CN112966918A - 用于确定风险影响范围的方法及装置、设备 - Google Patents

用于确定风险影响范围的方法及装置、设备 Download PDF

Info

Publication number
CN112966918A
CN112966918A CN202110224865.6A CN202110224865A CN112966918A CN 112966918 A CN112966918 A CN 112966918A CN 202110224865 A CN202110224865 A CN 202110224865A CN 112966918 A CN112966918 A CN 112966918A
Authority
CN
China
Prior art keywords
risk
subject
score
determining
value
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
CN202110224865.6A
Other languages
English (en)
Inventor
王科
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.)
Beijing Mininglamp Software System Co ltd
Original Assignee
Beijing Mininglamp Software System 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 Beijing Mininglamp Software System Co ltd filed Critical Beijing Mininglamp Software System Co ltd
Priority to CN202110224865.6A priority Critical patent/CN112966918A/zh
Publication of CN112966918A publication Critical patent/CN112966918A/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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请涉及风险传导技术领域，公开一种用于确定风险影响范围的方法，包括：获取风险事件；在知识图谱中确定出风险事件对应的第一主体；获取第一主体所对应的风险因素的风险评分，获取第一主体所对应的抗风险因素的抗风险评分；根据风险评分获取第一主体的风险值，根据抗风险评分获取第一主体的抗风险系数；根据抗风险系数和风险值确定第一主体的风险传播值；根据风险传播值确定风险事件的风险影响范围。该方法通过确定出风险事件对应的第一主体，根据第一主体的风险传播值确定风险事件的风险影响范围，实现了对风险事件的风险影响范围的确定。本申请还公开一种用于确定风险影响范围的装置及设备。

