CN112116217A - 一种业务事件风险概率的确定方法、装置及系统 - Google Patents

一种业务事件风险概率的确定方法、装置及系统 Download PDF

Info

Publication number
CN112116217A
CN112116217A CN202010886855.4A CN202010886855A CN112116217A CN 112116217 A CN112116217 A CN 112116217A CN 202010886855 A CN202010886855 A CN 202010886855A CN 112116217 A CN112116217 A CN 112116217A
Authority
CN
China
Prior art keywords
risk
natural environment
probability
risk probability
business event
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
Application number
CN202010886855.4A
Other languages
English (en)
Inventor
刘师雨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suning Financial Technology Nanjing Co Ltd
Original Assignee
Suning Financial Technology Nanjing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suning Financial Technology Nanjing Co Ltd filed Critical Suning Financial Technology Nanjing Co Ltd
Priority to CN202010886855.4A priority Critical patent/CN112116217A/zh
Publication of CN112116217A publication Critical patent/CN112116217A/zh
Pending legal-status Critical Current

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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种业务事件风险概率的确定方法、装置及系统。所述方法包括：获取业务事件中主体的关联地关于预设自然环境风险因素的自然环境风险特征；根据自然环境风险特征计算自然环境风险因素的自然环境风险概率；若包括两个及以上的自然环境风险因素，则根据各自然环境风险因素对应的权重值对自然环境风险概率进行加权计算，获得综合自然环境风险概率，将综合自然环境风险概率作为业务事件风险概率。本发明提供的技术方案包含了自然环境因素的风险评估，更加全面地分析业务事件潜在的风险，为相关机构评估业务事件风险提供全面的分析依据。

