CN109993412A - 风险评估模型的构建方法及装置、存储介质、计算机设备 - Google Patents
风险评估模型的构建方法及装置、存储介质、计算机设备 Download PDFInfo
- Publication number
- CN109993412A CN109993412A CN201910157485.8A CN201910157485A CN109993412A CN 109993412 A CN109993412 A CN 109993412A CN 201910157485 A CN201910157485 A CN 201910157485A CN 109993412 A CN109993412 A CN 109993412A
- Authority
- CN
- China
- Prior art keywords
- information
- index
- corporate boss
- risk
- evaluation model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种风险评估模型的构建方法及装置、存储介质、计算机设备,该方法包括:获取建模样本信息,其中,建模样本信息包括企业指标信息、企业主指标信息以及风险标识信息;根据企业指标信息、企业主指标信息以及风险标识信息,计算企业指标评分以及企业主指标评分;利用建模样本信息,建立多个训练样本集;依据企业指标评分以及企业主指标评分,构建风险评估模型;分别利用多个训练样本集训练风险评估模型,得到与多个训练样本集对应的多个训练后的风险评估模型;根据多个训练后的风险评估模型,确定最终的风险评估模型。本申请充分地利用了企业指标信息和企业主指标信息建立风险评估模型,有助于对中小微企业的信用风险进行精准评估。
Description
技术领域
本申请涉及风险评估模型的构建技术领域,尤其是涉及到一种风险评估模型的构建方法及装置、存储介质、计算机设备。
背景技术
中小微企业是中国经济增长的引擎,在我国,中小企业(含个体工商户)占全国企业数量的94%,大约贡献了50%的税收,创造了60%的国民生产总值,解决了80%的就业,是推动经济发展的重要力量。但是由于轻资产、信息不对称、信用评估难,造成融资困难,这是中国金融体系甚至全球范围内所面临的一个难题。
目前的贷款风险评估方式中,对以个人身份来申请个人经营性贷款的客户,主要采用身份、年龄、学历、个人征信等基本信息进行客户的信用风险评价,对以企业身份来申请企业贷款的客户,主要采用财务数据进行其信用风险评价。而由于中小微企业存在规模较小,经营风险与实际控制人资质关联极高,个人资质与企业经营状况对小微企业的信用风险同时具有重大影响,因此现有的评估方法评估效果较差,有待提高。
发明内容
有鉴于此,本申请提供了一种风险评估模型的构建方法及装置、存储介质、计算机设备,利用企业指标信息和企业主指标信息共同建立风险评估模型,提高了模型的评估准确性。
根据本申请的一个方面,提供了一种风险评估模型的构建方法,其特征在于,包括:
获取建模样本信息,其中,所述建模样本信息包括企业指标信息、企业主指标信息以及风险标识信息;
根据所述企业指标信息、所述企业主指标信息以及所述风险标识信息,计算企业指标评分以及企业主指标评分;
利用所述建模样本信息,建立多个训练样本集;
依据所述企业指标评分以及所述企业主指标评分,构建风险评估模型;
分别利用所述多个训练样本集训练所述风险评估模型,得到与所述多个训练样本集对应的多个训练后的风险评估模型;
根据所述多个训练后的风险评估模型,确定最终的风险评估模型。
根据本申请的另一方面,提供了一种风险评估模型的构建装置,其特征在于,包括:
样本获取模块,用于获取建模样本信息,其中,所述建模样本信息包括企业指标信息、企业主指标信息以及风险标识信息;
评分计算模块,用于根据所述企业指标信息、所述企业主指标信息以及所述风险标识信息,计算企业指标评分以及企业主指标评分;
训练样本建立模块,用于利用所述建模样本信息,建立多个训练样本集;
模型构建模块,用于依据所述企业指标评分以及所述企业主指标评分,构建风险评估模型;
模型训练模块,用于分别利用所述多个训练样本集训练所述风险评估模型,得到与所述多个训练样本集对应的多个训练后的风险评估模型;
模型确定模块,用于根据所述多个训练后的风险评估模型,确定最终的风险评估模型。
依据本申请又一个方面,提供了一种存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述风险评估模型的构建方法。
依据本申请再一个方面,提供了一种计算机设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述风险评估模型的构建方法。
借由上述技术方案,本申请提供的一种风险评估模型的构建方法及装置、存储介质、计算机设备,通过对企业和企业主的指标多维度信息全面评估借款主体的信用风险,计算企业指标评分以及企业主指标评分,从而利用企业指标评分和企业主指标评分建立风险评估模型,并利用建模样本信息建立多个训练样本集,分别利用每个训练样本集训练风险评估模型,从而确定最终的风险评估模型。本申请通过利用企业指标信息和企业主指标信息共同建立多个风险评估模型,并对多个风险评估模型进行综合计算,得出最终的风险评估模型,充分地利用了企业指标信息和企业主指标信息建立风险评估模型,有助于对中小微企业的信用风险进行精准评估。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1示出了本申请实施例提供的一种风险评估模型的构建方法的流程示意图;
图2示出了本申请实施例提供的另一种风险评估模型的构建方法的流程示意图;
图3示出了本申请实施例提供的一种风险评估模型的构建装置的结构示意图;
