CN110533528A - 评估企业信用的方法及设备 - Google Patents
评估企业信用的方法及设备 Download PDFInfo
- Publication number
- CN110533528A CN110533528A CN201910812346.4A CN201910812346A CN110533528A CN 110533528 A CN110533528 A CN 110533528A CN 201910812346 A CN201910812346 A CN 201910812346A CN 110533528 A CN110533528 A CN 110533528A
- Authority
- CN
- China
- Prior art keywords
- data
- credit
- enterprise
- operator
- bank
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及一种评估企业信用的方法及设备。本申请的一个实施例公开了一种评估企业信用的设备,其包括:数据采集模块、数据预处理模块、信用评估模型构建模块以及银行结果反馈模块。
Description
技术领域
本申请涉及数据分析领域,具体来说涉及一种评估企业信用的方法及设备。
背景技术
现有市场环境下,即便有大量的资金供应以及多种政策支持,小微企业存在的融资难、融资贵等问题仍然无法获得有效解决。根本问题在于两方面:一为评估企业信用的数据缺乏;二为评估企业风险的能力不足。
因此,继续一种能够全面准确的评估企业信用的方法。
发明内容
本申请的一个实施例公开了:一种评估企业信用的方法,其包括:对企业的运营商信用数据和企业的银行信用数据加权计算获得企业初始信用值,结合税务数据以及运营商数据,生成建模样本;基于所产生的建模样本,采用逻辑回归算法构建企业信用评估模型,并输出税务数据和运营商数据融合的企业信用值;以及获得银行贷款数据以及还款结果数据,将其转换为信用认可度以及信用可信度,反向验证优化企业信用评估模型。
本申请的另一个实施例公开了:一种评估企业信用的设备,其包括:数据预处理模块,其经配置以对企业的运营商信用数据和企业的银行信用数据加权计算获得企业初始信用值,结合税务数据以及运营商数据,生成建模样本;信用评估模型构建模块,其经配置以基于所产生的建模样本,采用逻辑回归算法构建企业信用评估模型,并输出税务数据和运营商数据融合的企业信用值;以及银行结果反馈模块,其经配置以获得银行贷款数据以及还款结果数据,将其转换为信用认可度以及信用可信度,反向验证优化企业信用评估模型。
附图说明
图1展示了根据本申请的一个实施例所记载的一种评估企业信用的设备。
具体实施方式
为了解决上述技术问题,本申请提出一种评估企业信用的方法和设备。其引入税收数据,结合银行、运营商信用数据,形成维度更全面,指标更丰富的信用评估体系。采用大数据算法构建风控模型,实现企业增信,为小微企业提供普惠金融服务,打通企业融资“最后一公里”。
图1展示了根据本申请的一个实施例所记载的一种评估企业信用的设备。该设备包括数据采集模块、数据预处理模块、信用评估模型构建模块以及银行结果反馈模块。其具体的功能如下:
数据采集模块
数据采集模块主要采集信用相关数据,具体来说包括:税务方面的登记数据、认定数据、征收数据、信用数据、所得税申报数据、增值税申报数据、车购税申报数据、个税申报数据、发票数据、社保数据、风险数据,运营商方面的通话、短信、上网、宽带数据,同时结合企业法人的运营商信用数据、银行的企业信用数据,形成全维度的信用评估体系。
数据预处理模块
数据预处理模块对采集的数据进行处理,具体来说包括预设运营商信用数据、银行的企业信用数据的权重,加权计算两者结合的企业信用评估结果,作为后续指标数据分箱的主管指标。
信用评估模型构建模块
信用评估模型构建模块,其采集涵盖注册、申报、征缴、发票、风险等业务域的税务数据和涵盖通话、短信、上网、宽带等业务域的运营商信用数据。设计关联转换规则,处理中间数据项,实现税务数据和运营商信用数据跨域融合,作为信用评估指标。
以税务的发票场景说明设计关联转换规则的方法:处理发票业务域的税务数据,提取待信用评估企业的来往发票企业,进一步提取往来企业的企业法人信息。
处理运营商信用数据,构建用户社交圈。首先通过通话和短信数据,通过预设的通话频次和短信频次获取用户的初始社交圈,社交圈等级定义为三级;其次使用上网数据中的位置轨迹数据判断该用户的常驻小区信息,以常驻小区相同原则进一步缩小社交圈,社交圈等级定义为二级;最后基于宽带数据识别的家庭网信息,以归属同一家庭网原则再次缩小社交圈,社交圈等级定义为一级。