Description

一种业务事件风险概率的确定方法、装置及系统
技术领域
本发明涉及大数据分析技术领域，特别涉及一种业务事件风险概率的确定方法、装置及系统。
背景技术
目前，对于诸如商品交易、网络借贷等业务事件的风险预测，技术人员通常结合大数据分析技术，利用采集到的业务事件关联的企业用户或个人用户的财务情况进行计算获得风险概率，根据计算出的风险概率值与预设指标对比，判断出业务事件的风险倾向。然而在实际情况中，业务事件发生风险的原因不仅仅与用户的自身情况相关，还与不可抗力自然环境因素以及宏观经济等因素相关。但是，由于不可抗力、宏观经济等其他因素的信息散乱繁多，从技术上对于相关因素的风险分析难以寻找到准确有效的分析方法。此种情况下，现有的企业业务事件风险评估技术缺少对除业务事件主体因素以外的因素的分析，更缺乏多因素的综合分析，从而导致风险评估不准确，使得业务事件关联企业或人员难以提前准备，蒙受损失。
发明内容
为了解决现有技术的问题，本发明实施例提供了一种业务事件风险概率的确定方法、装置及系统。所述技术方案如下：
第一方面，提供了一种业务事件风险概率的确定方法，所述方法包括：
获取业务事件中主体的关联地关于预设自然环境风险因素的自然环境风险特征；
根据所述自然环境风险特征计算所述自然环境风险因素的自然环境风险概率；
若包括两个及以上的所述自然环境风险因素，则根据各所述自然环境风险因素对应的权重值对所述自然环境风险概率进行加权计算，获得综合自然环境风险概率，将所述综合自然环境风险概率作为业务事件风险概率。
进一步地，当所述自然环境风险因素为疫情时，所述获取业务事件关联地的自然环境风险特征，包括：
获取与所述业务事件关联地以及疫情关键词关联信息的信息量；
所述根据所述自然环境风险特征计算所述自然环境风险因素的自然环境风险概率，包括：
计算所述信息量的移动平均值增长率，
将所述信息量的移动平均值增长率与预设增长率阈值匹配，确定疫情风险概率。
进一步地，当所述自然环境风险因素为地震时，所述获取业务事件关联地的自然环境风险特征，包括：
采集所述业务事件关联地的地震信息，所述地震信息包括：实时震况信息和历史震况信息；
所述根据所述自然环境风险特征计算所述自然环境风险因素的自然环境风险概率，包括：
根据所述实时震况信息计算实时地震风险系数，根据所述历史震况信息计算未来地震风险概率，
根据所述实时地震风险系数和所述未来地震风险概率计算地震风险概率。
进一步地，当所述自然环境风险因素为台风时，所述获取业务事件关联地的自然环境风险特征，包括：
采集所述业务事件关联地的台风信息，所述台风信息包括：台风预警等级；
根据所述自然环境风险特征计算所述自然环境风险因素的自然环境风险概率，包括：
根据所述预警等级确定台风风险系数，
根据所述台风风险系数计算台风风险概率。
进一步地，所述业务事件风险概率的获得，还包括：
采集宏观经济指标数据；
将所述宏观经济指标数据输入至宏观风险预测模型中，获得宏观风险概率；
根据综合自然环境风险和宏观风险对应的权重值，对所述综合自然环境风险概率和所述宏观风险概率进行加权计算，获得外部风险概率，将所述外部风险概率作为所述业务事件风险概率。
进一步地，所述业务事件风险概率的获得，还包括：
获取业务事件的主体数据，并对所述主体数据按照预设的运营情况类别分类；
将各所述运营情况类别的主体数据输入至运营风险预测模型中，获得主体风险概率；
根据主体风险和外部风险对应的权重值，对所述主体风险概率和所述外部风险概率进行加权计算，获得整体风险概率，将所述整体风险概率作为所述业务事件风险概率。
进一步地，所述方法还包括：
采集金融平台数据，获取证券指数的变动数据，以及黄金价格的变动数据；
分别将所述证券指数的变动数据与第一人工介入条件对比，将所述黄金价格的变动数据与第二人工介入条件对比，若其中有任一满足，则发出人工介入请求信息，以使人工审核金融市场对业务事件的具体影响。
第二方面，提供了一种业务事件风险概率的确定装置，所述装置包括：
自然环境风险特征获取模块，用于获取业务事件中主体的关联地关于预设自然环境风险因素的自然环境风险特征；
自然环境风险概率计算模块，用于根据所述自然环境风险特征计算所述自然环境风险因素的自然环境风险概率；
综合自然环境风险概率计算模块，用于当包括两个及以上的所述自然环境风险因素时，根据各所述自然环境风险因素对应的权重值对所述自然环境风险概率进行加权计算，获得综合自然环境风险概率，将所述综合自然环境风险概率作为业务事件风险概率。
进一步地，所述自然环境风险特征获取模块，包括：疫情风险特征获取模块，用于获取与所述业务事件关联地以及疫情关键词关联信息的信息量；
所述自然环境风险概率计算模块，包括疫情风险特征计算模块，用于计算所述信息量的移动平均值增长率，将所述信息量的移动平均值增长率与预设增长率阈值匹配，确定疫情风险概率。
进一步地，所述自然环境风险特征获取模块，包括：地震风险特征获取模块，用于采集所述业务事件关联地的地震信息，所述地震信息包括：实时震况信息和历史震况信息；
所述自然环境风险概率计算模块，包括地震风险特征计算模块，用于根据所述实时震况信息计算实时地震风险系数，根据所述历史震况信息计算未来地震风险概率，
根据所述实时地震风险系数和所述未来地震风险概率计算地震风险概率。
进一步地，所述自然环境风险特征获取模块，包括：台风风险特征获取模块，用于采集所述业务事件关联地的台风信息，所述台风信息包括：台风预警等级；
所述自然环境风险概率计算模块，包括台风风险特征计算模块，用于根据所述预警等级确定台风风险系数，
根据所述台风风险系数计算台风风险概率。
进一步地，所述装置还包括：
宏观经济指标采集模块，用于采集宏观经济指标数据；
宏观风险概率计算模块，用于将宏观经济指标数据输入至宏观风险预测模型中，获得宏观风险概率；
