CN110503295A - 供应链金融的风险分析方法、装置、计算终端及存储介质 - Google Patents
供应链金融的风险分析方法、装置、计算终端及存储介质 Download PDFInfo
- Publication number
- CN110503295A CN110503295A CN201910605210.6A CN201910605210A CN110503295A CN 110503295 A CN110503295 A CN 110503295A CN 201910605210 A CN201910605210 A CN 201910605210A CN 110503295 A CN110503295 A CN 110503295A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- supply chain
- affiliated
- core
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012502 risk assessment Methods 0.000 title claims abstract description 39
- 238000013507 mapping Methods 0.000 claims abstract description 8
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 238000005303 weighing Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000011144 upstream manufacturing Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000002860 competitive effect Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims 1
- 238000001228 spectrum Methods 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000007306 turnover Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
-
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Abstract
本发明公开了一种供应链金融的风险分析方法、装置、计算机终端及存储介质，方法包括从设定数据源获取核心企业的关联数据，其中，设定数据源包含企业工商数据库、发票数据库、税务数据库以及诉讼记录数据库；根据关联数据生成以核心企业为中心的供应链网络；获取各关联企业的全维度数据，结合供应链网络生成知识图谱；利用企业评价模型评估各关联企业的风险值，并计算各关联企业对整个供应链网络的影响值。本发明所提出的供应链金融的风险分析方法、装置、计算终端及存储介质，通过建立知识图谱，并根据知识图谱计算关联企业的风险值及其对核心企业的影响度，可发现供应链金融中潜在的风险，可为用户优化供应链结构、决策提供参考。
Description
技术领域
本发明涉及金融技术领域，特别是涉及一种供应链金融的风险分析方法、装置、计算终端及存储介质。
背景技术
供应链金融是银行以核心企业为出发点，为上下游供应链企业提供金融产品和整体服务的融资模式。目前通常的做法仅仅是计算和该企业有直接关联关系的各种指标，走规则引擎预测风险，无法发现整个供应链上下游所隐藏的潜在风险。
发明内容
有鉴于此，本发明提出一种供应链金融的风险分析方法、装置、计算终端及存储介质，能够发现发现整个供应链上下游所隐藏的潜在风险。
首先，为实现上述目的，本发明提出一种供应链金融的风险分析方法，所述方法包括
从设定数据源获取核心企业的关联数据，其中，所述设定数据源包含企业工商数据库、发票数据库、税务数据库以及诉讼记录数据库；
根据所述关联数据生成以核心企业为中心的供应链网络，其中，所述供应链网络包含核心企业与各关联企业之间的关联；
获取各关联企业的全维度数据，结合所述供应链网络生成以核心企业为中心的知识图谱；
利用企业评价模型评估各关联企业的风险值，并计算各关联企业对整个供应链网络的影响值。
进一步地，所述利用企业评价模型评估各关联企业的风险值，并计算各关联企业对整个供应链网络的影响值包括
建立各维度数据的对应指标体系；
根据各维度数据的对应指标体系对所述关联企业的各维度数据进行量化；
根据各维度数据的量化数值计算关联企业的风险值；
为供应链网络中各关联企业分配影响权重；
计算各关联企业的影响权重与风险值的乘积得到影响值。
进一步地，所述方法还包括
计算所述供应链网络的总体影响值，其中，所述总体影响值为各关联企业的影响值的总和。
进一步地，所述根据所述关联数据生成以核心企业为中心的供应链网络包括
根据关联数据获取关联企业的名称及关联企业与所述核心企业的关系；
根据设定规则对所述关联企业进行筛选，得出满足条件的关联企业；
根据满足条件的关联企业及其与所述核心企业的关系生成供应链网络。
进一步地，所述根据关联数据获取关联企业的名称及关联企业与所述核心企业的关系包括
根据来源于所述企业工商数据库的关联数据得到与核心企业具有子母关系、投资关系的关联企业；
根据来源于所述发票数据库与税务数据库的关联数据得到与核心企业具有上下游供应关系的关联企业；
根据来源于所述诉讼记录数据库的关联数据得到与核心企业具有竞争关系、纠纷关系的关联企业。
进一步地，所述获取各关联企业的全维度数据包括
从所述设定数据源以及全维度公开数据库获取各关联企业的相关信息；
对所述相关信息进行关键字段提取并归类至相应维度的信息库。
进一步地，所述根据所述关联数据生成以核心企业为中心的供应链网络包括
构建所述核心企业与其直接相关的关联企业直接的关联；
判断直接相关的关联企业中是否存在二级核心企业；
