CN113065742A - 小微企业的信用评价方法、系统、存储介质及电子设备 - Google Patents
小微企业的信用评价方法、系统、存储介质及电子设备 Download PDFInfo
- Publication number
- CN113065742A CN113065742A CN202110231355.1A CN202110231355A CN113065742A CN 113065742 A CN113065742 A CN 113065742A CN 202110231355 A CN202110231355 A CN 202110231355A CN 113065742 A CN113065742 A CN 113065742A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- evaluation
- enterprises
- small
- evaluated
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 112
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000004140 cleaning Methods 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012847 principal component analysis method Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 12
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012797 qualification Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 206010037180 Psychiatric symptoms Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Fuzzy Systems (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- General Engineering & Computer Science (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开小微企业的信用评价方法、系统、存储介质及电子设备,其中,该方法包括:获取并清洗样本企业的样本经营数据,基于清洗后的样本经营数据确定每个变量对应的变量权重,创建加权平均模型;将被评价企业的经营数据输入加权平均模型计算被评价企业的分数,生成评价报告并显示给用户和/或上传至服务器。该系统实现上述小微企业的信用评价方法,对被评价企业进行动态评级,更加客观、全面反映被评价企业信用水平,既缩短了对小微企业进行信用评价的时间,又提升了金融机构风险准入的效率。
Description
技术领域
本发明涉及数据分析技术领域,尤其涉及小微企业的信用评价方法、系统、存储介质及电子设备。
背景技术
企业信用评价是指:信用评级服务机构以第三方的客观公正立场,根据规范的评估指标体系,运用科学的评估方法,履行严格的评估程序,对企业的基础信息、司法涉诉、经营状况、履约历史、法人资质五个维度进行全面了解、尽职调查和分析研究后,就其在未来一段时间内履行承诺的能力以及可能出现的各种风险所做的综合评价,并以一定的符号表示其优劣并公布于社会公众的经济活动。
但目前,受限于小微企业数量大、类型多、分布分散甚至信息缺失、信息极度不对称等问题,并没有有效的基于小微企业经营数据的企业信用评价模型生成算法,导致小微企业信用评价存在着不确定性和不公允性等问题。因此,如何利用小微企业经营数据来为企业进行信用评价,同时能根据企业风险变化实现评价的实时更新,避免传统评价方法无法根据小微企业经营状况的动态变化带来的影响,为小微企业融资前的信用评估提供更加准确的结论,是申请人及本领域的技术人员一致致力于解决的问题。
发明内容
本发明的目的在于提供小微企业的信用评价方法、系统、存储介质及电子设备,利用小微企业经营数据来为企业进行信用评价,并且根据企业风险变化实现评价的实时更新,为小微企业融资前的信用评价提供更加准确的结论。
为了实现上述目的,本发明提供如下技术方案:
一种小微企业的信用评价方法,包括:
获取并清洗样本企业的样本经营数据,基于清洗后的样本经营数据确定每个变量对应的变量权重,创建加权平均模型;
将被评价企业的经营数据输入所述加权平均模型计算被评价企业的分数,生成评价报告并显示给用户和/或上传至服务器。