图4示出了本申请实施例提供的另一种风险评估模型的构建装置的结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
在本实施例中提供了一种风险评估模型的构建方法,如图1所示,该方法包括:
步骤101,获取建模样本信息,其中,建模样本信息包括企业指标信息、企业主指标信息以及风险标识信息。
在本申请的实施例中,建立贷款风险评估模型时,采用的样本信息包括企业和企业主的指标信息以及企业贷款的风险标识信息。在现有技术中,对以个人身份来申请个人经营性贷款的客户,主要采用身份、年龄、学历、个人征信等基本信息进行客户的信用风险评价,对以企业身份来申请企业贷款的客户,主要采用财务数据进行其信用风险评价。与现有技术中采用的建模样本信息不同,由于小微企业存在规模较小,经营风险与实际控制人资质关联极高,个人资质与企业经营状况对小微企业的信用风险同时具有重大影响,因此本申请在建立企业主、企业的贷款风险评估模型时综合考虑了企业指标信息、企业主指标信息,兼顾两类风险。另外,风险标识信息标识出该贷款信息是否为违约贷款信息。
需要说明的是,本申请实施例中,获取的建模样本数据来源包括政府部门、市场公开渠道、信息主体授权等。例如企业工商数据可通过发改委信用信息中心数据共享获取,可通过网络爬取,也可通过第三方数据公司接口获取;企业经营数据由合作供应链交易平台提供,或由企业自主申报。
步骤102,根据企业指标信息、企业主指标信息以及风险标识信息,计算企业指标评分以及企业主指标评分。
获取建模样本信息后,分别对每个企业指标和企业主指标进行WOE转换,将每个指标进行分组,计算每个企业指标和每个企业主指标与贷款违约率之间的关系,得出企业指标评分以及企业主指标评分,该评分可体现出指标值与违约的相关关系。例如,对于企业指标中的注册资本这一项指标,计算得出注册资本指标评分为注册资本0-50万,违约率为40%,则指标评分为20,注册资本50-100万,违约率为35%,则指标评分为40。
步骤103,利用建模样本信息,建立多个训练样本集。
利用建模样本信息,建立多个训练样本集,其中,多个训练样本集中的样本是不相同的。另外,建立训练样本集的同时还可以建立对应的测试样本集,测试样本集的抽取应根据风险程度、地域、行业等因素分层随机抽样,每个训练样本集分别与一个测试样本集相对应,测试样本集中的样本和与其对应的训练样本集中的样本不同,其中,测试样本集用于对风险评估模型的效果进行测试。
步骤104,依据企业指标评分以及企业主指标评分,构建风险评估模型。
步骤105,分别利用多个训练样本集训练风险评估模型,得到与多个训练样本集对应的多个训练后的风险评估模型。
根据企业指标评分以及企业主指标评分,建立风险评估模型后,分别利用多个训练样本集对风险评估模型进行训练,确定风险评估模型的各项参数,从而得到多个与训练样本集对应的风险评估模型。
步骤106,根据多个训练后的风险评估模型,确定最终的风险评估模型。
利用多个训练样本集训练出多个风险评估模型后,对多个风险评估模型的参数进行分析,计算最终的风险评估模型的参数,从而确定最终的风险评估模型。
通过应用本实施例的技术方案,通过对企业和企业主的指标多维度信息全面评估借款主体的信用风险,计算企业指标评分以及企业主指标评分,从而利用企业指标评分和企业主指标评分建立风险评估模型,并利用建模样本信息建立多个训练样本集,分别利用每个训练样本集训练风险评估模型,从而确定最终的风险评估模型。本申请通过利用企业指标信息和企业主指标信息共同建立多个风险评估模型,并对多个风险评估模型进行综合计算,得出最终的风险评估模型,充分地利用了企业指标信息和企业主指标信息建立风险评估模型,有助于对中小微企业的信用风险进行精准评估。
进一步的,作为上述实施例具体实施方式的细化和扩展,为了完整说明本实施例的具体实施过程,提供了另一种风险评估模型的构建方法,如图2所示,该方法包括:
步骤201,获取建模样本信息,其中,建模样本信息包括企业指标信息、企业主指标信息以及风险标识信息。
在本申请的实施例中,具体地,企业指标信息包括多个,企业主指标信息包括多个。其中,企业指标信息包括但不限于:企业工商登记信息、企业税务登记信息、企业司法诉讼信息、企业经营状况信息、企业对外投资信息以及企业信贷历史信息;企业主指标信息包括但不限于:企业法定代表人和/或股东的基本信息、社交行为信息、媒体阅览信息、航旅行为信息、商品消费信息、对外投资信息以及信贷历史信息。表1示出了本申请的企业指标和企业主指标,企业指标信息和企业指标主信息可以包括表1中的任意项也可以包括表里没有提及的内容。
表1企业指标和企业主指标示例
步骤202,对企业指标信息以及企业主指标信息进行筛选。
对企业指标信息和企业主指标信息进行筛选的目标是筛选出数据质量较好、具有业务适用性、符合经济含义且统计特征较好的指标进入备选指标集,一般从可获得性、稳定性、区分能力、经济含义、相关性五个维度进行考察和筛选。例如从300个指标中筛选出200个指标建立模型。
需要说明的是,在本实施例中,进行指标筛选之前,还可以对企业指标信息和企业主指标信息进行清洗,例如处理异常数据(具体可以包括数据缺失或数据类型错误等),具体可以根据相似样本信息的平均值对异常数据进行补充。
步骤203,对每个企业指标信息以及每个企业主指标信息进行分组,得到与每个企业指标以及每个企业主指标对应的指标信息组。
按照每个企业指标以及每个企业主指标信息进行分组,例如对于企业经营年限这项指标,按照企业经营年限为0-1年、1-3年、3-5年、5-10年以及10年以上分为5个指标信息组。
步骤204,根据指标信息组以及风险标识信息,分别计算每个企业指标以及每个企业主指标对应的企业指标评分以及企业主指标评分。
