CN105550927A - 一种银行信贷系统风险评估方法及装置 - Google Patents

Abstract

本发明公开一种银行信贷系统风险评估方法及装置，在进行企业信贷风险评估时，除了对企业盈利能力及资产等传统指标的考量外，还综合考虑了企业间的业务往来活跃程度和资金流的情况。利用海量数据，挖掘潜在有用的新的评判指标，将当前新型的技术如数据挖掘、社交网络等融入评估过程，从而提高评估结果的准确性。在此基础上，本发明将上述新指标与传统指标一起，给出新的企业信贷风险评估体系，应用于机器学习中的BP算法，从而为金融系统定制风险规避方案提出了具体可行的支持模型，解决了现有技术中仅以传统风险指标或部分金融现象作为风险评估方法导致准确率低、全局性差的问题。

Description

一种银行信贷系统风险评估方法及装置

技术领域

本发明公开一种银行信贷系统风险评估方法及装置，涉及企业间资金流通网络的风险评估模型，将计算机智能算法与风险评估相结合，属于信息安全技术领域。

技术背景

商业银行信贷评估体系是减少商业银行因信贷风险而造成损失的重要手段.但在商业银行实际信贷业务中要根据以往传统的信贷指标快速准确对信贷业务进行评估仍存在一定困难，尤其是针对于中小型科技型企业来说，信贷记录很少，银行仅靠传统的指标体系难以对其进行准确的评估。通过查询和检索，得到与本发明技术领域相近的现有技术及其存在的问题如下：

1.中国专利公告号CN104463603A，申请号:CN201410742524.8公布时间为2015年03月25日。申请（专利权）人：中国联合网络通信集团有限公司。发明名称为：一种信用评估方法及系统，该方法公开了一种信用评估方法及系统，包括根据用户的个性化信控信息获取每个用户的初始置信值；对用户的详单数据进行分析，获取用户的社交圈信息；利用获得的社交圈信息计算置信值修正因子，对初始置信值进行修正以获得用户的信用值。通过本发明方法，将用户社交圈的信用参数引入用户信用评估体系，使用大数据平台进行社交圈信息挖掘和计算，在用户自身初始置信值的基础上引入了其所在社交圈的置信度修正因子，实现了对用户的信用度的客观评价，有利于运营商从多维度综合评估用户的信用可靠度。

2.中国专利公告号CN104376197A，申请专利号：CN201410594481.3，公布时间为2015年2月25日。申请（专利权）人：中国建设银行股份有限公司。发明名称为：一种参数风险评估的方法及装置。方法中提到一种参数风险评估的方法及装置，该方法包括：获取预设的评估参数风险的指标集信息，指标集信息包含评估参数风险的指标以及指标对应的因素影响信息，因素影响信息包含影响因素和第一权重因子，第一权重因子与影响因素对应，指标包含指标细项和第二权重因子，第二权重因子为指标细项在影响因素下的权重因子，参数包含第一参数；根据获取的指标集信息中的第一权重因子和第二权重因子得到指标在第一参数下的单项风险分值；根据指标在第一参数下的单项风险分值得到指标在第一参数下的单项风险等级。

发明内容

本发明公开提出了一种银行信贷系统风险评估方法及装置，改善了现有技术中银行仅根据传统风险指标或部分金融现象制定信贷风险规避方案，导致评估结果的准确性、全局性缺失，以致于最终难以达到预期评估效果的问题。

本发明所述的一种银行信贷系统风险评估的方法，包括以下步骤：

获取预设的评估参数风险的指标集信息，所述指标集信息包含新引入指标（安全系数）的银行信贷风险评估的指标集以及所述新引入指标（安全系数）相关的因素影响信息。所述新引入指标（安全系数）的银行信贷风险评估的指标集包含信贷风险传统评估指标及新引入指标（安全系数）；所述新引入指标（安全系数）相关的因素影响信息包含用于计算新引入指标（安全系数）所需的参数信息，包括第一权重因子，第二权重因子和第三权重因子。

所述第一权重因子指根据企业间资金流通网络获取的企业第一风险分值，所述第二权重因子指根据企业与银行间资金交互网络获取的企业第二风险分值，所述第三权重因子是指根据待评估企业的资金交互网络在整个银行系统中的比重而获取的企业第三风险分值。

