CN112819353A - 一种基于企业图谱的风险分析方法和计算机设备 - Google Patents

一种基于企业图谱的风险分析方法和计算机设备 Download PDF

Info

Publication number
CN112819353A
CN112819353A CN202110175327.2A CN202110175327A CN112819353A CN 112819353 A CN112819353 A CN 112819353A CN 202110175327 A CN202110175327 A CN 202110175327A CN 112819353 A CN112819353 A CN 112819353A
Authority
CN
China
Prior art keywords
risk
enterprise
target
initial
group
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
CN202110175327.2A
Other languages
English (en)
Inventor
张炫
何浪
刘帅
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.)
Rocking Digital Chongqing Technology Co ltd
Original Assignee
Rocking Digital Chongqing Technology 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 Rocking Digital Chongqing Technology Co ltd filed Critical Rocking Digital Chongqing Technology Co ltd
Priority to CN202110175327.2A priority Critical patent/CN112819353A/zh
Publication of CN112819353A publication Critical patent/CN112819353A/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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种基于企业图谱的风险分析方法和计算机设备，通过将接收的企业数据建立成企业图谱，对目标企业进行自身风险评估，得到目标企业的初始风险，同时根据节点间的关系和权重，得到目标企业的关联节点风险；通过对族群进行风险分析，并根据族群间的关联系数，对族群风险进行传导后，得到目标族群的风险程度；再将目标族群的风险程度按份分给目标企业，得到目标企业的关联族群风险；将目标企业的初始风险、关联节点风险和关联族群风险叠加，得到目标企业的目标风险程度。从而解决了企业风险分析中关联企业的风险难以准确衡量的问题，保证企业风险分析的准确性和全面性。

