CN111383115A - 一种交易场所异常行为监测分析方法和系统 - Google Patents
一种交易场所异常行为监测分析方法和系统 Download PDFInfo
- Publication number
- CN111383115A CN111383115A CN202010184052.4A CN202010184052A CN111383115A CN 111383115 A CN111383115 A CN 111383115A CN 202010184052 A CN202010184052 A CN 202010184052A CN 111383115 A CN111383115 A CN 111383115A
- Authority
- CN
- China
- Prior art keywords
- risk
- weight
- index type
- monitoring
- setting
- 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
Images
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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Computer Security & Cryptography (AREA)
- Technology Law (AREA)
- Entrepreneurship & Innovation (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种交易场所异常行为监测分析方法,包括以下步骤:采集交易场所平台的数据;设定风险指标体系;判定风险项及计算权重;根据风险模型公式计算风险分值,划分平台风险等级。本发明另一方面提供了一种交易场所异常行为监测分析系统。结合对交易场所业务交易监测、工商司法经营监测、互联网舆情监测、用户规模监测和网络媒介合规监测实现多维度综合分析判定,通过风险项判定以及风险模型公式设定计算,最终实现交易场所的风险指标体系设定,高效的监测交易场所违规行为。
Description
技术领域
本发明涉及金融风险分析领域,尤其涉及一种交易场所异常行为监测分析方法和系统。
背景技术
在我国,交易场所在活跃金融市场、促进金融资产流动性等方面发挥着显著的作用。地 方政府出于发展经济的需要,相继批设了一些从事权益和商品交易的场所,其中,金融资产 交易场所作为多层次资本市场体系的有益补充,拓宽了中小微企业的融资渠道,为地方经济 的良性发展注入活水之源。但是,交易场所在发挥积极作用的同时也暴露出一些风险和问题, 如违规开展证券期货业务、涉嫌权益拆分公开发行、涉嫌违规采用集中交易、涉嫌违规发行 投资收益权类产品、涉嫌非法转让不良资产等。
因此,本领域亟需一种交易场所异常行为监测分析方法和系统。
因此,有鉴于此,提出本发明。
发明内容
本发明的目的在于提供一种交易场所异常行为监测分析方法和系统,以解决上述至少一 个技术问题。
本发明提供了一种交易场所异常行为监测分析方法,包括以下步骤:
采集交易场所平台的数据;
设定风险指标体系;
判定风险项及计算权重;
根据风险模型公式计算风险分值,划分平台风险等级。
采用上述方案,能较为全面的采集交易场所平台的数据,对相关数据进行监测,实现多 维度综合判定,利用风险指标体系和风险模型公式实现风险的数值化,以便将交易场所平台 划分平台风险等级,高效的监测交易场所违规行为。
进一步地,所述交易场所平台的数据包括:业务数据、工商数据、司法数据、舆情数据、 用户数据、网络媒介数据。
采用上述方案,通过多个数据渠道对交易场所进行异常行为监测,防范金融风险。
进一步地,所述风险指标体系包括至少两个风险项等级,所述风险项等级包括至少一个 一级指标类型,相同风险项等级的所述一级指标类型采用相同的权值计算方法。
采用上述方案,针对不同的风险等级的一级指标类型可以采用不同的计算方法,使不同 风险等级的一级指标类型有不同的计算灵敏度,简化计算,提高效率。
进一步地,所述一级指标类型包括至少一个二级指标类型,所述二级指标类型包括至少 一个风险项,所述一级指标类型或所述二级指标类型设置有权重。
采用上述方案,所述一级指标类型设置有权重,便于条件判断,增加计算灵敏度,简化 计算过程,提高效率;所述二级指标类型设置有权重,便于对所述一级指标类型分级别获得 权重,增加计算精细度,提高精细度。
进一步地,所述计算权重的方法包括以下步骤:
判断所述二级指标类型是否设置有权重:若是,所述二级指标类型的风险项只要有一个 满足条件,所述二级指标类型获得该权重,所述一级指标类型获得的权重为其下的二级指标 类型获得的权重的和;若否,所述一级指标类型下的风险项只要有一个满足条件,所述一级 指标类型获得该权重。
