CN111429016A - 基于工业互联网平台的小微企业融资风控方法及系统 - Google Patents
基于工业互联网平台的小微企业融资风控方法及系统 Download PDFInfo
- Publication number
- CN111429016A CN111429016A CN202010239291.5A CN202010239291A CN111429016A CN 111429016 A CN111429016 A CN 111429016A CN 202010239291 A CN202010239291 A CN 202010239291A CN 111429016 A CN111429016 A CN 111429016A
- Authority
- CN
- China
- Prior art keywords
- data
- enterprise
- small
- wind control
- micro
- 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 46
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 20
- 238000004519 manufacturing process Methods 0.000 claims abstract description 17
- 238000003860 storage Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 8
- 238000007635 classification algorithm Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000004458 analytical method Methods 0.000 claims description 25
- 230000010354 integration Effects 0.000 claims description 18
- 230000000295 complement effect Effects 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 11
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 5
- 239000002994 raw material Substances 0.000 claims description 2
- 230000008439 repair process Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000011161 development Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 238000012797 qualification Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 230000007306 turnover Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种基于工业互联网平台的小微企业融资风控方法，包括以下步骤：采集企业基本信息、外部环境信息、财务报表数据、企业现场运营数据、供应链数据，其中企业现场运营数据包括设备开机率、故障率、设备异常工时占比；将采集的企业现场运营数据在边缘层进行边缘计算，统一数据格式，实时存储在靠近设备端并发送给云端；云端对获取的所有数据进行分布式处理，将数据中的数据空缺、数据异常、数据冗余进行清洗，并将清洗后的数据通过分类算法进行分类，在不同数据库中分类存储；将云端处理后的数据输入到小微企业融资风控模型，分别计算各个指标的权重值；根据小微企业融资风控模型输出的权重值分析小微企业融资风险的等级。本发明可实时监测企业生产、销售动态进行贷中监控，降低了金融机构的审查误差。
Description
技术领域
本发明涉及企业融资风险控制领域，尤其涉及一种基于工业互联网平台的小微企业融资风控方法及系统。
背景技术
工业互联网连接了人、机、物，由机器设备获取数据、平台算法连接供需、人们反馈提升服务。一方面打破了工业企业的“信息孤岛”，另一方面信息数据的集成将网络服务于实体经济，同时推动了跨领域跨行业融合。同样受到互联网冲击的金融业务在压力下被迫转型，P2P网贷、众筹、第三方支付等互联网金融模式应运而生。互联网金融的产生发展提升了金融机构对小微企业的服务广度和深度，但流动性风险、信息风险、监管风险和信贷机制缺陷也不容忽视。
利用工业互联网的数据集成功能，应用于小微企业的融资需求，解决企业与金融机构之间的双向信息不对称问题，实现金融服务实体经济的“产融结合”，拓宽企业融资渠道、降低融资成本，减少金融机构不良贷款率，优化资本配置成为在工业互联网发展迅猛背景下精准匹配小微企业融资需求的重要发展方向。
“数据红利”将在金融领域以服务实体经济的形式显现，然而目前没有普遍应用的工业互联网平台金融跨领域模型与架构。利用平台大数据赋能小微企业融资进行分析与决策，将使数据增值，企业增信，金融增效。
