CN111815207A - 一种针对供应链金融的风险定量评估方法 - Google Patents
一种针对供应链金融的风险定量评估方法 Download PDFInfo
- Publication number
- CN111815207A CN111815207A CN202010874473.XA CN202010874473A CN111815207A CN 111815207 A CN111815207 A CN 111815207A CN 202010874473 A CN202010874473 A CN 202010874473A CN 111815207 A CN111815207 A CN 111815207A
- Authority
- CN
- China
- Prior art keywords
- risk
- supply chain
- commerce
- platform
- type
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 230000009193 crawling Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 36
- 238000010586 diagram Methods 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000012360 testing method Methods 0.000 claims description 19
- 230000010354 integration Effects 0.000 claims description 14
- 230000007123 defense Effects 0.000 claims description 13
- 238000012502 risk assessment Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000007726 management method Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013142 basic testing Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种针对供应链金融的风险定量评估方法，包括：整合基于电商平台的供应链，根据每个供应链的链属性以及权重值，采用不同的监测策略对对应的供应链进行监测，获得与供应链相关的第一类风险信息；同时，还获取每个供应链的金融交易信息，通过读取解析金融交易信息，获得第二类风险信息；爬取电商平台的本身运行信息，获得第三类风险信息；基于定量评估模型对第一类风险信息、第二类风险信息以及第三类风险信息进行综合评估，获得风险定量评估结果，便于降低运行风险，保证电商平台的稳定运行。
Description
技术领域
本发明涉及风险评估技术领域，特别涉及一种针对供应链金融的风险定量评估方法。
背景技术
供应链是指产品生产和流通过程中所涉及的原材料供应商、生产商、分销商、零售商以及最终消费者等成员通过与上游、下游成员的连接 (linkage) 组成的网络结构。也即是由物料获取、物料加工、并将成品送到用户手中这一过程所涉及的企业和企业部门组成的一个网络。
随着互联网技术的发展，电商平台涉及到的金融业务越来越多，且对金融业务进行风险分析是很有必要的，但是，现有的对金融业务进行分析过程中，一般是针对金融业务数据本身进行的一系列分析，分析的较为片面，导致分析结果不精准，进而使其达不到预防风险的目的。
发明内容
本发明提供一种针对供应链金融的风险定量评估方法，用以通过对供应链、金融交易信息以及电商平台三者结合分析，提高预估的精准性，为预防风险提供有效的数据基础，便于降低运行风险，保证电商平台的稳定运行。
本发明提供一种针对供应链金融的风险定量评估方法，包括：
整合基于不同电商平台的供应链；
根据每个供应链的链属性以及权重值，采用不同的监测策略对对应的供应链进行监测，获得与供应链相关的第一类风险信息；
获取每个供应链的金融交易信息，通过读取解析金融交易信息，获得第二类风险信息；
爬取所述电商平台的本身运行信息，获得第三类风险信息；
基于定量评估模型对第一类风险信息、第二类风险信息以及第三类风险信息进行综合评估，获得风险定量评估结果，并输出显示。
在一个实施例中，在整合基于不同电商平台的供应链之前，还包括：筛选电商平台，其筛选过程包括：
获取与供应链金融相关联的待筛选平台；
向每个待筛选平台发送测试指令，并自动收集每个待筛选平台基于测试指令的测试数据，同时，记录所述待筛选平台按照所述测试指令进行运转过程中产生的运行数据；
整合所述测试数据以及运行数据，并根据整合结果，对所述待筛选平台进行筛选，得到对应的电商平台。
在一个实施例中，所述整合基于不同电商平台的供应链包括：
采集基于所述电商平台产生的初级数据，并确定所述初级数据的初级数据类型；
获取与所述电商平台关联的消费端的第一子级数据，并确定所述第一子级数据的第一数据类型，并获取与所述电商平台关联的管理端的第二子级数据，并确定所述第二子级数据的第二数据类型；
