一种基于大数据的用户信贷业务评估方法与流程

1.本发明涉及信贷风险评估技术领域，具体是一种基于大数据的用户信贷业务评估方法。


背景技术：

2.银行信贷业务是指以偿还和付息为条件的价值运动形式，通常包括银行存款、贷款等信用活动；由于信贷业务的行业特点及风险管控需求，需要对申请贷款的用户进行信誉、财务状况等方面的风险评估，从而判断用户的还款风险；
3.现有技术主要通过逻辑回归分析方法来对信贷业务风险进行预测，通过分析各个因素与违约之间的相关程度，对信贷业务风险进行评估，但该方法无法通过对用户的信息进行特征提取，进而无法从多个方面对信贷业务进行风险评估，准确性和逻辑性缺乏信服力，为此提供一种基于大数据的用户信贷业务评估方法。


技术实现要素：

4.为了解决上述技术问题，本发明的目的在于提供一种基于大数据的用户信贷业务评估方法。
5.为了实现上述目的，本发明提供如下技术方案：一种基于大数据的用户信贷业务评估方法，包括如下步骤：
6.获取企业用户的历史借贷记录并建立评分卡，对企业用户进行等级评估获得其等级分值l，同时根据企业用户的历史年营业额记录以及企业资产并计算其用户潜力值w，进而将用户潜力值w与等级分值l相乘得到企业用户的用户信誉值；
7.获取银行的历史信贷业务记录，进而建立信贷风险评估模型，并设置信贷风险等级；
8.根据企业用户的历史借贷记录、企业担保情况和用户信誉值，计算其预计违约率f和预计信贷资产回收率g，将企业用户所选的信贷业务输入信贷风险评估模型，评估其所选的信贷业务的风险等级；
9.根据企业用户所选的信贷业务的风险等级对其进行智能调整，并对已发放信贷业务进行实时监测和追踪。
10.进一步的，所述评分卡的建立过程包括：
11.根据企业用户的身份信息获取其相关信息，相关信息包括企业的年营业额、企业资产、企业担保状况以及在各个银行的历史借贷记录；
12.设置企业用户的初始等级分值l为0，根据企业用户的相关信息对企业用户的初始等级分值l进行智能调整。
13.进一步的，所述用户潜力值w的计算过程包括：
14.获取企业用户的历史年营业额记录以及历史企业资产记录，并从中找寻出最大历史营业额p
max
、最小历史营业额p
min
、最大历史企业资产q
max
以及最小历史企业资产q
min
，进而
将历史年营业额记录以及历史企业资产记录中的历史营业额和历史企业资产归一化，其中归一化公式为：
[0015][0016]
其中pj为企业用户运营第j年归一化后的营业额值，qj为企业用户第j年归一化后的企业资产值，pj、qj分别表示企业用户运营第j年的历史营业额以及历史企业资产，其中j为大于0的自然数；
[0017]
计算企业用户的用户潜力值w，计算公式为：
[0018][0019][0020]
当n＝1时，
[0021]
其中n为企业用户的总营业年份，αj是根据企业资产设定的系数。
[0022]
进一步的，所述信贷风险评估模型的建立过程包括：
[0023]
获取银行的所有历史信贷业务记录，对所有的历史信贷业务记录进行编号h1、h2、
……
、hn，其中n为大于3的正整数，历史信贷业务记录包括历史信贷业务的名称、借款额度值a、历史违约率m、违约后的信贷资产回收率n、对应担保价值分c以及平均还款期限y；
[0024]
其中借款额度值a以及对应担保价值分c为将各个历史借款额度以及历史担保价值采用与历史年营业额相同归一化方法后得到的数值；
[0025]
设置历史信贷业务信息集s(hn)＝{an，mn，nn，cn，yn}；
[0026]
根据历史信贷业务信息集s(hn)中的各项数据计算对应的历史信贷业务的信贷风险值k，其计算公式为：
[0027][0028]
其中kn表示编号为hn的历史信贷业务的信贷风险值。
[0029]
进一步的，所述信贷风险等级的设置过程包括：
[0030]
将各个历史信贷业务的信贷风险值从小到大进行排列并对其设置序列号q1、q2、
……