在大数据发展深入应用的背景下，灰色预测、聚类分析、决策树、神经网络等不确定性随机系统预测方法应运而生。机器学习已在生物、医疗、交通等领域应用广泛，利用现有系统大数据的信息进行优化决策和预测。而其在企业融资风控体系中的应用仍局限于企业财务报表信息和银行系统内部违约信息，财务报表数据滞后性和指标缺乏灵活性使其仍具有应用缺陷。
由丰富的融资风控方法，工业互联网的发展、研究现状可以看出，目前关于企业融资问题缺乏实时运营数据的监测和及时的反馈，而工业互联网的行业应用缺乏场景模型构建。
发明内容
本发明的目的在于将企业的实际生产情况纳入到监控体系中，从而降低金融机构的审查误差，同时解决小微企业融资难融资贵的问题。
本发明为达上述目的所采用的技术方案是：
提供一种基于工业互联网平台的小微企业融资风控方法，其特征在于，包括以下步骤：
采集企业基本信息、外部环境信息、财务报表数据、企业现场运营数据、供应链数据，其中企业现场运营数据包括设备开机率、故障率、设备异常工时占比；
将采集的企业现场运营数据在边缘层进行边缘计算，统一数据格式，实时存储在靠近设备端并发送给云端；
云端对获取的所有数据进行分布式处理，将数据中的数据空缺、数据异常、数据冗余进行清洗，并将清洗后的数据通过分类算法进行分类，在不同数据库中分类存储；
将云端处理后的数据输入到小微企业融资风控模型，分别计算各个指标的权重值；所述小微企业融资风控模型根据企业基本信息、外部环境信息、财务报表数据、企业现场运营数据、供应链数据五个类别构建，其中五个类别细化为多个一级指标、二级指标和三级指标，各级指标采用FICSM模糊矩阵列和求逆归一法对数据进行权重分配；
根据小微企业融资风控模型输出的权重值分析小微企业融资风险的等级。
本发明还提供了一种基于工业互联网平台的小微企业融资风控系统，其特征在于，该系统包括：
数据采集模块，用于采集企业基本信息、外部环境信息、财务报表数据、企业现场运营数据、供应链数据，其中企业现场运营数据包括设备开机率、故障率、设备异常工时占比；
数据集成与处理模块，用于将采集的企业现场运营数据在边缘层进行边缘计算，统一数据格式，实时存储在靠近设备端并发送给云端；云端对获取的所有数据进行分布式处理，将数据中的数据空缺、数据异常、数据冗余进行清洗，并将清洗后的数据通过分类算法进行分类，在不同数据库中分类存储；
数据建模模块，用于构建小微企业融资风控模型，所述小微企业融资风控模型根据企业基本信息、外部环境信息、财务报表数据、企业现场运营数据、供应链数据五个类别构建，其中五个类别细化为多个一级指标、二级指标和三级指标，各级指标采用FICSM模糊矩阵列和求逆归一法对数据进行权重分配；
决策与控制应用模块，用于将云端处理后的数据输入所述小微企业融资风控模型,分别计算各个指标的权重值,并根据计算结果分析小微企业融资风险的等级。
本发明还提供了一种计算机存储介质，其内存储有可被处理器执行的计算机程序，该计算机程序执行如上述实施例所述的基于工业互联网平台的小微企业融资风控方法。
本发明产生的有益效果是：本发明的基于工业互联网平台的小微企业融资风控方法综合考虑了工业企业信息孤岛和金融机构信息不对称的问题，以工业互联网平台作为实体经济与金融体系的“中介”，不仅解决了金融机构对小微企业融资风控的信息缺失问题，还可实时监测企业生产、销售动态进行贷中监控，降低了金融机构的审查误差，也解决了小微企业融资难融资贵的问题，可有效促进实体经济发展，使数据增值。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明实施例基于工业互联网平台的小微企业融资风控方法的流程图；
图2是本发明实施例小微企业融资风控模型整体架构图；
图3是本发明实施例数据采集示意图；
图4是本发明实施例基于工业互联网平台的小微企业融资风控系统结构示意图。
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。
如图1所示，本发明实施例基于工业互联网平台的小微企业融资风控方法，包括以下步骤：
S101、采集企业基本信息、外部环境信息、财务报表数据、企业现场运营数据、供应链数据，其中企业现场运营数据包括设备开机率、故障率、设备异常工时占比；
S102、将采集的企业现场运营数据在边缘层进行边缘计算，统一数据格式，实时存储在靠近设备端并发送给云端；
S103、云端对获取的所有数据进行分布式处理，将数据中的数据空缺、数据异常、数据冗余进行清洗，并将清洗后的数据通过分类算法进行分类，在不同数据库中分类存储；
S104、将云端处理后的数据输入到小微企业融资风控模型，分别计算各个指标的权重值；所述小微企业融资风控模型根据企业基本信息、外部环境信息、财务报表数据、企业现场运营数据、供应链数据五个类别构建，其中五个类别细化为多个一级指标、二级指标和三级指标，各级指标采用FICSM模糊矩阵列和求逆归一法对数据进行权重分配；
S105、根据小微企业融资风控模型输出的权重值分析小微企业融资风险的等级。
本发明实施例中，如图2所示，将小微企业融资风控模型架构分为数据采集与交换层、集成与处理层、建模与分析层、决策与控制应用层。
(一)数据采集与交换层