建立所述初级数据类型与第一数据类型和第二数据类型之间的关联关系，并自动整合成新的整合数据；
在预设时间段内检测与所述电商平台关联的消费端与管理端中的平台版本是否存在更新，若存在，对所述电商平台的版本进行更新，同时，对所述整合数据进行更新，获取最新整合数据；
确定所述最新整合数据满足的规则数据库中的预设规则，并基于满足的预设规则，建立所述电商平台中每部分平台流程的流程属性；
根据当前部分平台流程的末尾工作以及下一部分平台流程的开头工作，确定所述末尾工作与对应开头工作之间的衔接度；
根据获取的所述电商平台的所有衔接度以及每部分平台流程的流程属性，对所述电商平台的供应链进行整合处理；
其中，所述平台流程与所述供应链相关联。
在一个实施例中，所述根据每个供应链的链属性以及权重值，采用不同的监测策略对对应的供应链进行监测，获得与供应链相关的第一类风险信息包括：
从预先存储的策略数据库中，调取与所述链属性以及权重值相关的监测策略；
基于所述监测策略，监测所述供应链的工作日志，同时，还监测实现所述供应链完整运行的硬件设备的设备工作图；
对所述工作日志进行数据处理，建立与所述工作日志相关的风险列表，且所述风险列表包括风险名称、风险类型、风险等级以及风险占比；
对所述设备工作图进行图像处理，并基于时间戳计算所述硬件设备的工作频率分布图和工作异常分布图；
根据所述风险列表以及工作频率分布图和工作异常分布图，确定所述供应链的第一类风险信息。
在一个实施例中，所述获取每个供应链的金融交易信息，通过读取解析金融交易信息，获得第二类风险信息包括：
构建每个供应链的标准金融交易曲线，同时，根据所述标准金融交易曲线，获取每个供应链对应的预设交易上限；
基于读取解析后的金融交易信息，构建每个供应链的实际金融交易曲线，当所述实际金融交易曲线对应的交易上限到达预设交易上限时，根据所述供应链对应的电商平台的平台信誉度，重新制定暂时的交易上限，当超过预设时间后，所述暂时的交易上限恢复；
捕捉每个供应链的实际金融交易曲线对应的所有交易时间段内被外界攻击的次数，并确定每次攻击的攻击危险程度以及攻击的成功率；
同时，还捕捉与攻击时刻点对应的防御的成功率以及防御损耗；
基于构建的每个供应链的实际金融交易曲线，计算对应供应链的交易数额以及交易稳健值；
根据所述交易数额、交易稳健值、每次攻击的攻击危险程度以及攻击的成功率、防御的成功率以及防御损耗，确定所述第二类风险信息；
其中，所述暂时的交易上限的值大于所述预设交易上限的值。
在一个实施例中，所述爬取所述电商平台的本身运行信息，获得第三类风险信息包括：
根据所述本身运行信息，确定所述电商平台中的电商界面以及每个界面的电商条目，且每个界面的全部电商条目与对应电商界面之间设置有多对一的权限树；
确定每个权限树中树干的权重值，并根据所述权重值，确定每个电商界面的风险等级；
确定权限树中的每个根节点、中间节点和叶子节点的权重值，并根据所述权重值，确定每个电商界面中每个电商条目的风险等级；
根据电商界面的风险等级以及对应电商条目的风险等级，获得第三类风险信息。
在一个实施例中，所述权重值越高对应的风险等级越高；
所述根节点、中间节点和叶子节点都是基于电商条目建立的；
所述树干是基于电商界面建立的。
在一个实施例中，基于定量评估模型对第一类风险信息、第二类风险信息以及第三类风险信息进行综合评估，获得风险定量评估结果之前，包括：构建定量评估模型，其包括：
收集目标样本，并对所述目标样本进行粗分类，获得正常样本和风险样本，所述风险样本包括：解决对应风险事件的难易程度、风险事件的触发条件、风险事件的风险程度、风险事件的风险评估参数；
对所述正常样本进行深度学习，构建初始模型；
对所述风险样本进行样本划分，获得不同类型的子样本；
同时，根据同类型子样本中的每个单独样本的权值，确定对应同类型的总权值，根据所有的总权值，对所述初始模型进行层次划分，并依次向每个层次输入对应的同类型子样本进行深度学习，获得待优化模型；
建立每个层次与调整指令相关的输入输出接口；
根据所述输入输出接口，接收管理者输入的调整指令，并对所述待优化模型中对应层次的参数进行调整处理；
当所有层次对应的参数都处理结束后，获得定量评估模型。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种针对供应链金融的风险定量评估方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供一种针对供应链金融的风险定量评估方法，如图1所示，包括：
步骤1：整合基于不同电商平台的供应链；
步骤2：根据每个供应链的链属性以及权重值，采用不同的监测策略对对应的供应链进行监测，获得与供应链相关的第一类风险信息；
步骤3：获取每个供应链的金融交易信息，通过读取解析金融交易信息，获得第二类风险信息；
步骤4：爬取所述电商平台的本身运行信息，获得第三类风险信息；
步骤5：基于定量评估模型对第一类风险信息、第二类风险信息以及第三类风险信息进行综合评估，获得风险定量评估结果，并输出显示。