Description

一种基于企业图谱的风险分析方法和计算机设备
技术领域
本发明涉及信息技术领域，尤其涉及一种基于企业图谱的风险分析方法和计算机设备。
背景技术
企业图谱在企业分析中已经得到了广泛的应用，将企业、投资人抽象为图中的节点，节点之间的关联关系抽象为图中的边，将各个节点联系起来，从而形成一副直观展示全部企业与投资人的图谱。在分析某一企业的风险状况时需要综合考虑与该企业关联节点的风险状况；当某一节点出现风险时，在企业图谱中可以直接观测到与之有关联的节点，从而进行预防。
在以往的基于企业图谱的风险分析方法之中只考虑了两个节点之间是否有关联，而忽视了节点之间关联关系的强弱。
另外，在企业图谱中通常会涉及企业族群分类的问题，涉及族群的企业风险分析方法经常将族群中的风险企业整个地扩散至族群中，只关注于族群内部的风险传导，忽视了单个族群发生整体性风险时往往会产生跨族群风险传导的情况。
发明内容
基于此，有必要针对上述技术问题，提供一种基于企业图谱的风险分析方法和计算机设备。
一种基于企业图谱的风险分析方法，所述方法包括：根据接收的企业数据建立企业图谱，所述企业图谱由多个企业族群构成，每个企业族群为图谱中的一个子图，图谱中包括节点和节点间的关系及权重，所述节点具体为企业和投资人；根据所述企业数据，对目标企业的自身风险进行评估，得到目标企业的初始风险；基于所述企业图谱，根据节点间的关系和权重，计算节点之间的风险传导，得到目标企业的关联节点风险；对所有族群进行风险评估，根据族群间的关联系数，将族群间风险进行传导，得到目标族群的风险程度；根据目标族群的风险程度，按照股本比例分配至目标族群内的企业中，从而得到目标企业的关联族群风险；将所述目标企业的初始风险、关联节点风险和关联族群风险进行叠加，得到目标企业的目标风险程度。
在其中一个实施例中，所述根据所述企业数据，对目标企业的自身风险进行评估，得到目标企业的初始风险，具体为：根据所述企业数据，选择不同的风险项目分别对所述目标企业进行评估，并得到各项目的风险值；再根据所述目标企业的基本情况，对所述不同的风险项目分别设定相应的权重；最后通过加权计算得到所述目标企业的初始风险。
在其中一个实施例中，所述基于所述企业图谱，根据节点间的关系和权重，计算节点之间的风险传导，得到目标企业的关联节点风险，具体为：基于所述企业图谱，根据节点间的关系和权重，确定所述目标企业与关联节点之间的投资关系和投资占比；根据所述投资关系和投资占比，确定关联节点对所述目标企业的风险传导强度；将关联节点的初始风险与关联节点的风险传导强度结合，计算得到目标企业的关联节点风险。
在其中一个实施例中，所述目标企业的关联节点风险包括关联企业风险和关联投资人风险。
在其中一个实施例中，所述关联节点的初始风险的计算方法为：关联节点包括关联企业和关联投资人，其中关联企业的初始风险计算与所述目标企业的初始风险计算相同；所述关联投资人的初始风险根据关联投资人的个人失信情况决定。
在其中一个实施例中，所述基于所述企业图谱，根据节点间的关系和权重，计算节点之间的风险传导，得到目标企业的关联节点风险步骤之后，还包括：当目标企业所在的目标族群不存在族群风险时，将所述目标企业的初始风险、关联节点风险进行叠加，得到目标企业的目标风险程度。
在其中一个实施例中，所述对所有族群进行风险评估，具体为：采用获得目标企业的初始风险的方法，计算每一族群内每一企业的初始风险；将每一族群内的每一企业的初始风险进行风险传导，直至每一企业的风险程度达到收敛，得到每一企业的最终风险；以每一族群内企业的股本作为权重，结合每一企业的最终风险，通过加权得到每一族群的风险程度。
在其中一个实施例中，所述将所述目标企业的初始风险、关联节点风险和关联族群风险进行叠加，得到目标企业的目标风险程度步骤之后，还包括：对获得目标企业的初始风险、得到目标企业的关联节点风险、得到目标族群的风险程度和得到目标企业的关联族群风险的各步骤进行迭代，直至所述目标风险程度趋于稳定。
在其中一个实施例中，所述将所述目标企业的初始风险、关联节点风险和关联族群风险进行叠加，得到目标企业的目标风险程度步骤之后，还包括：输出所述目标企业的目标风险程度。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述各个实施例中所述的基于企业图谱的风险分析方法的步骤。