将工业机器设备动态数据、供销文件、企业现状等闭环数据整合采集是进行数据分析的前提，也是建立小微企业融资风控模型进行精准放贷的基础和依据。将来源、结构各异的数据由下而上整合需要进行数据的交换，进行信息处理。
数据的类别收集基于金融机构传统小微企业融资风控模型和企业生产运营情况，结合中国人民银行征信中心对企业的评价报告指标、工业互联网收集传输数据、工业互联网参考架构、银行风控模型等建立了工业互联网数据采集与交换层，如图3所示。
为保证融资风控模型的准确性和全面性，需采集来自企业内部和外部的大量数据，其中内部数据包括现场运营数据和产业链数据，外部数据包含金融机构建模基础的财务报表等金融信息和外部环境信息。通过控制设备、智能设备、ERP、SCADA等采集异构数据后需进行数据交换和协议解析，使得信息格式统一化，有利于下一步进行数据的集成和处理。
(二)数据集成与处理层
数据集成与处理是将经过数据交换的统一格式数据集成到数据集合中进行存储、加工形成有意义的数据集。由于工业数据具有规模大、实时性高的特性，若直接将数据集成处理则会使云端负荷较大，导致反应延迟、网络堵塞。把部分数据交换信息首先在边缘层进行边缘计算、数据预处理、智能分析反馈将提高反应灵敏度，降低云端压力和成本，有利于金融机构实时监控融资企业。
通过数据交换得到的部分数据集首先进行边缘计算，在靠近设备端实时进行计算与存储并反馈于设备端；边缘层ECIaaS、ECPaaS、云端的数据集成与处理IaaS、管理、数据处理协同，共同进行整体数据的存储和处理。边缘层计算工业现场动态数据，提高企业、金融机构掌握现场实时数据的效能；云端处理数据为工业现场静态数据、外部金融链数据和供应链数据，其数据复杂且对数据处理要求较高。通过云基础设施和PaaS平台的部署，对数据进行分布式处理，将数据空缺、数据异常、数据冗余等原始数据进行清洗，提高数据质量；通过聚合分析等方法在不同数据库中分类存储。
(三)数据建模与分析层
对于传统工业企业的工业互联网来说，数据建模需要以工业元素和实际流程为基础，结合工业机理建立机理模型，进行数据分析和可视化处理。而对于工业互联网背景下的企业融资风控模型来说，其建立在工业元素和传统金融机构的融资风控模型的基础上，需结合贷前、贷中、贷后流程指标，进行描述和分析。
1.小微企业融资风控模型指标体系建立。小微企业融资风控模型的建立涉及指标选取、算法确定、一致性检验等多个维度。其中对数据类别做了概括性说明，并将分析指标细化后得到下表1：
表1小微企业融资风控模型指标体系
该指标体系共包括五大类别，18个一级指标、52个二级指标和96个三级指标，其中财务报表指标考虑了传统金融机构的融资风控模型，现场数据结合了工业互联网上云分析体系。
2.模型与算法确定。本文利用工业互联网嵌入融资风控模型将纯人工了解数据、半自动输入数据转变为全自动信息获取模式，与传统财务信息为主的建模数据不同，其既包含传统金融信息、企业报表信息，也引入现场数据和供应链资料，数据量庞大，数据关系不确定。与传统研究以历史违约率、银行历史评级、ST企业替代变量为融资风控因变量的研究思路不同，本文未加入参照因变量，因此无算法监督学习过程。本文采用Fuzzy-AHP法对数据进行权重匹配。
AHP是Saaty(1977)提出的多标准决策工具(MCDM)，随后为了表达决策者模糊偏好，Buckley(1985)引入模糊理论中的模糊数来表示两两指标间的重要程度，首次提出了Fuzzy-AHP法。
Fuzzy-AHP法假设矩阵R＝(rij)n×n满足0≤rij≤1(i＝1,2n；j＝1,2...n)，则R为模糊矩阵。以rij表示i与j的重要性程度，rij＞0.5时，表示i比j重要；rij＜0.5时，表示j比i重要；rij＝0.5时，表示j与i同等重要；rij距离0.5越远，代表两者重要性差距越大。矩阵R＝(rij)n×n为模糊互补判断矩阵(PCM)，表示各影响因素的重要性程度。
随着Fuzzy-AHP理论与应用的不断发展，产生了较为广泛应用的九种权重算法，Faran Ahmed&Kemal Kilic(2018)针对此九种算法对模糊比较矩阵计算权重的准确性CIV指数进行了性能分析，包括对数最小二乘法Laarhoven、修正归一化最小二乘法Boender、限度分析法Chang、修正归一化模糊范围分析法Wang、几何均值法Buckley、模糊算术平均值法FAM、模糊几何平均值法FGM、模糊矩阵行和归一法FRSM、模糊矩阵列和求逆归一法FuzzyInverse of Column Sum Method(FICSM)，采用兼容性指数值(CIV)进行计算，发现FICSM算法和Boender算法是相对最优模型，但Boender算法更适用阶数高、不一致性强的场景，与本文场景不相符。FICSM兼容性指数CIV(1.05968,±0.04665)最稳定，Welch ANOVA分析最显著。本文采用FICSM模糊矩阵列和求逆归一法进行分析研究。
FICSM是Faran Ahmed&Kemal Kilic(2018)提出的新改进方法，模糊互补判断矩阵R＝(rij)n×n表示为：
其中wi代表i的权重，将列相加得到各列之和为：
因w1+w2,…,wi＝1，故列和也可表示为
列和的倒数将产生权重向量(w1,w2,…wi)，用于模糊互补判断矩阵。之后进行归一化处理，
得到各层指标权重。
