还款能力

摘要： 今年以来,中国银保监会消费者权益保护局发布两期风险提示,均对诱导消费者过度借贷的现象予以警示。在2022年首期风险提示中明确提到:一些机构或平台基于自身大数据资源优势对消费者行为数据进行分析和滥用,引导甚至操纵消费者需求,比如不顾消费者综合授信额度、还款能力、还款来源等情况,一味地诱导消费者借贷、负债、超前消费,这种利用优势地位不当诱导消费者的行为,一定程度上也侵害了消费者公平交易权。

摘要： 近年来,我国信用卡人均持卡量不断上升,民众的消费理念发生改变,信用卡的使用群体不断扩大,信用卡消费额在社会消费品零售总额中所占比重也在不断提高。然而,在宏观经济下行叠加疫情影响的双重因素作用下,抗风险能力较低的持卡人逐渐出现收入下降、还款能力降低、还款意愿减弱等情况,对信用卡业务造成新的风险冲击。如何有效甄别客户信用风险,加强贷后风险管理.

摘要： 这样的借款构成犯罪近日,芜湖经济技术开发区法院审结了一起诈骗。2018年,山东的巩某某与芜湖的李某因推销贷款业务相识,互为微信好友。巩某某通过微信朋友圈关注到李某生活富裕,于2021年7月至12月间,虚构其女儿被开水烫伤需要手术、儿子需要做开颅手术等事实,共骗取李某146万元。期间,巩某某为让李某相信自己有还款能力,还伪造巨额定期存款短信、银行存折业务信息等。

摘要： 随着近几年小额信贷的飞跃发展,为甘肃省的经济发展提供了重要的金融支持。随着我国金融政策不断的出台,市场竞争的激烈,客户需求的不断变化等众多因素的影响,现行的小额贷款模式直接决定着贷款是否能全额收回,客户的还款能力是否提高、还款意愿是否改变。甘肃农信作为进行小额信贷业务的正规金融机构,面临着新的外部环境,面对着新的治理风险、合规风险、信用风险、操作风险等方面的严峻考验。

摘要： 【裁判要旨】借条和欠条的性质不同,行为人骗取他人财物后出具的借条本质上属于欠条,只能证明双方存在事实上的债权债务关系,无法证明是否存在真实的借贷关系,不能因此认定双方间系民间借贷关系。民间借贷与诈骗罪的本质区别在于行为人是否具有非法占有目的,应当坚持主客观相统一的原则,结合行为人借款时的还款能力、真实用途等具体行为表现综合判断,故骗取他人财物后单纯出具借条的行为不影响对非法占有目的的判断,应当以作蹁罪定性,借条金额不能在诈骗数额中予以扣减。

摘要： 类型一网络贷款诈骗典型案例2020年11月27日,马某接到一自称某贷款平台客服的陌生电话,对方以不需要征信、不需要抵押、快速放款为由,诱骗马某添加客服QQ,并下载"某某E贷"APP。马某在该APP申请5万贷款额度后却无法提现,对方谎称马某银行卡号填写有误,导致账号被冻结,需要交纳解冻费才可提现,同时承诺解冻后交纳的解冻费会全额退还给马某。马某因急于贷款,遂按要求向对方转账5000元解冻费,却还是无法提现,对方又以验证还款能力、刷流水等理由,陆续要求马某多次向对方账户转账共计8万余元,后将马某拉黑。

摘要： 6.扶贫小额信贷的期限有多长?答:每笔贷款的期限由放贷银行根据贫困户的意愿、生产经营周期、收益状况、还款能力等因素合理确定,贷款期限最长不超过3年。借款人在授信额度内,分笔用信、滚动使用。7.扶贫小额信贷的贷款利率是多少?答:扶贫小额信贷一律执行中国人民银行规定的同期同档次基准利率,并随人民银行基准利率调整而调整。

摘要： 本发明公开了一种还款意愿评价模型构建及农户还款意愿确定方法，其中还款意愿评价模型构建方法包括：获取多个还款意愿评价数据；将所述多个还款意愿评价数据进行数据预处理，并根据预设分类标签对多个还款意愿评价数据进行分类，得到多个类别的还款意愿评价数据集；根据所述多个类别的还款意愿评价数据集，构建模型训练库；将预设历史时长的所述模型训练库中的数据进行预处理后输入到机器学习模型进行迭代训练，直至训练结果满足预设评价条件，得到还款意愿评价模型，在进行贷款过程中可以利用该还款意愿评价模型对贷款对象进行还款意愿评估，从而识别和减少在金融交易中存在的交易风险、降低贷款风险概率、保证金融部门的贷款安全性。

摘要： 本发明适用于计算机技术领域，提供了一种还款方法及还款管理设备，还款方法包括：获取终端发送的欠款合同查看请求；基于所述欠款合同查看请求包含的所述唯一身份标识，获取与所述唯一身份标识关联的欠款合同，并向所述终端返回所述欠款合同；当检测到所述终端基于所述用户选中的目标欠款合同发送的还款请求时，基于所述目标欠款合同的合同信息生成还款订单，并向所述终端返回所述还款订单；当检测到所述终端在基于所述还款订单完成还款时，获取基于所述还款订单生成的支付记录。上述方案，用户可通过公众号选择还款合同进行还款，能够保证还款资金的安全性，减少还款操作步骤，能够提高还款效率。

