CN112232949B - 基于区块链的借贷风险的预测方法和装置 - Google Patents

Abstract

本申请公开了一种基于区块链的借贷风险的预测方法和装置，应用于区块链系统中的核心节点，该方法包括：接收请求节点发起的借贷请求；在区块链系统中识别出请求节点的每一个相关节点；获取预设时间段内请求节点和请求节点的每一个相关节点的历史金融数据；并根据获取的历史金融数据确定借贷请求的每一种备选借贷决策的权重值；其中，备选借贷决策的权重值表示针对借贷请求执行备选借贷决策后的预期收益；若权重值最大的备选借贷决策为，批准借贷请求，则生成借贷请求对应的借贷计划，并通过区块链系统执行借贷计划。本申请在评估借贷风险时，根据参与借贷的双方以及其他相关节点的信息确定备选借贷决策的权重值，从而提供更准确的评估结果。

Description

基于区块链的借贷风险的预测方法和装置

技术领域

本发明涉及区块链技术领域，特别涉及一种基于区块链的借贷风险的预测方法和装置。

背景技术

随着互联网技术的快速发展，越来越多的企业开始应用包括区块链技术在内的多种互联网技术辅助评估贷款风险。但是，现有贷款风险评估技术的中心在于利用区块链解决借贷方和贷款方的数据的安全性和可信度方面的问题，其分析的信息一般仅涉及借贷方和贷款方双方的信息。

但是在实际的金融活动中，借贷风险不仅仅和参与借贷的双方有关，也和其他参与借贷的双方有金融往来的用户有关，因此，现有的这种仅根据参与借贷的双方的信息来评估借贷风险的技术，其评估结果的准确度较低。

发明内容

基于上述现有技术的缺点，本申请实施例提供一种基于区块链的借贷风险的预测方法和装置，以提供一种更准确的借贷风险评估方案。

根据本申请的第一方面，公开了一种基于区块链的借贷风险的预测方法，应用于区块链系统中的核心节点，其中，包括三种备选借贷决策：第一备选借贷决策为批准所述借贷请求，第二备选借贷决策为拒绝所述借贷请求，以及第三备选借贷决策为拒绝所述借贷请求并且所述核心节点的竞争节点批准所述借贷请求；所述预测方法包括：

接收请求节点发起的借贷请求；其中，所述请求节点指代所述区块链系统中的任意一个供应商节点；

在所述区块链系统中识别出所述请求节点的每一个相关节点；

获取预设时间段内所述请求节点和所述请求节点的每一个相关节点的历史金融数据；

利用预定金融建模算法计算所述历史金融数据，得到多项归一化决策指标；

针对每一种备选借贷决策，对选取的多项影响所述备选借贷决策的所述归一化决策指标进行加权计算，得到所述备选借贷决策的权重值P；其中，所述备选借贷决策的权重值表示所述核心节点针对所述借贷请求执行所述备选借贷决策后的预期收益；

当所述第二备选借贷决策的权重值P₂最大时，获取所述核心节点的每一个竞争节点对应的竞争权重值Q，所述竞争权重值表示对应的所述竞争节点针对所述借贷请求执行所述第一备选借贷请求后的预期收益情况；其中，所述竞争权重值通过以下方法计算：

将所述历史金融数据及竞争节点的历史借贷数据输入第一网络模型，获得第一风险系数m，其中，0<m<1；

将权重值历史数据输入第二网络模型，获得第二风险系数n，所述权重值历史数据包括参与加权计算的归一化决策指标及其对应的权重值，其中，0<n<1；

计算竞争权重值Q为m*n；

若至少一个目标竞争节点对应的竞争权重值大于设定阈值，则更新第三备选借贷决策对应的权重值；

根据所述备选借贷决策的权重值处理所述借贷请求。

在另外的一些实施例中，所述在所述区块链系统中识别出所述请求节点的每一个相关节点，包括：

在所述区块链系统中，识别出每一个和所述请求节点属于同一供应链的供应商节点，除所述核心节点以外的每一个具有针对所述请求节点的借贷权限的节点，以及每一个和所述请求节点之间存在金融交易的借贷连接节点。