3.一致性检验。对于Fuzzy-AHP采用随机一致性检验(CI)。将排序权重向量wi-wj+0.5→W(wij)得到权重矩阵，之后根据
得到一致性指标。CI指标以0.1为分界点，若CI＞0.1说明矩阵权重判断不准确，反之为结果可靠(徐泽水，2002)。
(四)决策与控制应用层
以工业互联网数据和企业金融信息为基础，抽象出具体指标，根据数据实证得出结果与分析决策相对应，得到小微企业融资风控得分。根据融资风控得分，结合传统“贷款五级分类”、评级机构分类与决策方式，以一定误差精度检验训练样本准确度，进而利用监测样本进行预测和正确性二次检验，准确、全面地为小微企业提供适应其自身特征的贷款额度和贷款利率，提高授款率，降低坏账率，增强金融服务实体经济的能力。
风控模型整体建立在国家法律法规及相关政策、标准的基础之上，并受到相关技术框架、安全保障的支持。四层结构互相依附、互相支撑，数据采集与交换为数据的集成与处理提供信息基础，并为数据建模与分析带来可能；数据集成与处理为数据的建模与分析做准备，更好的应用于决策与应用中；数据建模与分析是决策与应用的核心，其复杂的算法和训练效果为融资风控等级表的生成奠定了理论基础。
本文小微企业现场运营数据、供应链数据来源于紫光云引擎科技(苏州)有限公司，企业基本信息来源于天眼查、小微企业，外部环境数据来源于国家统计局、Wind数据库、地方统计年鉴等。数据计算采用Matlab、Excel等工具。限于数据敏感性，下文以工业企业中装备制造业、钣金制造业两家企业为例展示模型实证过程和结果。
(二)数据处理
由于评价指标体系中三级指标有绝对数值、相对数值，正指标、负指标等多种数据形式，在进行实证分析之前需要进行标准化和无量纲化。
在考虑工业机理和工业经验的基础上，将比率数值正指标，例如检查合格率、设备稳定性等指标转换为data×100×10，比率数值负指标，例如故障率、员工流动性等指标转换为(1-data)×100×10；设备数量
设备买入总价值和当前总价值data÷10,0000；MTTR平均修复时间＝故障时间/故障次数～1000-data(min)*2；MTBF＝正常工作时间/故障次数～data(min)×2。各比率需计算指标公式以附录形式于文后展示1。
(三)实证结果及分析
1.构建模糊互补判断矩阵。根据数据建模与分析层中指标体系的建立，将评价标准设置为5阶，如下表2。目标层为指标体系类别，准则层为一级、二级指标，指标层为三级指标。
表2指标体系评价标准参考
准则层对目标层的重要性标度表示为矩阵R，同理可以得到准则层二级指标对三级指标，准则层三级指标对指标层的模糊互补判断矩阵2。
2.模糊互补判断矩阵的权重与一致性检验。FICSM算法中，
将各层模糊互补判断矩阵进行算法计算，并进行归一化处理
后得到下表3权重结果：
表3模糊互补判断矩阵权重
计算得到模糊互补判断矩阵不代表结果均有效，进行一致性检验，若CI＜0.1表示结果具有可靠性，否则需重新判定矩阵。
以目标层R为例，其模糊判断矩阵为：
权重向量为(0.1290,0.1466,0.2390,0.3136,0.1717)T，进行权重向量的计算wi-wj+0.5→W(wij)得到权重矩阵：
之后根据
得到一致性指标CI(RF)＝0.0962，判断矩阵一致。同理得到其他模糊判断矩阵的一致性指标，并于表4展示结果，其中，若CI(FICSM)<0.1,在数值后标记为*，否则不做标记。由表3可以看到CI(FICSM)均小于0.1，所有判断矩阵均一致。
由上表结果可以看出，对于目标层来说，财务指标和现场数据对小微企业融资风险影响最显著，分别达到31.36％和23.90％，其次是供应链数据和外部环境。准则层一级指标中，企业信誉对企业基本信息目标层影响最大，占比43.11％；小微企业受到自身及行业影响大于宏观环境；偿债能力和现金流量好坏可显著改变融资风险；能源消耗和现场设备运转情况能较好的代表现场运营能力，二者影响之和超过50％；供应链数据中，销售端影响力是供应商端的两倍左右。
从准则层二级指标和指标层综合来看，管理者水平对小微企业经营影响较大；贷款违约次数和政府惩罚记录对于小微企业贷款是重要的评估指标；研发人员薪资和人数占比体现了企业的创新投入和未来潜力，也是融资风险评估需考虑的方面；行业占有率体现了企业在经营行业的垄断程度、议价能力，侧面反映出企业的还款能力和现实潜力。财务指标中的流动比率、应收账款周转率、现金流量比率是更为关注的比率指标。设备开机率、报废率、MTTR是企业运营过程中最需关注的现场情况，而巡检、抽检合格率是从质量层面检验企业的生产能力，能源消耗从侧面反映了企业生产现场产能。长期供应商和合作客户是供应链中影响企业业务稳定性的重要环节，而供货、销货及时率体现了企业之间的合作深度和配合能力。
3.权重合成。模糊互补判断矩阵权重均通过了CI一致性检验后，将矩阵权重合成，消除目标层、准则层和指标层的间隔，如下表5：
表5小微企业融资风控指标权重表