根据新指标相关的因素影响信息中获取所述第一权重因子、第二权重因子和第三权重因子，进而得到新引入指标（安全系数）的风险分值；

根据所述新引入指标（安全系数）的风险分值得到所述新引入指标（安全系数）的风险等级。

本发明所述的一种银行信贷系统风险评估方法，其特征在于：

根据所述新引入指标（安全系数）的风险分值得到在所述指标集下的综合风险分值。

根据所述新引入指标（安全系数）的综合风险分值得到在所述指标集下的综合风险等级。

根据所述新引入指标（安全系数）的风险分值得到在所述指标集下综合风险分值之后，还包括：

设置在所述指标集下的综合风险分值阈值（或称为对比值）；

根据所述新引入指标（安全系数）的风险分值得到在所述指标集下的综合风险等级之前，还包括：

设定与所述新引入指标（安全系数）的单项风险分值和单项风险等级各自相对应的阈值（或称为对比值），其中所述新引入指标（安全系数）的单项风险分值包括第一风险分值，第二风险分值和第三风险分值；

根据所述新引入指标（安全系数）的单项风险分值得到所述新引入指标（安全系数）的单项风险等级，包括：

将所述新引入指标（安全系数）的单项风险分值与其相应的阈值（或称为对比值）进行对比，得到所述新引入指标（安全系数）的单项风险等级。

根据所述新引入指标（安全系数）在所述指标集下的综合风险分值得到所述综合风险等级包括：

将所述指标集的综合风险分值与所述综合风险分值阈值（或称为对比值）进行对比，得到所述新引入指标（安全系数）在所述指标集下的综合风险等级。

本发明所述的一种银行信贷系统风险评估方法，其特征在于：

根据获取的新指标相关信息中的第一权重因子、第二权重因子和第三权重因子得到所述新引入指标（安全系数）的单项风险分值包括：

通过单项风险分值的计算公式，计算所述新引入指标（安全系数）的单项风险分值:

此三部分计算是基于以下内容：已有的企业间资金交互网络，企业与银行系统的资金交互网络，银行系统中企业与银行的资金交互网络以及待评估企业C；

1)计算待评估企业在网络中的可信度R：

考虑所有与C有合作关系的企业集合，设所有与C有直接合作的企业集合视为，与中的企业有直接合作的企业集合为，逐层计算，直至找不到可扩展的集合。认为与C的所有合作关系都看做对企业C信任程度的加分，所加分值来源于中企业自身的可信度R，此处最外层集合中的每一个企业的初始可信度设为同一初始值,计算方法如下：

2)计算待评估企业在网络中的警告系数P：

其中的代表企业用户在银行系统中可以选用的多种信贷种类，本发明中只考虑常用的三种，包括限额借款、限额贷款以及抵押贷款，并按照其对信贷风险的影响情况分别赋予相应的权重，以上三种贷款对应的权重值为0.1,0.3和0.6。在计算警告系数时，首先在网络中查询待评估企业是否存在上述三种信贷的不良记录，如有其中任意一项则警告系数；若无不良记录则查询该企业是否存在尚在执行期内的上述类型信贷记录，如存在则根据上式计算其警告系数的大小，设警告系数额定阈值为0.5，如警告系数超过该阈值即则说明对于该企业的信贷存在一定风险，反之，则说明系统可以接受该信贷风险，根据待评估企业的该数值得到企业的信贷风险阈值。

计算待评估企业的银行系统资金影响力指数：

所述该影响力指数由待评估企业所属网络的资金流通量在网络中的资金流通量的比重决定，即分别统计与中的资金流通量，设其分别为m和M，以代表企业的银行系统资金影响力指数，将其作为企业新引入指标（安全系数）的考虑因素之一，加入到新引入指标（安全系数）的最终计算过程中。

