CN112668947A - 一种基于税务数据的企业信用风险预警方法、系统 - Google Patents
一种基于税务数据的企业信用风险预警方法、系统 Download PDFInfo
- Publication number
- CN112668947A CN112668947A CN202110120455.7A CN202110120455A CN112668947A CN 112668947 A CN112668947 A CN 112668947A CN 202110120455 A CN202110120455 A CN 202110120455A CN 112668947 A CN112668947 A CN 112668947A
- Authority
- CN
- China
- Prior art keywords
- risk
- index
- enterprise
- early warning
- tax
- 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 40
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000013077 scoring method Methods 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 238000010234 longitudinal analysis Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000029305 taxis Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于税务数据的企业信用风险预警方法、系统,该方法包括:建立风险指数计算模型,根据企业税务数据对应的风险预警指标,确定风险预警指标对应的值,作为风险指数;对风险预警指标进行标准化处理获得指标行业参数,根据指标行业参数获得风险指数相对指标行业参数的偏离程度;根据偏离程度判断风险预警指标是否达到预警状态,并根据若干风险预警指标的预警状态获得企业风险状态;根据风险指数获得企业的纳税指数,以及纳税指数对应的地区纳税指数和行业纳税指数,并划分风险等级;根据企业风险状态,确定企业所处的风险等级以及企业的信用风险评价,并根据企业的信用风险评价进行风险预警。
Description
技术领域
本申请涉及大数据挖掘领域,尤其涉及一种基于税务数据的企业信用风险预警方法、系统。
背景技术
随着社会信息化的发展,越来越多的传统业务逐渐迈入到以计算机、互联网为代表的“电子化”时代。
税务系统的电子化发展给纳税服务带来了便利,但企业纳税信用问题依然存在,比如依然有长期缴税问题户的存在。
对于企业纳税的核查以及背后涉及的风险问题关系到大量的数据和流程,人工核查将带来巨大的工作量,因此核查工作面临巨大的挑战。
发明内容
本发明提供了一种基于税务数据的企业信用风险预警方法、系统,解决了当今市场上没有相应的评价指标模型,不能够实时、持续跟踪和关注企业的纳税状况,也就无法根据企业申报的客观数据,对企业风险程度做出评估的问题。
一种基于税务数据的企业信用风险预警方法,包括:
建立风险指数计算模型,根据企业税务数据对应的风险预警指标,确定所述风险预警指标对应的值,作为风险指数;
对所述风险预警指标进行标准化处理获得指标行业参数,根据所述指标行业参数获得所述风险指数相对所述指标行业参数的偏离程度;
根据所述偏离程度判断所述风险预警指标是否达到预警状态,并根据若干所述风险预警指标的预警状态获得企业风险状态;
根据所述风险指数获得企业的纳税指数,以及所述纳税指数对应的地区纳税指数和行业纳税指数,并划分风险等级;
根据所述企业风险状态,确定企业所处的风险等级以及企业的信用风险评价,并根据所述企业的信用风险评价进行风险预警。
在本申请的一种实施例中,根据所述指标行业参数获得所述风险指数相对所述指标行业参数的偏离程度,具体包括:
设定向左偏离评分办法和/或向右偏离评分办法;
根据所述风险指数与所述指标行业参数之间的大小关系,当所述风险指数小于所述指标行业参数时,采用左偏离评分办法,确定左偏度;当所述风险指数大于所述指标行业参数时,采用右偏离评分办法,确定右偏度。
在本申请的一种实施例中,采用左偏离评分办法,确定左偏度,具体包括:
通过((标准参考值-风险指数)/标准参考值)×100%,确定左偏度;
通过((风险指数-标准参考值)/标准参考值)×100%,确定右偏度;
其中,设置不同的偏度区间的评分,对设定的每个偏度区间的评分办法包括:
在偏度区间内设定每偏度一个百分点得分系数和在偏度区间内的最大得分数值;设定在偏度区间的得分数值。
在本申请的一种实施例中,根据所述偏离程度判断所述风险预警指标是否达到预警状态,具体包括:
分别确定所述风险预警指标是否达到预警状态;
存在至少一个风险指数相对所述指标行业参数的偏离程度不在正常范围时,所述风险预警指标达到预警状态。