摘要： 本发明公开了自动还款方法、银行服务器、存储介质及自动还款装置。本发明中在接收到VTM发送的登录信息时，根据登录信息确定对应的用户标识，根据用户标识在卡号映射关系中查找到对应的各目标卡号标识，并向VTM发送目标卡号标识，以使VTM获取用户输入的卡号选取指令，根据卡号选取指令从目标卡号标识中选取并反馈还款卡号标识，从登录信息中提取欠款卡号标识，将欠款卡号标识与还款卡号标识进行绑定，以通过还款卡号标识对应的账户对欠款卡号标识对应的账户进行还款操作。本发明中可对欠款卡号标识的欠款进行自动还款，无需用户进行还款操作，用户操作更加方便，从而解决了在进行信用卡还款时还款操作不便的技术问题。

摘要： 本发明公开了一种还款能力评估方法及装置，其中方法包括：以规则模型预测输出的还款能力系数y1作为拟合模型输出的真实值更新训练拟合模型；更新训练完成的拟合模型以还款能力评估对象的用户基础信息数据、用户金融统计数据和用户贷款金额为模型输入，预测输出各评估对象分别对应的还款能力系数y2；分类模型以各评估对象的用户金融时序数据为模型输入，预测输出每个评估对象分别对应的还款能力折减系数z；以还款能力折减系数z校正拟合模型预测输出的还款能力系数y2，并以校正结果表征评估对象的还款能力。本发明实现了对用户还款能力的科学、全面且准确地量化评估。

摘要： 本申请涉及数据处理技术领域，公开了一种还款能力评估模型的训练方法、装置、电子设备及介质，其方法包括：构建训练样本集，训练样本集包括多个借贷样本；对各训练样本进行数据预处理，得到各训练样本的特征数据，其中，数据预处理包括：异常样本处理、特征初筛、特征数值化、特征量纲化、以及特征精筛中的至少一种；将训练样本的特征数据输入到预构建的还款能力评估初始模型中进行训练，得到还款能力评估模型。本申请提供的方法利用相较于债务人的其他基本信息更具有真实性的还款行为数据，构建还款能力评估模型，达到在催收前利用构建的还款能力评估模型准确评估债务人的还款能力的目的。

摘要： 本发明公开了一种以识别还款能力为核心的反欺诈模型，解决了目前模型不够严谨、风险识别不够完善、精确率低的技术问题，其具体步骤如下；读取欲借贷客户的身份证号，初始化待查客户分值R=0；以身份证号为索引抽取相关数据库对应数据；若身份证号命中涉及社会稳定等字段，则直接返回否决结果，若没有则进入；若身份证号命中涉及特征4，每命中一个R+20；若命中涉及特征5，每命中一个R+15；得到该步骤累加的R总分值；若R>=60，则返回否决结果；若0

摘要： 本申请涉及人工智能技术，提出了一种基于决策树的还款能力预测方法、装置、设备和存储介质，该方法包括：根据未知待预测用户的目标用户信息集合组成与各个已构建的决策树分别对应的目标特征信息集合；分别将目标特征信息输入至决策树中，以获得每个决策树的目标决策路径；根据决策树中节点的信息增益，计算目标决策路径的第一指标结果；根据不同还款能力分类的决策树的第一指标结果，确定未知待预测用户的实际还款能力。本申请提高了复杂、多维度数据分析问题的准确度，减少了简单的维度堆砌来笼统的评估用户还款能力导致还款能力评估的偏移，也减小了因遗漏有效维度对用户还款能力评估正确性的影响，使得还款能力评估更加准确。

摘要： 本发明公开了一种还款能力评估方法及装置，其中方法包括：以规则模型预测输出的还款能力系数y1作为拟合模型输出的真实值更新训练拟合模型；更新训练完成的拟合模型以还款能力评估对象的用户基础信息数据、用户金融统计数据和用户贷款金额为模型输入，预测输出各评估对象分别对应的还款能力系数y2；分类模型以各评估对象的用户金融时序数据为模型输入，预测输出每个评估对象分别对应的还款能力折减系数z；以还款能力折减系数z校正拟合模型预测输出的还款能力系数y2，并以校正结果表征评估对象的还款能力。本发明实现了对用户还款能力的科学、全面且准确地量化评估。

摘要： 本发明实施例公开一种金融业运营车辆还款能力计算方法及装置、存储介质，其中方法包括如下步骤：获取待评估对象的月收入、运营当前车辆的运营成本、财务成本以及所在地平均工资，基于还款能力计算模型分析月收入、运营成本、财务成本以及平均工资，确定待评估对象在运营当前车辆时的还款能力，对比还款能力和能力评分标准对还款能力进行评估。采用本发明，可以根据车辆运营中的各种数据自动实现行业还款能力的评估，提高评估效率和准确率。

摘要： 本申请实施例提供了一种还款率预测模型的训练方法及还款率的预测方法。该还款率预测模型的训练方法包括：确定处于指定业务状态的目标用户；确定包括第一训练样本以及第二训练样本的训练集，第一训练样本是根据第一时段内目标用户的用户特征以及第一还款标签构建的，第二训练样本是根据第一时段内目标用户的用户特征以及第二还款标签构建的；基于训练集、第一训练样本对应的第一权重以及第二训练样本对应的第二权重，通过机器学习算法训练还款率预测模型。基于本方案训练出的还款率预测模型，能够对欠款逾期用户的还款率进行准确预测，以便根据预测出的还款率衡量欠款的风险性和用户的还款能力，并采取不同的催收措施来进行催收，降低逾期坏账率。