由经过权重合成后的小微企业融资风控矩阵结果可以看出，指标层中贷款违约次数，处罚记录/经营异常/失信记录，地方GDP增长率，行业平均发展增速，单位用电(水)量，年环保惩罚次数对总体融资征信影响均超过1.5％，说明银行较为重视小微企业的历史信用记录、行业发展状况和侧面反映生产产能的实时资源消耗。准则层中设备生产能力、原材料使用、库存占比三大现场经营指标占比较大，影响总风控结果的6.27％；竞争强度和行业占有率体现了企业的现有能力和未来潜力，对总体影响较大；财报指标中，偿债能力、应收账款周转率和现金流量比率都是直接反映企业还款能力的指标，故其占比较大；从供应链来看，销售端影响较大，且长期客户的稳定性是银行等金融机构最关注的供应链指标。
4.小微企业融资风控结果表示与分析。在指标体系和权重均确定的基础上，以工业企业中装备制造业、钣金制造业两家企业H、F为例进行小微企业融资风控结果的表示，如下表6所示。
表6小微企业融资风控结果表示
| 企业 | H | F |
| 小微企业融资风控得分 | 196.68分 | 211.75分 |
由于H企业规模相对较小，且信息化程度相对较低，导致企业融资风控得分下降，但是其较好的组织结构、薪资结构和现场运营能力使得两企业差距减小，最终两企业风控得分相差较小。同理可以进行多企业的比较和深入分析。
本发明基于工业互联网平台进行了小微企业融资风控模型研究，对小微企业融资现状和工业互联网发展现状进行分析，提出了基于工业互联网小微企业融资风控模型，之后建立了小微企业融资风控模型架构，分为数据采集与交换层、集成与处理层、建模与分析层、决策与控制应用层。在建模与分析层中引入模糊层次分析法中的模糊矩阵列和求逆归一算法，对小微企业现场运营数据、企业基本信息、财报数据、供应链数据和外部环境数据五大类别，共九十六个三级指标建模，并均通过了CI一致性检验。之后以机械制造业和钣金制造业两小微企业H和F进行了实证分析。
结果发现：财务指标和现场数据对小微企业融资风险影响最显著，分别达到31.36％和23.90％，其次是供应链数据和外部环境。准则层一级指标中，企业信誉对企业基本信息目标层影响最大，占比43.11％，这与小微企业受管理者水平影响大有密切关系；小微企业受到自身及行业影响大于宏观环境；能源消耗和现场设备运转情况能较好的代表现场运营能力，二者影响之和超过50％；供应链数据中，销售端影响力是供应商端的两倍左右，长期客户的稳定性是银行等金融机构最关注的供应链指标。指标层中，贷款违约次数和政府惩罚记录对于小微企业贷款是重要的评估指标，说明银行较为重视小微企业的历史信用记录；研发人员薪资和人数占比体现了企业的创新投入和未来潜力，也是融资风险评估需考虑的方面；行业占有率体现了企业在经营行业的垄断程度、议价能力，侧面反映出企业的还款能力和现实潜力。财务指标中的流动比率、应收账款周转率、现金流量比率是更为关注的比率指标，因其直接反映企业还款能力的指标。设备开机率、报废率、MTTR是企业运营过程中最需关注的现场情况，而巡检、抽检合格率是从质量层面检验企业的生产能力，能源消耗从侧面反映了企业生产现场产能。全面的数据来源和分析为金融机构提供了客观和有效的融资风险分析。
如图4所示，本发明实施例基于工业互联网平台的小微企业融资风控系统，包括：
数据采集模块，用于采集企业基本信息、外部环境信息、财务报表数据、企业现场运营数据、供应链数据，其中企业现场运营数据包括设备开机率、故障率、设备异常工时占比；
数据集成与处理模块，用于将采集的企业现场运营数据在边缘层进行边缘计算，统一数据格式，实时存储在靠近设备端并发送给云端；云端对获取的所有数据进行分布式处理，将数据中的数据空缺、数据异常、数据冗余进行清洗，并将清洗后的数据通过分类算法进行分类，在不同数据库中分类存储；
数据建模模块，用于构建小微企业融资风控模型，所述小微企业融资风控模型根据企业基本信息、外部环境信息、财务报表数据、企业现场运营数据、供应链数据五个类别构建，其中五个类别细化为多个一级指标、二级指标和三级指标，各级指标采用FICSM模糊矩阵列和求逆归一法对数据进行权重分配；
决策与控制应用模块，用于将云端处理后的数据输入所述小微企业融资风控模型,分别计算各个指标的权重值,并根据计算结果分析小微企业融资风险的等级。
本发明的基于工业互联网平台的小微企业融资风控系统主要用于实现上述实施例的基于工业互联网平台的小微企业融资风控方法，系统功能与方法步骤一一对应，相同部分不再赘述。
本发明实施例的计算机存储介质，其内存储有可被处理器执行的计算机程序，该计算机程序执行上述实施例的基于工业互联网平台的小微企业融资风控方法。
综上，本发明利用工业互联网的数据集成功能建立小微企业融资风控模型，实现了设备-平台-金融应用全流程动态监测，解决了工业企业信息孤岛和金融机构信息不对称的问题，拓宽了企业融资渠道、降低了融资成本，同时减少了金融机构不良贷款率，是工业互联网发展迅猛背景下跨领域发展的重要方向。政府应给予充分的政策支持，加快小微企业上云；金融机构应积极参与并解决小微企业融资问题；平台商和小微企业配合措施落实以促进工业互联网进一步跨领域跨行业融合。实现金融服务实体经济，最终促进实体经济更好更快发展。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (8)
1.一种基于工业互联网平台的小微企业融资风控方法，其特征在于，包括以下步骤：
采集企业基本信息、外部环境信息、财务报表数据、企业现场运营数据、供应链数据，其中企业现场运营数据包括设备开机率、故障率、设备异常工时占比；
将采集的企业现场运营数据在边缘层进行边缘计算，统一数据格式，实时存储在靠近设备端并发送给云端；