当直接相关的关联企业中存在二级核心企业，从设定数据源获取二级核心企业的关联数据，并根据关联数据建立与二级核心企业相关的关联企业与二级核心企业之间的关联。
为实现上述目的，本发明还提供一种供应链金融的风险分析装置，其包括
获取模块，适于从设定数据源获取核心企业的关联数据，其中，所述设定数据源包含企业工商数据库、发票数据库、税务数据库以及诉讼记录数据库；
第一生成模块，适于根据所述关联数据生成以核心企业为中心的供应链网络，其中，所述供应链网络包含核心企业与各关联企业之间的关联；
第二生成模块，适于获取各关联企业的全维度数据，结合所述供应链网络生成以核心企业为中心的知识图谱；
分析模块，适于根据关联企业的全维度数据得出各关联企业的风险值及其对整个供应链网络的影响值。
为实现上述目的，本发明还提供一种计算机设备，包括存储器、处理器以及存储在存储器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计算机程序时实现上述供应链金融的风险分析方法。
为实现上述目的，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述供应链金融的风险分析方法。
相较于现有技术，本发明所提出的供应链金融的风险分析方法、装置、计算终端及存储介质，通过建立包含与核心企业相关的关联企业的知识图谱，并对关联企业进行风险评价并计算其对核心企业的影响度，可发现供应链金融中潜在的风险，可为用户优化供应链结构、决策提供参考。
附图说明
图1是本发明实施例一之供应链金融的风险分析方法的流程示意图；
图2是本发明实施例之根据关联数据生成以核心企业为中心的供应链网络的流程示意图；
图3是本发明实施例之评估各关联企业的风险值并计算各关联企业对整个供应链网络的影响值的流程示意图；
图4是本发明实施例之获取各关联企业的全维度数据的流程示意图；
图5是本发明实施例之根据关联数据生成以核心企业为中心的供应链网络的流程示意图；
图6是本发明实施例二之供应链金融的风险分析装置的程序模块示意图；
图7是本发明实施例三之计算机设备的硬件结构示意图。
附图标记
| 供应链金融的风险分析装置 | 600、704 |
| 获取模块 | 601 |
| 第一生成模块 | 602 |
| 第二生成模块 | 603 |
| 分析模块 | 604 |
| 计算机设备 | 700 |
| 存储器 | 701 |
| 处理器 | 702 |
| 网络接口 | 703 |
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
第一实施例
供应链金融的风险分析方法，方法包括如下步骤S101-S104：
步骤S101，从设定数据源获取核心企业的关联数据，其中，设定数据源包含企业工商数据库、发票数据库、税务数据库以及诉讼记录数据库；
步骤S102，根据关联数据生成以核心企业为中心的供应链网络，其中，供应链网络包含核心企业与各关联企业之间的关联；
本步骤中，所述关联可以是各种社会关系的联系，且此处的联系包含关联企业与核心企业之间的关系以及两者之间所产生的具体往来数据或事件，如：A企业是核心企业的股东，占核心企业15％的股权；B企业是核心企业的供应商，为核心企业供应处理器芯片、闪存等电子零部件；C企业是核心企业的客户，核心企业向其供应基站等通信设备；D企业是核心企业的竞争对手，与核心企业存在专利纠纷，且D企业占的市场份额为10％，过往记录中，核心企业在与D企业的专利诉讼中败诉并赔款；E企业与核心企业存在财产纠纷，两者涉及100万标的的货款纠纷，且相关纠纷至今仍未结案；F企业是核心企业的全资子公司。
参阅图2，步骤S102具体包括如下步骤S201-S203：
步骤S201，根据关联数据获取关联企业的名称及关联企业与核心企业的关系；
企业工商数据库包含企业的各类工商信息，如注册资金、股东、子公司、所述行业、主营产品等数据，根据来源于企业工商数据库的关联数据得到与核心企业具有子母关系、投资关系的关联企业；发票数据库、税务数据库包含企业的开票数据，可反映与核心企业存在资金交易的关联企业，根据来源于发票数据库、税务数据库的数据可获得与核心企业具有上下游供应关系的上、下游关联企业，同时从税务数据库还可以获取企业的纳税数据；诉讼记录数据库包含企业的诉讼记录，根据来源于诉讼记录数据库的关联数据得到与核心企业具有竞争关系、纠纷关系的关联企业。
步骤S202，根据设定规则对关联企业进行筛选，得出满足条件的关联企业；
由于一般得出的关联企业众多，对后续的风险分析较为不利，需要筛除其中体量较小，对整体风险预测影响很小的关联企业，此处的设定规则举例如下：可以按照注册资金进行筛选，如筛选掉注册资金不足20万的关联企业；也可以按照资金交易的数据进行筛选，如筛除总交易额不足100万的关联企业；还可以按照交易产品的属性筛除一部分关联企业，如G企业向核心企业提供通用螺钉、垫片等标准件产品，由于螺钉等标准件可替代性极强，且更换供应商也不存在货期延迟影响，故可认为G企业对整个供应链影响可忽略不计，将G企业予以筛除。
此外，还需要将从不同数据库获取的涉及同一关联企业的关联数据包含的信息进行合并处理，如F企业既是核心企业的全资子公司，又是核心企业的零部件供应商，则将从企业工商数据库中获取的涉及F企业的数据与从发票数据库中获取的涉及F企业的数据进行处理后合并。
步骤S203，根据满足条件的关联企业及其与核心企业的关系生成供应链网络。
构建的供应链网络不仅表明关联企业与核心企业之间的拓扑关系，还标注了关联企业与核心企业之间的往来数据与事件。
请再次回到图1，步骤S103，获取各关联企业的全维度数据，结合供应链网络生成以核心企业为中心的知识图谱；
其中，全维度数据包含关联企业的工商信息、管理信息、经营数据等基础信息，还包含各类风险信息，此处风险信息包含法律诉讼、行政处罚、严重违反、经营异常、失信信息、被执行信息、拖欠工资等。
请再次回到图1，步骤S104，利用企业评价模型评估各关联企业的风险值，并计算各关联企业对整个供应链网络的影响值。
具体地，参阅图3，步骤S104具体包括如下步骤S301-S305：
步骤S301，建立各维度数据的对应指标体系；