根据每个指标信息组中每个指标信息对应的风险标识(违约或不违约),分别计算每个指标组的违约率,从而确定该指标信息组的指标对应的指标评分,例如,企业经营年限0-1年、1-3年、3-5年、5-10年以及10年以上分别对应的违约率是50%、40%、20%、10%、5%,可以将企业经营年限指标评分分别确定为20、40、60、80、100。
步骤205,利用建模样本信息,建立多个训练样本集。
利用建模样本信息,建立多个训练样本集,以及建立与多个训练样本集对应的多个测试样本集,例如采用Bootstrap验证方法,对初始样本进行100次有放回的抽样,每次随机抽取70%的样本作为训练样本集,30%的样本作为测试样本集。
步骤206,依据企业指标评分以及企业主指标评分,构建风险评估模型。
风险评估模型为:
其中,k=1,2,……,n,n表示任一个训练样本集中的样本数量,yk=0表示第k个样本对应的风险标识为不存在风险,yk=1表示第k个样本对应的风险标识为存在风险,scorek表示任一个训练样本集中第k个样本的风险评分,m表示企业指标以及企业主指标的总数量,Xki表示第k个样本第i个指标的指标评分,wi表示企业指标以及企业主指标中第i个指标的指标权重,scoreθ表示预设风险分类评分阈值。
风险评估模型具体可以描述为:对每一项指标进行加权求和得出一个样本的风险评分,评分大于或等于预设风险分类评分阈值则认为该样本不存在风险,若评分小于预设风险分类评分阈值则认为该样本存在风险。
步骤207,分别利用多个训练样本集训练风险评估模型,得到与多个训练样本集对应的多个训练后的风险评估模型。
步骤207具体可以为:对于任意一个训练样本集,求取最优指标权重w′i,其中,最优指标权重w′i为使风险评估模型对测试样本集的分类成功率最高的企业指标以及企业主指标对应的权重。
分别利用每组训练样本集对风险评估模型进行训练,求取最优指标权重w′i,例如利用训练样本集1训练风险评估模型,那么最优指标权重为使与训练样本集1对应的测试样本集1的分类成功率最高或者AUC值最大的指标权重。
具体的训练方法可以为:将目标函数设为假设初始候选解为终止条件判断为达到最大迭代次数或超过最小迭代次数且模型表现基本不再变化,若符合终止条件,则终止迭代,得到元模型(即风险评估模型),否则继续产生候选解。其中候选解为从当前解产生一个位于解空间的新解,通常选择由当前解经过简单地变换即可产生新解的方法。产生候选解后,计算与候选解所对应的目标函数,判断候选解是否被接受,判断的依据具体可以为若ΔAUC≥当前容忍度且HHI≤0.10则接受S′作为新的当前解S,否则拒绝;当候选解被确定接受时,用候选解代替当前解,同时修正目标函数值。直到满足终止条件时将当前解S作为最优指标权重w′i。
步骤208,根据多个训练后的风险评估模型,确定最终的风险评估模型。
步骤208具体可以为:步骤2081,根据多个训练样本集对应的最优指标权重w′i,分别求取每个企业指标以及企业主指标对应的最优指标权重w′i的平均值
步骤2082,对平均值进行标准化处理,得到每个企业指标以及企业主指标对应的最终权重
步骤2083,根据最终权重确定最终的风险评估模型为其中,Yi表示待预测样本的企业指标以及企业主指标中第i个指标的指标评分,表示待预测样本的风险评分。
得到与多个训练样本集对应的风险评估模型后,求取多个风险评估模型对应的权重w′i的平均值或者加权求和值得到具体权重可以按照每个风险评估模型的AUC值设置,计算出每一项指标的权重后,将其进行标准化处理得到风险评估模型的最终权重使得权重总和等于1,最终的风险评估模型为按照权重对每一项指标进行加权求和的所得值。
需要说明的是,本申请的风险评估模型在实际应用中进行应用时,首先获取待预测样本的各项企业指标和企业主指标信息,然后将这些信息输入至风险评估模型中得出待预测样本的风险评分。其中,指标信息只能通过特定设备连接内网服务器访问底层数据,不允许下载数据到本地,且与外网物理隔离,保证信息安全。
通过应用本实施例的技术方案,利用企业和企业主的多维度指标信息作为样本数据,分别计算每一个企业和企业主指标信息的指标评分,从而利用各项指标评分建立风险评估模型,根据样本数据建立的多个训练样本集分别对风险评估模型进行训练得出多个与训练样本集对应的风险评估模型,最后根据多个风险评估模型确定最终的风险评估模型。本申请同时兼顾企业和企业主的多维度指标信息两类风险,综合考虑多个维度的企业和企业主的信用和风险状况,并对局部风险特征精细化挖掘计算每个指标的评分情况,从而对整体风险进行集成学习,充分挖掘各项指标特征与风险特征利用多个训练样本集训练多个风险评估模型,进而根据多个风险评估模型确定最终的一个风险评估模型,提示模型的预测性能。
进一步的,作为图1方法的具体实现,本申请实施例提供了一种风险评估模型的构建装置,如图3所示,该装置包括:样本获取模块31、评分计算模块32、训练样本建立模块33、模型构建模块34、模型训练模块35、模型确定模块36。
样本获取模块31,用于获取建模样本信息,其中,建模样本信息包括企业指标信息、企业主指标信息以及风险标识信息;
评分计算模块32,用于根据企业指标信息、企业主指标信息以及风险标识信息,计算企业指标评分以及企业主指标评分;
训练样本建立模块33,用于利用建模样本信息,建立多个训练样本集;
模型构建模块34,用于依据企业指标评分以及企业主指标评分,构建风险评估模型;
模型训练模块35,用于分别利用多个训练样本集训练风险评估模型,得到与多个训练样本集对应的多个训练后的风险评估模型;
模型确定模块36,用于根据多个训练后的风险评估模型,确定最终的风险评估模型。
在具体的应用场景中,企业指标信息包括多个,企业主指标信息包括多个,如图4所示,评分计算模块32,具体包括:分组单元321、评分计算单元322。
分组单元321,用于对每个企业指标信息以及每个企业主指标信息进行分组,得到与每个企业指标以及每个企业主指标对应的指标信息组;