在另外的一些实施例中，所述获取预设时间段内所述请求节点和所述请求节点的每一个相关节点的历史金融数据，包括：

从所述区块链系统的区块链中，读取所述请求节点和所述请求节点的每一个相关节点在预设时间段内上传的所有金融决策数据，现金流数据和财务数据。

在另外的一些实施例中，所述根据每一种所述备选借贷决策的权重值处理所述借贷请求，包括：

若权重值最大的备选借贷决策为所述第一备选借贷决策时，根据所述第一备选借贷决策的权重值和所述借贷请求的请求借贷额度，确定实际借贷额度，还款期限和借贷利率；

将所述实际借贷额度，所述还款期限和所述借贷利率确定为所述借贷请求对应的借贷计划，并通过所述区块链系统执行所述借贷计划。

在另外的一些实施例中，所述通过所述区块链系统执行所述借贷计划，包括：

创建所述借贷请求对应的智能合约，并在所述借贷请求对应的智能合约中记录所述实际借贷额度，所述还款期限和所述借贷利率；

将所述借贷请求对应的智能合约发布至所述区块链系统，并触发所述供应商节点执行所述借贷请求对应的智能合约。

根据本申请的第二方面，公开了一种基于区块链的借贷风险的预测装置，应用于区块链系统中的核心节点，所述预测装置包括：

接收单元，用于接收请求节点发起的借贷请求；其中，所述请求节点指代所述区块链系统中的任意一个供应商节点；

识别单元，用于在所述区块链系统中识别出所述请求节点的每一个相关节点；

获取单元，用于获取预设时间段内所述请求节点和所述请求节点的每一个相关节点的历史金融数据；

第一计算单元，用于采用预定金融建模算法计算所述历史金融数据，得到多项归一化决策指标；

第二计算单元，针对每一种备选借贷决策，对选取的多项影响所述备选借贷决策的所述归一化决策指标进行加权计算，得到所述备选借贷决策的权重值P；其中，所述备选借贷决策的权重值表示所述核心节点针对所述借贷请求执行所述备选借贷决策后的预期收益；

第三计算单元，用于当所述第二备选借贷决策的权重值最大时，获取所述核心节点的每一个竞争节点对应的竞争权重值，所述竞争权重值表示对应的所述竞争节点针对所述借贷请求执行所述第一备选借贷请求后的预期收益情况；其中，所述竞争权重值通过以下方法计算：

将所述历史金融数据及竞争节点的历史借贷数据输入第一网络模型，获得第一风险系数m，其中，0<m<1；

将权重值历史数据输入第二网络模型，获得第二风险系数n，所述权重值历史数据包括参与加权计算的归一化决策指标及其对应的权重值，其中，0<n<1；

计算竞争权重值为m*n；

更新单元，用于当至少一个目标竞争节点对应的竞争权重值大于设定阈值时，更新第三备选借贷决策对应的权重值；以及

处理单元，根据所述备选借贷决策的权重值处理所述借贷请求。

在另外的一些实施例中，所述识别单元在所述区块链系统中识别出所述请求节点的每一个相关节点时，具体用于：

在所述区块链系统中，识别出每一个和所述请求节点属于同一供应链的供应商节点，除所述核心节点以外的每一个具有针对所述请求节点的借贷权限的节点，以及每一个和所述请求节点之间存在金融交易的借贷连接节点。

在另外的一些实施例中，所述获取单元获取预设时间段内所述请求节点和所述请求节点的每一个相关节点的历史金融数据时，具体用于：

从所述区块链系统的区块链中，读取所述请求节点和所述请求节点的每一个相关节点在预设时间段内上传的所有金融决策数据，现金流数据和财务数据。

在另外的一些实施例中，所述处理单元根据每一种所述备选借贷决策的权重值处理所述借贷请求时，具体用于：

若权重值最大的备选借贷决策为所述第一备选借贷决策时，根据所述第一备选借贷决策的权重值和所述借贷请求的请求借贷额度，确定实际借贷额度，还款期限和借贷利率；

将所述实际借贷额度，所述还款期限和所述借贷利率确定为所述借贷请求对应的借贷计划，并通过所述区块链系统执行所述借贷计划。

在另外的一些实施例中，所述处理单元通过所述区块链系统执行所述借贷计划时，具体用于：

创建所述借贷请求对应的智能合约，并在所述借贷请求对应的智能合约中记录所述实际借贷额度，所述还款期限和所述借贷利率；

将所述借贷请求对应的智能合约发布至所述区块链系统，并触发所述供应商节点执行所述借贷请求对应的智能合约。

本申请一种基于区块链的借贷风险的预测方法和装置，应用于区块链系统中的核心节点，该方法包括：接收请求节点发起的借贷请求；在区块链系统中识别出请求节点的每一个相关节点；获取预设时间段内请求节点和请求节点的每一个相关节点的历史金融数据；并根据获取的历史金融数据确定借贷请求的每一种备选借贷决策的权重值；其中，备选借贷决策的权重值表示针对借贷请求执行备选借贷决策后的预期收益；若权重值最大的备选借贷决策为，批准借贷请求，则生成借贷请求对应的借贷计划，并通过区块链系统执行借贷计划。本方案在评估借贷风险时，根据参与借贷的双方以及其他相关节点的信息确定备选借贷决策的权重值，从而提供更准确的评估结果。

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，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的一种基于区块链的借贷风险的预测方法的流程图；

图2为本申请实施例提供的一种基于区块链的借贷风险的预测装置的结构示意图；

图3为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

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。

本申请所提供的基于区块链的借贷风险的预测方法，旨在解决下述现有的贷款风险评估技术所存在的问题：

其一，现有的贷款风险评估（或者说贷款审批），特别是基于供应链金融系统的贷款审批仅考虑借贷方与贷款方之间的关系，未考虑供应链的其他相关节点情况，从而导致贷款审批的评估不全面，不准确。

其二，目前评估手段仅能定性给出通过审批或拒绝贷款的结论，而无法向贷款方（指代在借贷行为中，发放贷款的一方）提供量化的评估依据。

其三，供应商节点的数据不完备，部分可信度较低，导致评估结果有偏差。

针对上述现有技术存在的问题，本申请提出一种基于区块链的借贷风险的预测方法。下面，首先对适用本申请提出的方法的区块链系统进行说明：

本申请提供的区块链系统可以根据供应链金融系统而建立，区块链系统中可以包括供应商节点，经销商借贷和核心节点，其中，供应商节点指代由供应链中的供应商控制的节点，经销商节点指代由供应链中的经销商控制的节点。