外部风险概率计算模块，用于根据综合自然环境风险和宏观风险对应的权重值，对综合自然环境风险概率和宏观风险概率进行加权计算，获得外部风险概率，将外部风险概率作为业务事件风险概率。
进一步地，所述装置还包括：
主体数据获取模块，用于获取业务事件的主体数据，并对主体数据按照预设的运营情况类别分类；
主体风险概率计算模块，用于将各运营情况类别的主体数据输入至运营风险预测模型中，获得主体风险概率；
整体风险概率计算模块，用于根据主体风险和外部风险对应的权重值，对主体风险概率和外部风险概率进行加权计算，获得整体风险概率，将整体风险概率作为业务事件风险概率。
进一步地，所述装置还包括：
金融数据采集模块，用于采集金融平台数据，获取证券指数的变动数据，以及黄金价格的变动数据；
人工介入请求模块，用于分别将证券指数的变动数据与第一人工介入条件对比，将黄金价格的变动数据与第二人工介入条件对比，若其中有任一满足，则发出人工介入请求信息，以使人工审核金融市场对业务事件的具体影响。
第三方面，提供了一种计算机系统，包括：
一个或多个处理器；以及
与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行上述第一方面任一项所述的方法。
本发明实施例提供的技术方案带来的有益效果是：
1、本发明实施例提供的技术方案包含了自然环境因素的风险评估，更加全面地分析业务事件潜在的风险，为相关机构评估业务事件风险提供全面的分析依据；
2、本发明实施例提供的技术方案，对于自然环境因素的风险评估，包含了疫情、地震、台风，并对上述各因素均有独立的分析方法，能够客观准确地分析各因素对业务事件的影响；
3、本发明实施例提供的技术方案，还包括了宏观经济因素和主体因素的风险评估，进一步扩大了分析的范围，提供了多元化的业务事件风险评估的技术方案；
4、本发明实施例提供的技术方案，对于金融平台数据的分析评估，能够考虑到其他突发因素带来的经济总体情况的震荡对业务事件的影响，为了进一步分析该影响，本发明实施例还提供了人工干预入口，以便相关人员进行更准确的分析。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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是本发明实施例提供的业务事件风险概率确定方法流程图；
图2是本发明实施例提供的带外部风险概率的业务事件风险概率确定方法流程图；
图3是本发明实施例提供的带整体风险概率的业务事件风险概率确定方法流程图；
图4是本发明实施例提供的带人工介入的业务事件风险概率确定方法流程图；
图5是本发明实施例提供的业务事件风险概率确定装置结构示意图；
图6是本发明实施例提供的带外部风险概率法人业务事件风险概率确定装置结构示意图；
图7是本发明实施例提供的带整体风险概率的业务事件风险概率确定装置结构示意图；
图8是本发明实施例提供的带人工介入的业务事件风险概率确定装置结构示意图；
图9是本发明实施例提供的计算机系统结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
现有技术中对企业违约等业务事件的风险评估往往仅集中在企业自身的财务和运营风险中，忽略了不可抗力、宏观金融等因素，但实际上不可抗力、宏观金融危机对企业经营有至关重要的影响作用，为此本发明提供一种业务事件风险概率的确定方法、装置及系统，以全面地分析各个方面对业务事件的影响，评估企业的经营风险，为金融机构指定企业准入条件作依据，具体技术方案如下：
如图1所示，一种业务事件风险概率的确定方法，包括：
S11、获取业务事件中主体的关联地关于预设自然环境风险因素的自然环境风险特征。
上述，业务事件中主体的关联地可以是主体发生业务事件的地低点，例如：工程建设地、商品销售地等，也可以是业务事件关联主体的所在地，例如：贷款企业所在地、贷款个人所在地等。具体的关联地的范围可以是不同层面的：例如地区、国家、省份、城市、区县等。
在一个实施例中，自然环境风险因素包括：疫情、地震、台风中的一种或多种。
对于疫情风险，获取疫情风险特征包括：
获取与业务事件关联地以及疫情关键词关联信息的信息量。
上述，疫情关键词为与疫情关联词汇，可以包括：“传染”、“病毒”、“疫情”等。
对于地震风险，获取地震风险特征包括：
采集业务事件关联地的地震信息，地震信息包括：实时震况信息和历史震况信息。
上述，实时震况信息包括：实时震级nr、实时震源深度Dr。历史震况信息包括：预设时间段内的地震平均震级np、平均震源深度Dp、地震次数N、地震频率t。
对于台风风险，获取台风风险特征包括：
采集业务事件关联地的台风信息，台风信息包括：台风预警等级。
上述，具体的预警等级包括：黄色预警、橙色预警以及红色预警。
S12、根据自然环境风险特征计算自然环境风险因素的自然环境风险概率。
在一个实施例中，对于疫情风险，疫情风险概率的计算方法包括：
计算信息量的移动平均值；
计算信息量的移动平均值计算信息量的移动平均值增长率；
将信息量的移动平均值增长率与预设增长率阈值匹配，确定疫情风险概率。
上述，信息量的移动平均值具体可以是以周为单位计算时间间隔j为5天的移动平均值
Figure BDA0002655834120000081
上述，计算移动平均值增长率
Figure BDA0002655834120000082
的具体公式为：
Figure BDA0002655834120000083
其中，
Figure BDA0002655834120000084
为某次返回的检索信息量，
Figure BDA0002655834120000085
为相对于某次的前一次返回的检索信息量。
上述，疫情风险概率dstatus为与预设增长率阈值对应的数值，确定疫情风险概率具体可以是：