上述技术方案的工作原理是：整合基于不同电商平台（售卖平台，如每日优鲜、京东、淘宝等类似平台）的供应链（包括平台、消费者以及管理者等终端在内的），根据每个供应链的链属性（如安全等级）以及权重值（如平台相对的综合安全防护能力等），采用不同的监测策略（如与时间相关的实时监测、间隔监测，与供应链中某些设备或软件相关的，如监测平台、消费端）对对应的供应链进行监测，获得与供应链相关的第一类风险信息（如与风险名称、风险类型、风险等级以及风险占比、设备工作频率分布图和工作异常分布图等相关的）；获取每个供应链的金融交易信息，通过读取解析金融交易信息，获得第二类风险信息（比如交易过程中被攻击的次数）；爬取电商平台的本身运行信息，获得第三类风险信息（如，电商平台本身的故障问题）；基于定量评估模型对第一类风险信息、第二类风险信息以及第三类风险信息进行综合评估，获得风险定量评估结果（如风险等级以及对风险的解决方案），并输出显示。
上述技术方案的有益效果是：用以通过对供应链、金融交易信息以及电商平台三者结合分析，提高预估的精准性，为预防风险提供有效的数据基础，便于降低运行风险，保证电商平台的稳定运行。
在一个实施例中，在整合基于不同电商平台的供应链之前，还包括：筛选电商平台，其筛选过程包括：
获取与供应链金融相关联的待筛选平台；
向每个待筛选平台发送测试指令，并自动收集每个待筛选平台基于测试指令的测试数据，同时，记录所述待筛选平台按照所述测试指令进行运转过程中产生的运行数据；
整合所述测试数据以及运行数据，并根据整合结果，对所述待筛选平台进行筛选，得到对应的电商平台。
该实施例中，由于涉及金融相关的平台是很多的，因此，对其进行筛选，且筛选的基础是基于向平台发送测试指令，进而对平台本身进行一个基础检测，即测试数据与运行数据的整合结果，实现筛选。
该实施例中，运行数据，例如在该平台搜索某个词条，花费0.1秒获得与词条相关的商品内容，此过程中产生的商品内容即为测试结果，花费0.1秒运行对应的参数即为运行数据。
上述技术方案的有益效果是：通过对电商平台进行筛选，便于提高对金融定量分析的准确性，通过对测试数据以及运行数据进行整合，提高对平台的有效筛选，为后续进行针对性管理，提供有效基础，可间接的保证电商平台的稳定运行。
在一个实施例中，所述整合基于不同电商平台的供应链包括：
采集基于所述电商平台产生的初级数据，并确定所述初级数据的初级数据类型；
获取与所述电商平台关联的消费端的第一子级数据，并确定所述第一子级数据的第一数据类型，并获取与所述电商平台关联的管理端的第二子级数据，并确定所述第二子级数据的第二数据类型；
建立所述初级数据类型与第一数据类型和第二数据类型之间的关联关系，并自动整合成新的整合数据；
在预设时间段内检测与所述电商平台关联的消费端与管理端中的平台版本是否存在更新，若存在，对所述电商平台的版本进行更新，同时，对所述整合数据进行更新，获取最新整合数据；
确定所述最新整合数据满足的规则数据库中的预设规则，并基于满足的预设规则，建立所述电商平台中每部分平台流程的流程属性；
根据当前部分平台流程的末尾工作以及下一部分平台流程的开头工作，确定所述末尾工作与对应开头工作之间的衔接度；
根据获取的所述电商平台的所有衔接度以及每部分平台流程的流程属性，对所述电商平台的供应链进行整合处理；
其中，所述平台流程与所述供应链相关联。
上述技术方案的工作原理是：采集基于电商平台产生的初级数据（比如电商平台在每次开机使用，并关机后会对之前产生的各种运行数据清零，因此，初级数据为最原始数据），并确定初级数据的初级数据类型（如安全类型、风险类型等）；获取与电商平台关联的消费端的第一子级数据（如消费端的消费记录），并确定第一子级数据的第一数据类型（如安全类型、风险类型），并获取与电商平台关联的管理端的第二子级数据（如管理端的管理记录），并确定第二子级数据的第二数据类型（如安全类型、风险类型）；建立初级数据类型与第一数据类型和第二数据类型之前的关联关系（即为安全、风险等的关系），并自动整合成新的整合数据（是以初级数据、第一子级数据以及第二子级数据为基础整合得到的）；在预设时间段内检测与电商平台进行关联的消费端与管理端中的平台版本是否存在更新，若存在，在对电商平台的版本进行更新，同时，对整合数据进行更新，获取最新整合数据；确定最新整合数据满足的规则数据库中的预设规则（如每部平台流程的安全等级是否合格），并基于满足的预设规则，建立电商平台中每部分平台流程（如，浏览流程、购买流程等）的流程属性（对应的安全性等）；根据当前部分平台流程的末尾工作以及下一部分平台流程的开头工作（如浏览流程浏览的末尾工作是将货物加入购物车，对应的购买流程的开头工作为支付等），确定末尾工作与对应开头工作之间的衔接度；根据获取的电商平台的所有衔接度以及每部分平台流程的流程属性，对电商平台的供应链进行整合处理。
该实施例中，当前部分平台流程，例如还为平台与消费者，平台与管理者等之间的衔接度，如当消费者下单成功，管理者接收下单信息等之间的衔接度。
上述技术方案的有益效果是：通过建立初级数据类型与第一数据类型和第二数据类型之前的关联关系，便于进行数据整合，为金融定量评估基础有效数据，通过判断每部分平台流程是否满足预设规则，可以保证每部分平台流程的安全性，通过根据衔接度与流程属性，对供应链进行整合处理，便于确保供应链的有效性，为基于供应链进行定量分析提供可靠基础。