采用上述方案,若所述一级指标类型设置有权重,所述一级指标类型只要其中一个风险 项满足条件,即有对应的风险,全部风险项均满足也为对应的权重,以便在该一级指标类型 下不重复评价,简化计算过程,提高该类一级指标类型对平台风险分值影响的灵敏度;若所 述二级指标类型设置有权重,所述二级指标类型之间关联性不强,分别描述了所述一级指标 类型的不同评价方面,各二级指标类型的权重计算互不影响,根据实际数据,可以等到不同 计算结果,所述一级指标类型获得不同的权重,以便分级别影响平台风险分值,提高精细度, 其中对所述二级指标类型的权重从多个角度去评价,只要其中一个满足条件,即有对应的风 险,以便在该二级指标类型下不重复评价,影响风险等级的划分。
进一步地,所述风险模型公式为:
其中R代表每个交易场所平台的风险分值,n为一级指标类型的个数,Wi为一级指标类 型的设定权重,Si为一级指标类型的计算权重。
采用上述方案,所述风险分值的计算既考虑根据实际情况计算的权重值,还对计算的权 重设定阈值,不同的一级指标类型设定不同的阈值,防止该类一级指标类型占过多的分值, 影响该类一级指标类型占风险分值的比重,失去不同风险项等级的影响效果。
本发明另一方面提供了一种交易场所异常行为监测分析系统,包括:
采集模块,用于采集交易场所平台的数据;
设定模块,用于设定风险指标体系;
判定计算模块,用于判定风险项及计算权重;
分值划分模块,用于根据风险模型公式计算风险分值,划分平台风险等级。
采用上述方案,能较为全面的采集交易场所平台的数据,对相关数据进行监测,实现多 维度综合判定,利用风险指标体系和风险模型公式实现风险的数值化,以便将交易场所平台 划分平台风险等级,高效的监测交易场所违规行为。
进一步地,所述采集模块包括:业务数据单元、工商数据单元、司法数据单元、舆情数 据单元、用户数据单元、网络媒介数据单元。
采用上述方案,通过多个数据渠道对交易场所进行异常行为监测,防范金融风险。
进一步地,所述设定模块包括:
风险项等级设定单元,用于设定不同等级的风险项等级,并设定权重位置;
一级指标类型设定单元,用于设定不同的一级指标类型,并分配风险项等级,根据权重 位置判断是否设置权重;
二级指标类型设定单元,用于设定不同的二级指标类型,并分配所属一级指标类型,根 据权重位置判断是否设置权重;
风险项设定单元,用于设定不同的风险项,并分配所属二级指标类型。
采用上述方案,所属权重位置指的是一级指标类型设置权重还是二级指标类型设置权 重,通过所述设定模块对风险项等级、一级指标类型、二级指标类型、风险项进行分级别设 定,方便对风险项的管理与权重的分配,针对不同的风险等级的一级指标类型可以采用不同 的计算方法,使不同风险等级的一级指标类型有不同的计算灵敏度,简化计算,提高效率。
进一步地,所判定计算模块包括:
判定风险项单元,用于判定风险项是否满足条件;
权重计算单元,用于计算各一级指标类型的计算权重。
进一步地,所述分值划分模块包括:
分值计算单元,用于根据风险模型公式计算风险分值;
等级划分单元,用于划分平台风险等级。
综上所述,本发明具有以下有益效果:
1、结合对交易场所业务交易监测、工商司法经营监测、互联网舆情监测、用户规模监 测和网络媒介合规监测实现多维度综合分析判定,通过风险项判定以及风险模型公式设定计 算,最终实现交易场所的风险指标体系设定,高效的监测交易场所违规行为;
2、针对不同的风险等级的一级指标类型可以采用不同的计算方法,使不同风险等级的 一级指标类型有不同的计算灵敏度,简化计算,提高效率;
3、所述一级指标类型设置有权重,便于条件判断,增加计算灵敏度,简化计算过程, 提高效率;所述二级指标类型设置有权重,便于对所述一级指标类型分级别获得权重,增加 计算精细度,提高精细度。
附图说明
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地介绍,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。
图1为本发明交易场所异常行为监测分析方法一种实施方式的示意图;
图2为本发明交易场所异常行为监测分析方法另一种实施方式的示意图;
图3为本发明交易场所异常行为监测分析系统一种实施方式的示意图;
