CN105913195A - 基于全行业数据的企业金融风险评分方法 - Google Patents

Abstract

本发明涉及一种基于全行业数据的企业金融风险评分方法，步骤如下：S1、采集各个政府行业及金融机构的企业相关数据，S2、把存数据仓库的数据进行数据清洗比对，S3、建立企业基本特征库，通过数据勾勒出每个企业的360°立体画像，S4、把企业输入到社会关系网络模型，针对所有企业进行全网分析，建立企业关联关系圈，S5、基于风险预警模型来对企业进行实时的风险预警，S6、基于企业信用评分模型对企业进行信用评分，S7、通过企业关系网和信用评分的结合，构建企业的信用地图，所有构建的主体关系网上的企业的好坏都会对主体企业进行信用影响。本发明的方法降低采信成本与区域融资风险，提升区域预警防范能力。

Description

基于全行业数据的企业金融风险评分方法

技术领域

本发明属于企业风险评估技术领域，尤其涉及一种基于全行业数据的企业金融风险评分方法。

背景技术

在针对金融机构信贷管理部和风险管理部走访和调研，目前金融机构在为企业提供金融服务的过程中存在的诸多困难和不便，主要是对企业的相关信息很难采集，即所谓的“信息不对称”，最终导致了银行“惜贷”和企业“融资难”的问题。

目前广泛应用的企业风险评估软件，都是以企业的财务报表作为评估的基础数据，通过这些可信的财务基础数据，通过风控模型计算出企业的经营情况。在中国很多中小企业融资难，必须得通过抵质押来获得融资。建立面向中小企业经营风险预警系列软件，用来协助金融机构对中小企业授信决策与信用风险管理，非常必要。传统的企业信用风险研究，主要以可信的企业财务数据为评估标准，而中小企业因财务报表信息品质较低，中小企业信用风险受到企业负责人的影响程度极高，财务报表信息可信度较低，常有内外账不一致之情形。因此传统的企业风险预测模型应用在中小企业上，势必有结构上的偏误，致使预测能力降低，势必影响银行授信据测，提高银行的信用风险。

发明内容

为了解决上述的技术问题，本发明的目的是提供一种基于全行业数据的企业金融风险评分方法。该方法评价更全面，能有效降低信用风险。

为了实现上述目的，本发明采用了以下的技术方案：

基于全行业数据的企业金融风险评分方法，包括如下步骤：

S1、采集各个政府行业及金融机构的企业相关数据，对获取的数据进行预处理，并且把数据存储到HADOOP数据平台；数据采集的内容主要包括企业基本注册登记数据、企业在国地税的财务报表以及纳税数据、企业水电气数据、司法诉讼判决数据、各个政府部门的审批许可及处罚数据、动产不动产抵押、担保情况等数据；在数据采集的过程中，采用了底层系统对接和数据文件上传的方式来进行人工采集；

S2、把存数据仓库的数据进行数据清洗比对，主要比对工作为:1.确定企业名称基准，2.检出各部门不一致数据；针对不匹配数据，通过以下方法组合检出:A通过工商字号进行模糊比对，B通过工商库中负责人姓名查询，C通过工商库中组织机构代码查询，D通过工商注册号查询，E通过以上方式仍不能匹配上的数据，如果数量不多，可以考虑通过人工进行比对；3.各部门确定名称数据修改方案，4.建立数据一致性长效机制，5.企业组织机构代码证申领一致性检查，6.企业名称变更一致性同步，7.企业组织机构代码变更一致性同步；

S3、建立企业基本特征库，通过数据勾勒出每个企业的360°立体画像，称为企业画像，系统主要从基本特质、行为偏好、履约能力、信用历史、经营管理、经济效益、企业关系、发展前景八个大类来建立企业基本特质库；通过对企业画像的构建，能够准确对企业进行定位，明确这个企业是一家怎样的企业，在行业、地区中所处的位置如何；

S4、把企业输入到社会关系网络模型，针对所有企业进行全网分析，建立企业关联关系圈，关系圈涉及的维度主要为法定代表人、股东、高管、担保、配偶维度，在关系圈建模的过程中，除了维度之外，还对关系设置了一定的权重；

S5、基于风险预警模型来对企业进行实时的风险预警，预警维度包括登记变动、关联风险、黑名单、人员异常、投融资情况等，通过关系网和风险预警的结合形成“全网预警”，当主体监控企业关系网上的某家企业涉及到风险预警提示的时候，会通知主体监控企业的风险类型基本以及影响度；