核心节点可以包括：

由供应链中的核心企业控制的节点，金融贷款监管机构控制的节点，核心企业所在行业的监管部门控制的节点，区块链系统的运营方控制的节点（在某些情况下，可以不设置区块链系统的运营方控制的节点），以及每一笔借贷交易涉及的金融机构或该金融机构的上级机构控制的节点。

当存在和上述核心企业之间存在竞争关系（或者利益相关）的其他机构（和其他企业）时，若一个供应商向上述核心企业发起的借贷请求并且借贷请求被核心企业拒绝，则上述其他机构和其他企业可以代替核心企业向该供应商发放贷款，也就是说，在借贷交易中，上述其他机构和其他企业可以与核心企业竞争，为了体现上述竞争关系并在后续借贷风险预测中综合考虑上述竞争关系的影响，本申请提供的区块链系统中还可以包括由上述其他机构和其他企业控制的节点，这类节点可以成为竞争节点。

核心节点在区块链中拥有完整的区块链账本，并且能够独立校验区块链上的所有交易并实时或异步更新数据，主要负责区块链的交易的广播、验证和共识，由于核心节点需进行上述的数据处理及备份，其通常具有较高的计算机或网络设备资源配置及较优的数据存储资源。

供应商节点一般是轻量节点，可选择性地备份区块数据、或可将自身的共识权限委托给其他代表节点(如核心节点)以完成对区块数据的共识及收录。供应商节点基于自身的资金需求状况，可向区块链上的核心节点发起借贷请求，从而在区块链上创建一笔待审核的借贷交易。

可选的，供应链中各个供应商，经销商和核心企业之间的关系（即供应链结构数据）可以预先上传并存储在区块链中，供应链结构数据包括供应链成员（即各个供应商，经销商和核心企业）、成员信息、成员之间的关系等。

在现有的技术方案中，为核心企业提供商品或服务的供应商或经销商(也可以统称为供应商)，由于并不能及时收到核心企业的付款，常常处于流动资金紧缺的情形之中，其商业发展收到很大的限制。

核心企业通常是信用较高的大型企业，其作为债务人除了按与供应商约定的账期还款之外，并不能为供应商的资金需求给予更多的帮助；而银行或其他类型的金融机构(如保理公司)通常具有大量的闲置资金，也拥有较高的信用，如何合理运用自身的高信用以提高其闲置资金的利用度也是金融机构需解决的问题。

而通过本申请提供的区块链系统，供应商节点可以根据自身的需求在区块链中向核心节点发起借贷请求，核心节点可以通过执行本申请实施例提供的基于区块链的借贷风险预测方法对借贷请求进行审核，并在审核通过后向供应商发放贷款，从而解决供应商资金流转困难的问题。

请参考图1，本申请提供一种基于区块链的借贷风险的预测方法，应用于区块链系统中的核心节点，该方法可以包括以下步骤：

S101、接收请求节点发起的借贷请求。

其中，请求节点指代区块链系统中的任意一个供应商节点。

借贷请求中可以包括，需要借贷的金额，还款期限，贷款利率，需要贷款的供应商的身份信息等。

可选的，供应商可以在供应商节点对应的终端设备上，通过操作预先构建的GUI界面（即图形用户界面）编辑借贷请求，然后在终端设备上通过区块链网络将编辑好的借贷请求发送至核心节点。

S102、在区块链系统中识别出请求节点的每一个相关节点。

核心节点通过区块链上获取供应商节点发起的借贷请求后，就可以通过本实施例的方法对预测该借贷请求相应的风险（相当于对该借贷请求进行评估和审核）。

在区块链系统中识别出请求节点的每一个相关节点，包括：

在区块链系统中，识别出每一个和请求节点属于同一供应链的供应商节点，除核心节点以外的每一个具有针对请求节点的借贷权限的节点，以及每一个和请求节点之间存在金融交易的借贷连接节点。

最后，将识别得到的上述节点，均确定为请求节点的相关节点。

其中，上述除核心节点以外的每一个具有针对请求节点的借贷权限的节点，就是指前文所述的竞争节点。

核心节点可以从区块链中读取预先存储的供应链结构数据，从而基于供应链结构数据实现前述识别过程。可选的，核心节点可以将识别得到的多个相关节点根据在供应链中的关系组成供应链模型，并在显示设备上以图形的形式显示上述供应链模型。

可选的，识别得到的多个相关节点，发起借贷请求的供应商节点，以及其他相关的数据可以用下述元数据的形式记录：

[请求节点的节点类型，融资角色（贷款方或借贷方），竞争节点，和请求节点属于同一供应链的其他供应商节点，和请求节点之间存在金融交易的借贷连接节点]。

S103、获取预设时间段内请求节点和请求节点的每一个相关节点的历史金融数据。

历史金融数据包括但不限于，表示对应节点的金融决策的金融决策数据，对应节点的现金流数据以及对应节点的财务数据，因此，步骤S103的具体之心过程可以是：

从区块链系统的区块链中，读取请求节点和请求节点的每一个相关节点在预设时间段内上传的所有金融决策数据，现金流数据和财务数据。

金融决策数据，包括预设时间段内对应的节点所决定的金融决策，以及决定的每一项金融决策的金额，决定时间，涉及的对象等。现金流数据，包括预设时间段内对应的节点的资金流动情况，具体包括对应的节点与哪些节点发生现金往来，发生时间以及往来额度等。财务数据可以包括对应的节点内部在预设时间段内的财务状况，具体包括对应的节点内部的资金使用和发放情况。