Figure BDA0002655834120000086
对应的dstatus＝0.2，并设置首次满足
Figure BDA0002655834120000087
时的
Figure BDA0002655834120000088
为比较基准值dbase；
Figure BDA0002655834120000091
对应的dstatus＝1；
Figure BDA0002655834120000092
对应的dstatus＝0。
上述，设置dbase主要用于比较当前期间的移动平均值与正常状态的移动平均值的差距，从而判断当前期间是否进入正常状态。
在一个实施例中，对于地震风险，地震风险概率的计算方法包括：
根据实时震况信息计算实时地震风险系数，根据历史震况信息计算未来地震风险概率，
根据实时地震风险系数和未来地震风险概率计算地震风险概率。
上述，基于一般情况下，6级以上地震会造成实际损害的历史经验，根据实时震况信息计算实时地震风险系数的具体公式可为：
Figure BDA0002655834120000093
基于地区发生地震概率符合G-R关系式以及泊松分布，并结合6级以上地震会造成实际损害的历史经验，可以得出在未来指定期间内发生6级以上地震的概率计算公式，具体如下：
log(N)＝a-bnp(G-R关系式)
Figure BDA0002655834120000094
(泊松分布)
上述公式中，k＝log(N)，则将上述两式合并演算，得到预测地震风险概率计算公式：
Figure BDA0002655834120000095
其中，参数a，b均可根据当地实际历史数据进行解方程运算求得。
基于上述实时地震风险系数和未来地震风险概率，地震风险概率epk为：
epk＝eqkr+eqkp
在一个实施例中，对于台风风险，台风风险概率的计算方法包括：
根据预警等级确定台风风险系数，
根据台风风险系数计算台风风险概率。
上述，根据预警等级确定台风风险系数f包括：
企业所在地出现黄色预警等级，f＝0.001；
企业所在地出现橙色预警等级，f＝0.005；
企业所在地出现红色预警等级，f＝0.025。
台风风险概率typ计算公式具体为：
typ＝f·T
其中，T为地区调节参数，可根据地区实际受影响情况进行调节，取值范围为0～2。
S13、若包括两个及以上的自然环境风险因素，则根据各自然环境风险因素对应的权重值对自然环境风险概率进行加权计算，获得综合自然环境风险概率，将综合自然环境风险概率作为业务事件风险概率。
基于上述疫情风险概率计算实施例、地震风险概率计算实施例、台风风险概率计算实施例，最终综合自然环境风险概率PNR的计算公式为：
PNR＝Weqkeqk+Wtyptyp+Wddstatus
其中，Weqk、Wtyp、Wd分别为地震、台风、疫情风险概率的权重，具体的取值可以是：Weqk＝0.3、Wtyp＝0.3、Wd＝0.4。
如图2所示，在一个实施例中，本发明技术方案公开的业务事件风险概率的获得还包括：
S21、采集宏观经济指标数据。
上述，宏观经济指标数据包括：X1：居民部门杠杆率；X2：实体经济部门杠杆率；X3：通货膨胀率；X4：失业率；X5：2年与10年国债收益率之差。
S22、将宏观经济指标数据输入至宏观风险预测模型中，获得宏观风险概率。
上述，将以上参数经过正则化处理后，输入至宏观风险预测模型中，获得宏观经济的风险概率PMacro。宏观风险预测模型可以是训练后的逻辑回归模型，模型中依据的计算公式如下：
Figure BDA0002655834120000111
其中，各参数的取值可为：
α＝-143.36，β1＝0.2605，β2＝0.5466，β3＝-1.166，β4＝1.15，β5＝2.82。
S23、根据综合自然环境风险和宏观风险对应的权重值，对综合自然环境风险概率和宏观风险概率进行加权计算，获得外部风险概率，将外部风险概率作为业务事件风险概率。
上述，外部风险概率P2的计算公式可以是：
Figure BDA0002655834120000112
上述，Wmacro为权重宏观风险的权重值，可参考的赋值为0.3；
Figure BDA0002655834120000113
为综合自然环境风险的权重值，可参考的赋值为1。
如图3所示，在一个实施例中，本发明技术方案公开的方法还包括：
S31、获取业务事件的主体数据，并对主体数据按照预设的运营情况类别分类。
上述，主体数据包括：业务事件主体的财务数据、税务数据、发票数据、征信数据等等。
对主体数据按照运营情况分类包括：
盈利能力类：资产回报率(ROA)、股本回报率(ROE)、净利润等；
运营效率类：总资产周转率、存货周转率、应收账款周转率等；
财务真实性类；销售额与下游增值税发票比值等；
成长性类：滚动营业收入增长、滚动税务收入增长等；
工商、征信类：涉诉次数、工商变更次数等。
S32、将各运营情况类别的主体数据输入至运营风险预测模型中，获得主体风险概率。
上述，预测模型可以是预先训练过的：随机森林、Xgboost、GBDT、Adaboost等。将以上各类别的主体数据清洗，并对相关缺损值、异常值进行预处理后，输入至预测模型中获得主体风险概率P1。
S33、根据主体风险和外部风险对应的权重值，对主体风险概率和外部风险概率进行加权计算，获得整体风险概率，将整体风险概率作为业务事件风险概率。
上述，整体风险概率PDtotal的计算公式为：
PDtotal＝W1P1+W2P2
其中，PDtotal为业务事件的整体风险概率；W1为业务事件的主体风险权重值，可参考赋值0.2；W2业务事件的外部风险权重值，可参考赋值0.8。
如图4所示，在一个实施例中，本发明技术方案公开的方法还包括：
S41、采集金融平台数据，获取证券指数的变动数据，以及黄金价格的变动数据；