、qn，设置两个初始为0的阈值a、b，并从序列号q1开始，找寻第一个对应下标号大于或等于n/3的序列号，并将其对应的信贷风险值赋值给a，找寻第一个对应下标号大于或等于2n/3的序列号，并将其对应的信贷风险值赋值给b；设置风险评估阈值区间，进而评定各个历史信贷业务的风险等级；
[0031]
对于信贷风险值在阈值区间(0，a)中的历史信贷业务，评定为低风险信贷，设置绿色图标；
[0032]
对于信贷风险值在阈值区间[a，b)中的历史信贷业务，评定为中风险信贷，设置黄色图标；
[0033]
对于信贷风险值在阈值区间[b，+∞)中的历史信贷业务，评定为高风险信贷，设置红色图标。
[0034]
进一步的，所述预计违约率f和预计信贷资产回收率g的计算过程包括：
[0035]
根据企业用户所选的信贷业务，从银行的历史信贷业务记录匹配与其相同借款额度以及相同平均还款期限的历史信贷业务，并根据企业用户的历史借贷记录对企业用户所选信贷业务的借款额度以及其企业担保情况归一化处理，得到对应的借款额度值以及对应担保价值分，根据匹配的历史信贷业务中的历史违约率和违约后的信贷资产回收率，以及企业用户的历史借贷记录、对应担保价值分和用户信誉值，计算企业用户所选的信贷业务的预计违约率f和预计信贷资产回收率g；
[0036]
其中预计违约率f和预计信贷资产回收率g的计算公式为：
[0037][0038][0039]
其中num为企业用户的历史违约次数，num为企业用户的总历史借贷次数，δ∈(0，1)，ω为大于0的系数。
[0040]
进一步的，在企业用户进行信贷业务选定时，自动调取企业用户的历史借贷记录，根据企业用户的历史借贷记录中的信贷额度以及平均还款期限，从银行的历史信贷业务记录中调取与企业用户当前可贷额度相同的历史信贷业务发送给企业用户，企业用户可参考或直接选择推荐的历史信贷业务来选定信贷业务。
[0041]
进一步的，对所述信贷业务进行智能调整的过程包括：
[0042]
若企业用户所选信贷业务的风险等级为低风险信贷，则不进行修改，并向企业用户发送可提高借款额度提示；
[0043]
若企业用户所选信贷业务的风险等级为中风险信贷，则对信贷业务中的借款额度进行下调，并获得调整后的风险等级；
[0044]
若企业用户所选信贷业务的风险等级为高风险信贷，则对信贷业务中的借款额度进行下调以及对还款时间进行缩短，并获得调整后的风险等级。
[0045]
与现有技术相比，本发明的有益效果是：
[0046]
1、本发明通过建立评分卡，并获取用户在各个银行的历史信贷业务记录以及用户相关信息代入评分卡中，进而得到用户的等级分值，同时根据用户的历史年营业额记录以及企业资产计算用户潜力值，并与用户的等级分值相乘得到用户信誉值，通过获取多个影响因素从而能对用户进行准确的综合评价，并为后续评估用户所选信贷业务的风险等级提供了保障；
[0047]
2、本发明通过银行历史信贷业务记录建立风险评估模型，并根据用户的历史违约记录以及抵押资产价值获得其预计违约概率以及预计信贷资产回收率，进而评估用户所选的信贷业务的风险等级，并根据风险评估结果对智能调整，一定程度上提高了信贷业务的风险评估的准确性且适应性强。
附图说明
[0048]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例中所
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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0049]
图1为本发明的方法流程图。
具体实施方式
[0050]
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
[0051]
如图1所示，本发明提供了一种基于大数据的用户信贷业务评估方法，该方法包括如下步骤：
[0052]
步骤一，获取企业用户的历史借贷记录并建立评分卡，进而对企业用户进行等级评估并获得用户信誉值；
[0053]
