贷款损失

摘要： 贷款核销是银行进行风险管理的一种方法,可以帮助商业银行改善资产负债表、甚至收益表的状况。现行会计与税法政策下,贷款损失在认定范围与扣除标准上均存在明显差异性,严格的税务政策也阻碍了贷款损失的应核尽核。基于上述原因,本文在明确贷款核销业务相关会计政策与税法规定的前提下,从银行卡透支款项和符合呆账认定条件贷款两个层面详细分析相关贷款核销业务的会税差异,并在此基础上结合案例详细探讨贷款核销业务的会税差异处理方法,并从会税政策逐步趋同、不良贷款处置方式、相关人员培训等方面思考带来的启示。

摘要： 贷款迁徙分析又称信用风险迁徙分析,是一种以概率分析为基础的信用风险分析方法。它是用贷款的历史损失数据来推算当前一家银行贷款组合中贷款损失所占的比重,从而确定贷款损失准备是否充足。

摘要： 目前,我国银行贷款核销财税差异较大的直接原因是"财税57号文""税总25号文""财金90号文"三者的脱节。从宏观上看,目前严格的税务政策阻碍了贷款损失的应核尽核,有悖于税收中性原则。税务政策应与时俱进,建议适当放宽贷款损失税前扣除条件,减少财税差异,实现财税趋同。

摘要： 本文从贷款核销角度讨论了银行合规风险管理的一些基本做法.合规风险和相关法律、法规、规章等相联系,理清贷款核销的法理框架、遵循贷款核销的基本原则、了解贷款核销规定的变迁、加强和监管机构的沟通、加强内部管理,可以帮助银行管理有关贷款核销的合规风险.

摘要： 本文从贷款核销角度讨论了银行合规风险管理的一些基本做法。合规风险和相关法律、法规、规章等相联系,理清贷款核销的法理框架、遵循贷款核销的基本原则、了解贷款核销规定的变迁、加强和监管机构的沟通、加强内部管理,可以帮助银行管理有关贷款核销的合规风险。

摘要： 商业银行数据质量、技术储备和各项投入等处于弱势,其内部评级体系建设相对存在诸多困难,如何建立体系是一项十分重要的工作。本文为《金融机构非零售信用风险量化管理之道》的第四部分。

摘要： 在国有商业银行贷款损失审计实质性测试中．审计人员为了提高审计实质性测试质量，在对国有商业银行贷款损失实施存在性、完整性、准确性、合法性、截止期、所有权、计价和披露等方面常规性检查外．有必要围绕重点问题着力查深查透．掌握形成圈有商业银行贷款损失的原因．揭示隐匿在国有商业银行贷款损失表象下的制度缺陷、管理纰漏和腐败问题。

摘要： 2017年12月7日第一章总则第一条为了发挥普惠性科技金融政策,更好地惠及小微科技企业,缓解小微科技企业贷款困难,进一步规范科技信贷风险补偿资金的管理和使用,根据市政府《关于印发汕头市促进科技创新发展若干措施的通知》（汕府[2017]32号）等有关文件精神制定本办法。第二条本办法所称＂汕头市小微科技企业信贷风险补偿资金＂（下称：＂科技风补资金＂）,是指为企业增信、鼓励和促进银行业金融机构加大对本市小微科技企业信贷支持力度。

摘要： 郑政办[2018]97号2018年10月19日各县(市、区)人民政府,市人民政府有关部门,各有关单位:《郑州市科技贷款风险补偿实施方案》已经市政府同意,现印发给你们,请认真抓好落实。郑州市科技贷款风险补偿实施方案为建立科技贷款风险补偿分担机制,增强财政科技投入的引导、放大效应,构建科技贷款融资链条.

摘要： 我国的经济在伴随着经济全球化的发展,已经逐渐的和世界接轨,因此所有行业都应该改变以往的传统的模式,尤其是给经济发展提供资金支持的金融行业更是需要不断的进行改革,而商业银行作为金融机构的首席,更是需要改变,在商业银行中,贷款数量的增加,对银行的发展来说是有好处的,但是也存在一定的风险,本文主要探讨商业银行贷款损失准备会计与监管协调的工作问题与解决方式,希望对我国的商业银行的发展提供有力的支持.

摘要： 本发明属于信息及数据处理技术领域，尤其是涉及一种基于小微贷款资产池损失率计算的监控方法及系统。它解决了现有技术不够合理等技术问题。方法包括下述步骤：A、建立贷款资产池数据库；B、违约资产计数；C、计算资产池损失率；D、监控执行。本基于小微贷款资产池损失率计算的监控方法及系统的优点在于：能够反映经济运行的周期；贷款违约是有相关性的；模型技术简单；算法技术高效；模型技术的参数有经济意义，而不是纯统计；模型和算法技术能够很好的与金融市场相吻合；模型和算法技术是动态的。

摘要： 本发明属于信息及数据处理技术领域，尤其是涉及一种基于小微贷款资产池损失率计算的监控方法及系统。它解决了现有技术不够合理等技术问题。方法包括下述步骤：A、建立贷款资产池数据库；B、违约资产计数；C、计算资产池损失率；D、监控执行。本基于小微贷款资产池损失率计算的监控方法及系统的优点在于：能够反映经济运行的周期；贷款违约是有相关性的；模型技术简单；算法技术高效；模型技术的参数有经济意义，而不是纯统计；模型和算法技术能够很好的与金融市场相吻合；模型和算法技术是动态的。