实现本发明一种银行信贷系统风险评估方法的装置，其特征在于，包括：

本发明结合实际工作中的具体实施环境，提出了该方法所对应的硬件装置,整体共计3个处理单元。

第一处理单元（数据获取单元），用于获取预设的评估参数风险的指标集信息，所述指标集信息包含银行系统中已有的信贷风险评估指标，新引入指标（安全系数），以及所述新引入指标（安全系数）的因素影响信息；所述新引入指标（安全系数）的因素影响信息包含第一权重因子，第二权重因子以及第三权重因子；所述第一权重因子对应于待评估企业在企业间资金流通网络中的第一风险分值，所述第二权重因子对应于待评估企业在与银行间资金交互网络中的第二风险分值，所述第三权重因子对应于待评估企业所属网络的资金流通量在整个银行系统中的资金流通量的比重，即第三风险分值；本处理单元选用二维码生成器，根据上述信息生成载有企业基本信息标识的二维码，该二维码将作为企业信息的载体，贯穿整个新引入指标（安全系数）计算和风险评估工作，为企业的风险评估提供数据支持。

第二处理单元（权重计算单元），用于根据第一处理单元获取的因素影响信息分别计算第一权重因子，第二权重因子和第三权重因子，并根据所述权重因子计算得到所述新引入指标（安全系数）的风险分值以及风险等级，本处理单元的数据均来自第一处理单元中载有待评估企业信息的唯一二维码标识。

第三处理单元（指标重构单元），用于根据第一处理单元获取的银行系统中已有的信贷风险评估指标和根据第二处理单元获取的新引入指标（安全系数）构建新的信贷风险评估体系，对待评估企业进行评估，得到在所述新引入指标（安全系数）的银行信贷风险评估的指标集下的综合风险分值及综合风险等级。

本发明所述的一种银行信贷系统风险评估的装置，其特征在于：

所述第二处理单元具体用于通过计算第一权重因子、第二权重因子和第三权重因子得到其相对应的第一风险分值、第二风险分值和第三风险分值，根据所述三个单项风险分值得到所述新引人指标（安全系数）的风险分值，计算公式为：

，其中代表所述新引入指标（安全系数）；代表待评估企业自身的可信度；代表待评估企业在网络中的警告系数；代表待评估企业的银行系统资金影响力指数。

根据先行设定的所述新引人指标（安全系数）的风险分值阈值（或称为对比值）进行对比，评估得到所述新引人指标（安全系数）的风险等级。

所述第三处理单元用于构建新的信贷风险评估体系，该评估体系包含两部分指标，第一部分是根据第一处理单元获取的银行系统中已有的信贷风险评估指标，这部分指标来源于既有的信贷风险评估体系；第二部分是根据第二处理单元获取的新引入指标（安全系数），这部分指标考虑了待评估企业的资金流转情况等信息，作为已有评估体系的有效补充部分。综合上述两部分指标，构建新的信贷风险评估体系，对待评估企业进行评估，得到待评估企业在所述指标集下的综合风险分值及综合风险等级，进而对待评估企业进行信贷风险评估，并给出评估结果。

本发明的积极效果在于：

本发明在进行企业信贷风险评估时，除了对企业盈利能力及资产等传统指标的考量外，还综合考虑了企业间的业务往来活跃程度和资金流的情况。利用海量数据，挖掘潜在有用的新的评判指标，将当前新型的技术如数据挖掘、社交网络等融入评估过程，从而提高评估结果的准确性。在此基础上，本发明将上述新指标与传统指标一起，给出新的企业信贷风险评估体系，应用于机器学习中的BP算法，从而为金融系统定制风险规避方案提出了具体可行的支持模型，解决了现有技术中仅以传统风险指标或部分金融现象作为风险评估方法导致准确率低、全局性差的问题。

附图说明

图1为本发明方法及装置的整体功能模块架构图；

图2为本发明装置的结构示意图；

图3为本发明方法及装置所采用的硬件架构示意图；

图4为本发明方法及装置的功能流程图；

图5为依据本发明所述的一种银行信贷系统风险评估方法及装置模拟的一个企业间资金流通网络例；

图6为本发明所述的一种银行信贷系统风险评估方法及装置中所采用的BP装置示意图。

具体实施方式

为了更清楚地说明本发明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的介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