优选地,清洗样本经营数据的方法包括样本经营数据预处理:数据缺失处理、数据异常处理及数据对数化处理。
较佳地,清洗样本经营数据的方法还包括从所述样本经营数据中剔除具有多重共线性的变量:VIF分析法和皮尔逊相关系数分析法中的一种或两种。
进一步地,基于清洗后的样本经营数据确定每个变量对应的变量权重,创建加权平均模型的方法包括:
清洗后的样本经营数据中包括多个原始变量;
利用主成分分析方法从所述原始变量中选取多个主成分变量;
基于皮尔逊相关系数计算每个原始变量分别与每个主成分变量之间的因子载荷系数并生成因子载荷矩阵;
基于因子载荷矩阵,以及主成分变量对应的方差贡献率,确定每个原始变量对应的变量权重,并创建加权平均模型。
优选地,创建加权平均模型的方法还包括:
判断利用加权平均模型计算得到的评分是否为正偏态分布;
若是正偏态分布,则不做调整;
若不是偏态分布,则调整所述加权平均模型直至得到的评分为正偏态分布。
具体地,所述的小微企业的信用评价方法还包括:
设置评分区间;
根据评分的分位数将评分区间进行切割,得到不同的评级;
预设每个评级对应的信用评价并存储。
优选地,将被评价企业的经营数据输入所述加权平均模型计算被评价企业的分数,生成评价报告并显示给用户和/或上传至服务器的方法包括:
获取并清洗被评价企业的经营数据;
从清洗后的被评价企业的经营数据中获取每个原始变量的值并输入所述加权平均模型中,得到被评价企业的分数;
根据被评价企业的分数获取被评价企业的评级和对应的信用评价,生成评价报告并显示给用户和/或上传至服务器。
一种小微企业的信用评价系统,包括模型生成模块及评价模块,其中,
所述模型生成模块用于获取并清洗样本企业的样本经营数据,基于清洗后的样本经营数据确定每个变量对应的变量权重,创建加权平均模型;
所述评价模块用于将被评价企业的经营数据输入所述加权平均模型计算被评价企业的分数,生成评价报告并显示给用户和/或上传至服务器。
一种计算机可读存储介质,,具有存储在其上的计算机可读程序指令,所述计算机可读程序指令用于执行前述小微企业的信用评价方法。
一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行前述小微企业的信用评价方法。
与现有技术相比,本发明提供的小微企业的信用评价方法、系统、存储介质及电子设备具有以下有益效果:
本发明提供的小微企业的信用评价方法,利用统计原理、机器学习及算法建模,先通过分析和处理样本经营数据,利用主成分法确定各变量权重,进而生成加权平均模型;再根据大数据的相关性原理,基于生成的模型对被评价企业进行多个维度的评价,可全方位评估被评价企业的运营状态,并定期收集更新数据库。对被评价企业进行动态评级,更加客观、全面反映被评价企业信用水平,既缩短了对小微企业进行信用评价的时间,又提升了金融机构风险准入的效率。
本发明提供的小微企业的信用评价系统,包括模型生成模块和评价模块,提高了对小微企业进行信用评价的效率,可以得到更客观全面的企业评价,且评分会根据企业数据的变化而定期更新,有效地根据企业风险变化实现评分评级的实时更新,为小微企业融资前的信用评价提供更加准确的结论。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明实施例中用于小微企业的信用评价的方法流程示意图;
图2为本发明实施例中数据清洗的过程示意图;
图3为本发明实施例中基于PCA指标权重确定的加权平均模型开发过程示意图;
图4为本发明实施例中一种电子设备的模块结构示意图;
图5为本发明实施例中各变量之间的相关性矩阵示意图;
图6为本发明实施例中主成分变量的累计方差解释示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,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作出创造性劳动的前提下所获得的所有其它实施例,均属于本发明保护的范围。
实施例一
请参阅图1,一种小微企业的信用评价方法,包括:
获取并清洗样本企业的样本经营数据,基于清洗后的样本经营数据确定每个变量对应的变量权重,创建加权平均模型;
将被评价企业的经营数据输入所述加权平均模型计算被评价企业的分数,生成评价报告并显示给用户和/或上传至服务器。
本发明提供的小微企业的信用评价方法,利用统计原理、机器学习及算法建模,先通过分析和处理样本经营数据,利用主成分法确定各变量权重,进而生成加权平均模型;再根据大数据的相关性原理,基于生成的模型对被评价企业进行多个维度的评价,可全方位评估被评价企业的运营状态,并定期收集更新数据库。对被评价企业进行动态评级,更加客观、全面反映被评价企业信用水平,既缩短了对小微企业进行信用评价的时间,又提升了金融机构风险准入的效率。