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时, 除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述 的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书 中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发 明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形 式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包 含一个或多个相关联的列出项目的任何或所有可能组合。
发明中提到的术语进行说明:
(1)业务数据:指的是交易场所网站导航栏中的交易方式模块或交易规则模块中宣称 的平台交易方式、发行销售情况和对外合作情况。
(2)工商数据:指的是交易场所平台官宣的所属公司通过“天眼查”“企查查”等接口获取经营主体是否涉嫌工商风险、司法风险、经营风险等信息。
(3)舆情数据:指的是交易场所平台在各个新闻媒体传播通道中是否涉嫌重大负面舆 情(例如高管跑路、欺骗诈骗、群体事件、非法自融、违规操作、违规宣传【公开宣传】等)。
(4)网络媒介数据:指的是交易场所平台的网站、APP以及微信公众号信息,通过采集网站中的网站访问情况、网站公告、网站访问量、服务器是否在境外、是否有ICP备案号以及监测APP和微信公众号是否有异常等。
(5)司法数据:指的是具体的司法情况,如法律诉讼主体地位、次数,失信人信息,被执行人信息或司法协助如股权冻结等信息。
(6)用户数据:指的是交易场所平台用户规模异常变动情况,如新增用户比例,各地 区用户比例,新增男女、年龄段的用户波动等。
以下将通过实施例对本发明进行详细描述。
实施例一
参考图1,本实施例提供了一种交易场所异常行为监测分析方法,包括以下步骤:
S101.采集交易场所平台的数据;
S102.设定风险指标体系;
S103.判定风险项及计算权重;
S104.根据风险模型公式计算风险分值,划分平台风险等级。
采用上述方案,能较为全面的采集交易场所平台的数据,对相关数据进行监测,实现多 维度综合判定,利用风险指标体系和风险模型公式实现风险的数值化,以便将交易场所平台 划分平台风险等级,高效的监测交易场所违规行为。
在本发明一种优选的实施方式中,所述交易场所平台的数据包括:业务数据、工商数据、 司法数据、舆情数据、用户数据、网络媒介数据。
采用上述方案,通过多个数据渠道对交易场所进行异常行为监测,防范金融风险。
在本发明一种优选的实施方式中,所述风险指标体系包括至少两个风险项等级,所述风 险项等级包括至少一个一级指标类型,相同风险项等级的所述一级指标类型采用相同的权值 计算方法。
采用上述方案,针对不同的风险等级的一级指标类型可以采用不同的计算方法,使不同 风险等级的一级指标类型有不同的计算灵敏度,简化计算,提高效率。
在本发明一种优选的实施方式中,所述一级指标类型包括至少一个二级指标类型,所述 二级指标类型包括至少一个风险项,所述一级指标类型或所述二级指标类型设置有权重。
采用上述方案,所述一级指标类型设置有权重,便于条件判断,增加计算灵敏度,简化 计算过程,提高效率;所述二级指标类型设置有权重,便于对所述一级指标类型分级别获得 权重,增加计算精细度,提高精细度。
具体实施过程中,按表1交易场所风险指标体系设置风险项等级、一级指标类型、二级 指标类型、风险项及对应的权重。
表1交易场所风险指标体系
参考图2,在本发明一种优选的实施方式中,所述计算权重的方法包括以下步骤:S310.判断所述二级指标类型是否设置有权重:若是,S311.所述二级指标类型的风险项只要 有一个满足条件,所述二级指标类型获得该权重,所述一级指标类型获得的权重为其下的二 级指标类型获得的权重的和;若否,S312.所述一级指标类型下的风险项只要有一个满足条 件,所述一级指标类型获得该权重。
在具体实施过程中,如一级指标类型“平台基本面”,为中风险,权重设置位置在二级, 风险项满足以下:“无相关政府备案”、“无工商信息”、“平台经营主体经受到行政处罚”, 将获得二级指标类型中“工商风险”的20%权重和“经营风险”的5%权重,则一级指标类型 “平台基本面”获得(20+5)%权重;如一级指标类型“平台业务”为高风险,权重位置在一级,其下只要有一个风险项满足,如“平台采取‘匿名交易’交易方式进行交易”,则一 级指标类型“平台业务”获得50%权重。
采用上述方案,若所述一级指标类型设置有权重,所述一级指标类型只要其中一个风险 项满足条件,即有对应的风险,全部风险项均满足对应的权重,以便在该一级指标类型下不 重复评价,简化计算过程,提高该类一级指标类型对平台风险分值影响的灵敏度;若所述二 级指标类型设置有权重,所述二级指标类型之间关联性不强,分别描述了所述一级指标类型 的不同方面,各二级指标类型的权重计算互不影响,根据实际数据,可以等到不同计算结果, 所述一级指标类型获得不同的权重,以便分级别影响平台风险分值,提高精细度,其中对所 述二级指标类型的权重从多个角度去评价,只要其中一个满足条件,即有对应的风险,以便 在该二级指标类型下不重复评价,影响风险等级的划分。