在本申请的一种实施例中,根据若干所述风险预警指标的预警状态获得企业风险状态,具体包括:
确定所述企业达到预警状态的风险预警指标的数量;
根据所述风险预警指标的数量,获得企业风险状态。
在本申请的一种实施例中,根据若干所述风险预警指标的预警状态获得企业风险状态,具体包括:
根据函数关系式:
R≈F(B)=F(B1,……,Bn)
获得数值对应的企业风险状态;
其中,B1,……,Bn表示企业的风险预警指标,R表示企业的风险状态对应的数值。
在本申请的一种实施例中,根据所述风险指数获得企业的纳税指数,以及所述纳税指数对应的地区纳税指数和行业纳税指数,具体包括:
根据所述风险指数获得企业的纳税指数;
根据所述纳税指数以及相应的地区权重、行业权重,确定对应的地区纳税指数和行业纳税指数。
在本申请的一种实施例中,根据所述企业风险状态,确定企业所处的风险等级以及企业的信用风险评价,并根据所述企业的信用风险评价进行风险预警,具体包括:
根据所述地区纳税指数和行业纳税指数取定等级指标数值,根据所述等级指标数值划分风险等级;
对落入不同风险等级的企业进行风险评价;
预警企业中除了风险评价为正常区域和防范区域的企业,其余企业均会进入企业风险自动预警系统,
当所述自动预警系统中的企业至少有一个所述风险预警指标达到指标行业参数,自动预警。
在本申请的一种实施例中,建立风险指数计算模型之前,所述方法还包括:
通过对选案指标、参数、模型进行不同的组合;
确定选案指标体系,根据所述选案指标的重要程度、异常程度、出现频率,对所述选案指标进行横向对比和纵向分析;
筛选出税收风险高于设定值的企业。
一种基于税务数据的企业信用风险预警系统,包括:
计算风险指数模块,用于根据企业财务数据制定企业税务风险预警指标,根据所述企业税务风险预警指标确定所述企业税务风险预警指标的风险指数;
计算风险指数偏离度模块,用于对所述企业税务风险预警指标进行标准化处理获得指标行业参数,根据所述指标行业参数获得所述风险指数相对所述指标行业参数的偏离程度;
判断企业风险状态模块,用于根据所述偏离程度判断所述风险指标是否达到预警状态,根据所述风险指标的预警状态获得企业风险状态;
评价企业风险模块,用于以地区风险指数和行业风险指数为标准划分风险等级,根据所述企业风险状态确定企业所处的风险等级,根据所述风险等级作出企业的信用风险评价。
本发明提供了一种基于税务数据的企业信用风险预警方法、系统,针对企业纳税情况,结合大数据分析思想,构建纳税用户评分模型,实现纳税用户评分体系建设,能够实时、持续跟踪和关注企业的纳税状况,根据企业申报的客观数据,对企业风险程度做出评估,为企业信用风险预警提供重要参考。通过风险计算模型计算出各个风险指标的指数,并通过偏离度分段评分计算出每个行业的企业风险指数,金融机构贷款时,可以通过该方法实现对于企业的贷前风控和贷后预警,提高风控效率以及准确率,降低了银行风控成本。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种基于税务数据的企业信用风险预警方法步骤流程示意图;
图2为本申请实施例提供的企业税务风险预警指标种类示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例对本申请进行清楚、完整的描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本发明与企业征信相关,首先根据各项原始税务数据制定指标,然后根据税务数据指标确定该项税务数据的分值,并根据各项税务数据的分值确定企业信用评分,起到风险预警的作用。本发明的技术方案是建立一套企业税务数据指标模型一体化评价体系,对税务数据进行提取加工,通过数据对企业进行综合评价。在实际应用中,根据企业随时更新的税务数据进行动态分析,计算出地区纳税指数和行业纳税指数。本发明提高了定位风险企业的效率,加快了对税务风险企业的干预时机,有效预防了不能够实时、持续跟踪和关注企业的经营状况的问题。本发明通过行业风险指数和地区业务风险指数作为标准参考值,系统自动提示纳税异常的企业。该方法有效提高了风险防控效率和准确率,减少人员工作量。
本申请的方案可以解决上述问题,下面进行具体说明。
图1为本申请实施例提供的一种基于税务数据的企业信用风险预警方法的步骤流程示意图,可以包括以下步骤:
S101:建立风险指数计算模型,根据企业税务数据对应的风险预警指标,确定风险预警指标对应的值,作为风险指数;
S102:对风险预警指标进行标准化处理获得指标行业参数,根据指标行业参数获得风险指数相对指标行业参数的偏离程度;
S103:根据偏离程度判断风险预警指标是否达到预警状态,并根据若干风险预警指标的预警状态获得企业风险状态;
S104:根据风险指数获得企业的纳税指数,以及纳税指数对应的地区纳税指数和行业纳税指数,并划分风险等级;
S105:根据企业风险状态,确定企业所处的风险等级以及企业的信用风险评价,并根据企业的信用风险评价进行风险预警。