云端对获取的所有数据进行分布式处理，将数据中的数据空缺、数据异常、数据冗余进行清洗，并将清洗后的数据通过分类算法进行分类，在不同数据库中分类存储；
将云端处理后的数据输入到小微企业融资风控模型，分别计算各个指标的权重值；所述小微企业融资风控模型根据企业基本信息、外部环境信息、财务报表数据、企业现场运营数据、供应链数据五个类别构建，其中五个类别细化为多个一级指标、二级指标和三级指标，各级指标采用FICSM模糊矩阵列和求逆归一法对数据进行权重分配；
根据小微企业融资风控模型输出的权重值分析小微企业融资风险的等级。
2.根据权利要求1所述的基于工业互联网平台的小微企业融资风控方法，其特征在于，所述企业现场运营数据包括五个一级指标，具体为设备使用情况、原料与仓储情况、质量检验情况、生产标准情况、能源消耗情况。
3.根据权利要求1所述的基于工业互联网平台的小微企业融资风控方法，其特征在于，所述小微企业融资风控模型的架构层包括数据采集与交换层、集成与处理层、建模与分析层、决策与控制应用层。
4.根据权利要求1所述的基于工业互联网平台的小微企业融资风控方法，其特征在于，所述小微企业融资风控模型包括五大类别，18个一级指标、52个二级指标和96个三级指标，所述小微企业融资风控模型的具体评价指标体系如下表：
5.根据权利要求1所述的基于工业互联网平台的小微企业融资风控方法，其特征在于，该方法还包括步骤：通过构建模糊互补判断矩阵对所述小微企业融资风控模型输出的结果进行随机一致性检验。
6.根据权利要求4所述的基于工业互联网平台的小微企业融资风控方法，其特征在于，将评价指标体系中三级指标包括绝对数值、相对数值，正指标、负指标进行标准化和无量纲化，其中将比率数值正指标转换为data×100×10，比率数值负指标转换为(1-data)×100×10；设备数量
设备买入总价值和当前总价值data÷10,0000；MTTR平均修复时间＝故障时间/故障次数～1000-data(min)*2；MTBF＝正常工作时间/故障次数～data(min)×2，其中data为指标数值。
7.一种基于工业互联网平台的小微企业融资风控系统，其特征在于，该系统包括：
数据采集模块，用于采集企业基本信息、外部环境信息、财务报表数据、企业现场运营数据、供应链数据，其中企业现场运营数据包括设备开机率、故障率、设备异常工时占比；
数据集成与处理模块，用于将采集的企业现场运营数据在边缘层进行边缘计算，统一数据格式，实时存储在靠近设备端并发送给云端；云端对获取的所有数据进行分布式处理，将数据中的数据空缺、数据异常、数据冗余进行清洗，并将清洗后的数据通过分类算法进行分类，在不同数据库中分类存储；
数据建模模块，用于构建小微企业融资风控模型，所述小微企业融资风控模型根据企业基本信息、外部环境信息、财务报表数据、企业现场运营数据、供应链数据五个类别构建，其中五个类别细化为多个一级指标、二级指标和三级指标，各级指标采用FICSM模糊矩阵列和求逆归一法对数据进行权重分配；
决策与控制应用模块，用于将云端处理后的数据输入所述小微企业融资风控模型,分别计算各个指标的权重值,并根据计算结果分析小微企业融资风险的等级。
8.一种计算机存储介质，其特征在于，其内存储有可被处理器执行的计算机程序，该计算机程序执行如权利要求1-6中任一项所述的基于工业互联网平台的小微企业融资风控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010239291.5A CN111429016A (zh) | 2020-03-30 | 2020-03-30 | 基于工业互联网平台的小微企业融资风控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010239291.5A CN111429016A (zh) | 2020-03-30 | 2020-03-30 | 基于工业互联网平台的小微企业融资风控方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111429016A true CN111429016A (zh) | 2020-07-17 |
Family
ID=71549966
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010239291.5A Pending CN111429016A (zh) | 2020-03-30 | 2020-03-30 | 基于工业互联网平台的小微企业融资风控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111429016A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112529690A (zh) * | 2020-12-16 | 2021-03-19 | 深圳市辰宝信息服务有限公司 | 大宗商品供应链金融风控管理方法、装置、设备及介质 |
| CN112686553A (zh) * | 2020-12-31 | 2021-04-20 | 民生科技有限责任公司 | 企业自动评级管理系统、方法、服务器及可读存储装置 |