请参阅图2,样本经营数据的获取途径可以包括以下方式中的一种或多种:企业基本信息,法院公告、执行公告、开庭公告、裁判文书、企业年报、资质证书、动产质押、行政处罚等工商公开数据,以及进销项发票等第三方提供的企业经营数据。
获取样本经营数据之后,对其进行数据清洗,首先,需要进行样本经营数据预处理,即,对样本经常数据进行标准化的数据理解及标准化的数据清洗,并获得结构化的样本经营数据,具体可以包括:
数据异常处理,对异常数据进行压缩处理,例如,当变量Xi中的任一值x为异常值时,用变量Xi的均值Xmean替换该异常值x,其中,异常值的判断方法可以为:若变量Xi中的任一值x比变量Xi中95%的值都大或者比5%的数小,即x>p95%或x<p5%,则x被判定为异常值;
数据对数化处理,对变量进行对数化处理,例如,变量Xi中的任一值x的对数值可通过x′=loge(x)计算获得。
进一步地,在进行样本经营数据预处理后,还需要在特征工程进行特征构造和变量选取,以实现从样本经营数据中剔除具有多重共线性的变量,具体方法包括:方差膨胀因子(Variance Inflation Factor,VIF)分析法与皮尔逊相关系数(Pearson CorrelationCoefficient,PCCs)分析法中的一种或两种。其中,多重共线性是指线性回归分析中变量之间的相关性,请参阅图5,本实施例中各变量之间的相关性矩阵示意图。
检测多重共线性通常利用变量的方差膨胀因子(VIF),其计算公式为其中,Ri为回归直线对被观测变量值的拟合程度。变量Xi的VIF值越大,表示其与其余变量之间的相关性越高,多重共线性越严重,当变量Xi的VIF值高于设定阈值时,变量Xi被删除。本实施例中,VIF的阈值可被设定为10,部分自变量的具体VIF值可以是:
检测多重共线性还可以利用两个变量之间的皮尔逊相关系数(PCCs),其计算公式为其中,cov(X,Y)为两个变量X和Y之间的协方差,σXσY为两个变量X和Y之间的标准差。皮尔逊相关系数的值介于-1与1之间,当两个变量之间的皮尔逊相关系数越接近边界值-1和1时,这两个变量之间相关度越高,反之,当皮尔逊相关系数越接近于0时,这两个变量之间相关度越低。本实施例中,当两个变量之间皮尔逊相关系数的绝对值大于设定阈值时,变量被删除,本实施例中皮尔逊相关系数的阈值可被设定为0.8。
上述清洗后的样本经营数据,包括多个原始变量,主要包括:基础信息、司法涉诉、法人资质、历史履约和经营状况等几个维度。请参阅图3,基于清洗后的样本经营数据确定每个变量对应的变量权重,创建加权平均模型,具体方法包括:
利用主成分分析(Principal Components Analysis,PCA)的方法从所述原始变量中选取多个主成分变量;请参阅图6,本实施例中主成分变量的累计方差解释示意图,其中,主成分变量对原始变量的反映情况是用方差来体现,方差越大,表明保留原始变量的信息越多,一般来说,方差较大的前几个变量就能比较好的反映原始变量所包含的信息,被选为主成分变量其中,主成分变量的是根据累计方差贡献率的阈值来界定的,本实施例中选取的累计方差贡献率的阈值为80%。
本实施例中注册资本与存续年限的方差贡献率较高,分别为0.31与0.24。
进一步地,基于皮尔逊相关系数计算每个原始变量分别与每个主成分变量之间的因子载荷系数,该因子载荷系数的计算公式为aij=Pearson(Xi,Fj),其中,X表示原始变量矩阵,F表示降维后得到的主成分变量矩阵,Xi表示第i个原始变量,Fj表示第j个主成分变量,aij表示Xi与Fj之间的因子载荷系数,即Xi与Fj之间计算皮尔逊相关系数,反映了第i个原始变量在表示第j个主成分变量上的相对重要性。从而,基于各个因子载荷系数aij生成因子载荷矩阵如下:
基于该因子载荷矩阵,以及主成分变量对应的方差贡献率,确定每个变量对应的变量权重,每个变量对应的变量权重计算公式为:
其中,aij表示因子载荷系数,θj表示主成分变量对应的方差贡献率。
在本实施例中,部分变量的载荷系数及方差贡献率如下:
创建加权平均模型,并调整分布及区间。即,将变量权重与其对应的变量值以一元线性方程的形式进行加权平均以创建加权平均模型如下:
y=w1x1+w2x2+…+wnxn
其中,y表示加权后的评分,wn表示变量权重,xn表示对应的变量值。
观察加权后的评分是否符合正偏态分布,若是正偏态分布,则对加权平均模型不做调整;若不是偏态分布,则调整加权平均模型直至得到的评分为正偏态分布。其中,本实施例中的正偏态分布特指左偏的正偏态分布。
在调整为正偏态分布之后,为了使评分在特定的区间中,需要对评分通过线性变换进行映射,设评分区间为[min,max],例如[0,100]映射公式如下:
aymin+b=min
aymax+b=max
得到转换系数a和b后,对上述评分进行映射,得到最终评分,并且最终评分都分布在设定的评分区间[min,max]中。
根据评分的分位数将评分区间进行切割,得到不同的评级。具体是指,对一个有着连续分布函数的样本集X,分位数是将概率分布切分为有着相同概率的连续区间的切分点,公式可表达为P(X≤xa)=α,表示在样本集X中从小至大排列之后小于某值的样本子集占总样本集的比例。例如,共有1000个被评价的个体,对每个个体的评分进行排序之后,设置前1%的个体的评级为AAA级,则评分排名前100的个体的评级为AAA级。
在本实施例中,按照评分的分位数进行切割的策略,按照评分的分位数q1,q2,q3,q4,q5,q6进行切割,评分越高代表客户质量越好,对应的评级越高:
当评分在q1至q2之间时,客户评级定为D级;
当评分在q2至q3之间时,客户评级定为C级;
当评分在q3至q4之间时,客户评级定为B级;
当评分在q4至q5之间时,客户评级定为A级;
当评分在q5至q6之间时,客户评级定为AA级;
当评分大于q6,客户评级定为AAA级;
在分析目标公司信用评级时,可以综合考虑目标公司的基础信息、法人资质、履约历史、经营状况、司法涉诉所呈现的企业评级信息赋予该企业信用情况,预设每个评级对应的信用评价并存储如下:
AAA级(q6,+∞):经营状况佳,组织背景强,科技创新能力强,发展前景好,无失信等异常状况;
AA级(q5,q6]:运营良好,发展趋势好。各项综合实力稳步发展,信用记录良好;
A级(q4,q5]:企业状态处于行业平均水平以上,综合实力也处于平均水平以上;
B级(q3,q4]:企业状态处于行业平均水平,综合实力处于行业平均水平;
C级(q2,q3]:企业状态低于行业平均水平,盈利能力弱,无良好发展趋势;
D级(q1,q2]:企业经营状态非常差,有不良信用记录,不宜往来。
基于上述利用样本经营数据创建的加权平均模型,将被评价企业的经营数据输入加权平均模型,以计算被评价企业的评分,生成评价报告并显示给用户和/或上传至服务器,具体方法包括:获取并清洗被评价企业的经营数据;将清洗后的被评价企业的经营数据输入所述加权平均模型中,得到被评价企业的评分;根据被评价企业的评分获取被评价企业的评级和对应的信用评价,生成评价报告并显示给用户和/或上传至服务器。
本发明提供的小微企业的信用评价方法可应用于对企业履约能力、投标信誉、综合实力与竞争力的考核,可对企业的基础信息、司法涉诉、经营状况、履约历史、法人资质五个维度进行评分,通过获取企业的媒体属性、产品、用户、上下游关系等要素全方位评价企业的运营状态,此后定期收集更新数据库,并定期计算小微企业当期评分,对小微企业进行动态评分评级,让用户深入了解企业历史、现在和展望未来,且更加客观、全面反映企业真实水平。企业的评级越高越有助于快速有效提升企业资质、获得国家政府的认可,同时也越有助于企业的银行融资贷款,对于申报政府项目、国家无偿资助时有一定加分。
本发明提供的小微企业的信用评价方法缩短了小微企业尽调的时间,在线上线下融合的企业尽调中,充分运用了统计原理及数据建模,对小微企业尽调从以前平均的5天缩短为现在的4小时就可返回结果;提升了金融机构风险准入的效率,其使用的评分模型基于样本企业的经营数据,可以得到更客观全面的企业评分,且评分会根据企业数据的变化而定期更新,这就促使金融机构能更迅速且客观地了解企业经营现状,对其风险准入效率得到了很大提升,表现为从以前10件拓展为现在每天200件。
实施例二
一种小微企业的信用评价系统,包括模型生成模块及评价模块,其中,模型生成模块用于获取并清洗样本企业的样本经营数据,基于清洗后的样本经营数据确定每个变量对应的变量权重,创建加权平均模型;评价模块用于将被评价企业的经营数据输入加权平均模型计算被评价企业的分数,生成评价报告并显示给用户和/或上传至服务器。
本发明提供的小微企业的信用评价系统,采用上述实施例一中的小微企业的信用评价方法,对被评价企业进行动态评级,更加客观、全面反映被评价企业信用水平,既缩短了对小微企业进行信用评价的时间,又提升了金融机构风险准入的效率。与现有技术相比,本发明实施例提供的小微企业的信用评价系统的有益效果与上述实施例一提供的小微企业的信用评价方法的有益效果相同,且小微企业的信用评价系统中的其他技术特征与上一实施例方法公开的特征相同,在此不做赘述。
实施例三
本发明实施例提供一种计算机可读存储介质,具有存储在其上的计算机可读程序指令,计算机可读程序指令用于执行上述实施例一中的小微企业的信用评价方法。
本发明实施例提供的计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读存储介质可以是电子设备中所包含的;也可以是单独存在,而未装配入电子设备中。