本步骤中，需要为企业评价建立指标分层分级评价体系，如企业经营数据这一维度数据，可按其销售额与纳税额建立具体的等级指标，评价其盈利能力，并对其数据量化，使其变为直观的、可用于计算的数据，如可将企业的盈利能力分为由高到低的五档，根据企业的一段时间内的具体销售额与纳税额评价其处于哪一档位，盈利能力越低其量化值越高。
步骤S302，根据各维度数据的对应指标体系对关联企业的各维度数据进行量化；
步骤S303，根据各维度数据的量化数值计算关联企业的风险值；
根据预设的对各维度数据的权重结合其量化数值可计算关联企业的风险值，可将权重与量化数值乘积的和作为风险值。
步骤S304，为供应链网络中各关联企业分配影响权重；
本步骤中，影响权重的影响因素包括关联企业与核心企业的关联、关联企业的可替代性、以及关联企业在供应链网络中的位置。其中关联企业与核心企业的关联越密切，其影响权重越高，如C企业是核心企业的客户，其采购的核心企业的产品的交易额占核心企业总营业额的30％，则C企业对核心企业的影响就很大；关联企业的可替代性越低，其影响权重越高，如B企业是核心企业的供应商，为核心企业供应处理器芯片、闪存等电子零部件，其处理器芯片的可替代性低，且更换供应商对货期影响很大，则为其分配较高的影响权重；关联企业在供应链网络中所处的位置越靠近核心企业，则其影响权重越高。所有关联企业的影响权重之和等于1。
步骤S305，计算各关联企业的影响权重与风险值的乘积得到影响值。
可选地，步骤S104之后还包括如下步骤：计算供应链网络的总体影响值，其中，总体影响值为各关联企业的影响值的总和。总体影响值可反映供应链网络整体的健康性，用户可据此对供应链网络进行优化，并可为优化后的供应链网络的健康性是否提升提供参照。
可选地，参阅图4所示，步骤103中获取各关联企业的全维度数据包括如下步骤S401-S402：
步骤S401，从设定数据源以及全维度公开数据库获取各关联企业的相关信息；
步骤S402，对相关信息进行关键字段提取并归类至相应维度的信息库。
可选地，参阅图5所示，步骤S102中根据关联数据生成以核心企业为中心的供应链网络包括如下步骤S501-S502：
步骤S501，构建核心企业与其直接相关的关联企业直接的关联；
步骤S502，判断直接相关的关联企业中是否存在二级核心企业；
作为二级核心企业的关联企业可以是与核心企业发生的交易额超过核心企业营业额一定比例的关联企业，也可以是核心企业的大股东、全资子公司等与核心企业关联密切的企业。
步骤S503，当直接相关的关联企业中存在二级核心企业，从设定数据源获取二级核心企业的关联数据，并根据关联数据建立与二级核心企业相关的关联企业与二级核心企业之间的关联。
如此可形成包含多级关系的供应链网络，在其他实施例中，还可以建立层级超过三级的供应链网络。
实施例二
参阅图6，是本发明实施例二之一种供应链金融的风险分析装置600的程序模块示意图，供应链金融的风险分析装置600可以包括或被分割成一个或多个程序模块，一个或者多个程序模块被存储于存储介质中，并由一个或多个处理器所执行，以完成本发明，并可实现上述供应链金融的风险分析方法。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段，比程序本身更适合于描述供应链金融的风险分析方法在存储介质中的执行过程。以下描述将具体介绍本实施例各程序模块的功能：
获取模块601，从设定数据源获取核心企业的关联数据，其中，设定数据源包含企业工商数据库、发票数据库、税务数据库以及诉讼记录数据库；
第一生成模块602，根据关联数据生成以核心企业为中心的供应链网络，其中，供应链网络包含核心企业与各关联企业之间的关联；
该进程中，所述关联可以是各种社会关系的联系，且此处的联系包含关联企业与核心企业之间的关系以及两者之间所产生的具体往来数据或事件，如：A企业是核心企业的股东，占核心企业15％的股权；B企业是核心企业的供应商，为核心企业供应处理器芯片、闪存等电子零部件；C企业是核心企业的客户，核心企业向其供应基站等通信设备；D企业是核心企业的竞争对手，与核心企业存在专利纠纷，且D企业占的市场份额为10％，过往记录中，核心企业在与D企业的专利诉讼中败诉并赔款；E企业与核心企业存在财产纠纷，两者涉及100万标的的货款纠纷，且相关纠纷至今仍未结案；F企业是核心企业的全资子公司。
请再次回到图2，第一生成模块602生成供应链网络的过程具体包括如下步骤S201-S203：
步骤S201，根据关联数据获取关联企业的名称及关联企业与核心企业的关系；
企业工商数据库包含企业的各类工商信息，如注册资金、股东、子公司、所述行业、主营产品等数据，第一生成模块602根据来源于企业工商数据库的关联数据得到与核心企业具有子母关系、投资关系的关联企业；发票数据库、税务数据库包含企业的开票数据，可反映与核心企业存在资金交易的关联企业，第一生成模块602根据来源于发票数据库、税务数据库的数据可获得与核心企业具有上下游供应关系的上、下游关联企业，同时从税务数据库还可以获取企业的纳税数据；诉讼记录数据库包含企业的诉讼记录，第一生成模块602根据来源于诉讼记录数据库的关联数据得到与核心企业具有竞争关系、纠纷关系的关联企业。
步骤S202，第一生成模块602根据设定规则对关联企业进行筛选，得出满足条件的关联企业；
由于一般得出的关联企业众多，对后续的风险分析较为不利，第一生成模块602需要筛除其中体量较小，对整体风险预测影响很小的关联企业，此处的设定规则举例如下：第一生成模块602可以按照注册资金进行筛选，如筛选掉注册资金不足20万的关联企业；也可以按照资金交易的数据进行筛选，如筛除总交易额不足100万的关联企业；还可以按照交易产品的属性筛除一部分关联企业，如G企业向核心企业提供通用螺钉、垫片等标准件产品，由于螺钉等标准件可替代性极强，且更换供应商也不存在货期延迟影响，故可认为G企业对整个供应链影响可忽略不计，将G企业予以筛除。
此外，第一生成模块602还需要将从不同数据库获取的涉及同一关联企业的关联数据包含的信息进行合并处理，如F企业既是核心企业的全资子公司，又是核心企业的零部件供应商，则将从企业工商数据库中获取的涉及F企业的数据与从发票数据库中获取的涉及F企业的数据进行处理后合并。