Description

用于确定风险影响范围的方法及装置、设备
技术领域
本申请涉及风险传导技术领域，例如涉及一种用于确定风险影响范围的方法及装置、设备。
背景技术
知识图谱是一种基于图的数据结构，知识图谱中的节点表示主体，例如人、物体、组织或企业等，知识图谱中的边表示主体之间的关系。知识图谱，本质上是一种揭示主体之间关系的语义网络。目前，当风险事件发生的时候，并不能够确定该风险事件的风险的影响范围，即不能确定被该风险事件的风险影响的主体。如何确定出风险影响的主体，这对于企业经营、银行信贷等提前做风险防控是非常有帮助的。
在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：现有技术不能确定风险事件的风险影响范围。
发明内容
为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
本公开实施例提供了一种用于确定风险影响范围的方法及装置、设备，以能够确定风险事件的风险影响范围。
在一些实施例中，用于确定风险影响范围的方法包括：
获取风险事件；
在知识图谱中确定出所述风险事件对应的第一主体；
获取所述第一主体所对应的风险因素的风险评分，获取所述第一主体所对应的抗风险因素的抗风险评分；
根据所述风险评分获取所述第一主体的风险值，根据所述抗风险评分获取所述第一主体的抗风险系数；
根据所述抗风险系数和所述风险值确定所述第一主体的风险传播值；
根据所述风险传播值确定所述风险事件的风险影响范围。
在一些实施例中，所述装置包括处理器和存储有程序指令的存储器，所述处理器被配置为在运行所述程序指令时，执行如上述的用于确定风险影响范围的方法。
在一些实施例中，设备包括如上述的用于确定风险影响范围的装置。
本公开实施例提供的用于确定风险影响范围的方法及装置、设备，可以实现以下技术效果：通过获取的风险事件，在知识图谱中确定出风险事件对应的第一主体，根据第一主体所对应的抗风险因素和风险因素来获得第一主体的风险传播值，并根据风险传播值来确定风险事件的风险影响范围，从而实现了对风险事件的风险影响范围的确定，为风险防控提供了极大帮助。
以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本申请。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：
图1是本公开实施例提供的一个用于确定风险影响范围的方法的示意图；
图2是本公开实施例提供的一个用于确定风险影响范围的装置的示意图。
具体实施方式
为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。
本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
除非另有说明，术语“多个”表示两个或两个以上。
本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。
术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。
结合图1所示，本公开实施例提供一种用于确定风险影响范围的方法，包括：
步骤S101，获取风险事件；
步骤S102，在知识图谱中确定出风险事件对应的第一主体；
步骤S103，获取第一主体所对应的风险因素的风险评分，获取第一主体所对应的抗风险因素的抗风险评分；
步骤S104，根据风险评分获取第一主体的风险值，根据抗风险评分获取第一主体的抗风险系数；
步骤S105，根据抗风险系数和风险值确定第一主体的风险传播值；
步骤S106，根据第一主体的风险传播值确定风险事件的风险影响范围。
采用本公开实施例提供的用于确定风险影响范围的方法，通过获取的风险事件，在知识图谱中确定出风险事件对应的第一主体，根据第一主体所对应的抗风险因素和风险因素来获得第一主体的风险传播值，并根据风险传播值来确定风险事件的风险影响范围，从而实现了对风险事件的风险影响范围的确定，为风险防控提供了极大帮助。
可选地，第一主体包括人、事件、物体、企业、公司或组织等。
可选地，抗风险因素包括若干个抗风险特征，获取第一主体所对应的抗风险因素的抗风险评分，包括：在预设的抗风险特征分值数据库中匹配出抗风险特征对应的抗风险特征分值；根据抗风险特征分值获取抗风险特征的类型评分；根据抗风险特征的类型评分获取第一主体所对应的抗风险因素的抗风险评分；抗风险特征分值数据库中存储有抗风险特征与抗风险特征分值之间的对应关系。
可选地，抗风险因素包括若干个类型的抗风险特征，各抗风险特征类型包括若干个抗风险特征。在一些实施例中，如表1所示的第一主体的抗风险因素示例表；如表1所示，该第一主体的抗风险因素包括企业关联人、基础特征、经营能力、关联企业表现等类型的抗风险特征；其中，经营能力包括盈利能力类型的抗风险特征、存货周期类型的抗风险特征等；其中，盈利能力类型包括销售利润率、净资产收益率、成本费用利润率等抗风险特征；存货周期类型包括存货周转率、应收账款周转率、销售增长率、速动比率等抗风险特征。
表1
Figure BDA0002956858690000041
Figure BDA0002956858690000051
在一些实施例中，如表2所示的抗风险特征分值数据库的示例表，如表2所示，抗风险特征为存在年限的情况下，0-5年的抗风险特征分值为20，5-10年的抗风险特征分值40，10-15年的抗风险特征分值为60，15以上的抗风险特征分值为80。
表2
Figure BDA0002956858690000052
Figure BDA0002956858690000061