上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被电子设备执行时,使得电子设备:获取至少两个网际协议地址;向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求,其中,所述节点评价设备从所述至少两个网际协议地址中,选取网际协议地址并返回;接收所述节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被电子设备执行时,使得该电子设备:接收包括至少两个网际协议地址的节点评价请求;从所述至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;其中,接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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,该模块、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。也应当注意,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,两个接连地表示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,这依所涉及的功能而定。也要注意的是,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操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。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该单元本身的限定,例如,“模型生成模块”还可以被描述为“模型训练模块”。
本发明提供的计算机可读存储介质,存储有用于执行上述小微企业的信用评价方法的计算机可读程序指令,对被评价企业进行动态评级,更加客观、全面反映被评价企业信用水平,既缩短了对小微企业进行信用评价的时间,又提升了金融机构风险准入的效率。与现有技术相比,本发明实施例提供的计算机可读存储介质的有益效果与上述实施例一提供的小微企业的信用评价方法的有益效果相同,在此不做赘述。
实施例四
本发明实施例提供一种电子设备,电子设备包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述实施例一中的小微企业的信用评价方法。
下面参考图4,其示出了适于用来实现本公开实施例的电子设备的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备可以包括处理装置(例如中央处理器、图形处理器等),其可以根据存储在只读存储器(ROM)中的程序或者从存储装置加载到随机访问存储器(RAM)中的程序而执行各种适当的动作和处理。在RAM中,还存储有电子设备操作所需的各种程序和数据。处理装置、ROM以及RAM通过总线彼此相连。输入/输出(I/O)接口也连接至总线。
通常,以下系统可以连接至I/O接口:包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置;包括例如磁带、硬盘等的存储装置;以及通信装置。通信装置可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种系统的电子设备,但是应理解的是,并不要求实施或具备所有示出的系统。可以替代地实施或具备更多或更少的系统。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置从网络上被下载和安装,或者从存储装置被安装,或者从ROM被安装。在该计算机程序被处理装置执行时,执行本公开实施例的方法中限定的上述功能。
本发明提供的电子设备,采用上述实施例一中的小微企业的信用评价方法,对被评价企业进行动态评级,更加客观、全面反映被评价企业信用水平,既缩短了对小微企业进行信用评价的时间,又提升了金融机构风险准入的效率。与现有技术相比,本发明实施例提供的电子设备的有益效果与上述实施例一提供的小微企业的信用评价方法的有益效果相同,且该电子设备中的其他技术特征与上一实施例方法公开的特征相同,在此不做赘述。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式的描述中,具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种小微企业的信用评价方法,其特征在于,包括:
获取并清洗样本企业的样本经营数据,基于清洗后的样本经营数据确定每个变量对应的变量权重,创建加权平均模型;
将被评价企业的经营数据输入所述加权平均模型计算被评价企业的分数,生成评价报告并显示给用户和/或上传至服务器。
2.根据权利要求1所述的小微企业的信用评价方法,其特征在于,清洗样本经营数据的方法包括样本经营数据预处理,具体包括:数据缺失处理、数据异常处理及数据对数化处理。
3.根据权利要求1或2所述的小微企业的信用评价方法,其特征在于,清洗样本经营数据的方法还包括从所述样本经营数据中剔除具有多重共线性的变量,具体包括:VIF分析法和皮尔逊相关系数分析法中的一种或两种。
4.根据权利要求1所述的小微企业的信用评价方法,其特征在于,基于清洗后的样本经营数据确定每个变量对应的变量权重,创建加权平均模型的方法包括:
清洗后的样本经营数据中包括多个原始变量;
利用主成分分析方法从所述原始变量中选取多个主成分变量;
基于皮尔逊相关系数计算每个原始变量分别与每个主成分变量之间的因子载荷系数并生成因子载荷矩阵;
基于因子载荷矩阵,以及主成分变量对应的方差贡献率,确定每个原始变量对应的变量权重,并创建加权平均模型。
5.根据权利要求4所述的小微企业的信用评价方法,其特征在于,创建加权平均模型的方法还包括:
判断利用加权平均模型计算得到的评分是否为正偏态分布;
若是正偏态分布,则不做调整;
若不是偏态分布,则调整所述加权平均模型直至得到的评分为正偏态分布。
6.根据权利要求4所述的小微企业的信用评价方法,其特征在于,还包括:
设置评分区间;
根据评分的分位数将评分区间进行切割,得到不同的评级;
预设每个评级对应的信用评价并存储。
7.根据权利要求6所述的小微企业的信用评价方法,其特征在于,将被评价企业的经营数据输入所述加权平均模型计算被评价企业的分数,生成评价报告并显示给用户和/或上传至服务器的方法包括:
获取并清洗被评价企业的经营数据;
从清洗后的被评价企业的经营数据中获取每个原始变量的值并输入所述加权平均模型中,得到被评价企业的分数;
根据被评价企业的分数获取被评价企业的评级和对应的信用评价,生成评价报告并显示给用户和/或上传至服务器。
8.一种小微企业的信用评价系统,其特征在于,包括模型生成模块及评价模块,其中,
所述模型生成模块用于获取并清洗样本企业的样本经营数据,基于清洗后的样本经营数据确定每个变量对应的变量权重,创建加权平均模型;
所述评价模块用于将被评价企业的经营数据输入所述加权平均模型计算被评价企业的分数,生成评价报告并显示给用户和/或上传至服务器。
9.一种计算机可读存储介质,其特征在于,具有存储在其上的计算机可读程序指令,所述计算机可读程序指令用于执行权利要求1至7中任一项所述的小微企业的信用评价方法。
10.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至7中任一项所述的小微企业的信用评价方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110231355.1A CN113065742A (zh) | 2021-03-02 | 2021-03-02 | 小微企业的信用评价方法、系统、存储介质及电子设备 |
CA3150588A CA3150588A1 (en) | 2021-03-02 | 2022-03-01 | Credit evaluation method, system, storage medium, and electronic apparatus for small and micro enterprises |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110231355.1A CN113065742A (zh) | 2021-03-02 | 2021-03-02 | 小微企业的信用评价方法、系统、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113065742A true CN113065742A (zh) | 2021-07-02 |
Family
ID=76559541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110231355.1A Pending CN113065742A (zh) | 2021-03-02 | 2021-03-02 | 小微企业的信用评价方法、系统、存储介质及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113065742A (zh) |