步骤S203，根据满足条件的关联企业及其与核心企业的关系生成供应链网络。
构建的供应链网络不仅表明关联企业与核心企业之间的拓扑关系，还标注了关联企业与核心企业之间的往来数据与事件。
请再次回到图6，第二生成模块603，获取各关联企业的全维度数据，结合供应链网络生成以核心企业为中心的知识图谱；
其中，全维度数据包含关联企业的工商信息、管理信息、经营数据等基础信息，还包含各类风险信息，此处风险信息包含法律诉讼、行政处罚、严重违反、经营异常、失信信息、被执行信息、拖欠工资等。
请再次回到图6，分析模块604，利用企业评价模型评估各关联企业的风险值，并计算各关联企业对整个供应链网络的影响值。
具体地，参阅图3，分析模块604利用企业评价模型评估各关联企业的风险值，并计算各关联企业对整个供应链网络的影响值包括如下步骤S301-S305：
步骤S301，建立各维度数据的对应指标体系；
本步骤中，分析模块604为企业评价建立指标分层分级评价体系，如企业经营数据这一维度数据，可按其销售额与纳税额建立具体的等级指标，评价其盈利能力，并对其数据量化，使其变为直观的、可用于计算的数据，如可将企业的盈利能力分为由高到低的五档，根据企业的一段时间内的具体销售额与纳税额评价其处于哪一档位，盈利能力越低其量化值越高。指标体系可在用户的辅助下生成。
步骤S302，根据各维度数据的对应指标体系对关联企业的各维度数据进行量化；
步骤S303，根据各维度数据的量化数值计算关联企业的风险值；
分析模块604根据预设的对各维度数据的权重结合其量化数值可计算关联企业的风险值，可将权重与量化数值乘积的和作为风险值。
步骤S304，为供应链网络中各关联企业分配影响权重；
本步骤中，影响权重的影响因素包括关联企业与核心企业的关联、关联企业的可替代性、以及关联企业在供应链网络中的位置。其中关联企业与核心企业的关联越密切，其影响权重越高，如C企业是核心企业的客户，其采购的核心企业的产品的交易额占核心企业总营业额的30％，则C企业对核心企业的影响就很大，则分析模块604为其分配较高的影响权重；关联企业的可替代性越低，其影响权重越高，如B企业是核心企业的供应商，为核心企业供应处理器芯片、闪存等电子零部件，其处理器芯片的可替代性低，且更换供应商对货期影响很大，则分析模块604为其分配较高的影响权重；关联企业在供应链网络中所处的位置越靠近核心企业，则其影响权重越高。所有关联企业的影响权重之和等于1。
步骤S305，计算各关联企业的影响权重与风险值的乘积得到影响值。
可选地，供应链金融的风险分析装置600还包括总体影响值计算模块605，总体影响值计算模块605计算供应链网络的总体影响值，其中，总体影响值为各关联企业的影响值的总和。总体影响值可反映供应链网络整体的健康性，用户可据此对供应链网络进行优化，并可为优化后的供应链网络的健康性是否提升提供参照。
参阅图6所示，第二生成模块603获取各关联企业的全维度数据包括如下步骤S401-S402：
步骤S401，从设定数据源以及全维度公开数据库获取各关联企业的相关信息；
步骤S402，对相关信息进行关键字段提取并归类至相应维度的信息库。
参阅图5所示，第一生成模块602根据关联数据生成以核心企业为中心的供应链网络包括如下步骤S501-S502：
步骤S501，构建核心企业与其直接相关的关联企业直接的关联；
步骤S502，判断直接相关的关联企业中是否存在二级核心企业；
作为二级核心企业的关联企业可以是与核心企业发生的交易额超过核心企业营业额一定比例的关联企业，也可以是核心企业的大股东、全资子公司等与核心企业关联密切的企业。
步骤S503，当直接相关的关联企业中存在二级核心企业，从设定数据源获取二级核心企业的关联数据，并根据关联数据建立与二级核心企业相关的关联企业与二级核心企业之间的关联。
如此可形成包含多级关系的供应链网络，在其他实施例中，还可以建立层级超过三级的供应链网络。
实施例三
参阅图7，是本发明实施例三之计算机设备700的硬件架构示意图。在本实施例中，所述计算机设备700是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。如图所示，所述计算机设备700至少包括，但不限于，可通过系统总线相互通信连接存储器701、处理器702、网络接口703、以及供应链金融的风险分析装置704。其中：
本实施例中，存储器701至少包括一种类型的计算机可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器701可以是计算机设备700的内部存储单元，例如该计算机设备700的硬盘或内存。在另一些实施例中，存储器701也可以是计算机设备700的外部存储设备，例如该计算机设备700上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器701还可以既包括计算机设备700的内部存储单元也包括其外部存储设备。本实施例中，存储器701通常用于存储安装于计算机设备700的操作系统和各类应用软件，例如供应链金融的风险分析装置704的程序代码等。此外，存储器701还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器702在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器702通常用于控制计算机设备700的总体操作。本实施例中，处理器702用于运行存储器701中存储的程序代码或者处理数据，例如运行供应链金融的风险分析装置704，以实现实施例一中的供应链金融的风险分析方法。
所述网络接口703可包括无线网络接口或有线网络接口，该网络接口703通常用于在所述计算机设备700与其他电子装置之间建立通信连接。例如，所述网络接口703用于通过网络将所述计算机设备700与外部终端相连，在所述计算机设备700与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯系统(Global System of Mobile communication，GSM)、宽带码分多址(Wideband Code Division Multiple Access，WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是，图7仅示出了具有部件701-704的计算机设备700，但是应理解的是，并不要求实施所有示出的部件，可以替代的实施更多或者更少的部件。