具体的，企业用户向银行发送信贷业务一次申请以及身份信息，其中身份信息包括企业的名称、企业所在地、法人代表、经营资质以及联系方式：
[0054]
银行审核人员根据企业用户的身份信息获取其在各个银行的历史信贷业务记录，若根据历史信贷业务记录显示企业用户存在超过三次违约记录，则银行审核人员拒绝企业用户的信贷业务一次申请，若违约记录小于或等于三次，则银行审核人员通过企业用户的信贷业务一次申请；
[0055]
进一步的，建立评分卡，根据企业用户的身份信息获取其相关信息并代入评分卡中，进而获得企业用户的等级分值；
[0056]
评分卡的建立过程包括：
[0057]
企业用户的相关信息包括企业的年营业额、企业资产、企业担保状况以及在各个银行的历史借贷记录；
[0058]
设置企业用户的初始等级分值l为0，根据企业用户的相关信息对企业用户的初始等级分值l进行智能调整；
[0059]
评分卡包括如下规则：
[0060]
根据企业用户的年营业额，若其年营业额在3000000以下，则等级分值l不变，若其年营业额在[3000000,500000)之间，则等级分值l加1，若其年营业额在[500000,1000000]之间，则等级分值l加2，若其年营业额在1000000以上，则等级分值l加4；
[0061]
根据企业用户的企业资产，若其企业资产在100000以下，则等级分值l不变，若其企业资产在[100000,500000]之间，则其等级分值l增加1，若其企业资产在(500000，1000000]之间，则等级分值l加2，若其企业资产在(1000000，3000000]之间，则等级分值l加3，若其企业资产在3000000以上，则等级分值l加4；
[0062]
根据企业用户的企业担保状况获得其担保总价值，若担保总价值在500000以下，则等级分值l不变，若担保总价值在[500000，200000]之间，则等级分值l加1，若担保总价值(200000，500000]之间，则等级分值l加2，若担保总价值在500000以上，则等级分值l加4；
[0063]
根据企业用户的各个银行的历史借贷记录获得其信贷借款额度，若其信贷借款额度在500000以下，则等级分值l不变，若信贷借款额度在[500000,3000000)之间，则等级分
值l加2，若信贷借款额度在[3000000,10000000)之间，则等级分值l加4，若历史借贷记录中存在一次违约记录，则等级分值l减5，若历史借贷记录中存在两次违约记录，则等级分值l减10，若历史借贷记录中存在三次违约记录，则等级分值清零；
[0064]
获取企业用户的历史年营业额记录以及历史企业资产记录，并从中找寻出最大历史营业额p
max
、最小历史营业额p
min
、最大历史企业资产q
max
以及最小历史企业资产q
min
，进而将历史年营业额记录以及历史企业资产记录中的历史营业额和历史企业资产归一化，其中归一化公式为：
[0065][0066]
其中pj为企业用户运营第j年归一化后的营业额值，qj为企业用户第j年归一化后的企业资产值，pj、qj分别表示企业用户运营第j年的历史营业额以及历史企业资产，其中j为大于0的自然数；
[0067]
进一步的，计算企业用户的用户潜力值w，计算公式为：
[0068][0069][0070]
当n＝1时，
[0071]
其中n为企业用户的总营业年份，αj是根据企业资产设定的系数；
[0072]
进而根据企业用户的等级分值l以及用户潜力值相乘获得用户信誉值；
[0073]
需要说明的是，根据用户信誉值调整企业用户的信贷额度上限以及贷款利率，对于用户信誉值在[0,5)之间的企业用户，其信贷额度上限以及贷款利率不变，对于用户信誉值在[5,15)之间的企业用户，其信贷额度上限提高10％，贷款利率下降0.5％，对于用户信誉值在[15,∞)之间的企业用户，其信贷额度上限提高20％，贷款利率下降1％，例如企业用户原信贷额度为100000，贷款利率为4.35％，其用户信誉值更新后在[5,15)之间，则此企业用户的信贷额度上限更新为110000，其贷款利率更新为3.85％；