S104、根据获取的历史金融数据确定借贷请求的每一种备选借贷决策的权重值。

其中，备选借贷决策的权重值表示核心节点针对借贷请求执行备选借贷决策后的预期收益。

备选借贷决策（也可以称为假定响应）可以包括如下三种：

第一备选借贷决策：批准借贷请求；第二备选借贷决策：拒绝借贷请求；第三备选借贷决策：核心节点拒绝借贷请求并且竞争节点批准借贷请求。

可选的，当一种备选借贷决策存在多种子决策（也可以称为子响应）时，可以分别确定每一种子决策的权重值，然后计算备选借贷决策对应的所有子决策的权重值的算术平均值或加权平均值，将计算结果作为这种备选借贷决策的权重值。

步骤S104的具体执行过程可以是：

从知识库中读取与借贷请求相匹配的专家知识。

基于专家知识设定金融建模算法的计算参数，并利用设定计算参数后的金融建模算法计算历史金融数据，得到多项归一化决策指标；其中，多项归一化决策指标包括，借贷拖欠概率，销售额变化率，市场占有率变化率现金流变化率，供应关系稳定性，借贷决策影响系数，预期损失值；

针对每一种备选借贷决策，根据专家知识中设定的备选借贷决策和归一化决策指标的映射关系，选取多项影响备选借贷决策的归一化决策指标；其中，备选借贷决策包括，第一备选借贷决策：批准借贷请求；第二备选借贷决策：拒绝借贷请求；第三备选借贷决策：拒绝借贷请求并且核心节点的竞争节点批准借贷请求；

针对每一种备选借贷决策，利用专家知识中设定的备选借贷决策的权重系数，对选取的多项影响备选借贷决策的归一化决策指标进行加权计算，得到备选借贷决策的权重值；其中，备选借贷决策的权重值表示核心节点针对借贷请求执行备选借贷决策后的预期收益。

从知识库中读取与借贷请求相匹配的专家知识。

专家知识可以是根据以往的贷款审核记录而确定的若干项审核规则，审核规则中具体可以设定不同种类的历史金融数据对贷款审核结果的影响的大小（可以以影响系数的形式表现）。

可选的，根据贷款的额度，还款期限和贷款种类的不同，可以在知识库中存储多种不同的专家知识，在执行步骤S104时，就可以根据当前收到的借贷请求对应的额度，期限等信息读取出匹配的专家知识。

专家知识和步骤S103中的历史金融数据均可以存储在分布式数据库中。

获得专家知识和步骤S103中的历史金融数据后，可以基于专家知识设定金融建模算法的计算参数，并利用设定计算参数后的金融建模算法计算历史金融数据，得到多项归一化决策指标。

其中，多项归一化决策指标包括，借贷拖欠概率，销售额变化率，市场占有率变化率，现金流变化率，供应关系稳定性，借贷决策影响系数，预期损失值。

上述金融建模算法，可以是任意一种或多种常规的金融领域的建模算法。例如，可以采用Logistic回归模型计算借贷拖欠概率，利用现金流折现模型计算现金流变化率等。

在具体计算过程中，可以首先计算出上述指标未归一化时的数值，依次记为初始借贷拖欠概率，初始销售额变化率，初始市场占有率变化率，初始现金流变化率，初始供应关系稳定性，初始借贷决策影响系数，初始预期损失值。

获得上述未归一化的数值后，对每一项数值进行归一化，将每一项数值映射为0到1这一区间内的数值，由此即可得到前述归一化决策指标。

例如，发起借贷请求的请求节点历史记录有10次借贷，其中有1次逾期还款，则拖欠概率为10%。

上述指标中，借贷决策影响系数用于衡量备选借贷决策对供应链结构的影响。

预期损失值用于表示，若收到借贷请求的核心节点拒绝贷款，而竞争节点批准该借贷请求并发放贷款的情况下，预期核心节点会产生的损失价值。

最后，针对每一种备选借贷决策，根据专家知识中设定的备选借贷决策和归一化决策指标的映射关系，选取多项影响备选借贷决策的归一化决策指标，并利用专家知识中设定的权重系数，对选取的多项归一化决策指标进行加权计算，得到备选借贷决策的权重值。

专家知识中可以设定前述三种备选借贷决策和多项归一化决策指标之间的映射关系，即，专家知识中可以规定，针对每一种备选借贷决策，计算这种备选借贷决策时需要使用哪一种或者哪几种归一化决策指标，并且规定需要使用的每一种归一化决策指标对应的权重系数。

在此基础上，针对每一种备选借贷决策，可以利用前文计算得到的归一化决策指标，以及专家知识中设定的权重系数，对多项归一化决策指标进行加权计算，从而得到这种备选借贷决策所对应的权重值。

针对每一种备选借贷决策，按照前述方法计算得到的权重值能够反映出针对当前收到的借贷请求，执行这种备选借贷决策的情况下预期可以得到的收益的多少，以及发放贷款后逾期还款的概率。