下面根据附图对本发明作详细的描述：

实施例1

本发明所述的基于企业间资金流通网络的风险评估模型的构建及使用方法的基本原理如下：

参见图1，本发明采用的评估模型主要分为3个模块，即信息采集模块、安全系数计算模块和风险评估模块，分别对应前述第一处理单元、第二处理单元和第三处理单元。本模型由上述3个模块协同工作，完成企业信贷风险评估工作。下面对各个模块分别予以介绍：

信息采集模块（第一处理单元）：

本模块完成企业原始信息的预处理工作，包括数据清洗及信息采集工作，对结构混乱的原始信息进行处理，得到结构较为规范的企业信息，从中获取预设的评估参数风险的指标集信息，所述指标集信息包含银行系统中已有的信贷风险评估指标，新引入指标（安全系数），以及所述新引入指标（安全系数）的因素影响信息，具体包括企业基本资产情况、企业间资金交互信息、企业与银行的信贷记录等交互信息。在本模块的专用计算装置中构建企业间资金交互网络，待评估企业与银行的资金交互网络以及银行系统中所有企业与银行的资金交互网络。此外，本模块选用二维码生成器，生成载有企业基本信息标识的二维码，该二维码将作为企业信息的载体，贯穿整个新引入指标（安全系数）计算和风险评估工作，为企业的风险评估提供数据支持。

安全系数计算模块（第二处理单元）：

本模块用于根据信息采集模块得到的企业二维码标识，获取预设的评估参数风险的指标集信息，包含银行系统中已有的信贷风险评估指标，新引入指标（安全系数），所述新引入指标（安全系数）的因素影响信息，在已经构建得到的网络，以及中分别计算第一权重因子，第二权重因子和第三权重因子，并根据所述权重因子计算得到在所述指标集下的新引入指标（安全系数）的风险分值以及风险等级。本模块计算所需数据均来自信息采集模块中载有待评估企业信息的唯一二维码标识。本模块使用银行系统中已有的数据信息，得到新的企业信贷风险评估指标，为评估工作提供了新的可靠的评估指标。

风险评估模块（第三处理单元）：

本模块根据信息采集模块获取的银行系统中已有的信贷风险评估指标和根据安全系数计算模块获取的新引入指标（安全系数）构建新的信贷风险评估体系，对待评估企业进行评估，得到在所述指标集下的综合风险分值及综合风险等级，同时得到新的信贷风险评估体系。通过第二处理单元中的专用计算装置，利用机器学习中的BP方法，对新引入指标（安全系数）计算所需的各项权重因子进行优化，进而优化新的信贷风险评估体系。本模块通过将新引入指标（安全系数）加入到已有的信贷风险评估体系中，得到结合了企业与银行资金交互情况的企业信贷风险评估体系，使用这一评估体系对待评估企业进行评估，从而获取更为可靠的企业信贷风险评估结果。

实施例2

参见图2，本发明所述的一种银行信贷系统风险评估装置包含三个处理单元，分别为第一处理单元、第二处理单元和第三处理单元。

参见图3，第一处理单元包括部件301、302、303和304，完成信息采集工作。该单元中部件304生成的待评估企业二维码标识作为后续工作的信息源，同时将处理得到的信息传送至存储部件303中，以备永久性使用。第二处理单元完成新引入指标（安全系数）计算工作，该单元使用第一处理单元提供的信息，在部件305中完成所述企业间资金交互网络及企业与银行的资金交互网络的构建，分别计算各个权重因子，并最终得到本发明所述的新引入指标（安全系数）。第三处理单元在获取了新引入指标（安全系数）之后，将其与传统信贷评估体系结合，并根据相应的参数优化方法，完成评估体系的优化，最终得到评估结果。

本发明采用的硬件结构如图3所示，下面对各个部件分别进行介绍：

部件301（待评估企业信息获取部件）：包括企业的资金流通情况、企业间合作情况、企业在银行的信贷情况、企业固定资产情况以及企业近年财务报表等，为了完成对该企业的信贷风险评估工作，这些信息都是必不可少的，因此，请求信贷的企业需要提供上述资料，作为本装置的输入信息。同时，信贷评估系统通过该部件受理请求，并触发后续评估工作，是实际工作中银行和用户之间的接口，本单元由一可接收并传递大量信息的计算机实现。