在本实施例中，存储于存储器701中的所述供应链金融的风险分析装置704还可以被分割为一个或者多个程序模块，所述一个或者多个程序模块被存储于存储器701中，并由一个或多个处理器(本实施例为处理器702)所执行，以完成本发明供应链金融的风险分析方法。
实施例四
本实施例提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现上述的供应链金融的风险分析方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
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上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.供应链金融的风险分析方法，其特征在于，所述方法包括
从设定数据源获取核心企业的关联数据，其中，所述设定数据源包含企业工商数据库、发票数据库、税务数据库以及诉讼记录数据库；
根据所述关联数据生成以核心企业为中心的供应链网络，其中，所述供应链网络包含核心企业与各关联企业之间的关联；
获取各关联企业的全维度数据，结合所述供应链网络生成以核心企业为中心的知识图谱；
利用企业评价模型评估各关联企业的风险值，并计算各关联企业对整个供应链网络的影响值。
2.由权利要求1所述的供应链金融的风险分析方法，其特征在于，所述利用企业评价模型评估各关联企业的风险值，并计算各关联企业对整个供应链网络的影响值包括
建立各维度数据的对应指标体系；
根据各维度数据的对应指标体系对所述关联企业的各维度数据进行量化；
根据各维度数据的量化数值计算关联企业的风险值；
为供应链网络中各关联企业分配影响权重；
计算各关联企业的影响权重与风险值的乘积得到影响值。
3.由权利要求2所述的供应链金融的风险分析方法，其特征在于，所述方法还包括
计算所述供应链网络的总体影响值，其中，所述总体影响值为各关联企业的影响值的总和。
4.由权利要求1所述的供应链金融的风险分析方法，其特征在于，所述根据所述关联数据生成以核心企业为中心的供应链网络包括
根据关联数据获取关联企业的名称及关联企业与所述核心企业的关系；
根据设定规则对所述关联企业进行筛选，得出满足条件的关联企业；
根据满足条件的关联企业及其与所述核心企业的关系生成供应链网络。
5.由权利要求4所述的供应链金融的风险分析方法，其特征在于，所述根据关联数据获取关联企业的名称及关联企业与所述核心企业的关系包括
根据来源于所述企业工商数据库的关联数据得到与核心企业具有子母关系、投资关系的关联企业；
根据来源于所述发票数据库与税务数据库的关联数据得到与核心企业具有上下游供应关系的关联企业；
根据来源于所述诉讼记录数据库的关联数据得到与核心企业具有竞争关系、纠纷关系的关联企业。
6.由权利要求1所述的供应链金融的风险分析方法，其特征在于，所述获取各关联企业的全维度数据包括
从所述设定数据源以及全维度公开数据库获取各关联企业的相关信息；
对所述相关信息进行关键字段提取并归类至相应维度的信息库。
7.由权利要求1所述的供应链金融的风险分析方法，其特征在于，所述根据所述关联数据生成以核心企业为中心的供应链网络包括
构建所述核心企业与其直接相关的关联企业直接的关联；
判断直接相关的关联企业中是否存在二级核心企业；
当直接相关的关联企业中存在二级核心企业，从设定数据源获取二级核心企业的关联数据，并根据关联数据建立与二级核心企业相关的关联企业与二级核心企业之间的关联。
8.一种供应链金融的风险分析装置，其特征在于，其包括
获取模块，适于从设定数据源获取核心企业的关联数据，其中，所述设定数据源包含企业工商数据库、发票数据库、税务数据库以及诉讼记录数据库；
第一生成模块，适于根据所述关联数据生成以核心企业为中心的供应链网络，其中，所述供应链网络包含核心企业与各关联企业之间的关联；
第二生成模块，适于获取各关联企业的全维度数据，结合所述供应链网络生成以核心企业为中心的知识图谱；
分析模块，适于根据关联企业的全维度数据得出各关联企业的风险值及其对整个供应链网络的影响值。
9.一种计算终端，包括存储器、处理器以及存储在存储器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计算机程序时实现权利要求1至7任一项所述的供应链金融的风险分析方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的供应链金融的风险分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910605210.6A CN110503295A (zh) | 2019-07-05 | 2019-07-05 | 供应链金融的风险分析方法、装置、计算终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910605210.6A CN110503295A (zh) | 2019-07-05 | 2019-07-05 | 供应链金融的风险分析方法、装置、计算终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110503295A true CN110503295A (zh) | 2019-11-26 |
Family
ID=68585443