S42、分别将证券指数的变动数据与第一人工介入条件对比，将黄金价格的变动数据与第二人工介入条件对比，若其中有任一满足，则发出人工介入请求信息，以使人工审核金融市场对业务事件的具体影响。
上述，金融市场主要反映了难以归类的偶发的、难以预料的相关风险对企业经营的影响，因此当金融市场的标的价格变动幅度过大时，则表示社会或国际局势发生了变化，此时引入人工介入审核金融市场对企业经营的具体影响。
如图5所示，基于上述业务事件风险的确定方法，本发明还提供一种业务风险事件的确定装置，包括：
自然环境风险特征获取模块11，用于获取业务事件中主体的关联地关于预设自然环境风险因素的自然环境风险特征。
自然环境风险概率计算模块12，用于根据自然环境风险特征计算自然环境风险因素的自然环境风险概率。
综合自然环境风险概率计算模块13，用于当包括两个及以上的自然环境风险因素时，根据各自然环境风险因素对应的权重值对自然环境风险概率进行加权计算，获得综合自然环境风险概率，将所述综合自然环境风险概率作为业务事件风险概率。
在一个实施例中，自然环境风险特征获取模块11，包括：疫情风险特征获取模块，用于获取与业务事件关联地以及疫情关键词关联信息的信息量。
在一个实施例中，自然环境风险特征获取模块11，包括：地震风险特征获取模块，用于采集业务事件关联地的地震信息，地震信息包括：实时震况信息和历史震况信息。
上述，实时震况信息包括：实时震级nr、实时震源深度Dr。历史震况信息包括：预设时间段内的地震平均震级np、平均震源深度Dp、地震次数N、地震频率t。
在一个实施例中，自然环境风险特征获取模块11，包括：台风风险特征获取模块，用于采集业务事件关联地的台风信息，台风信息包括：台风预警等级。
在一个实施例中，自然环境风险概率计算模块12，包括：疫情风险概率计算模块，用于：
计算信息量的移动平均值；
计算信息量的移动平均值计算信息量的移动平均值增长率；
将信息量的移动平均值增长率与预设增长率阈值匹配，确定疫情风险概率。
上述，信息量的移动平均值具体可以是以周为单位计算时间间隔j为5天的移动平均值
Figure BDA0002655834120000131
上述，计算移动平均值增长率
Figure BDA0002655834120000132
的具体公式为：
Figure BDA0002655834120000133
其中，
Figure BDA0002655834120000134
为某次返回的检索信息量，
Figure BDA0002655834120000135
为相对于某次的前一次返回的检索信息量。
上述，疫情风险概率dstatus为与预设增长率阈值对应的数值，确定疫情风险概率具体可以是：
Figure BDA0002655834120000136
对应的dstatus＝0.2，并设置首次满足
Figure BDA0002655834120000137
时的
Figure BDA0002655834120000138
为比较基准值dbase；
Figure BDA0002655834120000141
对应的dstatus＝1；
Figure BDA0002655834120000142
对应的dstatus＝0。
上述，设置dbase主要用于比较当前期间的移动平均值与正常状态的移动平均值的差距，从而判断当前期间是否进入正常状态。
在一个实施例中，自然环境风险概率计算模块12，包括：地震风险概率计算模块，用于：
根据实时震况信息计算实时地震风险系数，根据历史震况信息计算未来地震风险概率，
根据实时地震风险系数和未来地震风险概率计算地震风险概率。
上述，基于一般情况下，6级以上地震会造成实际损害的历史经验，根据实时震况信息计算实时地震风险系数的具体公式可为：
Figure BDA0002655834120000143
基于地区发生地震概率符合G-R关系式以及泊松分布，并结合6级以上地震会造成实际损害的历史经验，可以得出在未来指定期间内发生6级以上地震的概率计算公式，具体如下：
log(N)＝a-bnp(G-R关系式)
Figure BDA0002655834120000144
(泊松分布)
上述公式中，k＝log(N)，则将上述两式合并演算，得到预测地震风险概率计算公式：
Figure BDA0002655834120000145
其中，参数a，b均可根据当地实际历史数据进行解方程运算求得。
基于上述实时地震风险系数和未来地震风险概率，地震风险概率epk为：
epk＝eqkr+eqkp
在一个实施例中，自然环境风险概率计算模块12，包括：台风风险概率计算模块，用于：
根据预警等级确定台风风险系数，
根据台风风险系数计算台风风险概率。
上述，根据预警等级确定台风风险系数f包括：
企业所在地出现黄色预警等级，f＝0.001；
企业所在地出现橙色预警等级，f＝0.005；
企业所在地出现红色预警等级，f＝0.025。
台风风险概率typ计算公式具体为：
typ＝f·T
其中，T为地区调节参数，可根据地区实际受影响情况进行调节，取值范围为0～2。
基于上述疫情风险概率计算模块实施例、地震风险概率计算模块实施例、台风风险概率计算模块实施例，综合自然环境风险概率计算模块13具体执行的综合自然环境风险概率PNR的计算公式为：
PNR＝Weqkeqk+Wtyptyp+Wddstatus
其中，Weqk、Wtyp、Wd分别为地震、台风、疫情风险概率的权重，具体的取值可以是：Weqk＝0.3、Wtyp＝0.3、Wd＝0.4。
如图6所示，在一个实施例中，本发明技术方案公开的装置还包括：
宏观经济指标采集模块21，用于采集宏观经济指标数据。
上述，宏观经济指标数据包括：X1：居民部门杠杆率；X2：实体经济部门杠杆率；X3：通货膨胀率；X4：失业率；X5：2年与10年国债收益率之差。
宏观风险概率计算模块22，用于将宏观经济指标数据输入至宏观风险预测模型中，获得宏观风险概率。