CA (1) | CA3150588A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115511506A (zh) * | 2022-09-30 | 2022-12-23 | 中国电子科技集团公司第十五研究所 | 企业信用的评级方法、装置、终端设备和存储介质 |
-
2021
- 2021-03-02 CN CN202110231355.1A patent/CN113065742A/zh active Pending
-
2022
- 2022-03-01 CA CA3150588A patent/CA3150588A1/en active Pending
Non-Patent Citations (1)
Title |
---|
于丁垚: "会计师事务所信用评价指标体系构建与应用研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115511506A (zh) * | 2022-09-30 | 2022-12-23 | 中国电子科技集团公司第十五研究所 | 企业信用的评级方法、装置、终端设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CA3150588A1 (en) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106127363B (zh) | 一种用户信用评估方法和装置 | |
KR102364491B1 (ko) | 가맹점 평가 방법 및 시스템 | |
US10599670B2 (en) | Performance estimation system utilizing a data analytics predictive model | |
KR100776187B1 (ko) | 기술평가방법 | |
CN110738527A (zh) | 一种特征重要性排序方法、装置、设备和存储介质 | |
US20190244299A1 (en) | System and method for evaluating decision opportunities | |
US20170301028A1 (en) | Processing system to generate attribute analysis scores for electronic records | |
CN113283795B (zh) | 基于二分类模型的数据处理方法及装置、介质、设备 | |
CN112037007A (zh) | 针对小微企业信贷审批的方法及电子设备 | |
CN111353828A (zh) | 网点到店人数预测方法及装置 | |
CN110866698A (zh) | 用于评定服务提供方的服务分值的装置 | |
CN113065742A (zh) | 小微企业的信用评价方法、系统、存储介质及电子设备 | |
JP6978582B2 (ja) | 予測業務支援装置および予測業務支援方法 | |
CN114092230A (zh) | 一种数据处理方法、装置、电子设备及计算机可读介质 | |
CN112950359A (zh) | 一种用户识别方法和装置 | |
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 | |
CN115641198A (zh) | 用户运营方法、装置、电子设备和存储介质 | |
CN112163861B (zh) | 交易风险要素特征提取方法及装置 | |
US20230385936A1 (en) | Information processing device, information processing method, and program | |
CN117252677A (zh) | 信贷额度确定方法和装置、电子设备及存储介质 | |
CN115545088A (zh) | 模型构建方法、分类方法、装置和电子设备 | |
CN114240100A (zh) | 贷款评估方法、装置、计算机设备和存储介质 | |
CN112907141A (zh) | 一种压力测试方法、装置、设备及存储介质 | |
CN113222767A (zh) | 指数化证券组合的数据处理方法及装置 | |
US20150095099A1 (en) | Rapid assessment of emerging 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: 20210702 |