评分计算单元322,用于根据指标信息组以及风险标识信息,分别计算每个企业指标以及每个企业主指标对应的企业指标评分以及企业主指标评分。
在本申请的实施例中,具体地,企业指标信息包括但不限于:企业工商登记信息、企业税务登记信息、企业司法诉讼信息、企业经营状况信息、企业对外投资信息以及企业信贷历史信息;
企业主指标信息包括但不限于:企业法定代表人和/或股东的基本信息、社交行为信息、媒体阅览信息、航旅行为信息、商品消费信息、对外投资信息以及信贷历史信息。
在具体的应用场景中,如图4所示,该装置还包括:筛选模块37。
筛选模块37,用于根据企业指标信息、企业主指标信息以及风险标识信息,计算企业指标评分以及企业主指标评分之前,对企业指标信息以及企业主指标信息进行筛选。
在本申请的实施例中,具体地,风险评估模型为:
其中,k=1,2,……,n,n表示任一个训练样本集中的样本数量,yk=0表示第k个样本对应的风险标识为不存在风险,yk=1表示第k个样本对应的风险标识为存在风险,scorek表示任一个训练样本集中第k个样本的风险评分,m表示企业指标以及企业主指标的总数量,Xki表示第k个样本第i个指标的指标评分,wi表示企业指标以及企业主指标中第i个指标的指标权重,scoreθ表示预设风险分类评分阈值。
模型训练模块35,具体用于对于任意一个训练样本集,求取最优指标权重w′i,其中,最优指标权重w′i为使风险评估模型对测试样本集的分类成功率最高的企业指标以及企业主指标对应的权重。
在具体的应用场景中,如图4所示,模型确定模块36具体包括:平均值计算单元361、标准化处理单元362、模型确定单元363。
平均值计算单元361,用于根据多个训练样本集对应的最优指标权重w′i,分别求取每个企业指标以及企业主指标对应的最优指标权重w′i的平均值
标准化处理单元362,用于对平均值进行标准化处理,得到每个企业指标以及企业主指标对应的最终权重
模型确定单元363,用于根据最终权重确定最终的风险评估模型为其中,Yi表示待预测样本的企业指标以及企业主指标中第i个指标的指标评分,表示待预测样本的风险评分。
需要说明的是,本申请实施例提供的一种风险评估模型的构建装置所涉及各功能单元的其他相应描述,可以参考图1和图2中的对应描述,在此不再赘述。
基于上述如图1和图2所示方法,相应的,本申请实施例还提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述如图1和图2所示的风险评估模型的构建方法。
基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施场景所述的方法。
基于上述如图1、图2所示的方法,以及图3、图4所示的虚拟装置实施例,为了实现上述目的,本申请实施例还提供了一种计算机设备,具体可以为个人计算机、服务器、网络设备等,该计算机设备包括存储介质和处理器;存储介质,用于存储计算机程序;处理器,用于执行计算机程序以实现上述如图1和图2所示的风险评估模型的构建方法。
可选地,该计算机设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency,RF)电路,传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等,可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如蓝牙接口、WI-FI接口)等。
本领域技术人员可以理解,本实施例提供的一种计算机设备结构并不构成对该计算机设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理和保存计算机设备硬件和软件资源的程序,支持信息处理程序以及其它软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信,以及与该实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现,也可以通过硬件实现通过对企业和企业主的指标多维度信息全面评估借款主体的信用风险,计算企业指标评分以及企业主指标评分,从而利用企业指标评分和企业主指标评分建立风险评估模型,并利用建模样本信息建立多个训练样本集,分别利用每个训练样本集训练风险评估模型,从而确定最终的风险评估模型。本申请通过利用企业指标信息和企业主指标信息共同建立多个风险评估模型,并对多个风险评估模型进行综合计算,得出最终的风险评估模型,充分地利用了企业指标信息和企业主指标信息建立风险评估模型,有助于对中小微企业的信用风险进行精准评估。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本申请所必须的。本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述,不代表实施场景的优劣。以上公开的仅为本申请的几个具体实施场景,但是,本申请并非局限于此,任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种风险评估模型的构建方法,其特征在于,包括:
获取建模样本信息,其中,所述建模样本信息包括企业指标信息、企业主指标信息以及风险标识信息;
根据所述企业指标信息、所述企业主指标信息以及所述风险标识信息,计算企业指标评分以及企业主指标评分;
利用所述建模样本信息,建立多个训练样本集;
依据所述企业指标评分以及所述企业主指标评分,构建风险评估模型;
分别利用所述多个训练样本集训练所述风险评估模型,得到与所述多个训练样本集对应的多个训练后的风险评估模型;
根据所述多个训练后的风险评估模型,确定最终的风险评估模型。
2.根据权利要求1所述的方法,其特征在于,所述企业指标信息包括多个,所述企业主指标信息包括多个,所述根据所述企业指标信息、所述企业主指标信息以及所述风险标识信息,计算企业指标评分以及企业主指标评分,具体包括:
对每个所述企业指标信息以及每个所述企业主指标信息进行分组,得到与每个企业指标以及每个企业主指标对应的指标信息组;
根据所述指标信息组以及所述风险标识信息,分别计算每个所述企业指标以及每个所述企业主指标对应的所述企业指标评分以及所述企业主指标评分。
3.根据权利要求2所述的方法,其特征在于,所述企业指标信息包括但不限于:企业工商登记信息、企业税务登记信息、企业司法诉讼信息、企业经营状况信息、企业对外投资信息以及企业信贷历史信息;
所述企业主指标信息包括但不限于:企业法定代表人和/或股东的基本信息、社交行为信息、媒体阅览信息、航旅行为信息、商品消费信息、对外投资信息以及信贷历史信息。
4.根据权利要求3所述的方法,其特征在于,所述根据所述企业指标信息、所述企业主指标信息以及所述风险标识信息,计算企业指标评分以及企业主指标评分之前,所述方法还包括:
对所述企业指标信息以及所述企业主指标信息进行筛选。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述风险评估模型为:
其中,k=1,2,……,n,n表示任一个所述训练样本集中的样本数量,yk=0表示第k个样本对应的风险标识为不存在风险,yk=1表示第k个样本对应的风险标识为存在风险,scorek表示任一个所述训练样本集中第k个样本的风险评分,m表示所述企业指标以及所述企业主指标的总数量,Xki表示第k个样本第i个指标的指标评分,wi表示所述企业指标以及所述企业主指标中第i个指标的指标权重,scoreθ表示预设风险分类评分阈值;
所述分别利用所述多个训练样本集训练所述风险评估模型,得到与所述多个训练样本集对应的多个训练后的风险评估模型,具体包括:
对于任意一个所述训练样本集,求取最优指标权重w′i,其中,所述最优指标权重w′i为使所述风险评估模型对测试样本集的分类成功率最高的所述企业指标以及所述企业主指标对应的权重。
6.根据权利要求5所述的方法,其特征在于,所述根据所述多个训练后的风险评估模型,确定最终的风险评估模型,具体包括:
根据所述多个训练样本集对应的最优指标权重w′i,分别求取每个所述企业指标以及所述企业主指标对应的最优指标权重w′i的平均值
对所述平均值进行标准化处理,得到每个所述企业指标以及所述企业主指标对应的最终权重
根据所述最终权重确定最终的风险评估模型为其中,Yi表示待预测样本的所述企业指标以及所述企业主指标中第i个指标的指标评分,表示待预测样本的风险评分。
7.一种风险评估模型的构建装置,其特征在于,包括:
样本获取模块,用于获取建模样本信息,其中,所述建模样本信息包括企业指标信息、企业主指标信息以及风险标识信息;
评分计算模块,用于根据所述企业指标信息、所述企业主指标信息以及所述风险标识信息,计算企业指标评分以及企业主指标评分;
训练样本建立模块,用于利用所述建模样本信息,建立多个训练样本集;
模型构建模块,用于依据所述企业指标评分以及所述企业主指标评分,构建风险评估模型;
模型训练模块,用于分别利用所述多个训练样本集训练所述风险评估模型,得到与所述多个训练样本集对应的多个训练后的风险评估模型;
模型确定模块,用于根据所述多个训练后的风险评估模型,确定最终的风险评估模型。
8.根据权利要求7所述的装置,其特征在于,所述企业指标信息包括多个,所述企业主指标信息包括多个,所述评分计算模块,具体包括:
分组单元,用于对每个所述企业指标信息以及每个所述企业主指标信息进行分组,得到与每个企业指标以及每个企业主指标对应的指标信息组;
评分计算单元,用于根据所述指标信息组以及所述风险标识信息,分别计算每个所述企业指标以及每个所述企业主指标对应的所述企业指标评分以及所述企业主指标评分。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至6中任一项所述的风险评估模型的构建方法。
10.一种计算机设备,包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至6中任一项所述的风险评估模型的构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910157485.8A CN109993412A (zh) | 2019-03-01 | 2019-03-01 | 风险评估模型的构建方法及装置、存储介质、计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910157485.8A CN109993412A (zh) | 2019-03-01 | 2019-03-01 | 风险评估模型的构建方法及装置、存储介质、计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109993412A true CN109993412A (zh) | 2019-07-09 |
Family
ID=67129277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910157485.8A Pending CN109993412A (zh) | 2019-03-01 | 2019-03-01 | 风险评估模型的构建方法及装置、存储介质、计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993412A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443458A (zh) * | 2019-07-05 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