部件302（信息采集部件）：部件301给出的信息包含着大量的非结构化信息，针对待评估企业普遍存在的信息量大、内容多样、结构复杂的特点，本单元由可完成数据采集和数据清洗工作的高性能处理器实现，用于对企业的原始信息进行处理，获取预设的评估参数风险的指标集信息，得到可供计算机直接处理的结构化信息，完成信息采集工作。

部件303（企业数据存储部件）：本部件用于存储经部件302处理后的待评估企业的结构化数据，根据银行系统对信息安全的高要求，本部件采用磁盘阵列存储数据，这种存储设备的存储安全性及稳定性相对较高，可为后续的评估工作提供可靠的数据支持。

部件304（二维码生成部件）：本部件通过获取前述302部件处理得到的企业信息，生成载有企业信息的唯一二维码标识，将该二维码作为企业信息的标识，作为向后续计算部件传递企业信息的载体，避免了计算部件要与存储部件直接相连导致的装置间接线复杂的问题，使信息在部件间流畅传递，协助高效实现新引入指标（安全系数）的计算工作。

部件305（新引入指标（安全系数）计算部件）：针对本装置面向的企业信息量巨大，且计算过程复杂的问题，本部件选用当前较为先进的高性能处理机，并组成集群，使第一权重因子和第二权重因子的计算并行实现，以高效的完成新引入指标（安全系数）的计算工作。

部件306（风险评估部件）：本部件将获取的新引入指标（安全系数）与已有的信贷风险评估指标结合，得到新的信贷风险评估体系，并使用这一体系完成对企业的风险评估工作，给出评估结果，辅助银行作出决策。

参见图4，本发明所述的一种银行信贷系统风险评估方法及装置的功能流程如下：

信贷请求受理部件接收待评估企业信息及信贷请求，将其发送给信息采集部件，该部件对企业信息进行数据预处理，同时获取预设的评估参数风险的指标集信息，将得到的数据传送至数据存储部件中，同时传送给二维码生成器。

二维码生成器根据收到的信息，生成企业基本信息的二维码，同时二维码中还存储了企业详细信息在数据存储部件中的位置信息，得到企业信息的唯一二维码标识。

利用二维码获取的企业信息，类比数据挖掘中的社交网络模型，利用新引入指标（安全系数）计算部件306，构建企业间资金交互网络以及企业与银行系统的资金交互网络，同时，类比网络的构建过程，融合银行系统中所有企业的网络，构建银行系统中所有企业与银行的资金交互网络。

利用新引入指标（安全系数）计算部件305，结合已得到的网络及，完成新引入指标（安全系数）的计算工作，主要包括4个步骤，分别是计算待评估企业在网络中的可信度R，即第一权重因子；在网络中的警告系数P，即第二权重因子；在银行资金流通系统中的影响力，即第三权重因子；最终使用上述参数进行新引入指标（安全系数）的计算。

所述网络的构建具体步骤如下：以待评估企业C为核心，以与C发生资金流通行为的企业集合S为相邻节点，构建C的企业间资金流通网络。类似的，以C为网络核心，以C与银行发生的资金交互行为作为网络中的节点，将例如包括信贷，储蓄，抵押等不同的资金交互行为作为不同的节点，构建C与银行系统的资金交互网络。

所述权重因子计算的具体步骤如下：

首先计算待评估企业C在网络中的可信度R，计算方法如下：考虑所有与C有合作关系的企业集合，设所有与C有直接合作的企业集合视为，与中的企业有直接合作的企业集合为，逐层计算，直至找不到可扩展的集合。认为与C的所有合作关系都看做对企业C信任程度的加分，所加分值来源于中企业自身的可信度R。因此企业C的可信度R可由其最终信任得分确定。根据这一方法，在已经构建好的网络中，由外层企业集合逐层逼近待评估企业C，完成企业可信度R的递归计算，得到最终的，用于代表待评估企业C的可信度：