关联融合税务数据和运营商信用数据以得到待评估信用的企业法人的社交圈信息,查看发票往来企业的企业法人在待评估信用的企业法人的社交圈情况,不在社交圈内,则衍生发票数据欺诈等级评估指标,且取值为一级;在社交圈内,则将社交圈等级作为发票数据欺诈等级。
融合企业初始信用值和信用评估指标数据形成完整建模样本。
具体来说,本申请执行以下步骤:
1.样本数据构建
融合企业初始信用值和信用评估指标数据形成完整建模样本。
2.样本数据预处理
基于指标取值标准化公式对样本数据进行归一化处理,以获得具有相同量纲的指标数据,指标取值标准化公式为:
其中,x表示归一化处理前的指标值,表示归一化后的指标值,xmin表示当前指标值中的最小值,xmax表示当前指标值中的最大值。
3.特征指标降维
税务建模指标为矩阵A(n*m),对矩阵A进行如下操作:
设中心化后的相关值为bi,j;
bi,j=ai,j–Mean(a.,j)
其中a.,j表示第j列的所有数据,Mean为取均值函数。
形成如下中心化的数据集,记作B(n*m)。
计算B的协方差矩阵C(m*m),由其性质可知,C为对称阵。
计算矩阵C的特征值组λ(m*1)和特征向量组D(m*m)。
对特征值组λ(m*1)内的分量进行排序,调整特征向量组的列顺序。选取阈值大于[N]的所有特征值,形成新的数据集,其相应的矩阵为F(n*m-[N])。
将A按照F对应的序列形成最终的数据集G(n*m-[N])。
4.企业信用评估模型构建
基于逻辑回归算法构建企业信用评估模型,输入样本数据,输出企业信用值。
银行结果反馈模块
银行结果反馈模块可以获取银行贷款数据、还款结果数据,转换为信用认可度、信用可信度,反向验证优化信用评估模型。转换规则为若企业预测信用值达到放贷标准,但未放贷,则信用认可度为0,否则为1;若基于企业预测信用放贷,但未正常还款,则信用可信度为0,否则为1。输出信用认可度和信用可信度为0的企业样本,并作为模型偏差样本重新输入训练,不断调整参数,最终实现信用评估模型优化。
基于本申请的评估企业信用的方法和设备,其能够全面准备的融合信用相关数据,例如税收数据、运营商信用数据以及银行信用数据,能够有效解决小微企业信用数据缺乏、现有银行信用评估能力不足、手段落后等问题,破解小微企业融资难题,助力小微企业可持续发展。
虽然本文中描述的实施例可具有各种修改及替代形式,但是特定实施例已在图式中通过实例展示且已在本文中予以详细描述。本发明并不限于所揭示的特定形式。本发明涵盖落于如由权利要求书定义的本发明的精神及范围内的所有修改、等效物及替代。
Claims (10)
1.一种评估企业信用的方法,其包括:
对企业的运营商信用数据和企业的银行信用数据加权计算获得企业初始信用值,结合税务数据以及运营商数据,生成建模样本;
基于所产生的建模样本,采用逻辑回归算法构建企业信用评估模型,并输出税务数据和运营商数据融合的企业信用值;以及
获得银行贷款数据以及还款结果数据,将其转换为信用认可度以及信用可信度,反向验证优化企业信用评估模型。
2.根据权利要求1所述的方法,其中获得所述企业初始信用值进一步包括:
采集运营商信用数据以及银行信用数据;以及
预设所述运营商信用数据以及所述银行信用数据的权重,并加权计算所述运营商信用数据以及所述银行信用数据相结合的信用评估结果。
3.根据权利要求1所述的方法,其中生成建模样本进一步包括:
采集税务数据以及运营商信用数据、设计转换规则、处理中间数据项,实现税务数据和运营商信用数据的融合,并作为信用评估指标数据。
4.根据权利要求3所述的方法,其中生成建模样本进一步包括:
融合所述企业初始信用值和所述信用评估指标数据以产生完整建模样本。
5.根据权利要求1所述的方法,其中构建所述企业信用评估模型进一步包括:对样本数据进行归一化预处理以获得具有相同量纲的指标数据;
对特征指标降维;以及
基于逻辑回归算法构建所述企业信用评估模型,输入样本数据,输出企业信用值。
6.一种评估企业信用的设备,其包括:
数据预处理模块,其经配置以对企业的运营商信用数据和企业的银行信用数据加权计算获得企业初始信用值,结合税务数据以及运营商数据,生成建模样本;
信用评估模型构建模块,其经配置以基于所产生的建模样本,采用逻辑回归算法构建企业信用评估模型,并输出税务数据和运营商数据融合的企业信用值;以及
银行结果反馈模块,其经配置以获得银行贷款数据以及还款结果数据,将其转换为信用认可度以及信用可信度,反向验证优化企业信用评估模型。
7.根据权利要求6所述的设备,其中所述数据预处理模块进一步经配置以:
采集运营商信用数据以及银行信用数据;以及