CN110533528A (zh) * | 2019-08-30 | 2019-12-03 | 北京市天元网络技术股份有限公司 | 评估企业信用的方法及设备 |
CN110705817A (zh) * | 2019-08-13 | 2020-01-17 | 上海指旺信息科技有限公司 | 对企业融资数据进行风控评估管理的方法和装置 |
CN110796539A (zh) * | 2019-10-31 | 2020-02-14 | 中国工商银行股份有限公司 | 一种征信评估方法及装置 |
CN111507822A (zh) * | 2020-04-13 | 2020-08-07 | 深圳微众信用科技股份有限公司 | 一种基于特征工程的企业风险评估方法 |
CN111915155A (zh) * | 2020-07-13 | 2020-11-10 | 上海冰鉴信息科技有限公司 | 小微企业风险等级识别方法、装置及计算机设备 |
CN112001786A (zh) * | 2020-08-05 | 2020-11-27 | 中国银行股份有限公司 | 基于知识图谱的客户信用卡额度配置方法及装置 |
CN112017023A (zh) * | 2020-07-15 | 2020-12-01 | 北京淇瑀信息科技有限公司 | 小微企业资源额度确定方法、装置及电子设备 |
CN112232951A (zh) * | 2020-12-17 | 2021-01-15 | 中证信用云科技(深圳)股份有限公司 | 基于多维度交叉特征的信用评价方法、装置、设备及介质 |
CN112419030A (zh) * | 2020-11-30 | 2021-02-26 | 北京安九信息技术有限公司 | 财务舞弊风险评估的方法、系统及设备 |
CN112561277A (zh) * | 2020-12-08 | 2021-03-26 | 爱信诺征信有限公司 | 城市信用指数计算系统、方法、电子设备及存储介质 |
CN112561320A (zh) * | 2020-12-14 | 2021-03-26 | 中国建设银行股份有限公司 | 机构风险预测模型的训练方法、机构风险预测方法和装置 |
CN112734568A (zh) * | 2021-01-29 | 2021-04-30 | 深圳前海微众银行股份有限公司 | 信用评分卡模型构建方法、装置、设备及可读存储介质 |
CN112884259A (zh) * | 2019-11-29 | 2021-06-01 | 财团法人亚洲大学 | 跨企业信用评等及风险评估方法与系统 |
CN112906772A (zh) * | 2021-02-04 | 2021-06-04 | 深圳前海微众银行股份有限公司 | 样本处理方法、装置、设备及计算机可读存储介质 |
CN113112352A (zh) * | 2021-05-27 | 2021-07-13 | 中国工商银行股份有限公司 | 风险业务检测模型训练方法、风险业务检测方法及装置 |
CN113469483A (zh) * | 2021-02-23 | 2021-10-01 | 杭州有数金融信息服务有限公司 | 一种自然人经营风险评分方法及系统和设备 |
CN114841132A (zh) * | 2022-05-16 | 2022-08-02 | 中国工商银行股份有限公司 | 大型机业务分析模型的训练方法、业务分析方法和装置 |
CN115345585A (zh) * | 2022-08-16 | 2022-11-15 | 清华大学苏州汽车研究院(吴江) | 企业运营用供应链智能管理系统 |
CN116258579A (zh) * | 2023-04-28 | 2023-06-13 | 成都新希望金融信息有限公司 | 用户信用评分模型的训练方法及用户信用评分方法 |
CN116777597A (zh) * | 2023-06-19 | 2023-09-19 | 中国银行保险信息技术管理有限公司 | 金融风险评估方法、装置、存储介质及计算机设备 |
CN117422312A (zh) * | 2023-12-18 | 2024-01-19 | 福建实达集团股份有限公司 | 一种企业经营风险的评估方法、介质及装置 |
CN117709731A (zh) * | 2024-02-05 | 2024-03-15 | 人民法院信息技术服务中心 | 一种企业风险评估模型的构建方法、评估方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654374A (zh) * | 2015-12-24 | 2016-06-08 | 安徽融信金模信息技术有限公司 | 一种中小企业信用评估系统 |
CN105719073A (zh) * | 2016-01-18 | 2016-06-29 | 苏州汇誉通数据科技有限公司 | 一种企业信用评价系统及方法 |
CN107104978A (zh) * | 2017-05-24 | 2017-08-29 | 赖洪昌 | 一种基于深度学习的网络风险预警方法 |
CN108564286A (zh) * | 2018-04-19 | 2018-09-21 | 天合泽泰(厦门)征信服务有限公司 | 一种基于大数据征信的人工智能金融风控授信评定方法和系统 |
US20180375892A1 (en) * | 2017-06-23 | 2018-12-27 | Ido Ganor | Enterprise cyber security risk management and resource planning |
-
2019