其中计算方法如下：

设每个企业的可信度值初始化均为1,

参见图5，随机模拟的一个企业间交互网络，则其中待评估企业C的R值计算方法为：

此处关于的计算方法不再赘述。

计算待评估企业在网络中的警告系数P，计算方法如下：

企业用户在银行系统中可以选用多种信贷种类，本发明中只考虑常用的三种，包括限额借款、限额贷款以及抵押贷款，并按照其对信贷风险的影响情况分别赋予相应的权重，根据其对信贷风险的影响情况分别赋予相应的权重，以上三种贷款对应的权重值为0.1,0.3和0.6。

在计算警告系数时，首先在网络中查询待评估企业是否存在上述三种信贷的不良记录，如有其中任意一项则警告系数；若无不良记录则查询该企业是否存在尚在执行期内的上述类型信贷记录，如存在则根据下式计算其警告系数的大小：

设警告系数额定阈值为0.5，如警告系数超过该阈值即则说明对于该企业的信贷存在一定风险，反之，则说明系统可以接受该信贷风险，根据待评估企业的该数值得到企业的信贷风险阈值。

考虑待评估企业在银行资金交互系统中的影响力，本发明认为该影响力由其所属网络的资金流通量在网络中的资金流通量的比重决定，即分别统计与中的资金流通量，设其分别为和，以代表企业的银行系统资金影响力指数，将其作为企业新引入指标（安全系数）的考虑因素之一，加入到新引入指标（安全系数）的最终计算过程中。

依据上述信息，完成新引入指标（安全系数）的计算。结合待评估企业的可信度R，警告系数P，同时考虑其银行系统资金影响力指数，计算得到最终的新引入指标（安全系数）。计算方法如下：（其中为待评估企业在网络中的资金流通量，为中的资金流通量）。

应当注意的是，本模型对于缺失部分信息的待评估企业，将暂时无法获得的某些系数值均设为默认值，加入到后续计算中。

将计算得到的新引入指标（安全系数）与已有的信用评价指标体系T（包含19个评价指标）结合，构成包含有20个指标的新的信贷风险评估体系。使用BP装置，利用新的信贷风险评估体系，对待评估企业进行评估，并根据训练结果调整各模块参数，以得到可信度较高的评估结果。

BP装置的工作过程整体上分2部分，分别为训练阶段和预测阶段，训练阶段根据已有的真实数据完成装置内部各层的权值修正，以得到预测准确度较高的权值；预测阶段使用确定的权值完成待评估企业的评估工作，给出评估结果。

下面对BP装置的这2步工作过程分别予以介绍，具体步骤如下：

训练阶段：完成参数初始化，输入数据的选取，计算实际输出，根据误差调整各参数并设置终止条件。

输入：已有准确风险评估结果的企业的样本数据以及对应的期望输出值（类标号）；

输出：参数权值更新完毕的BP装置。

为了算法描述的方便，先定义下面向量和变量：

输入向量;隐含层输入向量；隐含层输出向量;输出层输入向量;输出层输出向量;期望输出向量;输入层与中间层的连接权值;隐含层与输出层的连接权值;隐含层各神经元的阈值;输出层各神经元的阈值;样本数据个数;激活函数。

参数初始化：给、、和分别赋一个区间（-1，1）内的随机数，设定误差函数，给定计算精度值和最大学习次数。

输入样本选取：随机选取第个输入样本及对应的期望输出。

计算实际输出：计算隐含层各神经元的输入，然后用和激活函数计算隐含层各神经元的输出。

根据误差调整各参数：利用网络期望输出向量，网络的实际输出，计算误差函数对输出层的各神经元的偏导数。

利用隐含层到输出层的连接权值、输出层的和隐含层的输出计算误差函数对隐含层各神经元的偏导数。

利用输出层各神经元的和隐含层各神经元的输出来修正连接权值和阈值。

式中，表示调整前，表示调整后，为学习率，在（0，1）之间取值。

使用隐含层各神经元的和输入层各神经元的输入修正连接权和阈值。

终止设置：计算全局误差

判断网络误差是否满足要求当或学习次数大于设定的最大次数，则结束算法。否则，随机选取下一个学习样本及对应的期望输出，返回到第3步，进入下一轮学习过程。

预测阶段：使用权值明确的BP装置对待评估企业进行风险评估。

输入：待评估企业ID以及20个用于对企业进行信贷风险评估的评测指标

输出：与待评估企业ID对应的经由BP装置给出的风险评估结果，整理评估结果并传送给用户，完成评估结果展示，给出最终决策。

以上所述的具体实施例，对本发明的目的，技术方案和有益效果进行了详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明。在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种银行信贷系统风险评估方法，其特征在于，包括：