在一个实施例中，所述根据每个供应链的链属性以及权重值，采用不同的监测策略对对应的供应链进行监测，获得与供应链相关的第一类风险信息包括：
从预先存储的策略数据库中，调取与所述链属性以及权重值相关的监测策略；
基于所述监测策略，监测所述供应链的工作日志，同时，还监测实现所述供应链完整运行的硬件设备的设备工作图；
对所述工作日志进行数据处理，建立与所述工作日志相关的风险列表，且所述风险列表包括风险名称、风险类型、风险等级以及风险占比；
对所述设备工作图进行图像处理，并基于时间戳计算所述硬件设备的工作频率分布图和工作异常分布图；
根据所述风险列表以及工作频率分布图和工作异常分布图，确定所述供应链的第一类风险信息。
该实施例中，设备工作图，如平台在运行过程中界面调试图、界面卡顿图、界面异常显示图等。
该实施例中，工作频率分布图，例如是指硬件设备的工作时段；
工作异常分布图，例如是指硬件设备的界面异常显示图等。
该实施例中，硬件设备，例如是指运行平台的设备，如手机等智能设备。
上述技术方案的有益效果是：通过采样检测策略对供应链进行监测，便于获取工作日志和相关的设备工作图，通过对监测的两种结果进行分别处理，保证第一类风险信息的可靠性。
在一个实施例中，所述获取每个供应链的金融交易信息，通过读取解析金融交易信息，获得第二类风险信息包括：
构建每个供应链的标准金融交易曲线，同时，根据所述标准金融交易曲线，获取每个供应链对应的预设交易上限；
基于读取解析后的金融交易信息，构建每个供应链的实际金融交易曲线，当所述实际金融交易曲线对应的交易上限到达预设交易上限时，根据所述供应链对应的电商平台的平台信誉度，重新制定暂时的交易上限，当超过预设时间后，所述暂时的交易上限恢复；
捕捉每个供应链的实际金融交易曲线对应的所有交易时间段内被外界攻击的次数，并确定每次攻击的攻击危险程度以及攻击的成功率；
同时，还捕捉与攻击时刻点对应的防御的成功率以及防御损耗；
基于构建的每个供应链的实际金融交易曲线，计算对应供应链的交易数额以及交易稳健值；
根据所述交易数额、交易稳健值、每次攻击的攻击危险程度以及攻击的成功率、防御的成功率以及防御损耗，确定所述第二类风险信息；
其中，所述暂时的交易上限的值大于所述预设交易上限的值。
上述技术方案的有益效果是：通过构建标准金融交易曲线，确定预设交易上限，且通过构建实际金融交易曲线以及平台信誉度，便于对交易上限进行调整，提高交易的灵活性，通过捕捉对应的攻击参数以及防御参数等其他参数，提高获取第二类风险信息的准确性，为后续降低风险提供基础。
在一个实施例中，所述爬取所述电商平台的本身运行信息，获得第三类风险信息包括：
根据所述本身运行信息，确定所述电商平台中的电商界面以及每个界面的电商条目，且每个界面的全部电商条目与对应电商界面之间设置有多对一的权限树；
确定每个权限树中树干的权重值，并根据所述权重值，确定每个电商界面的风险等级；
确定权限树中的每个根节点、中间节点和叶子节点的权重值，并根据所述权重值，确定每个电商界面中每个电商条目的风险等级；
根据电商界面的风险等级以及对应电商条目的风险等级，获得第三类风险信息。
该实施例中，例如电商界面包括界面A，界面B，界面A中包括程序a1,a2,a3等对应的电商条目，界面B中包括程序b1,b2,b3等对应的电商条目，且程序a1,a2,a3与界面A为多对一的关系，同理，程序b1,b2,b3与界面B为多对一的关系，进而构建权限树；
该实施例中，每个权限树是由树干、树枝（根节点、中间节点和叶子节点）等组成的，进而确定电商条目的风险等。
上述技术方案的有益效果是：从本身运行信息中确定界面和条目，是为了便于方向获取有效的界面和条目，通过构建权限树，并确定每个界面以及条目的权重值进而获取风险等级，为获取第三类风险信息提供基础。
在一个实施例中，所述权重值越高对应的风险等级越高；
所述根节点、中间节点和叶子节点都是基于电商条目建立的；
所述树干是基于电商界面建立的。
上述技术方案的有益效果是：为获取权重值提供了便利，提高了效率。
在一个实施例中，基于定量评估模型对第一类风险信息、第二类风险信息以及第三类风险信息进行综合评估，获得风险定量评估结果之前，包括：构建定量评估模型，其包括：
收集目标样本，并对所述目标样本进行粗分类，获得正常样本和风险样本，所述风险样本包括：解决对应风险事件的难易程度、风险事件的触发条件、风险事件的风险程度、风险事件的风险评估参数；
对所述正常样本进行深度学习，构建初始模型；
对所述风险样本进行样本划分，获得不同类型的子样本；
同时，根据同类型子样本中的每个单独样本的权值，确定对应同类型的总权值，根据所有的总权值，对所述初始模型进行层次划分，并依次向每个层次输入对应的同类型子样本进行深度学习，获得待优化模型；
建立每个层次与调整指令相关的输入输出接口；
根据所述输入输出接口，接收管理者输入的调整指令，并对所述待优化模型中对应层次的参数进行调整处理；
当所有层次对应的参数都处理结束后，获得定量评估模型。
该实施例中，目标样本可以是与金融数据等参数相关的；
该实施例中，对风险样本进行划分，获得子样本，例如是，支付风险子样本、浏览风险子样本等。
该实施例中，调整指令，例如是对每层中的某些风险参数进行调整，是为了提高其的精准性。