上述，宏观风险预测模型可以是训练后的逻辑回归模型，模型中依据的计算公式如下：
Figure BDA0002655834120000151
其中，各参数的取值可为：
α＝-143.36，β1＝0.2605，β2＝0.5466，β3＝-1.166，β4＝1.15，β5＝2.82。
外部风险概率计算模块23，用于根据综合自然环境风险和宏观风险对应的权重值，对综合自然环境风险概率和宏观风险概率进行加权计算，获得外部风险概率，将外部风险概率作为业务事件风险概率。
上述，外部风险概率P2的计算公式可以是：
Figure BDA0002655834120000161
上述，Wmacro为权重宏观风险的权重值，可参考的赋值为0.3；
Figure BDA0002655834120000162
为综合自然环境风险的权重值，可参考的赋值为1。
如图7所示，在一个实施例中，本发明技术方案公开的装置还包括：
主体数据获取模块31，用于获取业务事件的主体数据，并对主体数据按照预设的运营情况类别分类。
上述，主体数据包括：业务事件主体的财务数据、税务数据、发票数据、征信数据等等。
对主体数据按照运营情况分类包括：
盈利能力类：资产回报率(ROA)、股本回报率(ROE)、净利润等；
运营效率类：总资产周转率、存货周转率、应收账款周转率等；
财务真实性类；销售额与下游增值税发票比值等；
成长性类：滚动营业收入增长、滚动税务收入增长等；
工商、征信类：涉诉次数、工商变更次数等。
主体风险概率计算模块32，用于将各运营情况类别的主体数据输入至运营风险预测模型中，获得主体风险概率。
上述，预测模型可以是预先训练过的：随机森林、Xgboost、GBDT、Adaboost等。将以上各类别的主体数据清洗，并对相关缺损值、异常值进行预处理后，输入至预测模型中获得主体风险概率P1。
整体风险概率计算模块33，用于根据主体风险和外部风险对应的权重值，对主体风险概率和外部风险概率进行加权计算，获得整体风险概率，将整体风险概率作为业务事件风险概率。
上述，整体风险概率PDtotal的计算公式为：
PDtotal＝W1P1+W2P2
其中，PDtotal为业务事件的整体风险概率；W1为业务事件的主体风险权重值，可参考赋值0.2；W2业务事件的外部风险权重值，可参考赋值0.8。
如图8所示，在一个实施例中，本发明技术方案公开的装置还包括：
金融数据采集模块41，用于采集金融平台数据，获取证券指数的变动数据，以及黄金价格的变动数据。
人工介入请求模块42，用于分别将证券指数的变动数据与第一人工介入条件对比，将黄金价格的变动数据与第二人工介入条件对比，若其中有任一满足，则发出人工介入请求信息，以使人工审核金融市场对业务事件的具体影响。
基于上述方法实施例，本发明实施例还提供一种计算机系统，包括：
一个或多个处理器；以及
与一个或多个处理器关联的存储器，存储器用于存储程序指令,程序指令在被一个或多个处理器读取执行时，执行上述风险综合评估方法。
其中，图9示例性的展示出了计算机系统的架构，具体可以包括处理器910，视频显示适配器911，磁盘驱动器912，输入/输出接口913，网络接口914，以及存储器920。上述处理器910、视频显示适配器911、磁盘驱动器912、输入/输出接口913、网络接口914，与存储器920之间可以通过通信总线930进行通信连接。
其中，处理器910可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请所提供的技术方案。
存储器920可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器920可以存储用于控制电子设备900运行的操作系统921，用于控制电子设备900的低级别操作的基本输入输出系统922(BIOS)。另外，还可以存储网页浏览器923，数据存储管理系统924，以及设备标识信息处理系统925等等。上述设备标识信息处理系统925就可以是本申请实施例中具体实现前述各步骤操作的应用程序。总之，在通过软件或者固件来实现本申请所提供的技术方案时，相关的程序代码保存在存储器920中，并由处理器910来调用执行。
输入/输出接口913用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
网络接口914用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线930包括一通路，在设备的各个组件(例如处理器910、视频显示适配器911、磁盘驱动器912、输入/输出接口913、网络接口914，与存储器920)之间传输信息。
另外，该电子设备900还可以从虚拟资源对象领取条件信息数据库941中获得具体领取条件的信息，以用于进行条件判断，等等。
需要说明的是，尽管上述设备仅示出了处理器910、视频显示适配器911、磁盘驱动器912、输入/输出接口913、网络接口914，存储器920，总线930等，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本申请方案所必需的组件，而不必包含图中所示的全部组件。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请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，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本发明实施例提供的技术方案带来的有益效果是：
1、本发明实施例提供的技术方案公开了自然环境因素的风险评估，更加全面地分析业务事件潜在的风险，为相关机构评估业务事件风险提供全面的分析依据；
