评估，以便于及时向金融机构发出风险预警，减少金融机构的经济损失。获取贷款企业的实时征信数据，可以设置定时任务，定时获取该贷款企业最新的征信数据。将贷款企业的实时征信数据和贷款企业的初始征信数据，进行征信数据比对，根据比对结果，判断贷款企业是否存在企业风险。当贷款企业的实时征信数据和贷款企业的初始征信数据的比对结果超过预设阈值时，判定贷款企业存在企业风险。
58.在本说明书的一个实施例中，当贷款企业存在企业风险时，需要生成风险预警提示金融机构，以便于金融机构可以采取其他降低经济损失的措施。获取实时征信数据和初始征信数据的对比结果中的变化指标以及指标变化量，根据变化指标的指标类型，确定贷款企业存在的企业风险类型；根据指标变化量，确定贷款企业存在的企业风险等级。将企业风险类型和企业风险等级，以预警的方式发送给金融机构，此处预警可以是短信、微信等形式。金融机构在收到预警后，可以根据企业风险类型和企业风险等级执行相应的措施。帮助
金融机构提高管理效率：辅助贷后预警，定向实时推送客户贷后预警信息；辅助贷后催收，定时更新客户信用评级结果。为金融机构提供贷后监控服务：辅助金融机构贷后预警，定向实时推送客户贷后预警信息；辅助金融机构贷后催收，定时更新客户信用评级结果。
59.通过上述技术方案，帮助金融机构降低交易成本，辅助授信，测算初始授信额度，辅助进行风险控制，评估风险级别，进行风险定价、定制利率。此外，提高金融机构管理效率，可以定时更新客户信用评级结果。
60.本说明书实施例还提供一种基于大数据风控的征信平台，通过采集、接入各地市企业信用数据，包括：工商、税务、司法、人社、水电气、行政处罚、知识产权等上千项数据目录，通过多源数据融合、大数据特征挖掘、算法模型等加工处理，最终自动化生成企业信用报告和评分；支持在提供企业信用报告的基础上，协助合作方搭建信用评价体系，并提供征信平台建设、风控联合建模、线上信贷产品落地的全方位“征信 ”服务，提供“贷前、贷中、贷后”全生命周期管理服务，具体产品架构图如图4所示。
61.该平台具备以下优势：灵活配置，可根据业务需求灵活选择数据维度，配置报告模板，通过pc端、h5或api方式输出；覆盖全面，政务数据已对接多个省市地市，包含丰富的企业信用信息；贴合业务，结合金融业务需求及专家业务经验，评估企业信用等级，降低金融机构放贷风险。
62.该平台可以提供以下服务：首先，定制化报告，为灵活适应不同金融产品、不同业务场景上的需求，用户可在平台上创建报告模板，自定义选择企业或企业主数据接口，以及各个风控模型，生成报告模板，在深度查询企业时，可根据业务需求选择不同的报告模板，生成定制版报告。其次，api接口服务，银行管理员根据业务需求配置的报告模板也可通过api接口的形式对外输出，每个银行对应一个授权码，统一管理，更加安全、灵活。此外，风险监控，当被监控对象的数据发生变化时，系统根据指标规则提取出相应的指标，如果指标满足预警的规则，那么就会触发告警，向用户告知被监控企业发生了风险，帮助客户发现潜在的风险，减少客户的损失。最后，风险告警，支持客户基于自己实际业务场景需要，对于风险进行自定义，确定某一项风险指标是否是风险以及风险的等级，并且支持多种告警方式，例如：邮件、微信、短信等。企业征信平台完整产品设计图如图5所示。
63.该平台的核心功能包括企业征信报告和企业风控预警。在企业征信报告功能下，采用统一前端界面展示，输入企业名称关键字或批量上传企业名单可以进行查询，用户还可根据实际业务需求，选择符合产品需求的报告模板，生成定制化信用报告。此外，还支持用户自定义报告模板，选择报告中需要展示的企业和个人数据维度、准入模型、反欺诈模型、信用评分模型；
64.可从查询记录中翻看查询过的报告记录，便于反复查看。另外，根据具体的金融产品、业务场景与用户进行模型合作，针对某一用户群体、企业业及个人数据进行风控建模。提供api接口，sass账号服务等快速接入方式，以及提供定制化开发部署服务，支持下载导出pdf/word版本报告，方便用户存档。