一般的，权重值越大，则对应的收益越大，逾期还款的概率越小，相应的，以这种备选借贷决策作为最终执行的决策的概率就越大。

其中，收益可以是对应节点的收入，也可以是损失。一种备选借贷决策的预期收益越大，就说明，执行该决策后的预期的收入越多，或者预期的损失越小。

S105、当权重值最大的备选借贷决策为所述第二备选借贷决策时，计算得到所述核心节点的每一个竞争节点对应的竞争权重值。

也就是说，当权重值最大的备选借贷决策不是第二备选借贷决策时，可以直接跳过步骤S105至步骤S109，直接执行步骤S110。

其中，竞争权重值表示对应的竞争节点针对借贷请求执行第一备选借贷请求后的预期收益，也就是说，对于任意一个竞争节点，该竞争节点的竞争权重值，用于表示该竞争节点向请求节点发放贷款后的预期收益的大小。

在一些实施例中，所述竞争权重值可以通过以下方法计算：

将所述历史金融数据及竞争节点的历史借贷数据输入第一网络模型，获得第一风险系数m，其中，0<m<1；

将权重值历史数据输入第二网络模型，获得第二风险系数n，所述权重值历史数据包括参与加权计算的归一化决策指标及其对应的权重值，其中，0<n<1；

计算竞争权重值Q为m*n。也就是用第一风险系数乘以第二风险系数，得到竞争权重值Q。

所述第一网络模型利用供应商或与之类似的贷款申请机构的金融数据，和竞争节点或与之类似的借贷机构的借贷数据进行训练后，能够基于输入的贷款申请机构的金融数据和借贷机构的借贷数据输出第一风险系数m，该风险系数用于表示输入的借贷机构向输入的贷款申请机构借贷的预测风险值，该值越大风险越低。

所述第二网络模型利用核心节点的权重值计算历史数据进行训练后，能够基于输入的归一化决策指标及其对应的权重值输出第二风险系数n，该风险系数用于表示核心节点对归一化决策指标及其对应的权重值对应关系的匹配度，该值越大表示匹配度越高。

本申请通过计算所述第一风险系数与第二风险系数的乘积得到竞争节点的竞争权重值，不仅考虑了竞争节点的历史借贷数据，而且还考虑了核心节点的权重计算历史数据，从而使得该竞争权重值的计算结果更符合金融行业运行规律，从而更具有决策价值。

同时，利用网络模型计算上述风险系数，得到的权重值更加可信。同时，权重值计算的历史数据可以作为反馈数据，对模型的参数进一步修正，从而使模型计算结果的可信度逐渐增加。

S106、根据对应的竞争权重值在所述核心节点的每一个竞争节点中选取一个目标竞争节点。

一种可选的选取的方法可以是，在多个竞争节点中，选取竞争权重值最大的竞争节点作为目标竞争节点。

另一种可选的选取的方法可以是，将每一个竞争节点的竞争权重值均乘以专家知识中设定的修正系数b，得到每一个竞争节点的修正竞争权重值。例如，针对任意一个竞争节点，若将这个竞争节点的竞争权重值记为y1，则这个竞争节点的修正竞争权重值就等于b×y1。然后，选取多个竞争节点中，修正竞争权重值最大的那个竞争节点作为目标竞争节点。其中，修正系数b是大于0并且小于1的实数。

S107、判断目标竞争节点对应的竞争权重值是否大于竞争阈值。

上述竞争阈值在专家知识中预先设定。

若目标竞争节点的竞争权重值大于竞争阈值，则执行步骤S108，若目标竞争节点的竞争权重值不大于（即小于或等于）竞争阈值，则执行步骤S109。

S108、根据所述专家知识和更新第三备选借贷决策对应的权重值。

将步骤S104中计算得到的第一备选借贷决策的权重值记为x1，将第二备选借贷决策的权重值记为x2，将第三备选借贷决策的权重值记为x3，则在步骤S108中，可以按下述公式更新第三备选借贷决策对应的权重值：

其中，x3’为更新后的第三备选借贷决策的权重值，a是专家知识中设定的大于0并且小于1的实数。

S109、根据每一种备选借贷决策的权重值处理借贷请求。

步骤S109具体可以理解为，根据备选借贷决策的权重值确定是否向借贷请求的发起方发放贷款。

需要说明的是，若执行了步骤S108，则步骤S109中具体是根据每一种备选借贷决策的更新后的权重值处理收到的借贷请求，若未执行步骤S108，则步骤S109中具体是，根据每一种备选借贷决策的更新前的权重值处理收到的借贷请求。

具体的，若上述三种备选借贷决策中，权重值最大的备选借贷决策为，批准借贷请求（例如，决策1的权重值为0.8，决策2的权重值为0.5，决策3的权重值为0.1），则生成借贷请求对应的借贷计划，并通过区块链系统执行借贷计划。

若上述三种备选借贷决策中，权重值最大的备选借贷决策是拒绝借贷请求，或者是，核心节点拒绝借贷请求并且竞争节点批准借贷请求，则拒绝上述借贷请求，并向发起借贷请求的供应商节点发送借贷请求被拒的提示信息。

也就是说，在步骤S105中，获得了各个备选借贷决策的权重值后，可以根据权重值的大小将各个备选借贷决策进行排序，然后以其中第一个备选借贷决策，也就是权重值最大的备选借贷决策作为针对当前收到的借贷请求的最终借贷决策，并执行相应的操作。