上述一种基于企业图谱的风险分析方法和计算机设备，通过将接收的企业数据建立成企业图谱，对目标企业进行自身风险评估，得到目标企业的初始风险，同时根据节点间的关系和权重，得到目标企业的关联节点风险；同时通过对族群进行风险分析，并根据族群间的关联系数，对族群风险进行传导后，得到目标族群的风险程度；再将目标族群的风险程度按份分给目标企业，得到目标企业的关联族群风险；通过将目标企业的初始风险、关联节点风险和关联族群风险进行叠加，得到目标企业的目标风险程度。从而解决了企业风险分析中关联企业的风险难以准确衡量的问题，保证企业风险分析的准确性和全面性。使用该方法评估企业的风险水平，企业和投资者都能够以更加广阔的视角分析关联企业的风险，发现潜在威胁，从而做出更加合理的投资决策或者提前规避风险。
附图说明
图1为一个实施例中基于企业图谱的风险分析方法的应用场景图；
图2为一个实施例中基于企业图谱的风险分析方法的流程示意图；
图3为一个实施例中企业图谱的节点和关系图；
图4为一个实施例中族群的联系图；
图5是一个实施例中计算机设备的内部结构图。
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，下面通过具体实施方式结合附图对本发明做进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请提供的基于企业图谱的风险分析方法，可以应用于如图1所示的应用环境中。其中，终端1则是本方法所述实施的场所，终端1可以服务器2进行网络交互，其中，终端1接收来自服务器2的企业数据，最终得到的目标企业的目标风险程度，是可以通过网络传输至服务器2中，同样的，本方案实施场所也可以是通过服务器的形式，这里只是一种场景，并不限于本场景。其中，终端1可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器2可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
风险源：风险源可以是个人、企业或者族群。当企业资金链断裂、遇到严重的商业纠纷或者个人被纳入失信被执行人名单时，该企业或个人成为风险源，并在企业图谱中的该节点记录其风险程度。风险源的风险程度用字母Q表示。
风险载体：风险不可能在真空中传导，必须要有一定的介质。在本方案中，风险载体大多数时候仅为投资关系，当涉及到族群间风险传导时风险载体扩展致地区、行业和上下游关系等。风险载体的权重用字母r表示。
在一个实施例中，如图2所示，提供了一种基于企业图谱的风险分析方法，包括以下步骤：
S110根据接收的企业数据建立企业图谱，企业图谱由多个企业族群构成，每个企业族群为图谱中的一个子图，图谱中包括节点和节点间的关系及权重，节点具体为企业和投资人。
具体地，将全量企业数据输入到一张图中，企业和投资人构成图中的节点，节点记录企业的属性，例如注册资本、所在区域、主营业务、族群归属等；企业和投资人之间的投资与被投资关系构成图中的边，边记录投资关系的属性，例如投资额和股权占比。节点与节点之间通过边互相勾连，进而构成整张图。企业族群是指企业图谱中一些节点所组成的子图谱，其中子图谱内节点的相互关联程度比与子图谱外节点的关联程度高。同一企业族群内的企业通常具有一定的关联性和相似性，例如互相之间有股权投资或者同属一个地区或行业。目前已有成熟的算法例如LPA和Louvain等可是实现图内的族群划分。
S120根据企业数据，对目标企业的自身风险进行评估，得到目标企业的初始风险。
具体地，当一个企业处于风险状态时，该企业成为风险源。首先要对该企业的风险程度进行衡量，即自身的营业等造成的风险。
在一个实施例中，步骤S120具体为：根据企业数据，选择不同的风险项目分别对目标企业进行评估，并得到各项目的风险值；再根据目标企业的基本情况，对不同的风险项目分别设定相应的权重；最后通过加权计算得到目标企业的初始风险。具体地，首先根据各种企业数据，对目标企业进行风险评估，针对不同的风险项目分别评估，得到一系列的风险值{q1，q2，q3...qn，}，再根据该企业的规模、股权结构、杠杆水平和盈亏水平等因素分别为上述q值设定相应的权重{w1，w2，w3...wn，}，最终加权求和得到该企业的风险程度
Figure BDA0002940511140000052
S130基于企业图谱，根据节点间的关系和权重，计算节点之间的风险传导，得到目标企业的关联节点风险。
具体地，基于企业图谱，可以根据节点之间的关系和权重，计算出节点间的风险传导情况，从而可以针对目标企业所在节点，计算其关联节点带来的风险，也就是目标企业的关联节点风险。