预设所述运营商信用数据以及所述银行信用数据的权重,并加权计算所述运营商信用数据以及所述银行信用数据相结合的信用评估结果。
8.根据权利要求6所述的设备,其中所述数据预处理模块进一步经配置以:
采集税务数据以及运营商信用数据、设计转换规则、处理中间数据项,实现税务数据和运营商信用数据的融合,并作为信用评估指标。
9.根据权利要求8所述的设备,其中所述数据预处理模块进一步经配置以:
融合所述企业初始信用值和所述信用评估指标数据以产生完整建模样本。
10.根据权利要求6所述的设备,其中所述信用评估模型构建模块进一步经配置以:
对样本数据进行归一化预处理以获得具有相同量纲的指标数据;
对特征指标降维;以及
基于逻辑回归算法构建所述企业信用评估模型,输入样本数据,输出企业信用值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910812346.4A CN110533528A (zh) | 2019-08-30 | 2019-08-30 | 评估企业信用的方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910812346.4A CN110533528A (zh) | 2019-08-30 | 2019-08-30 | 评估企业信用的方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110533528A true CN110533528A (zh) | 2019-12-03 |
Family
ID=68665381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910812346.4A Pending CN110533528A (zh) | 2019-08-30 | 2019-08-30 | 评估企业信用的方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110533528A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062602A (zh) * | 2019-12-12 | 2020-04-24 | 百望股份有限公司 | 企业信用风险评估的方法、装置及存储介质 |
CN112232377A (zh) * | 2020-09-22 | 2021-01-15 | 中财绿指(北京)信息咨询有限公司 | 一种企业esg三优信用模型构建方法及其装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204246A (zh) * | 2016-08-18 | 2016-12-07 | 易联众信息技术股份有限公司 | 一种基于主成分分析法的bp神经网络信用评估方法 |
CN106779457A (zh) * | 2016-12-29 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种企业信用评估方法及系统 |
CN107909274A (zh) * | 2017-11-17 | 2018-04-13 | 平安科技(深圳)有限公司 | 企业投资风险评估方法、装置及存储介质 |
CN109428760A (zh) * | 2017-09-04 | 2019-03-05 | 中国移动通信集团浙江有限公司 | 一种基于运营商数据的用户信用评估方法 |
CN109993412A (zh) * | 2019-03-01 | 2019-07-09 | 百融金融信息服务股份有限公司 | 风险评估模型的构建方法及装置、存储介质、计算机设备 |
-
2019
- 2019-08-30 CN CN201910812346.4A patent/CN110533528A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106204246A (zh) * | 2016-08-18 | 2016-12-07 | 易联众信息技术股份有限公司 | 一种基于主成分分析法的bp神经网络信用评估方法 |
CN106779457A (zh) * | 2016-12-29 | 2017-05-31 | 深圳微众税银信息服务有限公司 | 一种企业信用评估方法及系统 |
CN109428760A (zh) * | 2017-09-04 | 2019-03-05 | 中国移动通信集团浙江有限公司 | 一种基于运营商数据的用户信用评估方法 |