其中，借贷计划具体可以包括实际借贷额度，利率和还款期限等，因此，生成借贷请求对应的借贷计划，具体可以是：

根据备选借贷决策的权重值，和借贷请求的请求借贷额度，确定实际借贷额度，还款期限和借贷利率。

上述实际借贷额度可以根据批准借贷请求对应的权重值的大小确定，具体的，若批准借贷请求对应的权重值较大，则实际贷款额度可以和借贷请求中请求节点要求借贷的额度一致，若批准借贷请求对应的权重值较小，则实际贷款额度可以在借贷请求中请求节点要求借贷的额度的基础上下调。

还款期限和借贷利率的确定也可以参考批准借贷请求对应的权重值。

可选的，在权重值最大的备选借贷决策为批准借贷请求的情况下，核心节点还可以进一步考察贷款请求方（即发起借贷请求的请求节点）与借贷方（即受到借贷请求的核心节点）之间的应收账款信息。

生成了借贷计划后，通过区块链系统执行借贷计划的方式可以是：

创建借贷请求对应的智能合约，并在借贷请求对应的智能合约中记录实际借贷额度，还款期限和借贷利率；

将借贷请求对应的智能合约发布至区块链系统，并触发供应商节点执行借贷请求对应的智能合约。

智能合约可以认为是一个计算机程序，核心节点可以采用在计算机程序中声明变量的方式，在上述智能合约中声明实际借贷额度，还款期限和借贷利率，使得智能合约记录上述信息。

随后，核心节点可以将编辑好的智能合约发布至区块链系统，然后发起借贷请求的供应商节点（即步骤S101中的请求节点）可以下载（或者说调用）已发布的智能合约，并执行智能合约，从而按照智能合约中记录的实际借贷额度，还款期限和借贷利率，与核心节点完成相应的贷款操作。

本申请一种基于区块链的借贷风险的预测方法，应用于区块链系统中的核心节点，该方法包括：接收请求节点发起的借贷请求；在区块链系统中识别出请求节点的每一个相关节点；获取预设时间段内请求节点和请求节点的每一个相关节点的历史金融数据；并根据获取的历史金融数据确定借贷请求的每一种备选借贷决策的权重值；其中，备选借贷决策的权重值表示针对借贷请求执行备选借贷决策后的预期收益；若权重值最大的备选借贷决策为，批准借贷请求，则生成借贷请求对应的借贷计划，并通过区块链系统执行借贷计划。本方案在评估借贷风险时，根据参与借贷的双方以及其他相关节点的信息确定备选借贷决策的权重值，从而提供更准确的评估结果。

针对需要贷款的供应商节点发起的借贷请求，利用从多个相关节点获取的历史金融数据，对多个备选借贷决策进行量化评估，从而为贷款方提供借贷建议。

同时，供应商节点的历史数据记录在分布式数据库中，并通过区块链进行访问，提高了数据可信度。

结合本申请实施例提供的基于区块链的借贷风险的预测方法，本申请实施例还提供一种基于区块链的借贷风险的预测装置，其特征在于，应用于区块链系统中的核心节点，如图2所示，该预测装置可以包括以下单元：

接收单元201，用于接收请求节点发起的借贷请求。

其中，请求节点指代区块链系统中的任意一个供应商节点。

识别单元202，用于在区块链系统中识别出请求节点的每一个相关节点。

获取单元203，用于获取预设时间段内请求节点和请求节点的每一个相关节点的历史金融数据。

读取单元204，用于从知识库中读取与借贷请求相匹配的专家知识。

第一计算单元205，用于基于专家知识设定金融建模算法的计算参数，并利用设定计算参数后的金融建模算法计算历史金融数据，得到多项归一化决策指标。

其中，多项归一化决策指标包括，借贷拖欠概率，销售额变化率，市场占有率变化率现金流变化率，供应关系稳定性，借贷决策影响系数，预期损失值。

第一选取单元206，用于针对每一种备选借贷决策，根据专家知识中设定的备选借贷决策和归一化决策指标的映射关系，选取多项影响备选借贷决策的归一化决策指标。

其中，备选借贷决策包括，第一备选借贷决策：批准借贷请求；第二备选借贷决策：拒绝借贷请求；第三备选借贷决策：拒绝借贷请求并且核心节点的竞争节点批准借贷请求。

第二计算单元207，用于针对每一种备选借贷决策，利用专家知识中设定的备选借贷决策的权重系数，对选取的多项影响备选借贷决策的归一化决策指标进行加权计算，得到备选借贷决策的权重值。

其中，备选借贷决策的权重值表示核心节点针对借贷请求执行备选借贷决策后的预期收益。

第三计算单元208，用于当权重值最大的备选借贷决策为第二备选借贷决策时，计算得到核心节点的每一个竞争节点对应的竞争权重值。

其中，竞争权重值表示对应的竞争节点针对借贷请求执行第一备选借贷请求后的预期收益。

其中，所述竞争权重值通过以下方法计算：

将所述历史金融数据及竞争节点的历史借贷数据输入第一网络模型，获得第一风险系数m，其中，0<m<1；

将权重值历史数据输入第二网络模型，获得第二风险系数n，所述权重值历史数据包括参与加权计算的归一化决策指标及其对应的权重值，其中，0<n<1；

计算竞争权重值为m*n。

第二选取单元209，用于根据对应的竞争权重值在核心节点的每一个竞争节点中选取一个目标竞争节点。

更新单元210，用于若目标竞争节点对应的竞争权重值大于专家知识中的竞争阈值，则根据专家知识和更新第三备选借贷决策对应的权重值。

处理单元211，用于根据每一种备选借贷决策的权重值处理借贷请求。

其中，识别单元202在区块链系统中识别出请求节点的每一个相关节点时，具体用于：

在区块链系统中，识别出每一个和请求节点属于同一供应链的供应商节点，除核心节点以外的每一个具有针对请求节点的借贷权限的节点，以及每一个和请求节点之间存在金融交易的借贷连接节点。