在一个实施例中，步骤S130具体为：基于企业图谱，根据节点间的关系和权重，确定目标企业与关联节点之间的投资关系和投资占比；根据投资关系和投资占比，确定关联节点对目标企业的风险传导强度；将关联节点的初始风险与关联节点的风险传导强度结合，计算得到目标企业的关联节点风险。具体地，将该企业的风险通过风险载体向外传导。在传导过程中需要分别考虑该企业作为投资方和被投资方两种情况，即投资关系的边为投资或是被投资。当该企业作为投资方时，面对重大风险更有可能采取措施来对冲，对于被投资的企业来说该风险的传导能量更大；相反当该企业作为被投资方时，该企业的风险在投资方看来只是公司财报上利润的削减，因此投资方向的边传导权重要明显高于被投资的边。
设定投资占比
Figure BDA0002940511140000051
投资与被投资的两种边系数分别为和，该条边的风险传导强度可以表示为C＝a×r。此时，目标风险的风险则应该由初始风险与关联节点风险进行叠加。
在一个实施例中，目标企业的关联节点风险包括关联企业风险和关联投资人风险。具体地，目标企业的关联节点风险，因为节点包括企业和投资人，所以关联节点风险包括关联企业风险和关联投资人风险两种。
在一个实施例中，关联节点的初始风险的计算方法为：关联节点包括关联企业和关联投资人，其中关联企业的初始风险计算与目标企业的初始风险计算相同；关联投资人的初始风险根据关联投资人的个人失信情况决定。具体地，关联节点的初始风险是用于计算关联节点风险，而关联节点的初始风险有两种计算方法，因为关联节点包括关联企业和关联投资人，其中关联企业的初始风险计算与目标企业的初始风险计算相同，直接通过加权计算出关联企业的初始风险；而关联投资人的初始风险则是根据关联投资人的个人失信情况决定。
在一个实施例中，步骤S130之后，还包括：当目标企业所在的目标族群不存在族群风险时，将目标企业的初始风险、关联节点风险进行叠加，得到目标企业的目标风险程度。具体地，当目标企业所在族群不存在风险的时候，直接将目标企业的初始风险与关联节点风险叠加，得到的就是目标企业的目标风险程度。
S140对所有族群进行风险评估，根据族群间的关联系数，将族群间风险进行传导，得到目标族群的风险程度。
具体地，族群间的风险传导通常是由于同属一个地区、一个行业或者具有上下游关系导致的，通过具体的分析可以构建族群间的关联系数。根据该关联系数利用步骤120中的传导方式计算整个族群的风险水平。
在一个实施例中，步骤S140中，对所有族群进行风险评估，具体为：采用获得目标企业的初始风险的方法，计算每一族群内每一企业的初始风险；将每一族群内的每一企业的初始风险进行风险传导，直至每一企业的风险程度达到收敛，得到每一企业的最终风险；以每一族群内企业的股本作为权重，结合每一企业的最终风险，通过加权得到每一族群的风险程度。具体地，当一个族群里的企业出现整体性风险时，也需要对该族群的风险程度进行衡量。首先利用步骤S120-S130中的方法分别评估每一家企业的风险程度；之后在族群内部实施风险传导，使整个族群内部每一家企业的风险程度达到收敛状态；最后以族群内部企业的股本作为权重加权求得整个族群的风险程度。
S150根据目标族群的风险程度，按照股本比例分配至目标族群内的企业中，从而得到目标企业的关联族群风险。
具体地，根据目标族群的风险程度，再根据族群内企业的股本按比例分配，股本即为股份资本，即可获得族群间风险传导后的企业风险，目标企业位于族群中，而目标企业所在的目标族群的风险一旦确定后，就可以根据股份资本把目标族群风险分配至目标企业中，得到目标企业的关联族群风险。
S160将目标企业的初始风险、关联节点风险和关联族群风险进行叠加，得到目标企业的目标风险程度。
具体地，而目标企业的最终的目标风险程度，则是由目标企业的初始风险、关联节点风险和关联族群风险叠加得到，这样得到的目标风险程度是基于图谱全面分析得到的，具有准确性和全面性。
在一个实施例中，步骤S160之后，还包括：迭对获得目标企业的初始风险、得到目标企业的关联节点风险、得到目标族群的风险程度和得到目标企业的关联族群风险的各步骤进行迭代，直至所述目标风险程度趋于稳定。具体地，迭代步骤S120-S150，从而使得目标企业的风险水平趋于稳定，因为目标企业在计算时，由于企业间或族群间的风险介质的传导参数必然小于0，一个风险源的风险在经过多次传播之后会变为一个极小值。由于风险传导是单向的，在不考虑环路的情况下，经过一定的迭代次数之后，整个企业图谱的风险水平将会趋于稳定，即随着迭代次数的增加，图谱中的绝大多数企业的风险程度不变或者变动很小。对于图谱中的环路情况，可以设定一个风险的最大传导层数防止不收敛情况的发生。最终整个企业图谱的风险程度稳定后，读取图谱中的结果即可获得一个企业的风险水平。
在一个实施例中，步骤S160之后，还包括：输出目标企业的目标风险程度。具体地，将得到的目标企业的目标风险程度进行输出。