CN107909274A (zh) * | 2017-11-17 | 2018-04-13 | 平安科技(深圳)有限公司 | 企业投资风险评估方法、装置及存储介质 |
CN109993412A (zh) * | 2019-03-01 | 2019-07-09 | 百融金融信息服务股份有限公司 | 风险评估模型的构建方法及装置、存储介质、计算机设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062602A (zh) * | 2019-12-12 | 2020-04-24 | 百望股份有限公司 | 企业信用风险评估的方法、装置及存储介质 |
CN112232377A (zh) * | 2020-09-22 | 2021-01-15 | 中财绿指(北京)信息咨询有限公司 | 一种企业esg三优信用模型构建方法及其装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ma et al. | Financial credit risk prediction in internet finance driven by machine learning | |
CN109035003A (zh) | 基于机器学习的反欺诈模型建模方法和反欺诈监控方法 | |
CN109978680A (zh) | 一种细分客群信贷业务风控差异化定价的风控方法和系统 | |
CN108665159A (zh) | 一种风险评估方法、装置、终端设备及存储介质 | |
CN108648074A (zh) | 基于支持向量机的贷款评估方法、装置及设备 | |
CN116342259A (zh) | 一种用户信用自动评级方法、装置、电子设备及介质 | |
CN108399509A (zh) | 确定业务请求事件的风险概率的方法及装置 | |
CN109063931A (zh) | 一种预测货运物流司机违约概率的模型方法 | |
CN107644375A (zh) | 一种专家模型与机器学习模型融合的小商户信用评估方法 | |
CN112561685B (zh) | 客户的分类方法和装置 | |
CN110400215A (zh) | 面向企业家族的小微企业信用评估模型构建方法及系统 | |
CN111062444B (zh) | 信用风险预测方法、系统、终端及存储介质 | |
CN104321794A (zh) | 一种使用多维评级来确定一实体的未来商业可行性的系统和方法 | |
CN110533528A (zh) | 评估企业信用的方法及设备 | |
Xiong et al. | The analysis of influence mechanism for internet financial fraud identification and user behavior based on machine learning approaches | |
Rao et al. | Integration of ARAS and MOORA MCDM techniques for measuring the performance of private sector banks in India | |
CN112990989B (zh) | 价值预测模型输入数据生成方法、装置、设备和介质 | |
CN116739794B (zh) | 基于大数据及机器学习的用户个性化方案推荐方法及系统 | |
CN109146667A (zh) | 一种基于量化统计的外部接口综合应用模型的构建方法 | |
CN111401675A (zh) | 基于相似性的风险识别方法、装置、设备及存储介质 | |
CN116071142A (zh) | 基于人工智能的贷款资质评估方法、装置、及存储介质 | |
CN109635289A (zh) | 词条分类方法及审计信息抽取方法 | |
CN114862563A (zh) | 基于主成分分析和神经网络的中小信贷策略模型 | |
CN114240605A (zh) | 贷款测算方法、装置、计算机设备和存储介质 | |
Uriawan et al. | Laps: Computing loan default risk from user activity, profile, and recommendations |
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: 20191203 |
|
RJ01 | Rejection of invention patent application after publication |