65.在企业风控预警功能下，采用统一前端界面展示，构造完整的客户风险视图，全方位、多角度展示用户监控的企业的情况，多维度统计展示企业自身及关联的企业和人(包括法人、高管、股东等)的产生的风险情况以及风险事件的详情。用户根据自身业务场景不同，可对风险进行自定义，对风险的等级以及推送的规则进行个性化定制，实现灵活的预警管
理，满足不同业务场景需要。将被监控企业所以监控到的风险以时间轴的形式进行展示，生成企业贷后风险报告，形象直观，并且可以根据风险的严重程度以及风险的种类进行筛选，帮助用户快速了解该企业监控到的风险的全貌。用户可以基于自身业务需要以及工作习惯，自定义告警的方式以及时间，通过多个手机号以及邮箱接收告警短信以及邮件，实现灵活的预警管理，满足不同业务场景需求，保证告警信息不遗漏，将风险降至最低。针对被监控企业新增的预警信息，做出审批处理。
66.本平台建设的征信风控模型，聚焦地方特色数据的深度挖掘，注重模型在不同业务场景中的可迁移性、鲁棒性，围绕着核心信用评估模型进行多层次细分模型建设，实现合作机构对企业信用评估结果准确性、及时性的要求。此外，企业风控预警基于政务数据，结合对业务的深入研究和理解，加工出一系列特色指标。相较于通过互联网公开信息加工出的指标而言，特色指标能够更早的通过企业的各项数据发现企业的生产经营活动情况，及早发现潜藏的风险。最后，传统的金融机构在为中小微企业放贷时仍面临信用记录数据缺失，隐藏风险难以发现、财务报表缺失、贷款成本高、息费模式单一、贷款流程繁琐等问题，且自有数据无法快速评估企业的还款能力和还款意愿，影响贷款业务的规模化成长，本平台征信报告风控模型中所用的政务数据将极大地帮助金融机构实现信审线上化、智能化、数据化，降低放贷风险。
67.本说明书实施例还提供一种基于大数据风控的信贷管理设备，如图6所示，设备包括：
68.至少一个处理器；以及，
69.与至少一个处理器通信连接的存储器；其中，
70.存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
71.接收贷款企业的交易请求，通过贷款企业的交易请求，获取贷款企业的初始征信数据；根据贷款企业的初始征信数据，对贷款企业进行贷款资格验证；当贷款企业的贷款资格验证通过后，通过预先建立的信用评分模型，根据初始征信数据，对贷款企业进行信用评分；根据贷款企业的信用评分，确定贷款企业的预授信额度和预交易利率；根据贷款企业的预授信额度和预交易利率，确定出信贷交易的授信额度和交易利率，以通过授信额度交易利率进行信贷交易。
72.本说明书实施例还提供一种非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：
73.接收贷款企业的交易请求，通过贷款企业的交易请求，获取贷款企业的初始征信数据；根据贷款企业的初始征信数据，对贷款企业进行贷款资格验证；当贷款企业的贷款资格验证通过后，通过预先建立的信用评分模型，根据初始征信数据，对贷款企业进行信用评分；根据贷款企业的信用评分，确定贷款企业的预授信额度和预交易利率；根据贷款企业的预授信额度和预交易利率，确定出信贷交易的授信额度和交易利率，以通过授信额度交易利率进行信贷交易。
74.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，对于装置、设备、非易失性计算机存储介质实施例而言，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。
75.上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
76.以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。