上述技术方案的有益效果是：通过对目标样本进行分类，构建正常样本的初始模型，通过对风险样本进行划分，便于获取不同类型的子样本，且通过获取单独样本的权值，确定同类型的总权值，进而进行层次划分，细化模型的识别功能，通过调整指令，对模型进行调整，便于提高模型的精度和贴合性。
在一个实施例中，基于定量评估模型对第一类风险信息、第二类风险信息以及第三类风险信息进行综合评估，获得风险定量评估结果，并输出显示的过程中，还包括：
步骤A1：建立不同类风险信息之间的关联关系，并根据如下公式，计算对应的关联值；
其中，P1表示第一类风险信息与第二类风险信息之间的关联值；P2表示第一类风险信息与第三类风险信息之间的关联值；P3表示第二类风险信息与第三类风险信息之间的关联值；P4表示第一类风险信息、第二类风险信息、第三类风险信息之间的关联值；
表示第一类风险信息中n1个指标中的第i1个指标的指标值；
表示第一类风险信息中n1个指标中的第i1个指标的权重值；
表示第二类风险信息中n2个指标中的第i2个指标的指标值；
表示第二类风险信息中n2个指标中的第i2个指标的权重值；
表示第二类风险信息中n3个指标中的第i3个指标的指标值；
表示第二类风险信息中n3个指标中的第i3个指标的权重值；
步骤A2：获取所述定量评估模型对每类风险信息的单独评估值，并获取第一类风险信息的第一单独评估值z1，第二类风险信息的第二单独评估值z2以及第三类风险信息的第三单独评估值z3；
步骤A3：获取所述定量评估模型对每类风险信息的综合评估值z；
步骤A4：根据所述关联值以及单独评估值和综合评估值，确定最终评估值S；
步骤A5：确定所述最终评估值对应的安全等级，并执行与安全等级相关的报警操作。
上述技术方案的有益效果是：通过建立不同类型信息之间的关联值，且通过确定每类信息的单独评估值以及所有的综合评估值，进而便于确定最终评估值，保证获取的准确性，通过确定对应的安全等级并执行报警操作，便于对评估结果进行及时处理，保证风险评估的可靠性和有效性，降低风险。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种针对供应链金融的风险定量评估方法，其特征在于，包括：
整合基于不同电商平台的供应链；
根据每个供应链的链属性以及权重值，采用不同的监测策略对对应的供应链进行监测，获得与供应链相关的第一类风险信息；
获取每个供应链的金融交易信息，通过读取解析金融交易信息，获得第二类风险信息；
爬取所述电商平台的本身运行信息，获得第三类风险信息；
基于定量评估模型对第一类风险信息、第二类风险信息以及第三类风险信息进行综合评估，获得风险定量评估结果，并输出显示。
2.如权利要求1所述的针对供应链金融的风险定量评估方法，其特征在于，在整合基于不同电商平台的供应链之前，还包括：筛选电商平台，其筛选过程包括：
获取与供应链金融相关联的待筛选平台；
向每个待筛选平台发送测试指令，并自动收集每个待筛选平台基于测试指令的测试数据，同时，记录所述待筛选平台按照所述测试指令进行运转过程中产生的运行数据；
整合所述测试数据以及运行数据，并根据整合结果，对所述待筛选平台进行筛选，得到对应的电商平台。
3.如权利要求1所述的针对供应链金融的风险定量评估方法，其特征在于，所述整合基于不同电商平台的供应链包括：
采集基于所述电商平台产生的初级数据，并确定所述初级数据的初级数据类型；
获取与所述电商平台关联的消费端的第一子级数据，并确定所述第一子级数据的第一数据类型，并获取与所述电商平台关联的管理端的第二子级数据，并确定所述第二子级数据的第二数据类型；
建立所述初级数据类型与第一数据类型和第二数据类型之间的关联关系，并自动整合成新的整合数据；
在预设时间段内检测与所述电商平台关联的消费端与管理端中的平台版本是否存在更新，若存在，对所述电商平台的版本进行更新，同时，对所述整合数据进行更新，获取最新整合数据；
确定所述最新整合数据满足的规则数据库中的预设规则，并基于满足的预设规则，建立所述电商平台中每部分平台流程的流程属性；
根据当前部分平台流程的末尾工作以及下一部分平台流程的开头工作，确定所述末尾工作与对应开头工作之间的衔接度；
根据获取的所述电商平台的所有衔接度以及每部分平台流程的流程属性，对所述电商平台的供应链进行整合处理；
其中，所述平台流程与所述供应链相关联。
4.如权利要求1所述的针对供应链金融的风险定量评估方法，其特征在于，所述根据每个供应链的链属性以及权重值，采用不同的监测策略对对应的供应链进行监测，获得与供应链相关的第一类风险信息包括：
从预先存储的策略数据库中，调取与所述链属性以及权重值相关的监测策略；
基于所述监测策略，监测所述供应链的工作日志，同时，还监测实现所述供应链完整运行的硬件设备的设备工作图；
对所述工作日志进行数据处理，建立与所述工作日志相关的风险列表，且所述风险列表包括风险名称、风险类型、风险等级以及风险占比；
对所述设备工作图进行图像处理，并基于时间戳计算所述硬件设备的工作频率分布图和工作异常分布图；
根据所述风险列表以及工作频率分布图和工作异常分布图，确定所述供应链的第一类风险信息。
5.如权利要求1所述的针对供应链金融的风险定量评估方法，其特征在于，所述获取每个供应链的金融交易信息，通过读取解析金融交易信息，获得第二类风险信息包括：
