一种基于大数据的消费金融逾期资产评估方法与流程

1.本发明属于资产评估技术领域，具体涉及一种基于大数据的消费金融逾期资产评估方法。


背景技术：

2.为了顺应居民消费升级趋势,将扩大消费同改善人民生活品质结合起来,促进绿色消费、健康消费、安全消费。在当前国内国际双循环的时代背景下,消费作为经济平稳运作的基石,对我国经济发展所起的促进作用愈发凸显,消费占我国gdp增长中的份额也逐年扩大。
3.为了实现对消费金融的逾期用户的资产评估，对于消费金融特别是车辆贷款的逾期用户，其需要处置的资产包里面往往包括几百辆甚至上千辆汽车，在进行资产评估时，往往依靠资产评估师的经验或者类似的案例实现对资产包的评估，但是存在一下技术问题：
4.1、未根据车辆的gps安装情况的不同进行车辆的归类，gps安装与否，关系到车辆能够准确的被找到，从而影响到车辆的寻找成功率和处置周期，进而影响折扣情况，导致最终的资产评估结果不够准确。
5.2、忽略了车辆的平均处置周期，采用当前的资产评估结果在实际的处置过程中，如果处置周期过长，其评估结果明显不能准确反应最后处理成功时的资产实际结果。
6.基于上述技术问题，需要设计一种基于大数据的消费金融逾期资产评估方法。


技术实现要素：

7.本发明的目的是提供一种基于大数据的消费金融逾期资产评估方法。
8.为了解决上述技术问题，本发明第一方面提供了一种基于大数据的消费金融逾期资产评估方法，包括：
9.s11获取消费金融逾期客户的资产包，自动获取资产包中车辆的维修情况、gps 安装情况、使用年限、购车价格、车辆里程、品牌；
10.s12基于所述gps安装情况，获取资产包中安装有gps的车辆并将其作为gps 车辆，基于所述gps车辆的使用年限、购买价格、维修情况、车辆里程、品牌影响力，采用基于大数据构建的gps车辆资产评估模型，得到所述gps车辆的初始资产评估结果，并基于所述gps车辆的初始资产评估结果，基于所述gps车辆的处置周期对所述gps车辆的初始资产评估结果进行修正，得到所述gps车辆的资产评估结果；
11.s13获取资产包中未安装有gps的车辆作为一般车辆，并基于所述一般车辆的使用年限、购买价格、维修情况、车辆里程、品牌影响力，采用基于大数据构建的一般车辆资产评估模型，得到所述一般车辆的初始资产评估结果，并基于所述一般车辆的初始资产评估结果，基于所述一般车辆的处置周期对所述一般车辆的初始资产评估结果进行修正，得到所述一般车辆的初期资产评估结果，并基于一般车辆的寻找成功率，对所述一般车辆的初期资产评估结果进行修正得到一般车辆的资产评估结果；
12.s14基于所述一般车辆的资产评估结果、所述gps车辆的资产评估结果得到资产包的资产评估结果。
13.通过基于所述gps车辆的使用年限、购买价格、维修情况、车辆里程、品牌影响力，得到所述gps车辆的初始资产评估结果，基于所述gps车辆的处置周期对所述gps车辆的初始资产评估结果进行修正，从而使得gps车辆的资产评估结果变得更加准确也更加便捷更加一致，也使得资产评估结果能够准确反应最终的处置结果，充分保障了债权人的合法权益。
14.通过对基于gps的安装情况对车辆进行分类，从而充分的反映了gps的安装与否导致的车辆资产评估结果的不一致性，这也使得最终的资产评估结果变得更加准确，保证了债权人的合法权益。
15.通过基于一般车辆的寻找成功率对一般车辆的初期资产评估结果进行修正，从而使得最终的资产评估结果变得更加准确。
16.进一步的技术方案在于，所述gps车辆的初始资产评估结果的评估步骤为：
17.s21基于所述gps车辆的使用年限、购买价格、车辆里程、品牌影响力构建输入集，并基于所述gps车辆资产评估模型，得到所述gps车辆的基本评估结果；
18.s22基于所述gps车辆的维修情况，判断所述gps车辆是否存在维修，若是，则进入步骤s23,若否，则基于所述gps车辆的磨损情况对所述gps车辆的基本评估结果进行修正，得到所述gps车辆的初始资产评估结果，并不进入步骤s23；
19.s23基于gps车辆的维修情况以及所述gps车辆的磨损情况构建所述gps车辆的折损率，并基于所述折损率对所述gps车辆的基本评估结果进行修正得到所述gps 车辆的初始资产评估结果。
20.通过根据gps车辆的维修情况，从而采用不同的方式实现对初始资产评估结果的确认，从而充分考虑了不同的gps车辆在不同的情况下，其最终的评估结果的计算方式的差异，从而极大的提升了最终的评估结果的准确性、