2、本发明实施例提供的技术方案，对于自然环境因素的风险评估，包含了疫情、地震、台风，并对上述各因素均有独立的分析方法，能够客观准确地分析各因素对业务事件的影响；
3、本发明实施例提供的技术方案，还包括了宏观经济因素和主体因素的风险评估，进一步扩大了分析的范围，提供了多元化的业务事件风险评估的技术方案；
4、本发明实施例提供的技术方案，对于金融平台数据的分析评估，能够考虑到其他突发因素带来的经济总体情况的震荡对业务事件的影响，为了进一步分析该影响，本发明实施例还提供了人工干预入口，以便相关人员进行更准确的分析。
上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再一一赘述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种业务事件风险概率的确定方法，其特征在于，包括：
获取业务事件中主体的关联地关于预设自然环境风险因素的自然环境风险特征；
根据所述自然环境风险特征计算所述自然环境风险因素的自然环境风险概率；
若包括两个及以上的所述自然环境风险因素，则根据各所述自然环境风险因素对应的权重值对所述自然环境风险概率进行加权计算，获得综合自然环境风险概率，将所述综合自然环境风险概率作为业务事件风险概率。
2.如权利要求1所述的方法，其特征在于，当所述自然环境风险因素为疫情时，所述获取业务事件关联地的自然环境风险特征，包括：
获取与所述业务事件关联地以及疫情关键词关联信息的信息量；
所述根据所述自然环境风险特征计算所述自然环境风险因素的自然环境风险概率，包括：
计算所述信息量的移动平均值增长率，
将所述信息量的移动平均值增长率与预设增长率阈值匹配，确定疫情风险概率。
3.如权利要求1所述的方法，其特征在于，当所述自然环境风险因素为地震时，所述获取业务事件关联地的自然环境风险特征，包括：
采集所述业务事件关联地的地震信息，所述地震信息包括：实时震况信息和历史震况信息；
所述根据所述自然环境风险特征计算所述自然环境风险因素的自然环境风险概率，包括：
根据所述实时震况信息计算实时地震风险系数，根据所述历史震况信息计算未来地震风险概率，
根据所述实时地震风险系数和所述未来地震风险概率计算地震风险概率。
4.如权利要求1所述的方法，其特征在于，当所述自然环境风险因素为台风时，所述获取业务事件关联地的自然环境风险特征，包括：
采集所述业务事件关联地的台风信息，所述台风信息包括：台风预警等级；
根据所述自然环境风险特征计算所述自然环境风险因素的自然环境风险概率，包括：
根据所述预警等级确定台风风险系数，
根据所述台风风险系数计算台风风险概率。
5.如权利要求1～4中任意一项所述的方法，其特征在于，所述业务事件风险概率的获得，还包括：
采集宏观经济指标数据；
将所述宏观经济指标数据输入至宏观风险预测模型中，获得宏观风险概率；
根据综合自然环境风险和宏观风险对应的权重值，对所述综合自然环境风险概率和所述宏观风险概率进行加权计算，获得外部风险概率，将所述外部风险概率作为所述业务事件风险概率。
6.如权利要求5所述的方法，其特征在于，所述业务事件风险概率的获得，还包括：
获取业务事件的主体数据，并对所述主体数据按照预设的运营情况类别分类；
将各所述运营情况类别的主体数据输入至运营风险预测模型中，获得主体风险概率；
根据主体风险和外部风险对应的权重值，对所述主体风险概率和所述外部风险概率进行加权计算，获得整体风险概率，将所述整体风险概率作为所述业务事件风险概率。
7.如权利要求1～4中任意一项所述的方法，其特征在于，所述方法还包括：
采集金融平台数据，获取证券指数的变动数据，以及黄金价格的变动数据；
分别将所述证券指数的变动数据与第一人工介入条件对比，将所述黄金价格的变动数据与第二人工介入条件对比，若其中有任一满足，则发出人工介入请求信息，以使人工审核金融市场对业务事件的具体影响。
8.一种业务事件风险概率的确定装置，其特征在于，包括：
自然环境风险特征获取模块，用于获取业务事件中主体的关联地关于预设自然环境风险因素的自然环境风险特征；
自然环境风险概率计算模块，用于根据所述自然环境风险特征计算所述自然环境风险因素的自然环境风险概率；
综合自然环境风险概率计算模块，用于当包括两个及以上的所述自然环境风险因素时，根据各所述自然环境风险因素对应的权重值对所述自然环境风险概率进行加权计算，获得综合自然环境风险概率，将所述综合自然环境风险概率作为业务事件风险概率。
9.如权利要求8所述的装置，其特征在于，所述自然环境风险特征获取模块，包括：疫情风险特征获取模块，用于获取与所述业务事件关联地以及疫情关键词关联信息的信息量；
所述自然环境风险概率计算模块，，包括疫情风险特征计算模块，用于计算所述信息量的移动平均值增长率，将所述信息量的移动平均值增长率与预设增长率阈值匹配，确定疫情风险概率。
10.一种计算机系统，包括：
一个或多个处理器；以及
与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行上述权利要求1～7任一项所述的方法。
CN202010886855.4A 2020-08-28 2020-08-28 一种业务事件风险概率的确定方法、装置及系统 Pending CN112116217A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010886855.4A CN112116217A (zh) 2020-08-28 2020-08-28 一种业务事件风险概率的确定方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010886855.4A CN112116217A (zh) 2020-08-28 2020-08-28 一种业务事件风险概率的确定方法、装置及系统