获取单元203获取预设时间段内请求节点和请求节点的每一个相关节点的历史金融数据时，具体用于：

从区块链系统的区块链中，读取请求节点和请求节点的每一个相关节点在预设时间段内上传的所有金融决策数据，现金流数据和财务数据。

处理单元211根据每一种备选借贷决策的权重值处理借贷请求时，具体用于：

若权重值最大的备选借贷决策为第一备选借贷决策时，根据第一备选借贷决策的权重值和借贷请求的请求借贷额度，确定实际借贷额度，还款期限和借贷利率；

将实际借贷额度，还款期限和借贷利率确定为借贷请求对应的借贷计划，并通过区块链系统执行借贷计划。

处理单元211通过区块链系统执行借贷计划时，具体用于：

创建借贷请求对应的智能合约，并在借贷请求对应的智能合约中记录实际借贷额度，还款期限和借贷利率；

将借贷请求对应的智能合约发布至区块链系统，并触发供应商节点执行借贷请求对应的智能合约。

本申请实施例提供的基于区块链的借贷风险预测装置，其具体工作原理可以参考本申请实施例所提供的借贷风险预测方法中的相关步骤，此处不再赘述。

本申请一种基于区块链的借贷风险的预测，应用于区块链系统中的核心节点，其中，接收单元201接收请求节点发起的借贷请求；识别单元202在区块链系统中识别出请求节点的每一个相关节点；获取单元203获取预设时间段内请求节点和请求节点的每一个相关节点的历史金融数据；读取单元204至第二计算单元207根据获取的历史金融数据确定借贷请求的每一种备选借贷决策的权重值；其中，备选借贷决策的权重值表示针对借贷请求执行备选借贷决策后的预期收益；若权重值最大的备选借贷决策为，批准借贷请求，则处理单元211生成借贷请求对应的借贷计划，并通过区块链系统执行借贷计划。本方案在评估借贷风险时，根据参与借贷的双方以及其他相关节点的信息确定备选借贷决策的权重值，从而提供更准确的评估结果。

本申请实施例还提供一种计算机存储介质，用于存储计算机程序，该计算机程序被执行时，具体用于实现本申请任一实施例所提供的基于区块链的借贷风险的预测方法。

本申请实施例还提供一种电子设备，如图3所示，该电子设备包括存储器301和处理器302。

其中，存储器301用于存储计算机程序。

处理器302用于执行上述计算机程序，具体用于实现本申请任一实施例所提供的基于区块链的借贷风险的预测方法。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种基于区块链的借贷风险的预测方法，应用于区块链系统中的核心节点，其中，包括三种备选借贷决策：第一备选借贷决策为批准借贷请求，第二备选借贷决策为拒绝所述借贷请求，以及第三备选借贷决策为拒绝所述借贷请求并且所述核心节点的竞争节点批准所述借贷请求；所述核心节点指代，由供应链中的核心企业、所述核心企业所属行业的监控部门、金融贷款监管机构、区块链系统的运营方、金融机构及其上级机构中的任意一方或者组合控制的节点；所述竞争节点为除了核心节点以外的具有针对请求节点的借贷权限的节点；其特征在于，所述预测方法包括：

接收请求节点发起的借贷请求；其中，所述请求节点指代所述区块链系统中的任意一个供应商节点；

在所述区块链系统中识别出所述请求节点的每一个相关节点；所述相关节点包括：与所述请求节点属于同一个供应链的供应商节点、所述竞争节点、以及与请求节点存在交融交易的借贷连接节点；

获取预设时间段内所述请求节点和所述请求节点的每一个相关节点的历史金融数据；

利用预定金融建模算法计算所述历史金融数据，得到多项归一化决策指标；

针对每一种备选借贷决策，对选取的多项影响所述备选借贷决策的所述归一化决策指标进行加权计算，得到所述备选借贷决策的权重值P；其中，所述备选借贷决策的权重值表示所述核心节点针对所述借贷请求执行所述备选借贷决策后的预期收益；

当所述第二备选借贷决策的权重值P₂最大时，获取所述核心节点的每一个竞争节点对应的竞争权重值Q，所述竞争权重值表示对应的所述竞争节点针对所述借贷请求执行所述第一备选借贷决策后的预期收益情况；其中，所述竞争权重值通过以下方法计算：