21.通过折损率的构建，从而使得gps车辆的初始评估结果可以充分考虑gps车辆的维修情况以及所述gps车辆的磨损情况，进一步保证了资产评估结果的准确性和可靠性。
22.进一步的技术方案在于，所述折损率的具体的计算公式为：
[0023][0024]
其中w1为根据gps车辆的维修情况确定的权值，具体可以采用评级的方式确定，分为五个等级，不同的等级取值分别为0.1,0.3,0.5,0.7,1，m为根据gps车辆的磨损情况确定的权值，取值范围在0到1之间，反映了gps车辆的完好情况，k1、k2为常数。
[0025]
进一步的技术方案在于，所述维修情况采用评级的方式进行确定，至少分为三个等级，在不同的等级设置有不同的值，取值范围在0到1之间，其中未维修为1。
[0026]
进一步的技术方案在于，所述磨损情况、品牌影响力根据专家打分的方式确定，取值范围在0到1之间。
[0027]
进一步的技术方案在于，所述gps车辆的处置周期根据所述gps车辆的维修情况、使用年限、购买价格、磨损情况、品牌影响力确定。
[0028]
进一步的技术方案在于，所述gps车辆的资产评估结果的计算公式为：
[0029][0030]
其中t1为处置周期，其单位为年，k3、k4、k5为常数，g1为gps车辆的初始资产评估结果。
[0031]
进一步的技术方案在于，所述一般车辆的资产评估结果的评估步骤为：
[0032]
s41基于所述一般车辆的维修情况、使用年限、购买价格、车辆里程、品牌影响力得到所述一般车辆的初始资产评估结果；
[0033]
s42基于所述一般车辆的初始资产评估结果和gps安装情况，采用基于svr算法的预测模型，得到所述一般车辆的处置周期；
[0034]
s43基于所述一般车辆的处置周期、所述一般车辆的初始资产评估结果，采用基于bp神经网络算法的预测模型，得到所述一般车辆在处置周期后的资产评估结果；
[0035]
s44基于所述处置周期后的资产评估结果以及所述一般车辆的初始资产评估结果求平均值得到所述一般车辆的初期资产评估结果，基于一般车辆的寻找成功率，对所述一般车辆的初期资产评估结果进行修正得到一般车辆的资产评估结果。
[0036]
通过采用基于svr算法的预测模型以及基于bp神经网络算法的预测模型，从而可以准确的实现对处置周期以及处置周期后的资产评估结果的确定，并进一步结合一般车辆的gps安装情况，从而使得一般车辆的资产评估结果的准确性得到进一步的提升。
[0037]
进一步的技术方案在于，所述资产评估结果的计算公式为：。
[0038][0039]
其中g、g2分别为gps车辆的资产评估结果、一般车辆的资产评估结果，k6、 k7为常数。
[0040]
通过补偿项的设置，从而充分考虑到了一般车辆在处置周期和寻找成功率的劣势，进一步使得资产评估结果能够更加准确。
[0041]
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
[0042]
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0043]
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
[0044]
图1是根据实施例1的一种基于大数据的消费金融逾期资产评估方法的流程图。
具体实施方式
[0045]
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将
全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
[0046]
用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
[0047]
实施例1
[0048]
为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种基于大数据的消费金融逾期资产评估方法，包括：
[0049]
s11获取消费金融逾期客户的资产包，自动获取资产包中车辆的维修情况、gps 安装情况、使用年限、购车价格、车辆里程、品牌；
[0050]
具体的举个例子，gps安装情况、使用年限、车辆历程、品牌均可以通过对obd 系统的读取获取上述数据。
[0051]