Publications (1)

Publication Number Publication Date
CN112116217A true CN112116217A (zh) 2020-12-22

Family

ID=73805623

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010886855.4A Pending CN112116217A (zh) 2020-08-28 2020-08-28 一种业务事件风险概率的确定方法、装置及系统

Country Status (1)

Country Link
CN (1) CN112116217A (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944745A (zh) * 2017-12-08 2018-04-20 重庆誉存大数据科技有限公司 一种风险信息评估方法及系统
CN110264085A (zh) * 2019-06-21 2019-09-20 黄河科技学院 一种工商管理企业风险评估及预警系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944745A (zh) * 2017-12-08 2018-04-20 重庆誉存大数据科技有限公司 一种风险信息评估方法及系统
CN110264085A (zh) * 2019-06-21 2019-09-20 黄河科技学院 一种工商管理企业风险评估及预警系统

Similar Documents

Publication Publication Date Title
US11100435B2 (en) Machine learning artificial intelligence system for predicting hours of operation
CN107993143A (zh) 一种信贷风险评估方法及系统
US10614073B2 (en) System and method for using data incident based modeling and prediction
Bravo et al. Granting and managing loans for micro-entrepreneurs: New developments and practical experiences
EP1361526A1 (en) Electronic data processing system and method of using an electronic processing system for automatically determining a risk indicator value
US8930254B2 (en) Financial methodology to valuate and predict the news impact of major events on financial instruments
CN107729519B (zh) 基于多源多维数据的评估方法及装置、终端
JP2021500659A (ja) 自動化されたアトリビューションモデリングおよび測定
CN111882420A (zh) 响应率的生成方法、营销方法、模型训练方法及装置
CN110659961A (zh) 一种用于识别线下商户的方法和装置
Pham et al. Estimating poverty and vulnerability to monetary and non-monetary poverty: the case of Vietnam
CN112581291B (zh) 风险测评异动检测方法、装置、设备及存储介质
CN113420909A (zh) 一种用户响应信息预测模型建立方法及信息预测方法
Nath et al. Currency futures market in India: an empirical analysis of market efficiency and volatility
CN114282951B (zh) 一种网络零售预测方法、设备及介质
CN112116217A (zh) 一种业务事件风险概率的确定方法、装置及系统
CN114626940A (zh) 数据分析方法、装置及电子设备
CN114493851A (zh) 一种风险处理方法及装置
Selau et al. A systematic approach to construct credit risk forecast models
TWI776370B (zh) 對於基金商品的投資風險評分方法及系統
CN112669137B (zh) 基于存量客户的风险分析方法、装置及计算机可读存储介质
Rudnichenko et al. Intelligent System for Processing and Forecasting Financial Assets and Risks
García García et al. Impact valuation of droughts in soybean and maize production: the case of Argentina
Magson et al. Using data in legacy fundraising: A practical approach
CN117252176A (zh) 调查报告智能生成方法、装置、设备及介质

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: 20201222

RJ01 Rejection of invention patent application after publication