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910605210.6A Pending CN110503295A (zh) | 2019-07-05 | 2019-07-05 | 供应链金融的风险分析方法、装置、计算终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110503295A (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111191853A (zh) * | 2020-01-06 | 2020-05-22 | 支付宝(杭州)信息技术有限公司 | 风险预测方法及装置、风险查询方法及装置 |
| CN111241161A (zh) * | 2020-01-16 | 2020-06-05 | 深圳壹账通智能科技有限公司 | 发票信息挖掘方法、装置、计算机设备及存储介质 |
| CN111401777A (zh) * | 2020-03-30 | 2020-07-10 | 未来地图(深圳)智能科技有限公司 | 企业风险的评估方法、装置、终端设备及存储介质 |
| CN111414485A (zh) * | 2020-03-17 | 2020-07-14 | 北京恒通慧源大数据技术有限公司 | 企业客户关联关系图谱构建方法、装置、存储器和计算机 |
| CN111784508A (zh) * | 2020-07-01 | 2020-10-16 | 北京知因智慧科技有限公司 | 企业风险评估方法、装置及电子设备 |
| CN111967976A (zh) * | 2020-08-19 | 2020-11-20 | 中国银行股份有限公司 | 基于知识图谱的风险企业确定方法及装置 |
| CN112037043A (zh) * | 2020-09-02 | 2020-12-04 | 中国银行股份有限公司 | 基于知识图谱的优质贷款企业确定方法及装置 |
| CN112131275A (zh) * | 2020-09-23 | 2020-12-25 | 中国科学技术大学智慧城市研究院(芜湖) | 全息城市大数据模型和知识图谱的企业画像构建方法 |
| CN112199513A (zh) * | 2020-10-19 | 2021-01-08 | 支付宝(杭州)信息技术有限公司 | 企业供求关系的确定方法、装置和电子设备 |
| CN112256887A (zh) * | 2020-10-28 | 2021-01-22 | 福建亿榕信息技术有限公司 | 基于知识图谱的智能供应链管理方法 |
| CN112488843A (zh) * | 2020-10-29 | 2021-03-12 | 中国农业银行股份有限公司福建省分行 | 基于社交网络的企业风险预警方法、装置、设备和介质 |
| CN112766981A (zh) * | 2020-12-30 | 2021-05-07 | 国网英大国际控股集团有限公司 | 一种基于机器学习的商圈树构建方法及系统 |
| CN112884291A (zh) * | 2021-01-27 | 2021-06-01 | 深圳微众信用科技股份有限公司 | 一种企业供应链的分析方法、装置、计算机装置和存储介质 |
| CN113064998A (zh) * | 2020-12-18 | 2021-07-02 | 开鑫金服(南京)信息服务有限公司 | 一种面向金融机构风控控制的图谱构建方法、设备及存储介质 |
| CN113065736A (zh) * | 2021-01-15 | 2021-07-02 | 开鑫金服(南京)信息服务有限公司 | 基于供应链系统的风险监控方法及系统、设备、存储介质 |
| CN113505823A (zh) * | 2021-07-02 | 2021-10-15 | 中国联合网络通信集团有限公司 | 供应链安全分析方法及计算机可读存储介质 |
| CN115269879A (zh) * | 2022-09-05 | 2022-11-01 | 北京百度网讯科技有限公司 | 知识结构数据的生成方法、数据搜索方法和风险告警方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105913195A (zh) * | 2016-04-29 | 2016-08-31 | 浙江汇信科技有限公司 | 基于全行业数据的企业金融风险评分方法 |
| CN105930981A (zh) * | 2016-05-10 | 2016-09-07 | 大连理工大学 | 风险量化和实时自动处理供应链融资平台 |
| CN106779996A (zh) * | 2016-12-08 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种供应链金融中企业数据挖掘方法及系统 |
| CN108596439A (zh) * | 2018-03-29 | 2018-09-28 | 北京中兴通网络科技股份有限公司 | 一种基于知识图谱的企业风险预测方法及系统 |
| CN108614881A (zh) * | 2018-04-28 | 2018-10-02 | 北京京东金融科技控股有限公司 | 呈现企业关联关系图谱的方法及装置、存储介质、电子终端 |
| CN109583620A (zh) * | 2018-10-11 | 2019-04-05 | 平安科技（深圳）有限公司 | 企业潜在风险预警方法、装置、计算机设备和存储介质 |
| CN109657918A (zh) * | 2018-11-19 | 2019-04-19 | 平安科技（深圳）有限公司 | 关联评估对象的风险预警方法、装置和计算机设备 |
| CN109800976A (zh) * | 2019-01-07 | 2019-05-24 | 平安科技（深圳）有限公司 | 项目投资决策方法、装置、计算机设备和存储介质 |
-
2019
- 2019-07-05 CN CN201910605210.6A patent/CN110503295A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105913195A (zh) * | 2016-04-29 | 2016-08-31 | 浙江汇信科技有限公司 | 基于全行业数据的企业金融风险评分方法 |