| CN113672815A (zh) * | 2021-08-30 | 2021-11-19 | 深圳市中壬速客信息技术有限公司 | 一种线上快速获取高安全性信息数据资源的方法及系统 |
| CN113837648A (zh) * | 2021-10-11 | 2021-12-24 | 讯飞智元信息科技有限公司 | 企业关联性分析方法、关联企业推荐方法和装置 |
| CN114186181A (zh) * | 2022-02-16 | 2022-03-15 | 国家能源集团物资有限公司西南配送中心 | 一种面向备件供应的多级冗余集采控制方法 |
Citations (7)
| 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 |
| CN107944714A (zh) * | 2017-11-28 | 2018-04-20 | 常州天正工业发展股份有限公司 | 一种借贷风险评估方法及装置 |
| CN108280760A (zh) * | 2018-01-25 | 2018-07-13 | 树根互联技术有限公司 | 一种金融风险在线监控方法和装置 |
| EP3460682A1 (en) * | 2017-09-22 | 2019-03-27 | 1nteger, LLC | Systems and methods |
| CN109801159A (zh) * | 2019-01-24 | 2019-05-24 | 中国农业银行股份有限公司 | 基于区块链的互联网电商融资管理方法及系统 |
| CN110310041A (zh) * | 2019-07-04 | 2019-10-08 | 武汉般若易修工业技术服务有限公司 | 利用实时数据评估生产设备金融价值和金融风险的方法 |
| CN110363660A (zh) * | 2019-07-18 | 2019-10-22 | 河南金明源信息技术有限公司 | 一种科技中小型企业融资结构能力评估方法 |
-
2020
- 2020-03-30 CN CN202010239291.5A patent/CN111429016A/zh active Pending
Patent Citations (7)
| 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 |
| EP3460682A1 (en) * | 2017-09-22 | 2019-03-27 | 1nteger, LLC | Systems and methods |
| CN107944714A (zh) * | 2017-11-28 | 2018-04-20 | 常州天正工业发展股份有限公司 | 一种借贷风险评估方法及装置 |
| CN108280760A (zh) * | 2018-01-25 | 2018-07-13 | 树根互联技术有限公司 | 一种金融风险在线监控方法和装置 |
| CN109801159A (zh) * | 2019-01-24 | 2019-05-24 | 中国农业银行股份有限公司 | 基于区块链的互联网电商融资管理方法及系统 |
| CN110310041A (zh) * | 2019-07-04 | 2019-10-08 | 武汉般若易修工业技术服务有限公司 | 利用实时数据评估生产设备金融价值和金融风险的方法 |
| CN110363660A (zh) * | 2019-07-18 | 2019-10-22 | 河南金明源信息技术有限公司 | 一种科技中小型企业融资结构能力评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 曹秋琴;张瑞龙;: "基于阿里小贷模式的企业资信评价研究", no. 06 * |
| 李磊;王文利;李亨英;: "信用保险下银行供应链金融风险评价――以山西省煤炭企业为例", no. 06 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112529690A (zh) * | 2020-12-16 | 2021-03-19 | 深圳市辰宝信息服务有限公司 | 大宗商品供应链金融风控管理方法、装置、设备及介质 |
| CN112686553A (zh) * | 2020-12-31 | 2021-04-20 | 民生科技有限责任公司 | 企业自动评级管理系统、方法、服务器及可读存储装置 |
| CN113672815A (zh) * | 2021-08-30 | 2021-11-19 | 深圳市中壬速客信息技术有限公司 | 一种线上快速获取高安全性信息数据资源的方法及系统 |
| CN113837648A (zh) * | 2021-10-11 | 2021-12-24 | 讯飞智元信息科技有限公司 | 企业关联性分析方法、关联企业推荐方法和装置 |
| CN113837648B (zh) * | 2021-10-11 | 2023-11-17 | 讯飞智元信息科技有限公司 | 企业关联性分析方法、关联企业推荐方法和装置 |
| CN114186181A (zh) * | 2022-02-16 | 2022-03-15 | 国家能源集团物资有限公司西南配送中心 | 一种面向备件供应的多级冗余集采控制方法 |