可选地，根据抗风险特征分值获取抗风险特征的类型评分，包括：将同一抗风险特征类型中各抗风险特征分值中的最大值，确定为抗风险特征的类型评分。
可选地，根据抗风险特征的类型评分获取第一主体所对应的抗风险因素的抗风险评分，包括：通过计算P″l＝P′1w′1+P′2w′2+…+P′nw′n获得抗风险因素的抗风险评分，其中，P″l为第l个抗风险因素的抗风险评分，P′n为抗风险特征的第n个类型评分，w′n为预设的抗风险特征的第n个类型的权重，n为抗风险特征的类型数量，n为正整数。
可选地，根据抗风险特征分值获取抗风险特征的类型评分，包括：将同一抗风险特征类型中各抗风险特征分值中的最大值，确定为抗风险特征的类型特征值；根据抗风险特征的类型特征值获取抗风险特征的类型评分。
可选地，根据抗风险特征的类型特征值获取抗风险特征的类型评分，包括：对抗风险特征的类型特征值进行归一化处理，得到抗风险特征的类型评分。
可选地，通过计算
Figure BDA0002956858690000062
获得抗风险特征的类型评分，其中，P′m为抗风险特征的第m个类型评分，n为抗风险特征的类型数量，n为正整数，Tm为抗风险特征的第m个类型特征值，w′m为预设的抗风险特征的第m个类型的权重，W′为同一抗风险因素中各抗风险特征类型的权重之和。
可选地，根据抗风险特征的类型评分获取第一主体所对应的抗风险因素的抗风险评分，包括：
通过计算P″l＝100*(1-(1-P′1/100)(1-P′2/100)…(1-P′n/100))获得抗风险因素的抗风险评分，其中，P″l为第l个抗风险因素的抗风险评分，P′n为抗风险特征的第n个类型评分。
可选地，根据抗风险因素的抗风险评分获取第一主体的抗风险系数，包括：通过预设的第一算法利用抗风险因素的抗风险评分进行计算，获得第一主体的抗风险系数。
可选地，通过计算P＝P″1w1+P″2w2+…+P″kwk获得第一主体的抗风险系数，其中，P为第一主体的抗风险系数，P″k为第k个抗风险因素的抗风险评分，wk为预设的第k个抗风险因素的权重，k为抗风险因素的数量，k为正整数。
可选地，根据抗风险因素的抗风险评分获取第一主体的抗风险系数，包括：根据抗风险因素的抗风险评分获取抗风险因素的特征分值，根据抗风险因素的特征分值获取第一主体的抗风险系数。
可选地，根据抗风险因素的抗风险评分获取抗风险因素的特征分值，包括：通过计算
Figure BDA0002956858690000071
获得抗风险因素的特征分值，其中，
Figure BDA0002956858690000072
为第l个抗风险因素的特征分值，P″l为第l个抗风险因素的抗风险评分，wl为预设的第l个抗风险因素的权重，W为第一主体的各抗风险因素的权重之和。
可选地，根据抗风险因素的特征分值获取第一主体的抗风险系数，包括：通过计算
Figure BDA0002956858690000073
获得第一主体的抗风险系数，其中，P为第一主体的抗风险系数，
Figure BDA0002956858690000074
为第k个抗风险因素的特征分值。
可选地，风险因素包括若干个风险特征，获取第一主体所对应的风险因素的风险评分，包括：在预设的风险特征分值数据库中匹配出风险特征对应的风险特征分值；根据风险特征分值获取风险特征的类型评分；根据风险特征的类型评分获取第一主体所对应的风险因素的风险评分；风险特征分值数据库中存储有风险特征与风险特征分值之间的对应关系。
可选地，风险因素包括若干个类型的风险特征，各风险特征类型包括若干个风险特征。在一些实施例中，如表3所示的第一主体的风险因素示例表；如表3所示，该第一主体的风险因素包括经营能力、风险事件、信用履约、黑名单、模型命中情况、风险关系等类型的风险特征；其中，风险事件包括财务状况类型的风险特征、信用事件类型的风险特征、交易行为类型的风险特征、司法/行政处罚类型的风险特征、黑灰名单类型的风险特征等；其中，财务状况类型包括偿债能力下降、盈利能力下降、经营能力下降等风险特征；信用事件类型包括评级下调、贷款不良、贷款逾期等风险特征；交易行为类型包括交易银行循环互转虚增业务、企业代偿还、资金大额流入关联人账户、借新还旧等风险特征；司法/行政处罚类型包括涉诉、监管处罚、被执行人等风险特征；黑灰名单类型包括反洗钱上报名单等。
表3
Figure BDA0002956858690000081
Figure BDA0002956858690000091
在一些实施例中，如表4所示的风险特征分值数据库的示例表，如表4所示，风险特征为销售利润率的情况下，销售利润率<-1的风险分值为90；-1<销售利润率<-0.5风险分值为60；-0.5<销售利润率<0风险分值30。
表4
Figure BDA0002956858690000092
Figure BDA0002956858690000101
可选地，根据风险特征分值获取风险特征的类型评分，包括：将同一风险特征类型中各风险特征分值中的最大值，确定为风险特征的类型评分。
可选地，根据风险特征的类型评分获取第一主体所对应的风险因素的风险评分，包括：通过计算Y″h＝Y′1a′1+Y′2a′2+…+Y′ia′i获得风险因素的风险评分，其中，Y″h为第h个风险因素的风险评分，Y′i为风险特征的第i个类型评分，a′i为预设的风险特征的第i个类型的权重，i为风险特征的类型数量，i为正整数。
可选地，根据风险特征分值获取风险特征的类型评分，包括：将同一风险特征类型中各风险特征分值中的最大值，确定为风险特征的类型特征值；根据风险特征的类型特征值获取风险特征的类型评分。
可选地，根据风险特征的类型特征值获取风险特征的类型评分，包括：对风险特征的类型特征值进行归一化处理，得到风险特征的类型评分。
可选地，通过计算