[0074]
步骤二，获取银行的历史信贷业务记录，进而建立信贷风险评估模型；
[0075]
具体的，获取银行所有的历史信贷业务记录，对所有的历史信贷业务记录进行编号，例如h1、h2、
……
、hn，其中n为大于3的正整数，历史信贷业务记录包括历史信贷业务的名称、借款额度值a、历史违约率m、违约后的信贷资产回收率n、对应担保价值分c以及平均还款期限y；
[0076]
其中借款额度值a以及对应担保价值分c为将各个历史借款额度以及历史担保价值采用与历史年营业额相同归一化方法后得到的数值；
[0077]
基于历史信贷业务建立信贷风险评估模型，具体过程：
[0078]
设置历史信贷业务信息集s(hn)＝{an，mn，nn，cn，yn}；
[0079]
根据历史信贷业务信息集s(hn)中的各项数据计算对应的历史信贷业务的信贷风险值k，其计算公式为：
[0080][0081]
其中kn表示编号为hn的历史信贷业务的信贷风险值；
[0082]
将各个历史信贷业务的信贷风险值从小到大进行排列并对其设置序列号q1、q2、
……
、qn，设置两个初始为0的阈值a、b，并从序列号q1开始，找寻第一个对应下标号大于或等于n/3的序列号，并将其对应的信贷风险值赋值给a，找寻第一个对应下标号大于或等于2n/3的序列号，并将其对应的信贷风险值赋值给b；设置风险评估阈值区间，进而评定各个历史信贷业务的风险等级；
[0083]
对于信贷风险值在阈值区间(0，a)中的历史信贷业务，评定为低风险信贷，设置绿色图标；
[0084]
对于信贷风险值在阈值区间[a，b)中的历史信贷业务，评定为中风险信贷，设置黄色图标；
[0085]
对于信贷风险值在阈值区间[b，+∞)中的历史信贷业务，评定为高风险信贷，设置红色图标。
[0086]
步骤三，将企业用户所选信贷业务输入至信贷风险评估模型，进而评估其所选的信贷业务的风险等级；
[0087]
具体的，企业用户提交的信贷业务一次申请通过后，银行审核人员根据企业用户的用户信誉值进行二次审核，若企业用户的用户信誉值小于0，则向企业用户发送“申请不通过”提示，企业用户的用户信誉值等于或大于0，则向企业用户发送“申请通过”提示；
[0088]
企业用户接收到“申请通过”提示后，上传所选的信贷业务，所述信贷业务包括借款额度以及平均还款期限；
[0089]
银行审核人员根据企业用户的身份信息获取其的信贷额度上限、企业在贷情况、企业担保情况以及用户信誉值；
[0090]
根据企业用户的信贷额度上限以及企业在贷情况，获得企业用户当前可贷额度并与上传的信贷业务中的借款额度进行对比，若当前可贷额度大于信贷业务中的借款额度，则向企业用户发送“超过上限”提示；
[0091]
若当前可贷额度小于或等于信贷业务中的借款额度，则根据企业用户的用户信誉值以及所选平均还款期限设置贷款利率；
[0092]
进一步的，根据企业用户所选的信贷业务，从银行的历史信贷业务记录匹配与其相同借款额度以及相同平均还款期限的历史信贷业务，并根据企业用户的历史借贷记录对企业用户所选信贷业务的借款额度以及其企业担保情况归一化处理，得到对应的借款额度值以及对应担保价值分，根据匹配的历史信贷业务中的历史违约率和违约后的信贷资产回收率，以及企业用户的历史借贷记录、对应担保价值分和用户信誉值，计算企业用户所选的信贷业务的预计违约率f和预计信贷资产回收率g；
[0093]
其中预计违约率f和预计信贷资产回收率g的计算公式为：
[0094]
[0095][0096]
其中num为企业用户的历史违约次数，num为企业用户的总历史借贷次数，δ∈(0，1)，ω为大于0的系数；
[0097]
将企业用户所选的信贷业务的借款额度值、对应担保价值分、平均还款期限、预计违约率f以及预计信贷资产回收率g输入信贷风险评估模型中，进而计算企业用户所选的信贷业务的信贷风险值；
[0098]
根据信贷风险值所在阈值区间，判定其风险等级；
[0099]