在本发明一种优选的实施方式中,所述风险模型公式为:
其中R代表每个交易场所平台的风险分值,n为一级指标类型的个数,Wi为一级指标类 型的设定权重,Si为一级指标类型的计算权重。
具体实施过程中,“平台业务”的设定权重为50%、“平台基本面”的设定权重为30%、 “平台规模”的设定权重为5%、“平台媒介”的设定权重为15%,而相应的计算权重分别为: “平台业务”为50%,“平台基本面”为35%,“平台规模”为2%,“平台媒介”为2%,相应的风险分值=50%+30%+2%+2%=84%。
采用上述方案,所述风险分值的计算既考虑根据实际情况计算的权重值,还对计算的权 重设定阈值,不同的一级指标类型设定不同的阈值,防止该类一级指标类型占过多的分值, 影响该类一级指标类型占风险分值的比重,失去不同风险项等级的影响效果。
所述划分平台风险等级的方法为根据风险分值所在的风险值范围判定平台风险等级。
具体实施过程中,根据表2进行交易场所风险平台等级的划分,根据不同的平台风险等 级可采取不同的警戒措施,如消息提醒,发送邮件等通知相关人员。
表2交易场所风险平台等级设定
序号 | 风险值范围 | 平台风险等级 |
1 | 50~100 | 高风险 |
2 | 15~49 | 中风险 |
3 | 1~14 | 低风险 |
4 | 0 | 无风险 |
实施例二
参考图3,本实施例提供了一种交易场所异常行为监测分析系统,包括:
采集模块,用于采集交易场所平台的数据;
设定模块,用于设定风险指标体系;
判定计算模块,用于判定风险项及计算权重;
分值划分模块,用于根据风险模型公式计算风险分值,划分平台风险等级。
采用上述方案,能较为全面的采集交易场所平台的数据,对相关数据进行监测,实现多 维度综合判定,利用风险指标体系和风险模型公式实现风险的数值化,以便将交易场所平台 划分平台风险等级,高效的监测交易场所违规行为。
在本发明一种优选的实施方式中,所述采集模块包括:业务数据单元、工商数据单元、 司法数据单元、舆情数据单元、用户数据单元、网络媒介数据单元。
采用上述方案,通过多个数据渠道对交易场所进行异常行为监测,防范金融风险。
在本发明一种优选的实施方式中,所述设定模块包括:
风险项等级设定单元,用于设定不同等级的风险项等级,并设定权重位置;
一级指标类型设定单元,用于设定不同的一级指标类型,并分配风险项等级,根据权重 位置判断是否设置权重;
二级指标类型设定单元,用于设定不同的二级指标类型,并分配所属一级指标类型,根 据权重位置判断是否设置权重;
风险项设定单元,用于设定不同的风险项,并分配所属二级指标类型。
采用上述方案,所属权重位置指的是一级指标类型设置权重还是二级指标类型设置权 重,通过所述设定模块对风险项等级、一级指标类型、二级指标类型、风险项进行分级别设 定,方便对风险项的管理与权重的分配,针对不同的风险等级的一级指标类型可以采用不同 的计算方法,使不同风险等级的一级指标类型有不同的计算灵敏度,简化计算,提高效率。
在本发明一种优选的实施方式中,所判定计算模块包括:
判定风险项单元,用于判定风险项是否满足条件;
权重计算单元,用于计算各一级指标类型的计算权重。
进一步地,所述分值划分模块包括:
分值计算单元,用于根据风险模型公式计算风险分值;
等级划分单元,用于划分平台风险等级。
应当指出,对于本领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对 本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种交易场所异常行为监测分析方法,其特征在于:包括以下步骤:
采集交易场所平台的数据;
设定风险指标体系;
判定风险项及计算权重;
根据风险模型公式计算风险分值,划分平台风险等级。
2.根据权利要求1所述的交易场所异常行为监测分析方法,其特征在于:所述交易场所平台的数据包括:业务数据、工商数据、司法数据、舆情数据、用户数据、网络媒介数据。
3.根据权利要求1或2所述的交易场所异常行为监测分析方法,其特征在于:所述风险指标体系包括至少两个风险项等级,所述风险项等级包括至少一个一级指标类型,相同风险项等级的所述一级指标类型采用相同的权值计算方法。
4.根据权利要求3所述的交易场所异常行为监测分析方法,其特征在于:所述一级指标类型包括至少一个二级指标类型,所述二级指标类型包括至少一个风险项,所述一级指标类型或所述二级指标类型设置有权重。
5.根据权利要求4所述的交易场所异常行为监测分析方法,其特征在于:所述计算权重的方法包括以下步骤:
判断所述二级指标类型是否设置有权重:若是,所述二级指标类型的风险项只要有一个满足条件,所述二级指标类型获得该权重,所述一级指标类型获得的权重为其下的二级指标类型获得的权重的和;若否,所述一级指标类型下的风险项只要有一个满足条件,所述一级指标类型获得该权重。
6.一种交易场所异常行为监测分析系统,其特征在于:包括:
采集模块,用于采集交易场所平台的数据;
设定模块,用于设定风险指标体系;
判定计算模块,用于判定风险项及计算权重;
分值划分模块,用于根据风险模型公式计算风险分值,划分平台风险等级。
7.根据权利要求6所述的交易场所异常行为监测分析系统,其特征在于:所述采集模块包括:业务数据单元、工商数据单元、司法数据单元、舆情数据单元、用户数据单元、网络媒介数据单元。
8.根据权利要求6或7所述的交易场所异常行为监测分析系统,其特征在于:所述设定模块包括:
风险项等级设定单元,用于设定不同等级的风险项等级,并设定权重位置;
一级指标类型设定单元,用于设定不同的一级指标类型,并分配风险项等级,根据权重位置判断是否设置权重;
二级指标类型设定单元,用于设定不同的二级指标类型,并分配所属一级指标类型,根据权重位置判断是否设置权重;
风险项设定单元,用于设定不同的风险项,并分配所属二级指标类型。
9.根据权利要求8所述的交易场所异常行为监测分析系统,其特征在于:所判定计算模块包括:
判定风险项单元,用于判定风险项是否满足条件;
权重计算单元,用于计算各一级指标类型的计算权重。
10.根据权利要求9所述的交易场所异常行为监测分析系统,其特征在于:所述分值划分模块包括:
分值计算单元,用于根据风险模型公式计算风险分值;
等级划分单元,用于划分平台风险等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010184052.4A CN111383115A (zh) | 2020-03-16 | 2020-03-16 | 一种交易场所异常行为监测分析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010184052.4A CN111383115A (zh) | 2020-03-16 | 2020-03-16 | 一种交易场所异常行为监测分析方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111383115A true CN111383115A (zh) | 2020-07-07 |
Family
ID=71218751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010184052.4A Pending CN111383115A (zh) | 2020-03-16 | 2020-03-16 | 一种交易场所异常行为监测分析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111383115A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112631887A (zh) * | 2020-12-25 | 2021-04-09 | 百度在线网络技术(北京)有限公司 | 异常检测方法、装置、电子设备和计算机可读存储介质 |
CN113763160A (zh) * | 2021-01-20 | 2021-12-07 | 国家计算机网络与信息安全管理中心 | 一种交易场所违规交易模式识别、判定和跟踪方法 |
CN116187936A (zh) * | 2023-02-03 | 2023-05-30 | 上海麦德通软件技术有限公司 | 一种基于云平台的工单智能生成系统 |
CN116260533A (zh) * | 2023-05-15 | 2023-06-13 | 成都国营锦江机器厂 | 智能抗干扰超短波电台测试平台及应用方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976419A (zh) * | 2010-10-19 | 2011-02-16 | 中国工商银行股份有限公司 | 交易数据的风险监控处理方法和系统 |
CN103208081A (zh) * | 2013-03-01 | 2013-07-17 | 杭州智才广赢信息技术有限公司 | 一种投融资风险评估方法 |
CN103514566A (zh) * | 2013-10-15 | 2014-01-15 | 国家电网公司 | 一种风险控制系统及方法 |
CN105654235A (zh) * | 2015-12-24 | 2016-06-08 | 安徽融信金模信息技术有限公司 | 一种中小企业风险评估方法 |