Figure BDA0002956858690000102
获得风险特征的类型评分，其中，Y′j为风险特征的第j个类型评分，i为风险特征的类型数量，i为正整数，T′j为风险特征的第j个类型特征值，a′j为预设的风险特征的第j个类型的权重，A′为同一风险因素中各风险特征类型的权重之和。
可选地，根据风险特征的类型评分获取第一主体所对应的风险因素的风险评分，包括：
通过计算Y″h＝100*(1-(1-Y′1/100)(1-Y′2/100)…(1-Y′i/100))获得风险因素的风险评分，其中，Y″h为第h个风险因素的风险评分，Y′i为风险特征的第i个类型评分。
可选地，根据风险因素的风险评分获取第一主体的风险值，包括：通过预设的第二算法利用风险评分进行计算，获得第一主体的风险值。
可选地，通过计算Y＝Y″1a1+Y″2a2+…+Y″gag获得第一主体的风险值，其中，Y为第一主体的风险值，Y″g为第g个风险因素的风险评分，ag为预设的第g个风险因素的权重，g为风险因素的数量，g为正整数。
可选地，根据风险因素的风险评分获取第一主体的风险值，包括：根据风险因素的风险评分获取风险因素的特征分值，根据风险因素的特征分值获取第一主体的风险值。
可选地，根据风险因素的风险评分获取风险因素的特征分值，包括：通过计算
Figure BDA0002956858690000111
获得风险因素的特征分值，其中，
Figure BDA0002956858690000112
为第h个风险因素的特征分值，Y″h为第h个风险因素的风险评分，ah为预设的第h个风险因素的权重，A为第一主体的风险因素的权重之和。
可选地，根据风险因素的特征分值获取第一主体的风险值，包括：通过计算
Figure BDA0002956858690000113
获得第一主体的风险值，其中，Y为第一主体的风险值，
Figure BDA0002956858690000114
为第g个风险因素的特征分值。
可选地，根据抗风险系数和风险值确定第一主体的风险传播值，包括：通过预设的第三算法利用抗风险系数和风险值进行计算，获得第一主体的风险传播值。
可选地，通过计算D＝P*100-Y获得第一主体的风险传播值，其中，D为第一主体的风险传播值，P为第一主体的抗风险系数，Y为第一主体的风险值。
可选地，将知识图谱中第一主体外的主体确定为第二主体，根据第一主体的风险传播值确定风险事件的风险影响范围，包括：在第一主体的风险传播值满足预设条件的情况下，将与第一主体存在连接关系的第二主体确定为第三主体；第三主体为知识图谱中被第一主体的风险影响的主体；将第三主体确定为知识图谱中被风险事件的风险影响的主体。
可选地，第一主体的风险传播值满足预设条件，包括：第一主体的风险传播值小于设定阈值。可选地，设定阈值为零。在一些实施例中，在第一主体的风险传播值小于零的情况下，该第一主体具备风险传播性，与该第一主体存在连接关系的第二主体将被该第一主体的风险影响。而在第一主体的风险传播值大于或等于零的情况下，该第一主体能够抵抗风险，不具备风险传播性。
可选地，将第三主体确定为被风险事件的风险影响的主体后，还包括：获取第一主体对第三主体的影响程度；根据该影响程度确定知识图谱中被第三主体的风险影响的主体；在知识图谱中存在被第三主体的风险影响的主体的情况下，将知识图谱中被第三主体的风险影响的主体确定为第四主体；将第四主体确定为知识图谱中被风险事件的风险影响的主体。
可选地，获取第一主体对第三主体的影响程度，包括：通过计算X＝D*β获得第一主体对第三主体的影响程度，其中，X为第一主体对第三主体的影响程度，D为第一主体的风险传播值，β为第一主体与第三主体之间的风险传导率。
可选地，获取第一主体与第三主体之间的风险传导率，包括：获取第一主体与第三主体之间的风险关系；在预设的风险传导率数据库中匹配出与第一主体与第三主体之间的风险关系对应的风险传导率；其中，风险传导率数据库存储有风险关系与风险传导率之间的对应关系。可选地，获取第一主体与第三主体之间的风险传导率，包括：获取第一主体与第三主体之间的风险关系；根据第一主体与第三主体之间的风险关系获取风险传播权重，根据风险传播权重获取第一主体与第三主体之间的风险传导率。可选地，风险传播权重属于预设范围，即预设的最低值≤风险传播权重≤预设的最高值。
在一些实施例中，在第一主体与第三主体之间的风险关系为资金往来风险关系的情况下；根据资金交易总金额、交易次数和交易时间获取风险传播权重，并根据风险传播权重获取第一主体与第三主体之间的风险传导率。例如：若1年内无资金交易往来，则确定第一主体与第三主体之间的风险传导率为0；若1年内有资金交易往来，在第一主体打款给第三主体的情况下，风险传播权重预设的最高值为0.3、预设的最低值为0，在第三主体打款给第一主体的情况下，风险传播权重预设的最高值为0.4、预设的最低值为0；并根据资金交易总金额、交易次数获取风险传播权重；例如，若交易总金额<1万，风险传播权重＝0.1*(1+0.1*交易次数)；若1万≤交易总金额<10万，风险传播权重＝0.3*(1+0.1*交易次数)；若10万≤交易总金额<100万，风险传播权重＝0.5*(1+0.1*交易次数)；若100万≤交易总金额<1000万，风险传播权重＝0.7*(1+0.1*交易次数)；若1000万≤交易总金额，风险传播权重＝0.9*(1+0.1*交易次数)；若风险传播权重大于设定值，可选地，设定值为1，则风险传导率＝风险传播权重最高值；否则，风险传导率＝风险传播权重最低值+(风险传播权重最高值-风险传播权重最低值)*风险传播权重。