具体的举个例子，obd为英文on-board diagnostics的缩写，中文翻译为“车载自动诊断系统”。这个系统将从发动机的运行状况随时监控汽车是否尾气超标，一旦超标，会马上发出警示。当系统出现故障时，故障(mil)灯或检查发动机(check engine) 警告灯亮，同时动力总成控制模块(pcm)将故障信息存入存储器，通过一定的程序可以将故障码从pcm中读出。根据故障码的提示，维修人员能迅速准确地确定故障的性质和部位。
[0052]
s12基于所述gps安装情况，获取资产包中安装有gps的车辆并将其作为gps 车辆，基于所述gps车辆的使用年限、购买价格、维修情况、车辆里程、品牌影响力，采用基于大数据构建的gps车辆资产评估模型，得到所述gps车辆的初始资产评估结果，并基于所述gps车辆的初始资产评估结果，基于所述gps车辆的处置周期对所述gps车辆的初始资产评估结果进行修正，得到所述gps车辆的资产评估结果；
[0053]
具体的举个例子，若gps车辆的使用年限为2年，购买价格为100000元，维修情况为无维修，可以通过分档的方式来确定，第一档无维修为1，第二档简单维修外观，具体的举个例子，更换配件例如大灯或者轻微剐蹭，为0.7，第三档为彻底维修，更换发动机、变速箱等，取值为0.3，品牌影响力则根据品牌的一年保值率、二年保值率、五年保值率确定，通过基于层次分析法的方式得到品牌影响力，取值范围在0 到1之间。
[0054]
具体的举个例子，通过分析大数据，也即是同等品牌的gps车辆的历史成交结果和资产评估结果，基于上述评估指标构建评估模型，从而基于评估模型得到初始资产评估结果。
[0055]
具体的举个例子，gps车辆的处置周期可以根据gps车辆的使用年限、购买价格、历史维修情况、品牌影响力、行驶里程，构建一个处置周期函数得到gps的处置周期或者是采用预测模型的构建，得到最终的处置周期。
[0056]
s13获取资产包中未安装有gps的车辆作为一般车辆，并基于所述一般车辆的使用年限、购买价格、维修情况、车辆里程、品牌影响力，采用基于大数据构建的一般车辆资产评估模型，得到所述一般车辆的初始资产评估结果，并基于所述一般车辆的初始资产评估结果，基于所述一般车辆的处置周期对所述一般车辆的初始资产评估结果进行修正，得到所述一般车辆的初期资产评估结果，并基于一般车辆的寻找成功率，对所述一般车辆的初期资产评估结果进行修正得到一般车辆的资产评估结果；
[0057]
具体的举个例子，对于未安装gps的车辆，由于后期在寻找的成功率、处置周期相比，与安装gps的车辆存在极大的劣势，因此其资产评估模型与gps车辆的资产评估模型也不可能相似。
[0058]
具体的举个例子，寻找成功率可以根据车辆的品牌影响力、维修情况进行确定，其中车辆的品牌影响力越大，无维修，则寻找成功率越低。
[0059]
s14基于所述一般车辆的资产评估结果、所述gps车辆的资产评估结果得到资产包的资产评估结果。
[0060]
通过基于所述gps车辆的使用年限、购买价格、维修情况、车辆里程、品牌影响力，得到所述gps车辆的初始资产评估结果，基于所述gps车辆的处置周期对所述gps车辆的初始资产评估结果进行修正，从而使得gps车辆的资产评估结果变得更加准确也更加便捷更加一致，也使得资产评估结果能够准确反应最终的处置结果，充分保障了债权人的合法权益。
[0061]
通过对基于gps的安装情况对车辆进行分类，从而充分的反映了gps的安装与否导致的车辆资产评估结果的不一致性，这也使得最终的资产评估结果变得更加准确，保证了债权人的合法权益。
[0062]
在另外一种可能的实施例中，所述gps车辆的初始资产评估结果的评估步骤为：
[0063]
s21基于所述gps车辆的使用年限、购买价格、车辆里程、品牌影响力构建输入集，并基于所述gps车辆资产评估模型，得到所述gps车辆的基本评估结果；
[0064]
具体的举个例子，使用年限为2年，购买价格为100000元，品牌影响力为0.7，通过分析大数据的历史成交信息，可以构建基于输入集的gps车辆资产评估模型，具体的可以采用基于神经网络算法的预测模型的搭建实现评估，从而得到gps车辆的基本评估结果为70000元。
[0065]
s22基于所述gps车辆的维修情况，判断所述gps车辆是否存在维修，若是，则进入步骤s23,若否，则基于所述gps车辆的磨损情况对所述gps车辆的基本评估结果进行修正，得到所述gps车辆的初始资产评估结果，并不进入步骤s23；
[0066]
具体的举个例子，当不存在维修时，则通过gps车辆的磨损情况为0.9，则初始资产评估为63000元。