| CN105930981A (zh) * | 2016-05-10 | 2016-09-07 | 大连理工大学 | 风险量化和实时自动处理供应链融资平台 |
| CN106779996A (zh) * | 2016-12-08 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种供应链金融中企业数据挖掘方法及系统 |
| CN108596439A (zh) * | 2018-03-29 | 2018-09-28 | 北京中兴通网络科技股份有限公司 | 一种基于知识图谱的企业风险预测方法及系统 |
| CN108614881A (zh) * | 2018-04-28 | 2018-10-02 | 北京京东金融科技控股有限公司 | 呈现企业关联关系图谱的方法及装置、存储介质、电子终端 |
| CN109583620A (zh) * | 2018-10-11 | 2019-04-05 | 平安科技（深圳）有限公司 | 企业潜在风险预警方法、装置、计算机设备和存储介质 |
| CN109657918A (zh) * | 2018-11-19 | 2019-04-19 | 平安科技（深圳）有限公司 | 关联评估对象的风险预警方法、装置和计算机设备 |
| CN109800976A (zh) * | 2019-01-07 | 2019-05-24 | 平安科技（深圳）有限公司 | 项目投资决策方法、装置、计算机设备和存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| 柯东;张潜;章志翔;张浩;: "供应链金融模式及风险控制的案例分析", 中央民族大学学报(自然科学版), no. 01, pages 4965 - 4969 * |
| 田美玉;何文玉;: "供应链金融融资模式下中小企业信用风险评估――以汽车行业实证研究为例", 工业技术经济, no. 06 * |
| 莫思敏;郭翔;贺扬敏;孙峰;: "Fintech助力供应链金融", 现代经济信息, no. 17 * |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111191853A (zh) * | 2020-01-06 | 2020-05-22 | 支付宝(杭州)信息技术有限公司 | 风险预测方法及装置、风险查询方法及装置 |
| CN111241161A (zh) * | 2020-01-16 | 2020-06-05 | 深圳壹账通智能科技有限公司 | 发票信息挖掘方法、装置、计算机设备及存储介质 |
| CN111414485A (zh) * | 2020-03-17 | 2020-07-14 | 北京恒通慧源大数据技术有限公司 | 企业客户关联关系图谱构建方法、装置、存储器和计算机 |
| CN111414485B (zh) * | 2020-03-17 | 2022-09-30 | 北京恒通慧源大数据技术有限公司 | 企业客户关联关系图谱构建方法、装置、存储器和计算机 |
| CN111401777A (zh) * | 2020-03-30 | 2020-07-10 | 未来地图(深圳)智能科技有限公司 | 企业风险的评估方法、装置、终端设备及存储介质 |
| CN111401777B (zh) * | 2020-03-30 | 2024-03-12 | 未来地图(深圳)智能科技有限公司 | 企业风险的评估方法、装置、终端设备及存储介质 |
| CN111784508A (zh) * | 2020-07-01 | 2020-10-16 | 北京知因智慧科技有限公司 | 企业风险评估方法、装置及电子设备 |
| CN111967976B (zh) * | 2020-08-19 | 2024-04-16 | 中国银行股份有限公司 | 基于知识图谱的风险企业确定方法及装置 |
| CN111967976A (zh) * | 2020-08-19 | 2020-11-20 | 中国银行股份有限公司 | 基于知识图谱的风险企业确定方法及装置 |
| CN112037043A (zh) * | 2020-09-02 | 2020-12-04 | 中国银行股份有限公司 | 基于知识图谱的优质贷款企业确定方法及装置 |
| CN112131275A (zh) * | 2020-09-23 | 2020-12-25 | 中国科学技术大学智慧城市研究院(芜湖) | 全息城市大数据模型和知识图谱的企业画像构建方法 |
| CN112131275B (zh) * | 2020-09-23 | 2023-07-25 | 长三角信息智能创新研究院 | 全息城市大数据模型和知识图谱的企业画像构建方法 |
| CN112199513A (zh) * | 2020-10-19 | 2021-01-08 | 支付宝(杭州)信息技术有限公司 | 企业供求关系的确定方法、装置和电子设备 |
| CN112256887A (zh) * | 2020-10-28 | 2021-01-22 | 福建亿榕信息技术有限公司 | 基于知识图谱的智能供应链管理方法 |
| CN112256887B (zh) * | 2020-10-28 | 2022-06-24 | 福建亿榕信息技术有限公司 | 基于知识图谱的智能供应链管理方法 |
| CN112488843A (zh) * | 2020-10-29 | 2021-03-12 | 中国农业银行股份有限公司福建省分行 | 基于社交网络的企业风险预警方法、装置、设备和介质 |
| CN113064998A (zh) * | 2020-12-18 | 2021-07-02 | 开鑫金服(南京)信息服务有限公司 | 一种面向金融机构风控控制的图谱构建方法、设备及存储介质 |
| CN112766981A (zh) * | 2020-12-30 | 2021-05-07 | 国网英大国际控股集团有限公司 | 一种基于机器学习的商圈树构建方法及系统 |