- 2019-03-01 CN CN201910157485.8A patent/CN109993412A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654374A (zh) * | 2015-12-24 | 2016-06-08 | 安徽融信金模信息技术有限公司 | 一种中小企业信用评估系统 |
CN105719073A (zh) * | 2016-01-18 | 2016-06-29 | 苏州汇誉通数据科技有限公司 | 一种企业信用评价系统及方法 |
CN107104978A (zh) * | 2017-05-24 | 2017-08-29 | 赖洪昌 | 一种基于深度学习的网络风险预警方法 |
US20180375892A1 (en) * | 2017-06-23 | 2018-12-27 | Ido Ganor | Enterprise cyber security risk management and resource planning |
CN108564286A (zh) * | 2018-04-19 | 2018-09-21 | 天合泽泰(厦门)征信服务有限公司 | 一种基于大数据征信的人工智能金融风控授信评定方法和系统 |
Non-Patent Citations (1)
Title |
---|
柴明锐等: "《数据挖掘技术及在石油地质中的应用》", 30 September 2017 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443458A (zh) * | 2019-07-05 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 风险评估方法、装置、计算机设备和存储介质 |
CN110705817A (zh) * | 2019-08-13 | 2020-01-17 | 上海指旺信息科技有限公司 | 对企业融资数据进行风控评估管理的方法和装置 |
CN110533528A (zh) * | 2019-08-30 | 2019-12-03 | 北京市天元网络技术股份有限公司 | 评估企业信用的方法及设备 |
CN110796539A (zh) * | 2019-10-31 | 2020-02-14 | 中国工商银行股份有限公司 | 一种征信评估方法及装置 |
CN112884259A (zh) * | 2019-11-29 | 2021-06-01 | 财团法人亚洲大学 | 跨企业信用评等及风险评估方法与系统 |
CN111507822A (zh) * | 2020-04-13 | 2020-08-07 | 深圳微众信用科技股份有限公司 | 一种基于特征工程的企业风险评估方法 |
CN111915155A (zh) * | 2020-07-13 | 2020-11-10 | 上海冰鉴信息科技有限公司 | 小微企业风险等级识别方法、装置及计算机设备 |
CN112017023A (zh) * | 2020-07-15 | 2020-12-01 | 北京淇瑀信息科技有限公司 | 小微企业资源额度确定方法、装置及电子设备 |
CN112001786B (zh) * | 2020-08-05 | 2023-08-22 | 中国银行股份有限公司 | 基于知识图谱的客户信用卡额度配置方法及装置 |
CN112001786A (zh) * | 2020-08-05 | 2020-11-27 | 中国银行股份有限公司 | 基于知识图谱的客户信用卡额度配置方法及装置 |
CN112419030B (zh) * | 2020-11-30 | 2023-06-27 | 北京安九信息技术有限公司 | 财务舞弊风险评估的方法、系统及设备 |
CN112419030A (zh) * | 2020-11-30 | 2021-02-26 | 北京安九信息技术有限公司 | 财务舞弊风险评估的方法、系统及设备 |
CN112561277A (zh) * | 2020-12-08 | 2021-03-26 | 爱信诺征信有限公司 | 城市信用指数计算系统、方法、电子设备及存储介质 |
CN112561277B (zh) * | 2020-12-08 | 2024-02-20 | 爱信诺征信有限公司 | 城市信用指数计算系统、方法、电子设备及存储介质 |
CN112561320A (zh) * | 2020-12-14 | 2021-03-26 | 中国建设银行股份有限公司 | 机构风险预测模型的训练方法、机构风险预测方法和装置 |
CN112232951A (zh) * | 2020-12-17 | 2021-01-15 | 中证信用云科技(深圳)股份有限公司 | 基于多维度交叉特征的信用评价方法、装置、设备及介质 |
CN112734568A (zh) * | 2021-01-29 | 2021-04-30 | 深圳前海微众银行股份有限公司 | 信用评分卡模型构建方法、装置、设备及可读存储介质 |
CN112734568B (zh) * | 2021-01-29 | 2024-01-12 | 深圳前海微众银行股份有限公司 | 信用评分卡模型构建方法、装置、设备及可读存储介质 |
CN112906772A (zh) * | 2021-02-04 | 2021-06-04 | 深圳前海微众银行股份有限公司 | 样本处理方法、装置、设备及计算机可读存储介质 |
CN113469483A (zh) * | 2021-02-23 | 2021-10-01 | 杭州有数金融信息服务有限公司 | 一种自然人经营风险评分方法及系统和设备 |
CN113112352A (zh) * | 2021-05-27 | 2021-07-13 | 中国工商银行股份有限公司 | 风险业务检测模型训练方法、风险业务检测方法及装置 |
CN114841132A (zh) * | 2022-05-16 | 2022-08-02 | 中国工商银行股份有限公司 | 大型机业务分析模型的训练方法、业务分析方法和装置 |