将所述历史金融数据及竞争节点的历史借贷数据输入第一网络模型，获得第一风险系数m，其中，0<m<1；

将权重值历史数据输入第二网络模型，获得第二风险系数n，所述权重值历史数据包括参与加权计算的归一化决策指标及其对应的权重值，其中，0<n<1；

计算竞争权重值Q为m*n；

若至少一个目标竞争节点对应的竞争权重值大于设定阈值，则更新第三备选借贷决策对应的权重值；

将权重值最大的备选借贷决策作为针对所述借贷请求的最终借贷决策，依据所述最终借贷决策处理所述借贷请求。

2.根据权利要求1所述的预测方法，其特征在于，所述获取预设时间段内所述请求节点和所述请求节点的每一个相关节点的历史金融数据，包括：

从所述区块链系统的区块链中，读取所述请求节点和所述请求节点的每一个相关节点在预设时间段内上传的所有金融决策数据，现金流数据和财务数据。

3.根据权利要求1至2任意一项所述的预测方法，其特征在于，将权重值最大的备选借贷决策作为针对所述借贷请求的最终借贷决策，依据所述最终借贷决策处理所述借贷请求，包括：

若权重值最大的备选借贷决策为所述第一备选借贷决策时，根据所述第一备选借贷决策的权重值和所述借贷请求的请求借贷额度，确定实际借贷额度，还款期限和借贷利率；

将所述实际借贷额度，所述还款期限和所述借贷利率确定为所述借贷请求对应的借贷计划，并通过所述区块链系统执行所述借贷计划。

4.根据权利要求3所述的预测方法，其特征在于，所述通过所述区块链系统执行所述借贷计划，包括：

创建所述借贷请求对应的智能合约，并在所述借贷请求对应的智能合约中记录所述实际借贷额度，所述还款期限和所述借贷利率；

将所述借贷请求对应的智能合约发布至所述区块链系统，并触发所述供应商节点执行所述借贷请求对应的智能合约。

5.一种基于区块链的借贷风险的预测装置，其特征在于，应用于区块链系统中的核心节点，包括三种备选借贷决策：第一备选借贷决策为批准借贷请求，第二备选借贷决策为拒绝所述借贷请求，以及第三备选借贷决策为拒绝所述借贷请求并且所述核心节点的竞争节点批准所述借贷请求；所述核心节点指代，由供应链中的核心企业、所述核心企业所属行业的监控部门、金融贷款监管机构、区块链系统的运营方、金融机构及其上级机构中的任意一方或者组合控制的节点；所述竞争节点为除了核心节点以外的具有针对请求节点的借贷权限的节点；所述预测装置包括：

接收单元，用于接收请求节点发起的借贷请求；其中，所述请求节点指代所述区块链系统中的任意一个供应商节点；

识别单元，用于在所述区块链系统中识别出所述请求节点的每一个相关节点；所述相关节点包括：与所述请求节点属于同一个供应链的供应商节点、所述竞争节点、以及与请求节点存在交融交易的借贷连接节点；

获取单元，用于获取预设时间段内所述请求节点和所述请求节点的每一个相关节点的历史金融数据；

第一计算单元，用于采用预定金融建模算法计算所述历史金融数据，得到多项归一化决策指标；

第二计算单元，针对每一种备选借贷决策，对选取的多项影响所述备选借贷决策的所述归一化决策指标进行加权计算，得到所述备选借贷决策的权重值P；其中，所述备选借贷决策的权重值表示所述核心节点针对所述借贷请求执行所述备选借贷决策后的预期收益；

第三计算单元，用于当所述第二备选借贷决策的权重值最大时，获取所述核心节点的每一个竞争节点对应的竞争权重值，所述竞争权重值表示对应的所述竞争节点针对所述借贷请求执行所述第一备选借贷决策后的预期收益情况；其中，所述竞争权重值通过以下方法计算：

将所述历史金融数据及竞争节点的历史借贷数据输入第一网络模型，获得第一风险系数m，其中，0<m<1；

将权重值历史数据输入第二网络模型，获得第二风险系数n，所述权重值历史数据包括参与加权计算的归一化决策指标及其对应的权重值，其中，0<n<1；

计算竞争权重值为m*n；

更新单元，用于当至少一个目标竞争节点对应的竞争权重值大于设定阈值时，更新第三备选借贷决策对应的权重值；

处理单元，将权重值最大的备选借贷决策作为针对所述借贷请求的最终借贷决策，依据所述最终借贷决策处理所述借贷请求。

6.根据权利要求5所述的预测装置，其特征在于，所述获取单元获取预设时间段内所述请求节点和所述请求节点的每一个相关节点的历史金融数据时，具体用于：

从所述区块链系统的区块链中，读取所述请求节点和所述请求节点的每一个相关节点在预设时间段内上传的所有金融决策数据，现金流数据和财务数据。

7.根据权利要求5所述的预测装置，其特征在于，所述处理单元将权重值最大的备选借贷决策作为针对所述借贷请求的最终借贷决策，依据所述最终借贷决策处理所述借贷请求时，具体用于：

若权重值最大的备选借贷决策为所述第一备选借贷决策时，根据所述第一备选借贷决策的权重值和所述借贷请求的请求借贷额度，确定实际借贷额度，还款期限和借贷利率；

将所述实际借贷额度，所述还款期限和所述借贷利率确定为所述借贷请求对应的借贷计划，并通过所述区块链系统执行所述借贷计划。

8.根据权利要求7所述的预测装置，其特征在于，所述处理单元通过所述区块链系统执行所述借贷计划时，具体用于：

创建所述借贷请求对应的智能合约，并在所述借贷请求对应的智能合约中记录所述实际借贷额度，所述还款期限和所述借贷利率；

将所述借贷请求对应的智能合约发布至所述区块链系统，并触发所述供应商节点执行所述借贷请求对应的智能合约。

Images