在本申请的一种实施例中,建立风险指数计算模型之前,通过对选案指标、参数、模型进行不同的组合;确定选案指标体系,根据选案指标的重要程度、异常程度、出现频率,对选案指标进行横向对比和纵向分析;筛选出税收风险高于设定值的企业。根据纳税指标数据制定选案指标体系或者指标组,其中纳税指标数据至少包括税种、行业、问题类型、时间、地区、企业性质数据等;通过对选案指标、参数、模型进行不同的组合,结合选案指标的重要程度、异常程度、出现频率,进行横向对比和纵向分析,横向对比就是一个风险预警指标在多个算法模型中进行对比,纵向分析就是在一个算法模型中进行多个风险预警指标的分析,根据分析结果筛选出税收风险较高的纳税户,确立初选清单。计算初选清单中企业的纳税指数,通过加权计算,获得各地区纳税指数和行业纳税指数。
企业纳税数据及财务数据包括税收、利润、成本、销项、进项、工资性费用支出等,通过利用这些税务数据及财务数据合成企业税务风险预警指标,企业税务风险预警指标分成预先指标、同步指标、滞后指标。预先指标是对未来的经济发展产生影响的经济指标的统计,同步指标的变动时间与一般经济情況基本一致,滞后指标的变动时间则往往落后于一般经济情況的变动,同步指标和滞后指标可以显示经济发展的总趋势,并确定或否定先行指标预示的经济发展趋势,而且通过它们还可以看出经济变化的深度。在本申请中预先指标包括:销项进项比、销项收入比、进项成本比、税款利润比;同步指标包括:进项发票金额、进项税额转出、工资及工资性费用、营业外支出、固定资产折旧;滞后指标包括:纳税准确率、税收保障倍数、税收入库率。这些指标都是风险预警指标,风险预警指标的所表示的数值就是风险指数,比如销项进项比、进项发票金额的具体数值,就是风险预警指标所表示的风险指数。
预先指标的计算方法:
销项进项比=当期销项税额/当期进项税额×100%
销项收入比=当期销项税额/当期销售收入×100%,对增值税一般纳税人而言,销项收入比就应该等于其适用税率,当企业销售不同税率的几种商品时,销项收入比就是这些税率的加权平均数,正常区间为[7%,26%];对小规模纳税人而言,由于进项税额无法抵扣,其销项税额也就相当于应纳税额,此时,销项收入比应在[3%,7%]。
进项成本比=当期进项税额/当期业务成本×100%,因此,一般情况下进项成本比应低于企业增值税适用税率,进项成本比正常区间应在[7%,26%]。
税款利润比=所有税款/当期盈利×100%,税款利润比是企业所交纳的所有税款与当期盈利之间的对比关系,太高可能由于税收筹划不够,太低可能因为少交税款,这些都是潜在的税务风险,正常区间为[3%,30%]。
滞后指标的计算方法:
纳税准确率=(实际纳税申报次数/应该纳税申报次数)×(企业申报税额-企业应纳税额/企业应纳税额)×100%,是企业在已经申报的基础上的纳税准确率,正常区间为[70%,100%]。
税收保障倍数=(税前利润+非付现成本)/当期应纳税款×100%,税收保障率是企业税前利润与非付现成本之和与当期应纳税款之比,它能够反映短期内企业动用货币资金支付到期税款的能力。由于企业支付税款必须用现金资产,因此税收现金比率必须大于1。当然,该指标并不是越大越好,太大会影响企业的盈利能力,正常区间为[1,20]。
税收入库率=报告期入库税款/报告期应纳税款×100%,税款入库率是企业当期全部入库的税款与按照税法计算的当期应纳税款之间的比率,即,税收入库率=报告期入库税款/报告期应纳税款×100%,它反映企业当期税款的入库程度。因此,税款入库率是特别能反映企业税务风险高低的指标之一,正常区间为[70%,100%]。
以上指标不在正常区间或波动异常的时,系统会自动预警,有效防范了企业税务风险。
对企业中的业务进行定性和定量的处理,根据研究获得的资料将风险指标进行标准化处理,确定风险指数的标准参考值,即指标行业参数。将风险指数与指标行业参数通过一定的公式计算获得风险指数相对标准参考值的偏离程度,设定向左偏离评分办法和/或向右偏离评分办法;定义公式:
((标准参考值-风险指数)/标准参考值)×100%,
确定左偏度;
定义公式:
((风险指数-标准参考值)/标准参考值)×100%,
确定右偏度。
一般而言,销项进项比太高,超过1.5,可能是少计进项税额或多计销项税额造成的,比如,从小规模纳税人处购买原材料而无法获得增值税专用发票,这时应要求小规模纳税人请税务机关代开发票,从而增加进项税额,减轻企业负担,降低税务风险。当销项进项比太低,低于0.5可能存在少计销项税额或多计进项税额的情况,例如,零售环节的销项税额由于没有开具增值税专用发票而未及时入账,这就是少纳税的税务风险。那么[0.5,1.5]这个区间就是风险指数的正常范围。
当风险指数小于指标行业参数时,采用左偏离评分办法,确定左偏度;比如当销项进项比的值为0.3,也就是销项进项比的风险指数为0.3,这时风险指数低于标准参考值0.5,使用左偏度公式((0.5-0.3)/0.5)×100%=40%,当风险指数大于指标行业参数时,采用右偏离评分办法,确定右偏度。当销项进项比为1.8时,使用右偏度公式((1.8-1.5)/1.5)×100%=20%。根据左偏度和右偏度不同的偏度参考标准,设置偏度得分,从而确定偏离程度。其中,设置不同的偏度区间的评分,对设定的每个偏度区间的评分办法有两种,一种是在偏度区间内设定每偏离一个百分点得分系数和在偏度区间内的最大得分数值,一种是设定在偏度区间内的得分数值。