构建每个供应链的标准金融交易曲线，同时，根据所述标准金融交易曲线，获取每个供应链对应的预设交易上限；
基于读取解析后的金融交易信息，构建每个供应链的实际金融交易曲线，当所述实际金融交易曲线对应的交易上限到达预设交易上限时，根据所述供应链对应的电商平台的平台信誉度，重新制定暂时的交易上限，当超过预设时间后，所述暂时的交易上限恢复；
捕捉每个供应链的实际金融交易曲线对应的所有交易时间段内被外界攻击的次数，并确定每次攻击的攻击危险程度以及攻击的成功率；
同时，还捕捉与攻击时刻点对应的防御的成功率以及防御损耗；
基于构建的每个供应链的实际金融交易曲线，计算对应供应链的交易数额以及交易稳健值；
根据所述交易数额、交易稳健值、每次攻击的攻击危险程度以及攻击的成功率、防御的成功率以及防御损耗，确定所述第二类风险信息；
其中，所述暂时的交易上限的值大于所述预设交易上限的值。
6.如权利要求1所述的针对供应链金融的风险定量评估方法，其特征在于，所述爬取所述电商平台的本身运行信息，获得第三类风险信息包括：
根据所述本身运行信息，确定所述电商平台中的电商界面以及每个界面的电商条目，且每个界面的全部电商条目与对应电商界面之间设置有多对一的权限树；
确定每个权限树中树干的权重值，并根据所述权重值，确定每个电商界面的风险等级；
确定权限树中的每个根节点、中间节点和叶子节点的权重值，并根据所述权重值，确定每个电商界面中每个电商条目的风险等级；
根据电商界面的风险等级以及对应电商条目的风险等级，获得第三类风险信息。
7.如权利要求6所述的针对供应链金融的风险定量评估方法，其特征在于，所述权重值越高对应的风险等级越高；
所述根节点、中间节点和叶子节点都是基于电商条目建立的；
所述树干是基于电商界面建立的。
8.如权利要求1所述的针对供应链金融的风险定量评估方法，其特征在于，基于定量评估模型对第一类风险信息、第二类风险信息以及第三类风险信息进行综合评估，获得风险定量评估结果之前，包括：构建定量评估模型，其包括：
收集目标样本，并对所述目标样本进行粗分类，获得正常样本和风险样本，所述风险样本包括：解决对应风险事件的难易程度、风险事件的触发条件、风险事件的风险程度、风险事件的风险评估参数；
对所述正常样本进行深度学习，构建初始模型；
对所述风险样本进行样本划分，获得不同类型的子样本；
同时，根据同类型子样本中的每个单独样本的权值，确定对应同类型的总权值，根据所有的总权值，对所述初始模型进行层次划分，并依次向每个层次输入对应的同类型子样本进行深度学习，获得待优化模型；
建立每个层次与调整指令相关的输入输出接口；
根据所述输入输出接口，接收管理者输入的调整指令，并对所述待优化模型中对应层次的参数进行调整处理；
当所有层次对应的参数都处理结束后，获得定量评估模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010874473.XA CN111815207B (zh) | 2020-08-27 | 2020-08-27 | 一种针对供应链金融的风险定量评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010874473.XA CN111815207B (zh) | 2020-08-27 | 2020-08-27 | 一种针对供应链金融的风险定量评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111815207A true CN111815207A (zh) | 2020-10-23 |
| CN111815207B CN111815207B (zh) | 2021-01-12 |
Family
ID=72859208
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010874473.XA Active CN111815207B (zh) | 2020-08-27 | 2020-08-27 | 一种针对供应链金融的风险定量评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111815207B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112598489A (zh) * | 2020-12-14 | 2021-04-02 | 深圳市快付通金融网络科技服务有限公司 | 基于金融应用的风险监测方法及系统 |
| CN114820169A (zh) * | 2022-05-05 | 2022-07-29 | 尚班(北京)网络科技有限公司 | 一种金融业务的数据服务处理系统及方法 |
| CN115081921A (zh) * | 2022-07-08 | 2022-09-20 | 米烁网络科技(广州)有限公司 | 一种基于大数据的erp电商管理系统 |