在一些实施例中，在第一主体与第三主体之间的风险关系为担保关系的情况下，根据担保金额、担保次数、担保是否有效、关联贷款合同金额获取风险传播权重，并根据风险传播权重获取第一主体与第三主体之间的风险传导率。例如，若担保有效，风险传播权重＝(担保金额/关联贷款合同金额)*(1+0.1*担保次数)；若风险传播权重大于1，风险传导率＝风险传播权重最高值；否则，风险传导率＝风险传播权重最低值+(风险传播权重最高值-风险传播权重最低值)*风险传播权重；若担保无效，则风险传导率＝0。
在一些实施例中，在第一主体与第三主体之间的风险关系为亲属关系的情况下，风险传导率＝风险传播权重最低值+(风险传播权重最高值-风险传播权重最低值)*风险传播权重。
可选地，根据第一主体对第三主体的影响程度确定知识图谱中被第三主体的风险影响的主体，包括：将第一主体对第三主体的影响程度确定为第三主体其中一个风险因素的风险评分；获取第三主体所对应的各抗风险因素的抗风险评分，获取第三主体所对应的各风险因素的风险评分；根据第三主体所对应的各抗风险评分获取第三主体的抗风险系数，根据第三主体所对应的各风险评分获取第三主体的风险值；根据第三主体的抗风险系数和第三主体的风险值确定第三主体的风险传播值；在第三主体的风险传播值小于设定阈值的情况下，将与第三主体存在连接关系的主体确定为被第三主体的风险影响的主体。
这样，通过获取风险事件，根据风险事件对应第一主体所对应的抗风险因素和风险因素来获得第一主体的风险传播值，根据风险传播值来确定第一主体的风险影响的第三主体，将第三主体确定为被风险事件的风险影响的主体，基于传染病学原理，并根据第一主体对第三主体的影响程度确定知识图谱中被第三主体的风险影响的第四主体，并将第四主体也确定为被风险事件的风险影响的主体，从而确定出风险事件的风险影响范围，为风险防控提供了极大帮助。同时，根据传染源逐步扩展计算，对资源要求低、计算速度快，能够达到实时或者准实时的风险影响评估计算。并且能够进行主体之间多种类的关系的风险影响范围的确定。
结合图2所示，本公开实施例提供一种用于确定风险影响范围的装置，包括处理器(processor)100和存储器(memory)101。可选地，该装置还可以包括通信接口(Communication Interface)102和总线103。其中，处理器100、通信接口102、存储器101可以通过总线103完成相互间的通信。通信接口102可以用于信息传输。处理器100可以调用存储器101中的逻辑指令，以执行上述实施例的用于确定风险影响范围的方法。
此外，上述的存储器101中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
存储器101作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器100通过运行存储在存储器101中的程序指令/模块，从而执行功能应用以及数据处理，即实现上述实施例中用于确定风险影响范围的方法。
存储器101可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器101可以包括高速随机存取存储器，还可以包括非易失性存储器。
采用本公开实施例提供的用于确定风险影响范围的装置，通过获取的风险事件，在知识图谱中确定出风险事件对应的第一主体，根据第一主体所对应的抗风险因素和风险因素来获得第一主体的风险传播值，并根据风险传播值来确定风险事件的风险影响范围，从而实现了对风险事件的风险影响范围的确定，为风险防控提供了极大帮助。
本公开实施例提供了一种设备，包含上述的用于确定风险影响范围的装置。该设备通过获取的风险事件，在知识图谱中确定出风险事件对应的第一主体，根据第一主体所对应的抗风险因素和风险因素来获得第一主体的风险传播值，并根据风险传播值来确定风险事件的风险影响范围，从而实现了对风险事件的风险影响范围的确定，为风险防控提供了极大帮助。
本公开实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，计算机可执行指令设置为执行上述用于确定风险影响范围的方法。
本公开实施例提供了一种计算机程序产品，计算机程序产品包括存储在计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，使计算机执行上述用于确定风险影响范围的方法。
上述的计算机可读存储介质可以是暂态计算机可读存储介质，也可以是非暂态计算机可读存储介质。
本公开实施例的技术方案可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括一个或多个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)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本申请中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。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、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。
本领域技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，可以仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述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单元来实现本实施例。另外，在本公开实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