在本申请的一种实施例中,根据偏离程度判断风险预警指标是否达到预警状态,分别确定风险预警指标是否达到预警状态;存在至少一个风险指数相对指标行业参数的偏离程度不在正常范围时,风险预警指标达到预警状态。风险预警指标有很多,当至少有一个风险预警指标计算的偏离程度不在设定的正常范围内时,便判断该企业达到预警状态。
在本申请的一种实施例中,根据若干风险预警指标的预警状态获得企业风险状态,首先要确定企业达到预警状态的风险预警指标的数量;根据风险预警指标的数量,获得企业风险状态。如果某个企业的风险预警指标只有一个达到预警状态,那么企业的风险程度就偏低,如果一个企业有多个风险指标都达到预警状态,那么该企业的风险程度就偏高。不同算法有不同的侧重点,利用决策树或逻辑回归等算法根据函数关系式计算:
R≈F(B)=F(B1,……,Bn)
获得数值对应的企业风险状态,每个函数的参数系数是模型跑出来的;其中,B1,……,Bn表示企业的风险预警指标,R表示企业的风险状态对应的数值。
在本申请的一种实施例中,根据风险指数获得企业的纳税指数,以及纳税指数对应的地区纳税指数和行业纳税指数,根据风险指数获得企业的纳税指数;根据纳税指数以及相应的地区权重、行业权重,确定对应的地区纳税指数和行业纳税指数。根据纳税指标数据制定选案指标体系或者指标组,通过对选案指标、参数、模型进行不同的组合,结合选案指标的重要程度、异常程度、出现频率,进行横向对比和纵向分析,横向对比就是一个风险预警指标在多个算法模型中进行对比,纵向分析就是在一个算法模型中进行多个风险预警指标的分析,根据分析结果筛选出税收风险较高的纳税户,确立初选清单。计算初选清单中企业的纳税指数,通过加权计算,获得各地区纳税指数和行业纳税指数。具体计算根据以下公式:
地区纳税指数=企业纳税指数×地区权重
行业纳税指数=企业纳税指数×行业权重根据计算出的数据对地区纳税指数、行业纳税指数以及企业纳税指数进行可视化处理,可视化形式有图标、热力图等。
在本申请的一种实施例中,根据企业风险状态,确定企业所处的风险等级以及企业的信用风险评价,并根据企业的信用风险评价进行风险预警,根据地区纳税指数和行业纳税指数取定等级指标数值,根据等级指标数值划分风险等级;预警企业中除了风险评价为正常区域和防范区域的企业,其余企业均会进入企业风险自动预警系统;当自动预警系统中的企业至少有一个风险预警指标达到指标行业参数,自动预警。
根据计算出的地区纳税指数和行业纳税指数取定一串指标数值:R1<R2<R3<R4<R5<R6,设定R1<R<R2为正常区域,R2<R<R3为防范区域,R3<R<R4为警戒区域,R4<R<R5为危险区域,而到了R5<R<R6就是税务风险造成企业严重后果的特别处理区域。除了正常区域和防范区域的企业,其余区域的企业均会进入自动预警系统。
以各个风险预警指标来判断目前企业所表现出的具体特征和风险程度,以地区的业务风险指数和行业风险指数为标准,就风险等级状况得出一个综合判断,根据标准数据将正常区域的风险等级划分为风险正常类,将防范区域的风险等级划分为风险关注类,将正常区域的风险等级划分为风险正常类,将警戒区域的风险等级划分为风险可疑类,将危险区域的风险等级划分为风险障碍类,将特别处理区域的风险等级划分为风险失控类,对落入不同风险等级的企业进行风险评价,看其属于哪个区域,这样就便于了解企业的整体风险状况。
除了正常区域和防范区域的企业,其余区域的企业均会进入自动预警系统。企业税务风险的高低不是由预警指标的最低税务风险决定的,而是由最高税务风险所决定的,也就是说,只要有一个风险预警指标达到预警状态,税务风险预警系统就应该发出警示。
一种基于税务数据的企业信用风险预警系统,包括:
计算风险指数模块,用于根据企业财务数据制定企业税务风险预警指标,根据企业税务风险预警指标确定企业税务风险预警指标的风险指数;
计算风险指数偏离度模块,用于对企业税务风险预警指标进行标准化处理获得指标行业参数,根据指标行业参数获得风险指数相对指标行业参数的偏离程度;
判断企业风险状态模块,用于根据偏离程度判断风险指标是否达到预警状态,根据风险指标的预警状态获得企业风险状态;
评价企业风险模块,用于以地区风险指数和行业风险指数为标准划分风险等级,根据企业风险状态确定企业所处的风险等级,根据风险等级作出企业的信用风险评价。
还需要说明的是,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、商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、商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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种基于税务数据的企业信用风险预警方法,其特征在于,包括:
建立风险指数计算模型,根据企业税务数据对应的风险预警指标,确定所述风险预警指标对应的值,作为风险指数;
对所述风险预警指标进行标准化处理获得指标行业参数,根据所述指标行业参数获得所述风险指数相对所述指标行业参数的偏离程度;
根据所述偏离程度判断所述风险预警指标是否达到预警状态,并根据若干所述风险预警指标的预警状态获得企业风险状态;
根据所述风险指数获得企业的纳税指数,以及所述纳税指数对应的地区纳税指数和行业纳税指数,并划分风险等级;
根据所述企业风险状态,确定企业所处的风险等级以及企业的信用风险评价,并根据所述企业的信用风险评价进行风险预警。
2.根据权利要求1所述的方法,其特征在于,根据所述指标行业参数获得所述风险指数相对所述指标行业参数的偏离程度,具体包括:
设定向左偏离评分办法和/或向右偏离评分办法;
根据所述风险指数与所述指标行业参数之间的大小关系,当所述风险指数小于所述指标行业参数时,采用左偏离评分办法,确定左偏度;当所述风险指数大于所述指标行业参数时,采用右偏离评分办法,确定右偏度。
3.根据权利要求2所述的方法,其特征在于,采用左偏离评分办法,确定左偏度,具体包括:
通过((标准参考值-风险指数)/标准参考值)×100%,确定左偏度;
通过((风险指数-标准参考值)/标准参考值)×100%,确定右偏度;
其中,设置不同的偏度区间的评分,对设定的每个偏度区间的评分办法包括:
在偏度区间内设定每偏度一个百分点得分系数和在偏度区间内的最大得分数值;设定在偏度区间的得分数值。
4.根据权利要求2所述的方法,其特征在于,根据所述偏离程度判断所述风险预警指标是否达到预警状态,具体包括:
分别确定所述风险预警指标是否达到预警状态;
存在至少一个风险指数相对所述指标行业参数的偏离程度不在正常范围时,所述风险预警指标达到预警状态。
5.根据权利要求1所述的方法,其特征在于,根据若干所述风险预警指标的预警状态获得企业风险状态,具体包括:
确定所述企业达到预警状态的风险预警指标的数量;
根据所述风险预警指标的数量,获得企业风险状态。
6.根据权利要求1所述的方法,其特征在于,根据若干所述风险预警指标的预警状态获得企业风险状态,具体包括:
根据函数关系式:
R≈F(B)=F(B1,……,Bn)
获得数值对应的企业风险状态;
其中,B1,……,Bn表示企业的风险预警指标,R表示企业的风险状态对应的数值。
7.根据权利要求1所述的方法,其特征在于,根据所述风险指数获得企业的纳税指数,以及所述纳税指数对应的地区纳税指数和行业纳税指数,具体包括:
根据所述风险指数获得企业的纳税指数;
根据所述纳税指数以及相应的地区权重、行业权重,确定对应的地区纳税指数和行业纳税指数。
8.根据权利要求1所述的方法,其特征在于,根据所述企业风险状态,确定企业所处的风险等级以及企业的信用风险评价,并根据所述企业的信用风险评价进行风险预警,具体包括:
根据所述地区纳税指数和行业纳税指数取定等级指标数值,根据所述等级指标数值划分风险等级;
对落入不同风险等级的企业进行风险评价;
预警企业中除了风险评价为正常区域和防范区域的企业,其余企业均会进入企业风险自动预警系统;
当所述自动预警系统中的企业至少有一个所述风险预警指标达到指标行业参数,自动预警。
9.根据权利要求1所述的方法,其特征在于,建立风险指数计算模型之前,所述方法还包括:
通过对选案指标、参数、模型进行不同的组合;
确定选案指标体系,根据所述选案指标的重要程度、异常程度、出现频率,对所述选案指标进行横向对比和纵向分析;
筛选出税收风险高于设定值的企业。
10.一种基于税务数据的企业信用风险预警系统,其特征在于,包括:
计算风险指数模块,用于根据企业财务数据制定企业税务风险预警指标,根据所述企业税务风险预警指标确定所述企业税务风险预警指标的风险指数;
计算风险指数偏离度模块,用于对所述企业税务风险预警指标进行标准化处理获得指标行业参数,根据所述指标行业参数获得所述风险指数相对所述指标行业参数的偏离程度;
判断企业风险状态模块,用于根据所述偏离程度判断所述风险指标是否达到预警状态,根据所述风险指标的预警状态获得企业风险状态;
评价企业风险模块,用于以地区风险指数和行业风险指数为标准划分风险等级,根据所述企业风险状态确定企业所处的风险等级,根据所述风险等级作出企业的信用风险评价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110120455.7A CN112668947A (zh) | 2021-01-28 | 2021-01-28 | 一种基于税务数据的企业信用风险预警方法、系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110120455.7A CN112668947A (zh) | 2021-01-28 | 2021-01-28 | 一种基于税务数据的企业信用风险预警方法、系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112668947A true CN112668947A (zh) | 2021-04-16 |