| CN113065736A (zh) * | 2021-01-15 | 2021-07-02 | 开鑫金服(南京)信息服务有限公司 | 基于供应链系统的风险监控方法及系统、设备、存储介质 |
| CN112884291A (zh) * | 2021-01-27 | 2021-06-01 | 深圳微众信用科技股份有限公司 | 一种企业供应链的分析方法、装置、计算机装置和存储介质 |
| CN113505823B (zh) * | 2021-07-02 | 2023-06-23 | 中国联合网络通信集团有限公司 | 供应链安全分析方法及计算机可读存储介质 |
| CN113505823A (zh) * | 2021-07-02 | 2021-10-15 | 中国联合网络通信集团有限公司 | 供应链安全分析方法及计算机可读存储介质 |
| CN115269879B (zh) * | 2022-09-05 | 2023-05-05 | 北京百度网讯科技有限公司 | 知识结构数据的生成方法、数据搜索方法和风险告警方法 |
| CN115269879A (zh) * | 2022-09-05 | 2022-11-01 | 北京百度网讯科技有限公司 | 知识结构数据的生成方法、数据搜索方法和风险告警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110503295A (zh) | 供应链金融的风险分析方法、装置、计算终端及存储介质 | |
| US9978021B2 (en) | Database management and presentation processing of a graphical user interface | |
| US20180082381A1 (en) | Systems and methods for dynamically providing financial loan products | |
| CN109785121A (zh) | 基于区块链架构的仓单质押融资方法及装置 | |
| US20170330279A1 (en) | Unified Option Trading System | |
| CN109711983A (zh) | 基于区块链架构的仓单质押融资评估方法及装置 | |
| Chen et al. | Optimal inventory policy in the presence of a long-term supplier and a spot market | |
| US20120116943A1 (en) | System and Method for Processing Contracts for Conditional and Unconditional Forward Sales of Retail Goods | |
| US8234186B2 (en) | Inventory location management | |
| CN109784633A (zh) | 企业风险评估的装置、方法及存储介质 | |
| CN111476660A (zh) | 一种基于数据分析的智能风控系统及方法 | |
| US20210233171A1 (en) | Computer method and apparatus for administering a commodity material transaction via a distributed ledger | |
| CN109598618B (zh) | 数据处理方法、流动性期限缺口的确定方法和装置 | |
| KR20200049491A (ko) | 블록체인 정보 관리 및 거래 지원 서비스 제공 방법 | |
| CN111401778A (zh) | 一种港口企业评价方法、装置及存储介质 | |
| Li et al. | Optimizing a production-inventory system under a cost target | |
| Li et al. | A simple survey for supply chain finance risk management with applications of blockchain | |
| CN111583046B (zh) | 金融资源的处理方法、装置、设备以及系统 | |
| US20120191584A1 (en) | System And Method For Lender Directed Voting | |
| Li et al. | Comparative analysis of risk control in logistics and supply chain finance under different pledge fashions | |
| CN110148049A (zh) | 一种风险控制方法、装置、计算机设备及可读存储介质 | |
| CN110070261A (zh) | 消费风险预警方法、装置及计算机可读存储介质 | |
| Grody et al. | Risk accounting-part 2: The risk data aggregation and risk reporting (BCBS 239) foundation of enterprise risk management (ERM) and risk governance | |
| CN114764714A (zh) | 贵金属租赁交易的风险评级方法及装置 | |
| US20170186095A1 (en) | Centralized GAAP approach for multidimensional accounting to reduce data volume and data reconciliation processing costs |
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 |