Claims (10)

1.一种用于确定风险影响范围的方法，其特征在于，包括：
获取风险事件；
在知识图谱中确定出所述风险事件对应的第一主体；
获取所述第一主体所对应的风险因素的风险评分，获取所述第一主体所对应的抗风险因素的抗风险评分；
根据所述风险评分获取所述第一主体的风险值，根据所述抗风险评分获取所述第一主体的抗风险系数；
根据所述抗风险系数和所述风险值确定所述第一主体的风险传播值；
根据所述风险传播值确定所述风险事件的风险影响范围。
2.根据权利要求1所述的方法，其特征在于，所述抗风险因素包括若干个抗风险特征，获取所述第一主体所对应的抗风险因素的抗风险评分，包括：
在预设的抗风险特征分值数据库中匹配出所述抗风险特征对应的抗风险特征分值；
根据所述抗风险特征分值获取所述抗风险特征的类型评分；
根据所述抗风险特征的类型评分获取所述第一主体所对应的抗风险因素的抗风险评分；
所述抗风险特征分值数据库中存储有抗风险特征与抗风险特征分值之间的对应关系。
3.根据权利要求1所述的方法，其特征在于，根据所述抗风险评分获取所述第一主体的抗风险系数，包括：
通过预设的第一算法利用所述抗风险评分进行计算，获得所述第一主体的抗风险系数。
4.根据权利要求1所述的方法，其特征在于，所述风险因素包括若干个风险特征，获取所述第一主体所对应的风险因素的风险评分，包括：
在预设的风险特征分值数据库中匹配出所述风险特征对应的风险特征分值；
根据所述风险特征分值获取所述风险特征的类型评分；
根据所述风险特征的类型评分获取所述第一主体所对应的风险因素的风险评分；
所述风险特征分值数据库中存储有风险特征与风险特征分值之间的对应关系。
5.根据权利要求1所述的方法，其特征在于，根据所述风险评分获取所述第一主体的风险值，包括：
通过预设的第二算法利用所述风险评分进行计算，获得所述第一主体的风险值。
6.根据权利要求1所述的方法，其特征在于，根据所述抗风险系数和所述风险值确定所述第一主体的风险传播值，包括：
通过预设的第三算法利用所述抗风险系数和所述风险值进行计算，获得所述第一主体的风险传播值。
7.根据权利要求1至6任一项所述的方法，其特征在于，将所述知识图谱中第一主体外的主体确定为第二主体，根据所述风险传播值确定所述风险事件的风险影响范围，包括：
在所述风险传播值满足预设条件的情况下，将与所述第一主体存在连接关系的第二主体确定为第三主体；所述第三主体为所述知识图谱中被第一主体的风险影响的主体；
将所述第三主体确定为被所述风险事件的风险影响的主体。
8.根据权利要求7所述的方法，其特征在于，将所述第三主体确定为被所述风险事件的风险影响的主体后，还包括：
获取所述第一主体对所述第三主体的影响程度；
根据所述影响程度确定所述知识图谱中被所述第三主体的风险影响的主体；
在所述知识图谱中存在被所述第三主体的风险影响的主体的情况下，将所述知识图谱中被所述第三主体的风险影响的主体确定为第四主体；
将所述第四主体确定为被所述风险事件的风险影响的主体。
9.一种用于确定风险影响范围的装置，包括处理器和存储有程序指令的存储器，其特征在于，所述处理器被配置为在运行所述程序指令时，执行如权利要求1至8任一项所述的用于确定风险影响范围的方法。
10.一种设备，其特征在于，包括如权利要求9所述的用于确定风险影响范围的装置。
CN202110224865.6A 2021-03-01 2021-03-01 用于确定风险影响范围的方法及装置、设备 Pending CN112966918A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110224865.6A CN112966918A (zh) 2021-03-01 2021-03-01 用于确定风险影响范围的方法及装置、设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110224865.6A CN112966918A (zh) 2021-03-01 2021-03-01 用于确定风险影响范围的方法及装置、设备