上述实施例中，通过将接收的企业数据建立成企业图谱，对目标企业进行自身风险评估，得到目标企业的初始风险，同时根据节点间的关系和权重，得到目标企业的关联节点风险；同时通过对族群进行风险分析，并根据族群间的关联系数，对族群风险进行传导后，得到目标族群的风险程度；再将目标族群的风险程度按份分给目标企业，得到目标企业的关联族群风险；通过将目标企业的初始风险、关联节点风险和关联族群风险进行叠加，得到目标企业的目标风险程度。从而解决了企业风险分析中关联企业的风险难以准确衡量的问题，保证企业风险分析的准确性和全面性。使用该方法评估企业的风险水平，企业和投资者都能够以更加广阔的视角分析关联企业的风险，发现潜在威胁，从而做出更加合理的投资决策或者提前规避风险。而且赋予图谱中的边以权重，使得节点之间的风险传导关系更加可信；当企业族群发生整体性风险时将族群作为一个整体看待，在族群之间进行进一步的风险分析。最终使得企业的风险分析更加全面准确。
在一个实施例中，如图3所示，图谱中共存在四家企业A、B、C、D和两个投资个人a，b，投资关系与注册资本分别如图3所示。假设企业A发生了融资风险q1＝2和供应链风险q2＝1，而这两种加权风险的权重分别w1＝0.4，w2＝0.6为，那么作为风险源的企业A的风险水平可以表示为QA＝q1×w1+q2×w2＝1.4。投资与被投资的风险传导系数分别设为a1＝1，a2＝0.5。
首先计算每条投资关系风险传导强度r，根据步骤三中的公式
Figure BDA0002940511140000081
计算结果如下：
rAB＝0.4，rCB＝0.1，rBD＝0.5，raB＝0.4，rbB＝0.1，rbD＝0.5
随后按照步骤S120中描述的进行企业间的风险传导。企业A将自身的风险QA传导至企业B，由于是投资关系，采用风险传导系数a1，那么企业B被传导的风险程度为QA×a1×rAB＝1.4×1×0.4＝0.56。假设企业B自身没有额外风险，那么其风险程度QB＝0.56。企业B再传导给企业C，由于是被投资关系，采用风险传到系数a2，那么企业C被传导的风险程度为QB×a2×rCB＝0.56×0.5×0.1＝0.028。同样假设企业C自身没有额外风险，那么其风险程度QC＝0.028。利用同样的方法计算可得个人a被传导的风险程度为Qa＝0.112。在计算企业D和个人b的被传导风险时，因为企业B、企业D和个人b形成了一个环路，风险会在环路上被无限传导，对于这种情况需要特殊处理。因为每次传导载体的系数都是小于0的，多次传导之后的传导结果可以忽略不计，所以在本专利中我们设定一个环路内风险源最大的传导层数N来限制无限传导的情况，通常来说设定N为环路内所有节点的数量比较合适。此时设定N＝3，那么企业B的风险程度在经由路径企业D、个人b再回转到自身时经历三次传导，则该传导结束。经由路径个人b、企业D回转到自身的路径同理。最终可以计算得到企业D的风险程度QD＝0.294，个人b的风险程度Qb＝0.098。同时因为企业B在环路之中，其风险由于环路加成被提升至QB＝0.5705。最后根据更新后的QB重新计算Qa和QC。
在一个实施例中，如图4所示图谱中共存在3个族群，其中A族群大部分由水泥生产企业和其投资者组成，B族群和C族群则分别为房地产企业和汽车生产企业。假设目前由于水泥原材料成本的增加，族群A内出现群发性供应链风险并在族群A内传导，最终达到一个收敛状态Q1＝0.6，Q2＝0.3。根据族群A内企业的风险程度和股本相加权计算得出族群A的整体性风险程度
Figure BDA0002940511140000091
Figure BDA0002940511140000092
由于族群A和族群B是紧密相关的，相关系数rAB＝0.7，而族群C与族群A的相关性较差，相关系数为rAC＝0.05。
族群的风险传导与企业间的风险传导相似，族群A传导至族群B的风险程度为QA×rAB＝0.4×0.7＝0.28。同理可得族群A传导至族群C的风险程度为QA×rAC＝0.4×0.05＝0.02。
随后需要在族群内将传导来的风险进行按比例分配，可以得到
Figure BDA0002940511140000093
Figure BDA0002940511140000094
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储配置模板，还可用于存储目标网页数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于企业图谱的风险分析方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