获取预设的评估参数风险的指标集信息，所述指标集信息包含新引入指标（安全系数）的银行信贷风险评估的指标集以及所述新引入指标（安全系数）相关的因素影响信息；所述新引入指标（安全系数）的银行信贷风险评估的指标集包含信贷风险传统评估指标及新引入指标（安全系数）；所述新引入指标（安全系数）相关的因素影响信息包含用于计算新引入指标（安全系数）所需的参数信息，包括第一权重因子，第二权重因子和第三权重因子；

所述第一权重因子指根据企业间资金流通网络获取的企业第一风险分值，所述第二权重因子指根据企业与银行间资金交互网络获取的企业第二风险分值，所述第三权重因子是指根据待评估企业的资金交互网络在整个银行系统中的比重而获取的企业第三风险分值；

根据新指标相关的因素影响信息中获取所述第一权重因子、第二权重因子和第三权重因子，进而得到新引入指标（安全系数）的风险分值；

根据所述新引入指标（安全系数）的风险分值得到所述新引入指标（安全系数）的风险等级。

2.根据权利要求1所述的一种银行信贷系统风险评估方法，其特征在于，还包括：

根据所述新引入指标（安全系数）的风险分值得到在所述指标集下的综合风险分值；

根据所述新引入指标（安全系数）的综合风险分值得到在所述指标集下的综合风险等级。

3.根据权利要求1所述的一种银行信贷系统风险评估方法，其特征在于：

根据所述新引入指标（安全系数）的风险分值得到在所述指标集下的风险等级之前，还包括：

设定与所述新引入指标（安全系数）的单项风险分值和单项风险等级各自相对应的阈值（或称为对比值），其中所述新引入指标（安全系数）的单项风险分值包括第一风险分值，第二风险分值和第三风险分值；

根据所述新引入指标（安全系数）的单项风险分值得到所述新引入指标（安全系数）的单项风险等级，包括：

将所述新引入指标（安全系数）的单项风险分值与其相应的阈值（或称为对比值）进行对比，得到所述新引入指标（安全系数）的单项风险等级。

4.根据权利要求2所述的一种银行信贷系统风险评估方法，其特征在于：

根据所述新引入指标（安全系数）的风险分值得到在所述指标集下的综合风险分值之后，还包括：

设置在所述指标集下的综合风险分值阈值（或称为对比值）；

根据所述新引入指标（安全系数）在所述指标集下的综合风险分值得到所述综合风险等级包括：

将所述指标集的综合风险分值与所述综合风险分值阈值（或称为对比值）进行对比，得到所述新引入指标（安全系数）在所述指标集下的综合风险等级。

5.根据权利要求1~4所述的一种银行信贷系统风险评估方法，其特征在于：

根据获取的新指标相关信息中的第一权重因子、第二权重因子和第三权重因子得到所述新引入指标（安全系数）的单项风险分值包括：

通过单项风险分值的计算公式，计算所述新引入指标（安全系数）的单项风险分值:

此三部分计算是基于以下内容：已有的企业间资金交互网络，企业与银行系统的资金交互网络，银行系统中企业与银行的资金交互网络以及待评估企业C；

1)计算待评估企业在网络中的可信度R：

，

考虑所有与C有合作关系的企业集合，设所有与C有直接合作的企业集合视为，与中的企业有直接合作的企业集合为，逐层计算，直至找不到可扩展的集合；

认为与C的所有合作关系都看做对企业C信任程度的加分，所加分值来源于中企业自身的可信度R，此处最外层集合中的每一个企业的初始可信度设为同一初始值；

2)计算待评估企业在网络中的警告系数P：

其中的代表企业用户在银行系统中可以选用的多种信贷种类，本发明中只考虑常用的三种，包括限额借款、限额贷款以及抵押贷款，并按照其对信贷风险的影响情况分别赋予相应的权重，以上三种贷款对应的权重值为0.1,0.3和0.6；