Publications (1)

Publication Number Publication Date
CN112966918A true CN112966918A (zh) 2021-06-15

Family

ID=76275944

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110224865.6A Pending CN112966918A (zh) 2021-03-01 2021-03-01 用于确定风险影响范围的方法及装置、设备

Country Status (1)

Country Link
CN (1) CN112966918A (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011024457A (ja) * 2009-07-23 2011-02-10 Olympus Corp インスリン抵抗性のリスク評価方法、空腹時血中インスリン濃度のリスク評価方法、及びインスリン抵抗性リスク評価用遺伝子多型タイピングキット
CN108108902A (zh) * 2017-12-26 2018-06-01 阿里巴巴集团控股有限公司 一种风险事件告警方法和装置
CN109472485A (zh) * 2018-11-01 2019-03-15 成都数联铭品科技有限公司 企业失信风险传播查询系统及方法
CN109767066A (zh) * 2018-12-13 2019-05-17 重庆金融资产交易所有限责任公司 企业抗风险能力评估方法、装置及存储介质
CN110335145A (zh) * 2019-07-12 2019-10-15 深圳众赢维融科技有限公司 一种影响因素动态展示方法、装置、电子设备及存储介质
CN111083126A (zh) * 2019-12-05 2020-04-28 国网浙江省电力有限公司电力科学研究院 一种基于专家知识库的渗透测试风险评估方法以及模型
CN111241300A (zh) * 2020-01-09 2020-06-05 中信银行股份有限公司 舆情预警以及风险传播分析方法、系统、设备及存储介质
CN111402064A (zh) * 2020-06-03 2020-07-10 天云融创数据科技（北京）有限公司 一种风险值的评估方法及装置
CN111460459A (zh) * 2020-04-01 2020-07-28 中国银行股份有限公司 风险信息的处理方法和装置
CN111598461A (zh) * 2020-05-19 2020-08-28 北京海致星图科技有限公司 一种基于企业知识图谱实时的风险泛化与传导分析方法
CN111784508A (zh) * 2020-07-01 2020-10-16 北京知因智慧科技有限公司 企业风险评估方法、装置及电子设备
CN112101769A (zh) * 2020-09-09 2020-12-18 复旦大学 供应链风险管理系统
CN112348660A (zh) * 2020-10-21 2021-02-09 上海淇玥信息技术有限公司 生成风险警示信息的方法、装置及电子设备