Family
ID=75414953
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110120455.7A Pending CN112668947A (zh) | 2021-01-28 | 2021-01-28 | 一种基于税务数据的企业信用风险预警方法、系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112668947A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962614A (zh) * | 2021-12-21 | 2022-01-21 | 深圳市迪博企业风险管理技术有限公司 | 一种上市公司经营异常智能审查方法及装置 |
CN114997978A (zh) * | 2022-06-08 | 2022-09-02 | 深圳多有米网络技术有限公司 | 一种基于纳税人经营特征的优质纳税人识别方法 |
CN115204995A (zh) * | 2022-06-02 | 2022-10-18 | 广东源恒软件科技有限公司 | 一种税务数据采集分析方法、系统及计算机存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106373004A (zh) * | 2016-08-26 | 2017-02-01 | 深圳市永兴元科技有限公司 | 一种预警分析方法 |
CN106651190A (zh) * | 2016-12-28 | 2017-05-10 | 深圳微众税银信息服务有限公司 | 一种企业风险等级评估方法以及系统 |
CN108230143A (zh) * | 2018-02-05 | 2018-06-29 | 深圳微众税银信息服务有限公司 | 一种贷后数据报告生成方法及系统 |
CN109360079A (zh) * | 2018-10-24 | 2019-02-19 | 江苏税软软件科技有限公司 | 一种基于风险计算的税务指标稽查风险管控方法 |
CN110611655A (zh) * | 2019-08-15 | 2019-12-24 | 中国平安财产保险股份有限公司 | 一种黑名单筛选方法和相关产品 |
-
2021
- 2021-01-28 CN CN202110120455.7A patent/CN112668947A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106373004A (zh) * | 2016-08-26 | 2017-02-01 | 深圳市永兴元科技有限公司 | 一种预警分析方法 |
CN106651190A (zh) * | 2016-12-28 | 2017-05-10 | 深圳微众税银信息服务有限公司 | 一种企业风险等级评估方法以及系统 |
CN108230143A (zh) * | 2018-02-05 | 2018-06-29 | 深圳微众税银信息服务有限公司 | 一种贷后数据报告生成方法及系统 |
CN109360079A (zh) * | 2018-10-24 | 2019-02-19 | 江苏税软软件科技有限公司 | 一种基于风险计算的税务指标稽查风险管控方法 |
CN110611655A (zh) * | 2019-08-15 | 2019-12-24 | 中国平安财产保险股份有限公司 | 一种黑名单筛选方法和相关产品 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962614A (zh) * | 2021-12-21 | 2022-01-21 | 深圳市迪博企业风险管理技术有限公司 | 一种上市公司经营异常智能审查方法及装置 |
CN113962614B (zh) * | 2021-12-21 | 2022-04-15 | 深圳市迪博企业风险管理技术有限公司 | 一种上市公司经营异常智能审查方法及装置 |
CN115204995A (zh) * | 2022-06-02 | 2022-10-18 | 广东源恒软件科技有限公司 | 一种税务数据采集分析方法、系统及计算机存储介质 |
CN114997978A (zh) * | 2022-06-08 | 2022-09-02 | 深圳多有米网络技术有限公司 | 一种基于纳税人经营特征的优质纳税人识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Desai et al. | Domestic effects of the foreign activities of US multinationals | |