| CN114186181B (zh) * | 2022-02-16 | 2022-05-13 | 国家能源集团物资有限公司西南配送中心 | 一种面向备件供应的多级冗余集采控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111429016A (zh) | 基于工业互联网平台的小微企业融资风控方法及系统 | |
| CN111401600A (zh) | 基于关联关系的企业信用风险评价方法和系统 | |
| CN111476660A (zh) | 一种基于数据分析的智能风控系统及方法 | |
| CN113537807B (zh) | 一种企业智慧风控方法及设备 | |
| Wu et al. | Group decision-making using improved multi-criteria decision making methods for credit risk analysis | |
| CN115271912A (zh) | 一种基于大数据的信贷业务智能风控审批系统及方法 | |
| CN111639850A (zh) | 多源异构数据的质量评估方法与系统 | |
| CN113642922A (zh) | 一种中小微企业信用评估方法及装置 | |
| Li et al. | Multi‐criteria probabilistic dual hesitant fuzzy group decision making for supply chain finance credit risk assessments | |
| Yangyudongnanxin | Financial credit risk control strategy based on weighted random forest algorithm | |
| Du | Financial crisis early warning based on panel data and dynamic dual choice model | |
| CN112766814A (zh) | 一种信用风险压力测试模型的训练方法、装置及设备 | |
| Xie et al. | A big data technique for internet financial risk control | |
| Chen et al. | Financial distress prediction using data mining techniques | |
| TWM583089U (zh) | 智慧型信用風險評估系統 | |
| CN117455681A (zh) | 业务风险预测方法和装置 | |
| Hui | Comparison and application of logistic regression and support vector machine in tax forecasting | |
| CN113743817A (zh) | 一种基于云平台的企业信用等级评估方法 | |
| Hu | Design and application of a financial distress early warning model based on data reasoning and pattern recognition | |
| Yuan et al. | Research on Personal Credit Evaluation of Commercial Banks Under Ensemble Learning Framework | |
| Zhang et al. | Construction and analysis of the financing risk network of Chinese fisheries enterprises | |
| Zuo | Analysis on financial risk early warning mechanism of high-tech enterprises under the background of big data | |
| Su | Research on the Application of Data Mining Techniques in Early Warning Models for Financial Management | |
| Tan | Research on risk Prediction of enterprise Financial management based on optimized BP neural network algorithm | |
| Wang | Research on a Financial Crisis Early Warning Model Based on a Stochastic Forest Algorithm |
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 |