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011024457A (ja) * 2009-07-23 2011-02-10 Olympus Corp インスリン抵抗性のリスク評価方法、空腹時血中インスリン濃度のリスク評価方法、及びインスリン抵抗性リスク評価用遺伝子多型タイピングキット
CN108108902A (zh) * 2017-12-26 2018-06-01 阿里巴巴集团控股有限公司 一种风险事件告警方法和装置
CN109472485A (zh) * 2018-11-01 2019-03-15 成都数联铭品科技有限公司 企业失信风险传播查询系统及方法
CN109767066A (zh) * 2018-12-13 2019-05-17 重庆金融资产交易所有限责任公司 企业抗风险能力评估方法、装置及存储介质
CN110335145A (zh) * 2019-07-12 2019-10-15 深圳众赢维融科技有限公司 一种影响因素动态展示方法、装置、电子设备及存储介质
CN111083126A (zh) * 2019-12-05 2020-04-28 国网浙江省电力有限公司电力科学研究院 一种基于专家知识库的渗透测试风险评估方法以及模型
CN111241300A (zh) * 2020-01-09 2020-06-05 中信银行股份有限公司 舆情预警以及风险传播分析方法、系统、设备及存储介质
CN111460459A (zh) * 2020-04-01 2020-07-28 中国银行股份有限公司 风险信息的处理方法和装置
CN111598461A (zh) * 2020-05-19 2020-08-28 北京海致星图科技有限公司 一种基于企业知识图谱实时的风险泛化与传导分析方法
CN111402064A (zh) * 2020-06-03 2020-07-10 天云融创数据科技（北京）有限公司 一种风险值的评估方法及装置
CN111784508A (zh) * 2020-07-01 2020-10-16 北京知因智慧科技有限公司 企业风险评估方法、装置及电子设备
CN112101769A (zh) * 2020-09-09 2020-12-18 复旦大学 供应链风险管理系统
CN112348660A (zh) * 2020-10-21 2021-02-09 上海淇玥信息技术有限公司 生成风险警示信息的方法、装置及电子设备

Similar Documents

Publication Publication Date Title
Maldonado et al. Credit scoring using three-way decisions with probabilistic rough sets
Wall Some financial regulatory implications of artificial intelligence
Kennedy Jr Political risk management: A portfolio planning model
CN110111198A (zh) 用户金融风险预估方法、装置、电子设备及可读介质
CN107967575A (zh) 一种人工智能保险咨询服务人工智能平台系统
CN110796539A (zh) 一种征信评估方法及装置
CN109360104A (zh) 用户类型划分方法、系统、计算机设备和存储介质
CN113807940B (zh) 信息处理和欺诈行为识别方法、装置、设备及存储介质
Karimzadeh et al. The effects of electronic banking expansion on profitability of a commercial bank (Sepah bank of Iran)
CN115545886A (zh) 逾期风险识别方法、装置、设备及存储介质
CN112561691A (zh) 一种客户授信预测方法、装置、设备及存储介质
CN112016850A (zh) 业务评估方法以及装置
CN112329862A (zh) 基于决策树的反洗钱方法及系统
CN112966918A (zh) 用于确定风险影响范围的方法及装置、设备
CN111026882A (zh) 一种基于知识图谱的违约确定方法、装置、设备及存储介质
CN112712270B (zh) 信息处理方法、装置、设备及存储介质
CN113344642A (zh) 用于预测广告投资回报率的方法、装置、电子设备及可读存储介质
Tan et al. Investment recommendation with total capital value maximization in online P2P lending
CN112926892A (zh) 一种资金匹配方法、装置、电子设备及存储介质
Clarke et al. Generalized bankruptcy models applied to predicting consumer credit behavior
Mitrache Big data and AI: a potential solution to end the conundrum of too big to fail financial institutions?
CN111143533A (zh) 一种基于用户行为数据的客服方法及系统
Suwa et al. Using the factor model to analyze internet BBS messages and stock returns
Melnyk et al. Improving the quality of credit activity by using scoring model
CN114118817B (zh) 一种银行贷款审查派单方法、装置和系统

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