| CN115205044A (zh) * | 2022-07-29 | 2022-10-18 | 山东浪潮爱购云链信息科技有限公司 | 一种供应链金融风险的评估方法、设备及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170124495A1 (en) * | 2015-11-04 | 2017-05-04 | Tata Consultancy Services Limited | Method and system for mitigating risk in a supply chain |
| 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 |
| CN110097252A (zh) * | 2019-03-29 | 2019-08-06 | 五渡(杭州)科技有限责任公司 | 一种用于供应链金融的风险识别系统及其方法 |
| CN110110957A (zh) * | 2019-03-16 | 2019-08-09 | 杭州安恒信息技术股份有限公司 | 一种基于p2p风险特征的预警监测方法 |
| CN110472815A (zh) * | 2019-06-28 | 2019-11-19 | 蔷薇信息技术有限公司 | 一种供应链金融业务中对融资企业的风险控制方法及系统 |
| CN110969376A (zh) * | 2019-09-05 | 2020-04-07 | 浙江工商大学 | 基于复杂网络的建材供应链金融风险评估算法 |
| CN111127197A (zh) * | 2019-12-31 | 2020-05-08 | 南京币鑫数据科技有限公司 | 一种外贸供应链金融风险控制的方法 |
-
2020
- 2020-08-27 CN CN202010874473.XA patent/CN111815207B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170124495A1 (en) * | 2015-11-04 | 2017-05-04 | Tata Consultancy Services Limited | Method and system for mitigating risk in a supply chain |
| 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 |
| CN110110957A (zh) * | 2019-03-16 | 2019-08-09 | 杭州安恒信息技术股份有限公司 | 一种基于p2p风险特征的预警监测方法 |
| CN110097252A (zh) * | 2019-03-29 | 2019-08-06 | 五渡(杭州)科技有限责任公司 | 一种用于供应链金融的风险识别系统及其方法 |
| CN110472815A (zh) * | 2019-06-28 | 2019-11-19 | 蔷薇信息技术有限公司 | 一种供应链金融业务中对融资企业的风险控制方法及系统 |
| CN110969376A (zh) * | 2019-09-05 | 2020-04-07 | 浙江工商大学 | 基于复杂网络的建材供应链金融风险评估算法 |
| CN111127197A (zh) * | 2019-12-31 | 2020-05-08 | 南京币鑫数据科技有限公司 | 一种外贸供应链金融风险控制的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 谢文静 等: "B2B电商平台供应链融资风险的影响因素识别与评价", 《财会月刊》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112598489A (zh) * | 2020-12-14 | 2021-04-02 | 深圳市快付通金融网络科技服务有限公司 | 基于金融应用的风险监测方法及系统 |
| CN112598489B (zh) * | 2020-12-14 | 2023-12-26 | 深圳市快付通金融网络科技服务有限公司 | 基于金融应用的风险监测方法及系统 |
| CN114820169A (zh) * | 2022-05-05 | 2022-07-29 | 尚班(北京)网络科技有限公司 | 一种金融业务的数据服务处理系统及方法 |
| CN115081921A (zh) * | 2022-07-08 | 2022-09-20 | 米烁网络科技(广州)有限公司 | 一种基于大数据的erp电商管理系统 |
| CN115205044A (zh) * | 2022-07-29 | 2022-10-18 | 山东浪潮爱购云链信息科技有限公司 | 一种供应链金融风险的评估方法、设备及介质 |
| CN115205044B (zh) * | 2022-07-29 | 2024-02-13 | 山东浪潮爱购云链信息科技有限公司 | 一种供应链金融风险的评估方法、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111815207B (zh) | 2021-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111815207B (zh) | 一种针对供应链金融的风险定量评估方法 | |