S6、基于企业信用评分模型对企业进行信用评分，主要通过下面5个方面来进行评分：1.资本实力：反映企业规模，资本，资产和人力资源及可持续性等资本要素，2.运营能力：反映企业运营周转效率的资产质量要，3.盈利能力：衡量企业获取收益和企业增值的能力，4.偿付能力：衡量企业现金流及偿付能力的财务指标，5.发展潜力：衡量企业发展速度和增长趋势的成长性指标；信用评分模型对各维度中的指标采用单变量回归分析的方法，在分析自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型，来预测企业的各维度表现；预测模型利用统计学逻辑斯蒂回归模型进行判定概率预测，逻辑斯蒂回归模型所采用的建模函数为 BVn*Xn+ BCn =C；逻辑回归方程构建完成后将根据二项式分布法进行方程参数估计，生成函数并判定概率预测结果，并且将概率预测结果转化为百分制评分标准；

S7、通过企业关系网和信用评分的结合，构建企业的信用地图，所有构建的主体关系网上的企业的好坏都会对主体企业进行信用影响。

本发明的方法以各部门在日常监管中所产生的业务数据与各平台运营产生的数据为基础，建立起资源共享、互联互通的交互平台，实现政府部门间的数据交互与共享，为社会诚信、商务诚信的建设提供支撑。通过对数据的清洗、比对、入库、分析与挖掘，构建面向金融融资风险管理与控制的“金融信贷风险警示系统”，通过企业风险信用评价建模、担保圈、关系圈的锁定与追踪关联圈内与本企业相关的警示信息，降低采信成本与区域融资风险，提升区域预警防范能力。

本发明的方法通过整合政府部门间的企业经营与信用信息，依托大数据技术与分析，着力打造企业信用信息云服务平台中的“政府部门数据共享应用系统”与“金融信贷风险警示系统”两大子系统，在解决跨部门信息共享的基础上，有效降低金融信贷风险与企业融资成本，并初步建立起企业信用评价体系，更好地服务于本地区域经济与重点行业扶持，并探索出全省企业融资风险体制机制新路子。

具体实施方式

本发明通过采集工商基础登记数据、企业运营相关数据、政府部门荣誉处罚数据、金融机构信贷违约数据等涉及到企业相关的全行业数据。对所采集的数据进行清洗比对，并且根据预设的模型进行信用风险评估以及风险提示，具体包括如下步骤：

S1、采集各个政府行业及金融机构的企业相关数据，对获取的数据进行预处理，并且把数据存储到HADOOP数据平台。数据采集的内容主要包括企业基本注册登记数据、企业在国地税的财务报表以及纳税数据、企业水电气数据、司法诉讼判决数据、各个政府部门的审批许可及处罚数据、动产不动产抵押、担保情况等数据。在数据采集的过程中，采用了底层系统对接和数据文件上传的方式来进行人工采集。

S2、把存数据仓库的数据进行数据清洗比对。主要比对工作为:

1.确定企业名称基准。2.检出各部门不一致数据。针对不匹配数据，通过以下方法组合检出:A通过工商字号进行模糊比对B通过工商库中负责人姓名查询C通过工商库中组织机构代码查询D通过工商注册号查询E通过以上方式仍不能匹配上的数据，如果数量不多，可以考虑通过人工进行比对。3.各部门确定名称数据修改方案。4.建立数据一致性长效机制。5.企业组织机构代码证申领一致性检查。6.企业名称变更一致性同步。7.企业组织机构代码变更一致性同步。

S3、建立企业基本特征库，通过数据勾勒出每个企业的360°立体画像，称为企业画像。系统主要从基本特质、行为偏好、履约能力、信用历史、经营管理、经济效益、企业关系、发展前景八个大类来建立企业基本特质库。通过对企业画像的构建，能够准确对企业进行定位，明确这个企业是一家怎样的企业，在行业、地区中所处的位置如何。

S4、把企业输入到社会关系网络模型，针对所有企业进行全网分析，建立企业关联关系圈。关系圈涉及的维度主要为法定代表人、股东、高管、担保、配偶维度。在关系圈建模的过程中，除了维度之外，还对关系设置了一定的权重，并且为了避免关系圈过于庞大导致难以判断，针对一些弱关系，例如占有极少量股份的股东，监事等进行了剔除，重点突出了大股东，法定代表人及配偶的关系。

S5、基于风险预警模型来对企业进行实时的风险预警，预警维度包括登记变动、关联风险、黑名单、人员异常、投融资情况等。通过关系网和风险预警的结合，我们称之为“全网预警”。当主体监控企业关系网上的某家企业涉及到风险预警提示的时候，会通知主体监控企业的风险类型基本以及影响度。