显然，本领域的技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以，本发明不限制于任何特定的硬件和软件结合。
以上内容是结合具体的实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种基于企业图谱的风险分析方法，其特征在于，包括：
根据接收的企业数据建立企业图谱，所述企业图谱由多个企业族群构成，每个企业族群为图谱中的一个子图，图谱中包括节点和节点间的关系及权重，所述节点具体为企业和投资人；
根据所述企业数据，对目标企业的自身风险进行评估，得到目标企业的初始风险；
基于所述企业图谱，根据节点间的关系和权重，计算节点之间的风险传导，得到目标企业的关联节点风险；
对所有族群进行风险评估，根据族群间的关联系数，将族群间风险进行传导，得到目标族群的风险程度；
根据目标族群的风险程度，按照股本比例分配至目标族群内的企业中，从而得到目标企业的关联族群风险；
将所述目标企业的初始风险、关联节点风险和关联族群风险进行叠加，得到目标企业的目标风险程度。
2.如权利要求1所述的方法，其特征在于，所述根据所述企业数据，对目标企业的自身风险进行评估，得到目标企业的初始风险，具体为：
根据所述企业数据，选择不同的风险项目分别对所述目标企业进行评估，并得到各项目的风险值；
再根据所述目标企业的基本情况，对所述不同的风险项目分别设定相应的权重；
最后通过加权计算得到所述目标企业的初始风险。
3.如权利要求2所述的方法，其特征在于，所述基于所述企业图谱，根据节点间的关系和权重，计算节点之间的风险传导，得到目标企业的关联节点风险，具体为：
基于所述企业图谱，根据节点间的关系和权重，确定所述目标企业与关联节点之间的投资关系和投资占比；
根据所述投资关系和投资占比，确定关联节点对所述目标企业的风险传导强度；
将关联节点的初始风险与关联节点的风险传导强度结合，计算得到目标企业的关联节点风险。
4.如权利要求3所述的方法，其特征在于，所述目标企业的关联节点风险包括关联企业风险和关联投资人风险。
5.如权利要求4所述的方法，其特征在于，所述关联节点的初始风险的计算方法为：
关联节点包括关联企业和关联投资人，其中关联企业的初始风险计算与所述目标企业的初始风险计算相同；
所述关联投资人的初始风险根据关联投资人的个人失信情况决定。
6.如权利要求1所述的方法，其特征在于，所述基于所述企业图谱，根据节点间的关系和权重，计算节点之间的风险传导，得到目标企业的关联节点风险步骤之后，还包括：
当目标企业所在的目标族群不存在族群风险时，将所述目标企业的初始风险、关联节点风险进行叠加，得到目标企业的目标风险程度。
7.如权利要求2所述的方法，其特征在于，所述对所有族群进行风险评估，具体为：
采用获得目标企业的初始风险的方法，计算每一族群内每一企业的初始风险；
将每一族群内的每一企业的初始风险进行风险传导，直至每一企业的风险程度达到收敛，得到每一企业的最终风险；
以每一族群内企业的股本作为权重，结合每一企业的最终风险，通过加权得到每一族群的风险程度。
8.如权利要求1所述的方法，其特征在于，所述将所述目标企业的初始风险、关联节点风险和关联族群风险进行叠加，得到目标企业的目标风险程度步骤之后，还包括：
对获得目标企业的初始风险、得到目标企业的关联节点风险、得到目标族群的风险程度和得到目标企业的关联族群风险的各步骤进行迭代，直至所述目标风险程度趋于稳定。
9.如权利要求1所述的方法，其特征在于，所述将所述目标企业的初始风险、关联节点风险和关联族群风险进行叠加，得到目标企业的目标风险程度步骤之后，还包括：
输出所述目标企业的目标风险程度。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。
CN202110175327.2A 2021-02-07 2021-02-07 一种基于企业图谱的风险分析方法和计算机设备 Pending CN112819353A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110175327.2A CN112819353A (zh) 2021-02-07 2021-02-07 一种基于企业图谱的风险分析方法和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110175327.2A CN112819353A (zh) 2021-02-07 2021-02-07 一种基于企业图谱的风险分析方法和计算机设备