摘要： 劳动生产率损失成本计算系统包括：就业信息存储部(21)，存储关于每个从业者的就业信息的数据；健康诊断结果存储部(22)，存储关于每个从业者的健康诊断的数据；压力检查结果存储部(23)，存储关于每个从业者的压力检查的数据；设定数据存储部(300)，存储设定数据；劳动生产率损失成本计算部(40)，根据就业信息存储部(21)存储的项目数据、健康诊断结果存储部(22)存储的项目数据以及压力检查结果存储部(23)存储的项目数据计算劳动生产率损失成本；以及输出部(50)，将已计算出的劳动生产率损失成本输出。

摘要： 压力损失决定装置(1)具有路径跟踪部(30)、配管信息管理部(50)和损失决定部(40)。路径跟踪部(30)从三维建筑物信息中提取应该配置配管的平面，对平面进行网格分割而分割成多个单元，设定作为配管的始点的始点单元和作为终点的终点单元。配管信息管理部(50)存储有表示流体在单元之间的压力损失值的损失信息(51)。损失决定部(40)检索通过从始点单元到终点单元的单元的连接而形成的多个配管路径，针对多个配管路径的各配管路径，使用损失信息(51)决定从始点单元到终点单元的压力损失值。

摘要： 本发明提供了一种损失分布计算系统，包括：频率分布/规模分布输入部分，用于输入关于频率分布和规模分布的信息；规模分布离散化部分，用于执行针对输入规模分布的上部离散化和下部离散化之一或者两者；子复合分布计算部分，用于在执行对所有事件的划分之后计算针对所有事件之外的部分的损失的累积和的概率值，以便计算上部子复合分布和下部子复合分布之一或者两者，上部子复合分布基于频率分布和上部离散规模分布进行计算，并且下部子复合分布基于频率分布和下部离散规模分布进行计算；精确度计算部分，用于基于上部子复合分布和下部子复合分布之一或者两者计算损失分布函数的上限和下限，基于上部子复合分布和下部子复合分布之一或者两者计算函数作为损失分布函数的近似值，并且计算近似值的精确度；以及损失分布输出部分，用于输出关于具有由关于所计算的精确度的信息表示的保证的精确度的损失分布函数的近似值的信息。

摘要： 本文讨论了用于训练机器学习(ML)模型以基于图像数据确定深度数据的技术。训练可以使用立体图像数据和深度数据(例如，激光雷达数据)。可以将第一图像(例如，左图像)输入到ML模型，该模型可输出预测的视差和/或深度数据。预测的视差数据可与第二图像数据(例如，右图像)一起使用以重建第一图像。第一图像和重建图像之间的差异可用于确定损失。损失可能包括像素、平滑、结构相似性和/或一致性损失。此外，可以确定深度数据和预测深度数据之间的差异和/或预测视差数据和预测深度数据之间的差异，并且可以基于各种损失来训练ML模型。因此，这些技术可以使用自我监督训练和监督训练来训练ML模型。

摘要： 本发明公开了一种基于边缘损失和风格损失的图像卡通化方法、装置、计算机设备及存储介质，其包括：将原始图像输入预设神经网络模型进行训练以获得卡通图像；计算第一训练模型、卡通图像和预设卡通图像的边缘损失值和风格损失值；根据边缘损失值和风格损失值调整预设神经网络模型的参数，并重新对原始图像进行训练以再次获得卡通图像；返回步骤二，并判断当前边缘损失值与上一次边缘损失值之间的第一差值是否在第一预设范围内以及判断当前风格损失值与上一次风格损失值之间的第二差值是否在第二预设范围内；若第一差值在第一预设范围内且第二差值在第二预设范围内，输出卡通图像。本发明可以在保证原图内容信息不丢失的前提下，提高卡通化程度。

摘要： 本发明实施例公开了一种贷款损失预测方法、装置、服务器及存储介质，其中方法包括：获取第一放款月份的放款在已还款期的第一逾期率，第一放款月份为放款月份中任意一个放款的已还款期的数量不小于第一数量的放款月份；将各个第一放款月份的放款在已还款期的第一逾期率分别进行拟合，获取第一拟合函数；根据第一拟合函数和第二放款月份的放款在已还款期的第二逾期率，确定第二放款月份的放款在未还款期的第三逾期率，第二放款月份为放款月份中任意一个放款的已还款期的数量小于第一数量且不小于第二数量的放款月份；根据第二逾期率以及第三逾期率确定第二放款月份的放款的贷款损失。通过本发明实施例可以预测放款的贷款损失。

摘要： 本发明公开了一种贷款损失预测方法，包括贷款申请，所述贷款申请提交申请资料进入系统进行评估，且系统进行评估判断是否满足贷款申请，所述系统进行评估后不满足情况下拒绝贷款申请，且拒绝贷款申请后可再次进行贷款申请，所述系统进行评估后满足贷款要求进行放款，且进行放款后每月按时还款按照正常利率进行还款计算，且正常利率还款完成后进行正常结算，所述进行放款后借款人根据还款时间未能及时还款出现逾期，且出现逾期时通过电话、信息通知借款人进行逾期处理，所述出现逾期后根据逾期时间进行逾期费用计算。本发明有利于降低网贷平台或者商业银行造成贷款损失，更全面对放款的贷款损失进行预测。

摘要： 本发明实施例公开了一种贷款损失预测方法、装置、服务器及存储介质，其中方法包括：获取第一放款月份的放款在已还款期的第一逾期率，第一放款月份为放款月份中任意一个放款的已还款期的数量不小于第一数量的放款月份；将各个第一放款月份的放款在已还款期的第一逾期率分别进行拟合，获取第一拟合函数；根据第一拟合函数和第二放款月份的放款在已还款期的第二逾期率，确定第二放款月份的放款在未还款期的第三逾期率，第二放款月份为放款月份中任意一个放款的已还款期的数量小于第一数量且不小于第二数量的放款月份；根据第二逾期率以及第三逾期率确定第二放款月份的放款的贷款损失。通过本发明实施例可以预测放款的贷款损失。