CN109598399A (zh) * | 2018-05-11 | 2019-04-09 | 国家电网公司 | 一种基于层次分析的移动电力交易风险评估方法 |
CN109934431A (zh) * | 2017-12-15 | 2019-06-25 | 上海特易信息科技有限公司 | 一种信用评估方法及系统 |
CN110046984A (zh) * | 2019-03-01 | 2019-07-23 | 安徽省优质采科技发展有限责任公司 | 企业信用评级系统及评价方法 |
CN110119882A (zh) * | 2019-04-12 | 2019-08-13 | 国家计算机网络与信息安全管理中心 | 一种平台风险监控方法、装置、设备及存储介质 |
CN110675078A (zh) * | 2019-09-30 | 2020-01-10 | 上海烨睿信息科技有限公司 | 上市公司风险诊断方法、系统、计算机终端及存储介质 |
-
2020
- 2020-03-16 CN CN202010184052.4A patent/CN111383115A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101976419A (zh) * | 2010-10-19 | 2011-02-16 | 中国工商银行股份有限公司 | 交易数据的风险监控处理方法和系统 |
CN103208081A (zh) * | 2013-03-01 | 2013-07-17 | 杭州智才广赢信息技术有限公司 | 一种投融资风险评估方法 |
CN103514566A (zh) * | 2013-10-15 | 2014-01-15 | 国家电网公司 | 一种风险控制系统及方法 |
CN105654235A (zh) * | 2015-12-24 | 2016-06-08 | 安徽融信金模信息技术有限公司 | 一种中小企业风险评估方法 |
CN109934431A (zh) * | 2017-12-15 | 2019-06-25 | 上海特易信息科技有限公司 | 一种信用评估方法及系统 |
CN109598399A (zh) * | 2018-05-11 | 2019-04-09 | 国家电网公司 | 一种基于层次分析的移动电力交易风险评估方法 |
CN110046984A (zh) * | 2019-03-01 | 2019-07-23 | 安徽省优质采科技发展有限责任公司 | 企业信用评级系统及评价方法 |
CN110119882A (zh) * | 2019-04-12 | 2019-08-13 | 国家计算机网络与信息安全管理中心 | 一种平台风险监控方法、装置、设备及存储介质 |
CN110675078A (zh) * | 2019-09-30 | 2020-01-10 | 上海烨睿信息科技有限公司 | 上市公司风险诊断方法、系统、计算机终端及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112631887A (zh) * | 2020-12-25 | 2021-04-09 | 百度在线网络技术(北京)有限公司 | 异常检测方法、装置、电子设备和计算机可读存储介质 |
CN113763160A (zh) * | 2021-01-20 | 2021-12-07 | 国家计算机网络与信息安全管理中心 | 一种交易场所违规交易模式识别、判定和跟踪方法 |
CN116187936A (zh) * | 2023-02-03 | 2023-05-30 | 上海麦德通软件技术有限公司 | 一种基于云平台的工单智能生成系统 |
CN116187936B (zh) * | 2023-02-03 | 2023-08-29 | 上海麦德通软件技术有限公司 | 一种基于云平台的工单智能生成系统 |
CN116260533A (zh) * | 2023-05-15 | 2023-06-13 | 成都国营锦江机器厂 | 智能抗干扰超短波电台测试平台及应用方法 |
CN116260533B (zh) * | 2023-05-15 | 2023-07-25 | 成都国营锦江机器厂 | 智能抗干扰超短波电台测试平台及应用方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111383115A (zh) | 一种交易场所异常行为监测分析方法和系统 | |
Summers et al. | Fraudulently misstated financial statements and insider trading: An empirical analysis | |