Publications (1)

Publication Number Publication Date
CN112819353A true CN112819353A (zh) 2021-05-18

Family

ID=75864328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110175327.2A Pending CN112819353A (zh) 2021-02-07 2021-02-07 一种基于企业图谱的风险分析方法和计算机设备

Country Status (1)

Country Link
CN (1) CN112819353A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113688287A (zh) * 2021-08-24 2021-11-23 撼地数智(重庆)科技有限公司 一种企业风险传染路径分析方法、装置、设备及存储介质
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
CN115393056A (zh) * 2022-08-31 2022-11-25 重庆大学 一种基于大数据的用户信息评估及风控方法、装置及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921456A (zh) * 2018-08-21 2018-11-30 深圳市人民政府金融发展服务办公室 风险评估方法、装置及计算机可读存储介质
CN111861120A (zh) * 2020-06-17 2020-10-30 国家计算机网络与信息安全管理中心 企业关联图谱的构建方法、装置、设备及计算机可读介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921456A (zh) * 2018-08-21 2018-11-30 深圳市人民政府金融发展服务办公室 风险评估方法、装置及计算机可读存储介质
CN111861120A (zh) * 2020-06-17 2020-10-30 国家计算机网络与信息安全管理中心 企业关联图谱的构建方法、装置、设备及计算机可读介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113688287A (zh) * 2021-08-24 2021-11-23 撼地数智(重庆)科技有限公司 一种企业风险传染路径分析方法、装置、设备及存储介质
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
CN115393056A (zh) * 2022-08-31 2022-11-25 重庆大学 一种基于大数据的用户信息评估及风控方法、装置及设备

Similar Documents

Publication Publication Date Title
Anand et al. A network model of financial system resilience
CN112819353A (zh) 一种基于企业图谱的风险分析方法和计算机设备
KR20210116439A (ko) 자금 세탁 방지 분석을 위한 시스템 및 방법
US20160189301A1 (en) Diversity Analysis with Actionable Feedback Methodologies
US8548884B2 (en) Systems and methods for portfolio analysis
Hautsch et al. Capturing the zero: a new class of zero-augmented distributions and multiplicative error processes
US11538044B2 (en) System and method for generation of case-based data for training machine learning classifiers
CN112163963B (zh) 业务推荐方法、装置、计算机设备和存储介质
Awiszus et al. Modeling and pricing cyber insurance: Idiosyncratic, systematic, and systemic risks
KR102084389B1 (ko) 기업평가방법 및 시스템
Song et al. Multi-fidelity sampling for efficient simulation-based decision making in manufacturing management
Ubukata et al. Estimation and testing for dependence in market microstructure noise
O’Kane Optimising the multilateral netting of fungible OTC derivatives
Fujiwara et al. DebtRank analysis of financial distress propagation on a production network in Japan
Valenzuela et al. A Network‐Based Impact Measure for Propagated Losses in a Supply Chain Network Consisting of Resilient Components
Choe et al. The k th default time distribution and basket default swap pricing
Borzykh et al. IRB PD model accuracy validation in the presence of default correlation: a twin confidence interval approach
Yang et al. Multi-basin particle swarm intelligence method for optimal calibration of parametric Lévy models
US20140244465A1 (en) Systems and methods for detecting market irregularities
CN114170000A (zh) 信用卡用户风险类别识别方法、装置、计算机设备和介质
Abel et al. Network reconstruction with UK CDS trade repository data
Zang Construction of Mobile Internet Financial Risk Cautioning Framework Based on BP Neural Network
Gürtler et al. Tuning white box model with black box models: transparency in credit risk modeling
Ahn et al. Robust Risk Quantification via Shock Propagation in Financial Networks
Zhan Designing and Implementing FRTB: A Practical Approach

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