CN115345585A (zh) * | 2022-08-16 | 2022-11-15 | 清华大学苏州汽车研究院(吴江) | 企业运营用供应链智能管理系统 |
CN116258579A (zh) * | 2023-04-28 | 2023-06-13 | 成都新希望金融信息有限公司 | 用户信用评分模型的训练方法及用户信用评分方法 |
CN116777597A (zh) * | 2023-06-19 | 2023-09-19 | 中国银行保险信息技术管理有限公司 | 金融风险评估方法、装置、存储介质及计算机设备 |
CN117422312A (zh) * | 2023-12-18 | 2024-01-19 | 福建实达集团股份有限公司 | 一种企业经营风险的评估方法、介质及装置 |
CN117422312B (zh) * | 2023-12-18 | 2024-03-12 | 福建实达集团股份有限公司 | 一种企业经营风险的评估方法、介质及装置 |
CN117709731A (zh) * | 2024-02-05 | 2024-03-15 | 人民法院信息技术服务中心 | 一种企业风险评估模型的构建方法、评估方法和装置 |
CN117709731B (zh) * | 2024-02-05 | 2024-04-30 | 人民法院信息技术服务中心 | 一种企业风险评估模型的构建方法、评估方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993412A (zh) | 风险评估模型的构建方法及装置、存储介质、计算机设备 | |
Hendershott et al. | FinTech as a game changer: Overview of research frontiers | |
Dou et al. | Dissecting bankruptcy frictions | |
Chen et al. | A first econometric analysis of the CRIX family | |
Silva et al. | Network structure analysis of the Brazilian interbank market | |
CN108665159A (zh) | 一种风险评估方法、装置、终端设备及存储介质 | |
US20180374098A1 (en) | Modeling method and device for machine learning model | |
Rayan | Financial leverage and firm value | |
CN108416669A (zh) | 用户行为数据处理方法、装置、电子设备及计算机可读介质 | |
CN110223155A (zh) | 投资推荐信息的推送方法、装置及计算机设备 | |
CN109102394A (zh) | 风险评估方法、装置及计算机可读存储介质 | |
Tran | Two years after Alice v. CLS Bank | |
CN108492001A (zh) | 一种用于担保贷款网络风险管理的方法 | |
Chen et al. | Econometric analysis of a cryptocurrency index for portfolio investment | |
CN105243591A (zh) | 一种应用大数据监管互联网金融大额资金风险监测方法 | |
CN110599312A (zh) | 基于信用的交互信用评估方法以及装置 | |
CN110135684A (zh) | 一种能力测评方法、能力测评装置及终端设备 | |
CN113409150A (zh) | 经营风险及信用风险评估方法、装置及计算机存储介质 | |
KR20180011692A (ko) | Sns를 이용한 개인 신용 대출 신용 평가 방법 및 장치 | |
Hunter et al. | Picking winners: A data driven approach to evaluating the quality of startup companies | |
CN110009487A (zh) | 一种金融借贷风险评估方法及系统 | |
Xu | Financial disintermediation and entrepreneurial learning: evidence from the crowdfunding market | |
Fayda et al. | A qualitative research on selected performance indicators for investment decision process: a framework for fintech startups in Turkey | |
Muzammil et al. | Determinants for the Adoption of Regulatory Technology (RegTech) Services by the Companies in United Arab Emirates: An MCDM Approach. | |
Gonzalez Uribe | Venture capital and innovation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190709 |
|
RJ01 | Rejection of invention patent application after publication |