S6、基于企业信用评分模型对企业进行信用评分，信用评分模型称为“五力”模型，主要通过下面5个方面来进行评分：1. 资本实力：反映企业规模，资本，资产和人力资源及可持续性等资本要素2. 运营能力：反映企业运营周转效率的资产质量要3. 盈利能力：衡量企业获取收益和企业增值的能力4. 偿付能力：衡量企业现金流及偿付能力的财务指标5. 发展潜力：衡量企业发展速度和增长趋势的成长性指标。

信用评分模型对各维度中的指标采用单变量回归分析的方法，在分析自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型，来预测企业的各维度表现。

信用评分模型所指回归模型为基于单个行业和单个分析维度所构建的概率预测模型，该模型利用统计学逻辑斯蒂回归模型进行判定概率预测，使得评估结果科学，客观，准确，有效。逻辑回归模型所采用的建模函数为 BVn*Xn+ BCn =C。逻辑回归方程构建完成后将根据二项式分布法进行方程参数估计，生成函数并判定概率预测结果，并且将概率预测结果转化为百分制评分标准。

S7、通过企业关系网和信用评分的结合，我们构建了企业的信用地图，所有构建的主体关系网上的企业的好坏都会对主体企业进行信用影响。

应当指出，以上实施例仅是本发明的代表性例子。本发明还可以有许多变形。凡是依据本发明的实质对以上实施例所作的任何简单修改、等同变化与修饰，均应认为属于本发明的保护范围。

Claims (1)

1.基于全行业数据的企业金融风险评分方法，其特征在于，包括如下步骤：

S1、采集各个政府行业及金融机构的企业相关数据，对获取的数据进行预处理，并且把数据存储到HADOOP数据平台；数据采集的内容主要包括企业基本注册登记数据、企业在国地税的财务报表以及纳税数据、企业水电气数据、司法诉讼判决数据、各个政府部门的审批许可及处罚数据、动产不动产抵押、担保情况等数据；在数据采集的过程中，采用了底层系统对接和数据文件上传的方式来进行人工采集；

S2、把存数据仓库的数据进行数据清洗比对，主要比对工作为:1.确定企业名称基准，2.检出各部门不一致数据；针对不匹配数据，通过以下方法组合检出:A通过工商字号进行模糊比对，B通过工商库中负责人姓名查询，C通过工商库中组织机构代码查询，D通过工商注册号查询，E通过以上方式仍不能匹配上的数据，如果数量不多，可以考虑通过人工进行比对；3.各部门确定名称数据修改方案，4.建立数据一致性长效机制，5.企业组织机构代码证申领一致性检查，6.企业名称变更一致性同步，7.企业组织机构代码变更一致性同步；

S3、建立企业基本特征库，通过数据勾勒出每个企业的360°立体画像，称为企业画像，系统主要从基本特质、行为偏好、履约能力、信用历史、经营管理、经济效益、企业关系、发展前景八个大类来建立企业基本特质库；通过对企业画像的构建，能够准确对企业进行定位，明确这个企业是一家怎样的企业，在行业、地区中所处的位置如何；

S4、把企业输入到社会关系网络模型，针对所有企业进行全网分析，建立企业关联关系圈，关系圈涉及的维度主要为法定代表人、股东、高管、担保、配偶维度，在关系圈建模的过程中，除了维度之外，还对关系设置了一定的权重；

S5、基于风险预警模型来对企业进行实时的风险预警，预警维度包括登记变动、关联风险、黑名单、人员异常、投融资情况等，通过关系网和风险预警的结合形成“全网预警”，当主体监控企业关系网上的某家企业涉及到风险预警提示的时候，会通知主体监控企业的风险类型基本以及影响度；

S6、基于企业信用评分模型对企业进行信用评分，主要通过下面5个方面来进行评分：1.资本实力：反映企业规模，资本，资产和人力资源及可持续性等资本要素，2.运营能力：反映企业运营周转效率的资产质量要，3.盈利能力：衡量企业获取收益和企业增值的能力，4.偿付能力：衡量企业现金流及偿付能力的财务指标，5.发展潜力：衡量企业发展速度和增长趋势的成长性指标；信用评分模型对各维度中的指标采用单变量回归分析的方法，在分析自变量和因变量之间相关关系的基础上，建立变量之间的回归方程，并将回归方程作为预测模型，来预测企业的各维度表现；预测模型利用统计学逻辑斯蒂回归模型进行判定概率预测，逻辑斯蒂回归模型所采用的建模函数为 BVn*Xn+ BCn =C；逻辑回归方程构建完成后将根据二项式分布法进行方程参数估计，生成函数并判定概率预测结果，并且将概率预测结果转化为百分制评分标准；

S7、通过企业关系网和信用评分的结合，构建企业的信用地图，所有构建的主体关系网上的企业的好坏都会对主体企业进行信用影响。