在计算警告系数时，首先在网络中查询待评估企业是否存在上述三种信贷的不良记录，如有其中任意一项则警告系数p=1；若无不良记录则查询该企业是否存在尚在执行期内的上述类型信贷记录，如存在则根据上式计算其警告系数的大小，设警告系数额定阈值为0.5，如警告系数超过该阈值即则说明对于该企业的信贷存在一定风险，反之，则说明系统可以接受该信贷风险，根据待评估企业的该数值得到企业的信贷风险阈值；

3)计算待评估企业的银行系统资金影响力指数：

所述该影响力指数由待评估企业所属网络的资金流通量在网络中的资金流通量的比重决定，即分别统计n₁与中的资金流通量，设其分别为m和M，以m/M代表企业的银行系统资金影响力指数，将其作为企业新引入指标（安全系数）的考虑因素之一，加入到新引入指标（安全系数）的最终计算过程中。

6.一种银行信贷系统风险评估的装置，其特征在于，包括：

第一处理单元（数据获取单元），用于获取预设的评估参数风险的指标集信息；所述指标集信息包含银行系统中已有的信贷风险评估指标，新引入指标（安全系数），以及所述新引入指标（安全系数）的因素影响信息；所述新引入指标（安全系数）的因素影响信息包含第一权重因子，第二权重因子以及第三权重因子；所述第一权重因子对应于待评估企业在企业间资金流通网络中的第一风险分值，所述第二权重因子对应于待评估企业在与银行间资金交互网络中的第二风险分值，所述第三权重因子对应于待评估企业所属网络的资金流通量在整个银行系统中的资金流通量的比重，即第三风险分值；本处理单元选用二维码生成器，根据上述信息生成载有企业基本信息标识的二维码，该二维码将作为企业信息的载体，贯穿整个新引入指标（安全系数）计算和风险评估工作，为企业的风险评估提供数据支持；

第二处理单元（权重计算单元），用于根据第一处理单元获取的因素影响信息分别计算第一权重因子，第二权重因子和第三权重因子，并根据所述权重因子计算得到所述新引入指标（安全系数）的风险分值以及风险等级，本处理单元的数据均来自第一处理单元中载有待评估企业信息的唯一二维码标识；

第三处理单元（指标重构单元），用于根据第一处理单元获取的银行系统中已有的信贷风险评估指标和根据第二处理单元获取的新引入指标（安全系数）构建新的信贷风险评估体系，对待评估企业进行评估，得到在所述指标集下的综合风险分值及综合风险等级。

7.根据权利要求6所述的一种银行信贷系统风险评估的装置，其特征在于：

所述第二处理单元具体用于通过计算第一权重因子、第二权重因子和第三权重因子得到其相对应的第一风险分值、第二风险分值和第三风险分值，根据所述三个单项风险分值得到所述新引人指标（安全系数）的风险分值，计算公式为：

，其中代表所述新引入指标（安全系数）；代表待评估企业自身的可信度；代表待评估企业在网络中的警告系数；代表待评估企业的银行系统资金影响力指数；

根据先行设定的所述新引人指标（安全系数）的风险分值阈值（或称为对比值）进行对比，评估得到所述新引人指标（安全系数）的风险等级。

8.根据权利要求6所述的一种银行信贷系统风险评估的装置，其特征在于：

所述第三处理单元用于构建新的信贷风险评估体系，该评估体系包含两部分指标，第一部分是根据第一处理单元获取的银行系统中已有的信贷风险评估指标，这部分指标来源于既有的信贷风险评估体系；第二部分是根据第二处理单元获取的新引入指标（安全系数），这部分指标考虑了待评估企业的资金流转情况等信息，作为已有评估体系的有效补充部分；

综合上述两部分指标，构建新的信贷风险评估体系，对待评估企业进行评估，得到待评估企业在所述新引入指标（安全系数）的银行信贷风险评估的指标集下的综合风险分值及综合风险等级，进而对待评估企业进行信贷风险评估，给出评估结果。