Horváthová | The impact of environmental performance on firm performance: Short-term costs and long-term benefits? | |
CN109191283A (zh) | 风险预警方法及系统 | |
CN107993144A (zh) | 客户风险等级确定方法、装置、设备及可读存储介质 | |
CN111476660A (zh) | 一种基于数据分析的智能风控系统及方法 | |
Ji et al. | Changes in internal control disclosure and analyst forecasts around mandatory disclosure required by the China SOX | |
Kumar et al. | Importance of technical and fundamental analysis and other strategic factors in the Indian stock market | |
CN112581291B (zh) | 风险测评异动检测方法、装置、设备及存储介质 | |
CN113919932A (zh) | 一种基于贷款申请评分模型的客户评分偏移检测方法 | |
Banko et al. | The relationship between the value effect and industry affiliation | |
CN113837869A (zh) | 基于多维度的客户分析及管理方法 | |
Fatum | Post–Plaza intervention in the DEM/USD exchange rate | |
Lian et al. | Capital investment and profitability across Malaysian consumer products sector | |
CN111402054A (zh) | 一种股权融资平台风险判定方法及系统 | |
Anna | Board gender diversity, sustainability disclosure, and firm value: evidence in Indonesia | |
Pratama et al. | Financial Condition, Growth, Audit Quality and Going Concern Opinion: Study on Manufacturing Companies Listed on Indonesia Stock Exchange | |
Markowicz et al. | Identification of EU countries due to the quality of data on intra-community supplies of goods shipped from Poland in the years 2005–2017 | |
Omah | FINANCIAL STATEMENT FRAUD AND FINANCIAL PERFORMANCE OF SELECTED FOOD BEVERAGE COMPANIES IN NIGERIA | |
SRIYALATHA | Determinants of Poverty Among Households in Monaragala District, Sri Lanka | |
CN108734365A (zh) | 一个新的优质企业筛选的人工智能算法 | |
Mallios | Manipulation in reported dividends: Empirical evidence from US banks | |
CN116611689A (zh) | 地方金融机构的风险评估与多维度监测预警方法、系统 | |
Wilberforce Kipruto Serem et al. | Effect of Sustainability Reporting on Firm Value: Evidence from the Nairobi Securities Exchange, Kenya | |
Liang et al. | Research on detecting technique of financial statement fraud based on fuzzy genetic algorithms BPN |
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 |