| CN110874778B (zh) | 异常订单检测方法及装置 | |
| Brown-Liburd et al. | Big Data and audit evidence | |
| US8751436B2 (en) | Analyzing data quality | |
| US8583408B2 (en) | Standardized modeling suite | |
| Chang et al. | An effective early fraud detection method for online auctions | |
| CN112668859A (zh) | 基于大数据的客户风险评级方法、装置、设备及存储介质 | |
| CN111476660A (zh) | 一种基于数据分析的智能风控系统及方法 | |
| Wong et al. | Financial accounting fraud detection using business intelligence | |
| CN112907356A (zh) | 逾期催收方法、装置、系统及计算机可读存储介质 | |
| CN107133862A (zh) | 动态产生增强信用评估的详细交易支付经历的方法和系统 | |
| CN114118793A (zh) | 一种地方交易所风险预警方法、装置及设备 | |
| CN114493208A (zh) | 工程项目全寿命周期的评价方法、装置、电子设备及介质 | |
| CN113283806A (zh) | 企业信息评估方法、装置、计算机设备及存储介质 | |
| CN113361778A (zh) | 应用于业务连续性管理平台的信息处理方法及装置 | |
| CN117114812A (zh) | 一种针对企业的金融产品推荐方法及装置 | |
| CN112669039A (zh) | 基于知识图谱的客户风险管控系统及方法 | |
| CN116629998A (zh) | 一种自动计息方法、装置、电子设备及可读存储介质 | |
| Singarimbum et al. | How Commercial Banks in Emerging Economies Can Leverage Big Data Analytics: A perspective of Asian countries | |
| CN107533686A (zh) | 用于监控业务运营的方法和系统 | |
| CN112651433B (zh) | 一种特权账号异常行为分析方法 | |
| CN113641725A (zh) | 信息展示方法、装置、设备及存储介质 | |
| KR102543211B1 (ko) | 비정형 기업 데이터를 이용한 기업성장 예측 시스템 | |
| CN114493851A (zh) | 一种风险处理方法及装置 | |
| CN112801788A (zh) | 一种互联网股权融资平台监控系统及监控方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231121 Address after: 907, No. 210, Tianwan Road, Tianliao Community, Yutang Street, Guangming District, Shenzhen, Guangdong 518000 Patentee after: Shenzhen Zongzheng Intellectual Property Service Co.,Ltd. Address before: 100102 room 801, 08 / F, building 7, yard 34, Chuangyuan Road, Chaoyang District, Beijing Patentee before: BEIJING MISSFRESH E-COMMERCE Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231214 Address after: Room 1509, Shuifa Building, 33399 Jingshi East Road, Tangye Street, Licheng District, Jinan City, Shandong Province, 250000 Patentee after: Shuifa Supply Chain Management Co.,Ltd. Address before: 907, No. 210, Tianwan Road, Tianliao Community, Yutang Street, Guangming District, Shenzhen, Guangdong 518000 Patentee before: Shenzhen Zongzheng Intellectual Property Service Co.,Ltd. |
|
| TR01 | Transfer of patent right |