[0067]
s23基于gps车辆的维修情况以及所述gps车辆的磨损情况构建所述gps车辆的折损率，并基于所述折损率对所述gps车辆的基本评估结果进行修正得到所述gps 车辆的初始资产评估结果。
[0068]
具体的举个例子，在进行一辆车辆的初始资产评估之后，以其为基础，通过加和的方式，实现对资产包中的所有gps车辆的资产评估。
[0069]
通过根据gps车辆的维修情况，从而采用不同的方式实现对初始资产评估结果的确认，从而充分考虑了不同的gps车辆在不同的情况下，其最终的评估结果的计算方式的差异，从而极大的提升了最终的评估结果的准确性、
[0070]
通过折损率的构建，从而使得gps车辆的初始评估结果可以充分考虑gps车辆的维修情况以及所述gps车辆的磨损情况，进一步保证了资产评估结果的准确性和可靠性。
[0071]
进一步的技术方案在于，所述折损率的具体的计算公式为：
[0072][0073]
其中w1为根据gps车辆的维修情况确定的权值，具体可以采用评级的方式确定，分为五个等级，不同的等级取值分别为0.1,0.3,0.5,0.7,1，m为根据gps车辆的磨损情况确定的权值，取值范围在0到1之间，反映了gps车辆的完好情况，k1、k2为常数。
[0074]
进一步的技术方案在于，所述维修情况采用评级的方式进行确定，至少分为三个等级，在不同的等级设置有不同的值，取值范围在0到1之间，其中未维修为1。
[0075]
进一步的技术方案在于，所述磨损情况、品牌影响力根据专家打分的方式确定，取值范围在0到1之间。
[0076]
进一步的技术方案在于，所述gps车辆的处置周期根据所述gps车辆的维修情况、使用年限、购买价格、磨损情况、品牌影响力确定。
[0077]
具体的举个例子，通过基于大数据的分析，搭建一个基于上述指标的拟合函数，从而得到gps车辆的处置周期。
[0078]
进一步的技术方案在于，所述gps车辆的资产评估结果的计算公式为：
[0079][0080]
其中t1为处置周期，其单位为年，k3、k4、k5为常数，g1为gps车辆的初始资产评估结果。
[0081]
进一步的技术方案在于，所述一般车辆的资产评估结果的评估步骤为：
[0082]
s41基于所述一般车辆的维修情况、使用年限、购买价格、车辆里程、品牌影响力得到所述一般车辆的初始资产评估结果；
[0083]
s42基于所述一般车辆的初始资产评估结果和gps安装情况，采用基于svr算法的预测模型，得到所述一般车辆的处置周期；
[0084]
具体的举个例子，gps安装情况，当车辆未安装时为0，安装完毕后为1。
[0085]
s43基于所述一般车辆的处置周期、所述一般车辆的初始资产评估结果，采用基于bp神经网络算法的预测模型，得到所述一般车辆在处置周期后的资产评估结果；
[0086]
s44基于所述处置周期后的资产评估结果以及所述一般车辆的初始资产评估结果求平均值得到所述一般车辆的初期资产评估结果，基于一般车辆的寻找成功率，对所述一般车辆的初期资产评估结果进行修正得到一般车辆的资产评估结果。
[0087]
通过采用基于svr算法的预测模型以及基于bp神经网络算法的预测模型，从而可以准确的实现对处置周期以及处置周期后的资产评估结果的确定，并进一步结合一般车辆的gps安装情况，从而使得一般车辆的资产评估结果的准确性得到进一步的提升。
[0088]
进一步的技术方案在于，所述资产评估结果的计算公式为：。
[0089][0090]
其中g、g2分别为gps车辆的资产评估结果、一般车辆的资产评估结果，k6、 k7为常数。
[0091]
通过补偿项的设置，从而充分考虑到了一般车辆在处置周期的劣势，进一步使得
资产评估结果能够更加准确。
[0092]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0093]
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0094]
功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备 (可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0095]
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。