需要说明的是，在企业用户进行信贷业务选定时，自动调取企业用户的历史借贷记录，根据企业用户的历史借贷记录中的信贷额度以及平均还款期限，从银行的历史信贷业务记录中调取与企业用户当前可贷额度相同的历史信贷业务发送给企业用户，企业用户可参考或直接选择推荐的历史信贷业务来选定信贷业务。
[0100]
步骤四，根据所选信贷业务的风险等级对其进行智能调整，并对已发放信贷业务进行实时监测和追踪；
[0101]
具体的，若企业用户所选信贷业务的风险等级为低风险信贷，则不进行修改，并向企业用户发送可提高借款额度提示；
[0102]
若企业用户所选信贷业务的风险等级为中风险信贷，则对信贷业务中的借款额度进行下调，并获得调整后的风险等级；
[0103]
若企业用户所选信贷业务的风险等级为高风险信贷，则对信贷业务中的借款额度进行下调以及对还款时间进行缩短，并获得调整后的风险等级；
[0104]
将调整后的信贷业务和未调整的信贷业务同时发送给企业用户，并标注二者的风险等级，同时向企业用户发送与调整后的信贷业务相同风险等级的历史信贷业务，用于企业用户作为参考；
[0105]
企业用户确定信贷业务后，银行根据其所选信贷业务发放借款额度，同时实时监测和追踪企业用户的经营状况、还款状况；
[0106]
根据企业用户的经营状况实时更新其对应的用户潜力值，进而更新其信贷额度上限以及贷款利率；
[0107]
根据企业用户的还款状况，若其出现逾期状况，则向其发送逾期提示，若超过三次逾期，则自动判定企业用户违约，并采取强制追偿。
[0108]
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

技术特征：
1.一种基于大数据的用户信贷业务评估方法，其特征在于，包括如下步骤：获取企业用户的历史借贷记录并建立评分卡，对企业用户进行等级评估获得其等级分值l，同时根据企业用户的历史年营业额记录以及企业资产并计算其用户潜力值w，进而将用户潜力值w与等级分值l相乘得到企业用户的用户信誉值；获取银行的历史信贷业务记录，进而建立信贷风险评估模型，并设置信贷风险等级；根据企业用户的历史借贷记录、企业担保情况和用户信誉值，计算其预计违约率f和预计信贷资产回收率g，将企业用户所选的信贷业务输入信贷风险评估模型，评估其所选的信贷业务的风险等级；根据企业用户所选的信贷业务的风险等级对其进行智能调整，并对已发放信贷业务进行实时监测和追踪。2.根据权利要求1所述的一种基于大数据的用户信贷业务评估方法，其特征在于，所述评分卡的建立过程包括：根据企业用户的身份信息获取其相关信息，相关信息包括企业的年营业额、企业资产、企业担保状况以及在各个银行的历史借贷记录；设置企业用户的初始等级分值l为0，根据企业用户的相关信息对企业用户的初始等级分值l进行智能调整。3.根据权利要求1所述的一种基于大数据的用户信贷业务评估方法，其特征在于，所述用户潜力值w的计算过程包括：获取企业用户的历史年营业额记录以及历史企业资产记录，并从中找寻出最大历史营业额p
max
、最小历史营业额p
min
、最大历史企业资产q
max
以及最小历史企业资产q
min
，进而将历史年营业额记录以及历史企业资产记录中的历史营业额和历史企业资产归一化，其中归一化公式为：化公式为：其中p
j
为企业用户运营第j年归一化后的营业额值，q
j
为企业用户第j年归一化后的企业资产值，p
j
、q
j
分别表示企业用户运营第j年的历史营业额以及历史企业资产，其中j为大于0的自然数；计算企业用户的用户潜力值w，计算公式为：计算企业用户的用户潜力值w，计算公式为：当n＝1时，其中n为企业用户的总营业年份，α
j
是根据企业资产设定的系数。4.根据权利要求1所述的一种基于大数据的用户信贷业务评估方法，其特征在于，所述信贷风险评估模型的建立过程包括：获取银行的所有历史信贷业务记录，并对所有的历史信贷业务记录进行编号h1、h2、
……
、h
n
，其中n为大于3的正整数，历史信贷业务记录包括历史信贷业务的名称、借款额度值a、历史违约率m、违约后的信贷资产回收率n、对应担保价值分c以及平均还款期限y；