US7668768B2 (en) | Computer-implemented method for evaluating an investment | |
CN112668947A (zh) | 一种基于税务数据的企业信用风险预警方法、系统 | |
Chockalingam et al. | Strategic risk, banks, and Basel III: estimating economic capital requirements | |
CN111476660A (zh) | 一种基于数据分析的智能风控系统及方法 | |
Jovanović et al. | Financial indicators as predictors of illiquidity | |
Boguslauskas et al. | The selection of financial ratios as independent variables for credit risk assessment | |
US20110099101A1 (en) | Automated validation reporting for risk models | |
CHEGLAKOVA | Accounting and analytical support as a risk management tool in the economic activity of a firm | |
Hevchuk et al. | Methodological support for the analysis of debt security in agribusiness and measures to improve its level | |
Kondo et al. | Using machine learning to detect and forecast accounting fraud | |
JP6771513B2 (ja) | 債務不履行確率を算出する装置、方法及びそのためのプログラム | |
Kasik et al. | A general model based on the DuPont system of financial analysis for identification, analysis and solution of a potential crisis in a business | |
Anghelache et al. | Statistical-econometric model used to analyze the operational and insolvency risks. | |
CN113298575A (zh) | 一种商标价值批量评估的方法、系统、设备及存储介质 | |
Vujnović et al. | VALIDATION OF LOSS GIVEN DEFAULT FOR CORPORATE PORTFOLIO IN REPUBLIC OF SERBIA | |
Firman et al. | Analysis of Book-Tax Conformity, Tax Avoidance, and Earning Persistence | |
Starenka | Risk assessment in the internal control system of an enterprise | |
Bognár et al. | Compliance Risk Assessment in the Banking Sector: Application of a Novel Pairwise Comparison‐Based PRISM Method | |
Gumparthi et al. | Credit scoring model for auto ancillary sector | |
Silva | The supervisory review and evaluation process for Angolan financial institutions | |
Akromovich | Assessment And Management of Credit Risk in Banks | |
Hrosova | Ways of detection of creative accounting in a global economy | |
Seisenbayeva | BUSINESS RISK ASSESSMENT METHODS | |
Filko et al. | Analysis and assessment of innovation risks |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210416 |