其中借款额度值a以及对应担保价值分c为将各个历史借款额度以及历史担保价值采用与历史年营业额相同归一化方法后得到的数值；设置历史信贷业务信息集s(h
n
)＝{a
n
，m
n
，n
n
，c
n
，y
n
}；根据历史信贷业务信息集s(h
n
)中的各项数据计算对应的历史信贷业务的信贷风险值k，其计算公式为：其中k
n
表示编号为h
n
的历史信贷业务的信贷风险值。5.根据权利要求4所述的一种基于大数据的用户信贷业务评估方法，其特征在于，所述信贷风险等级的设置过程包括：将各个历史信贷业务的信贷风险值从小到大进行排列并对其设置序列号q1、q2、
……
、q
n
，设置两个初始为0的阈值a、b，并从序列号q1开始，找寻第一个对应下标号大于或等于n/3的序列号，并将其对应的信贷风险值赋值给a，找寻第一个对应下标号大于或等于2n/3的序列号，并将其对应的信贷风险值赋值给b；设置风险评估阈值区间，进而评定各个历史信贷业务的风险等级；对于信贷风险值在阈值区间(0，a)中的历史信贷业务，评定为低风险信贷，设置绿色图标；对于信贷风险值在阈值区间[a，b)中的历史信贷业务，评定为中风险信贷，设置黄色图标；对于信贷风险值在阈值区间[b，+∞)中的历史信贷业务，评定为高风险信贷，设置红色图标。6.根据权利要求3所述的一种基于大数据的用户信贷业务评估方法，其特征在于，所述预计违约率f和预计信贷资产回收率g的计算过程包括：根据企业用户所选的信贷业务，从银行的历史信贷业务记录中匹配与其相同借款额度以及相同平均还款期限的历史信贷业务，并根据企业用户的历史借贷记录对企业用户所选信贷业务的借款额度以及其企业担保情况归一化处理，得到对应的借款额度值以及对应担保价值分，根据匹配的历史信贷业务中的历史违约率和违约后的信贷资产回收率，以及企业用户的历史借贷记录、对应担保价值分和用户信誉值，计算企业用户所选的信贷业务的预计违约率f和预计信贷资产回收率g；其中预计违约率f和预计信贷资产回收率g的计算公式为：其中预计违约率f和预计信贷资产回收率g的计算公式为：其中num为企业用户的历史违约次数，num为企业用户的总历史借贷次数，δ∈(0，1)，ω为大于0的系数。7.根据权利要求6所述的一种基于大数据的用户信贷业务评估方法，其特征在于，在企业用户进行信贷业务选定时，自动调取企业用户的历史借贷记录，根据企业用户的历史借
贷记录中的信贷额度以及平均还款期限，从银行的历史信贷业务记录中调取与企业用户当前可贷额度相同的历史信贷业务发送给企业用户，企业用户可参考或直接选择推荐的历史信贷业务来选定信贷业务。8.根据权利要求6所述的一种基于大数据的用户信贷业务评估方法，其特征在于，对所述信贷业务进行智能调整的过程包括：若企业用户所选信贷业务的风险等级为低风险信贷，则不进行修改，并向企业用户发送可提高借款额度提示；若企业用户所选信贷业务的风险等级为中风险信贷，则对信贷业务中的借款额度进行下调，并获得调整后的风险等级；若企业用户所选信贷业务的风险等级为高风险信贷，则对信贷业务中的借款额度进行下调以及对还款时间进行缩短，并获得调整后的风险等级。

技术总结
本发明公开了一种基于大数据的用户信贷业务评估方法，涉及信贷风险评估技术领域，该方法包括：获取企业用户的历史借贷记录并建立评分卡，进而对企业用户进行等级评估并获得用户信誉值；获取银行的历史信贷业务记录，进而建立信贷风险评估模型；将企业用户所选信贷业务输入信贷风险评估模型，进而评估其所选的信贷业务的风险等级；根据所选信贷业务的风险等级对其进行智能调整；本发明通过建立评分卡对企业用户进行等级评估，同时建立信贷风险评估模型，进而对企业用户所选的信贷业务进行智能调整，一定程度上提高了信贷风险评估的准确性，降低了信贷风险。降低了信贷风险。降低了信贷风险。


技术研发人员：金晔
受保护的技术使用者：亲家网络技术（北京）有限公司
技术研发日：2023.05.18
技术公布日：2023/10/6