CN113409150A - 经营风险及信用风险评估方法、装置及计算机存储介质 - Google Patents

经营风险及信用风险评估方法、装置及计算机存储介质 Download PDF

Info

Publication number
CN113409150A
CN113409150A CN202110687766.1A CN202110687766A CN113409150A CN 113409150 A CN113409150 A CN 113409150A CN 202110687766 A CN202110687766 A CN 202110687766A CN 113409150 A CN113409150 A CN 113409150A
Authority
CN
China
Prior art keywords
financing
risk
requester
credit risk
credit
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
CN202110687766.1A
Other languages
English (en)
Inventor
许卫
赵彦晖
耿心伟
曾源
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.)
Shenzhen Weizhong Credit Technology Co ltd
Original Assignee
Shenzhen Weizhong Credit 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 Shenzhen Weizhong Credit Technology Co ltd filed Critical Shenzhen Weizhong Credit Technology Co ltd
Priority to CN202110687766.1A priority Critical patent/CN113409150A/zh
Publication of CN113409150A publication Critical patent/CN113409150A/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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06Q40/12—Accounting
    • G06Q40/123—Tax preparation or submission

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Technology Law (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Operations Research (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请实施例公开了一种经营风险及信用风险评估方法、装置及计算机存储介质，用于提高经营风险和信用风险评估的效率以及提高风险评估结果的准确性。本申请实施例包括：风险评估装置根据税务数据样本构建经营风险评分模型和信用风险评分模型，并使用经营风险评分模型计算经营风险评分，根据信用风险评分模型计算信用风险评分，根据经营风险评分和信用风险评分执行对融资请求方的融资请求的处理操作，因此，经营风险和信用风险的评估不再需要依靠人工进行实地的现场调查，相比于人工线下的深入调查分析来确定经营风险和信用风险，可以提高风险评估的工作效率，同时也避免了风险评估掺杂人为的主观因素，可以提高风险评估结果的准确性。

Description

经营风险及信用风险评估方法、装置及计算机存储介质
技术领域
本申请实施例涉及数据处理领域，具体涉及一种经营风险及信用风险评估方法、装置及计算机存储介质。
背景技术
随着经济社会的快速发展，中小微制造企业的数量也在快速增长。中小微制造企业在运营时，存在利用其生产设备向金融机构申请贷款的需求。对于金融机构而言，为了保障自身的经济安全，需要对中小微制造企业的整体经营情况及设备价值情况等进行综合判断，评估中小微制造企业的设备融资风险，以确定是否为该中小微制造企业放贷。其中，设备融资风险评估中的一个项目是对融资企业的经营风险及信用风险进行评估，即评估融资企业是否存在经营状况不佳或者评估融资企业是否存在不良信用行为，并根据经营风险及信用风险确定是否接受融资企业的设备融资请求，从而实现对融资企业的初步筛选。
现有技术中，针对中小微制造企业的经营风险及信用风险的评定，一般是通过人工线下的深入调查分析来判断。在金融机构收到中小微制造企业的设备融资请求以及融资企业提供企业经营活动中的各项财务、流水、发票等纸质材料之后，金融机构需按照其内部贷款审核流程以及流程进度，安排不同的审查人员通过现场调查的方式走访融资企业。在此期间，融资企业仍需根据金融机构的要求不断提供或制作各种融资材料，出具融资企业风险评估报告，阐述企业的相关融资风险。
但是，金融机构按照贷款流程安排不同的审查人员通过人工线下的深入调查分析来判断，不仅效率低下，需要消耗大量的人力资源，而且判断过程容易掺杂人为的主观因素，使得判断结果和风险评估结果不准确。
发明内容
本申请实施例提供了一种经营风险及信用风险评估方法、装置及计算机存储介质，用于提高经营风险和信用风险评估的效率以及提高风险评估结果的准确性。
本申请实施例第一方面提供了一种经营风险及信用风险评估方法，所述方法包括：
接收融资请求方的融资请求；
响应所述融资请求，获取所述融资请求方的税务数据样本；
基于机器学习算法构建经营风险评分模型和信用风险评分模型，其中，用于训练所述经营风险评分模型和所述信用风险评分模型的训练样本为所述融资请求方的税务数据样本；
根据所述经营风险评分模型计算所述融资请求方的经营风险评分，以及，根据所述信用风险评分模型计算所述融资请求方的信用风险评分；
根据所述融资请求方的经营风险评分和信用风险评分执行对所述融资请求方的融资请求的处理操作。
本申请实施例第二方面提供了一种风险评估装置，所述装置包括：
接收单元，用于接收融资请求方的融资请求；
获取单元，用于响应所述融资请求，获取所述融资请求方的税务数据样本；
构建单元，用于基于机器学习算法构建经营风险评分模型和信用风险评分模型，其中，用于训练所述经营风险评分模型和所述信用风险评分模型的训练样本为所述融资请求方的税务数据样本；
计算单元，用于根据所述经营风险评分模型计算所述融资请求方的经营风险评分，以及，根据所述信用风险评分模型计算所述融资请求方的信用风险评分；
处理单元，用于根据所述融资请求方的经营风险评分和信用风险评分执行对所述融资请求方的融资请求的处理操作。
本申请实施例第三方面提供了一种风险评估装置，所述装置包括：
存储器，用于存储计算机程序；处理器，用于在执行所述计算机程序时实现如前述第一方面所述的经营风险及信用风险评估方法的步骤。
本申请实施例第四方面提供了一种计算机存储介质，计算机存储介质中存储有指令，该指令在计算机上执行时，使得计算机执行前述第一方面的方法。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请实施例中，风险评估装置根据税务数据样本构建经营风险评分模型和信用风险评分模型，并使用经营风险评分模型计算经营风险评分，根据信用风险评分模型计算信用风险评分，根据经营风险评分和信用风险评分执行对融资请求方的融资请求的处理操作，因此，经营风险和信用风险的评估不再需要依靠人工进行实地的现场调查，相比于人工线下的深入调查分析来确定经营风险和信用风险，可以提高风险评估的工作效率，同时也避免了风险评估掺杂人为的主观因素，可以提高风险评估结果的准确性。
附图说明
图1为本申请实施例中经营风险及信用风险评估方法一个流程示意图；
图2为本申请实施例中经营风险及信用风险评估方法另一流程示意图；
图3为本申请实施例中风险评估装置一个结构示意图；
图4为本申请实施例中风险评估装置另一结构示意图。
具体实施方式
本申请实施例提供了一种经营风险及信用风险评估方法、装置及计算机存储介质，用于提高经营风险和信用风险评估的效率以及提高风险评估结果的准确性。
请参阅图1，本申请实施例中经营风险及信用风险评估方法一个实施例包括：
101、接收融资请求方的融资请求；
本实施例的方法可应用于风险评估装置，该风险评估装置可以执行对融资请求方的经营风险和信用风险的评估操作，该装置可以是终端、服务器等计算机设备。
本实施例中，融资请求方可以是社会经济活动中任意的经营实体，例如可以是企业、个体工商户等经营实体。任意的经营实体有融资需求时，可以向金融机构发出融资请求。金融机构可以使用该风险评估装置来评估融资请求方是否存在经营风险和信用风险，则该风险评估装置接收融资请求方的融资请求，并在后续步骤中执行对该请求的处理操作。
102、响应融资请求，获取融资请求方的税务数据样本；
接收到融资请求方的融资请求之后，风险评估装置响应该融资请求，获取融资请求方的税务数据样本，以便后续步骤中根据该税务数据样本构建经营风险评分模型和信用风险评分模型。
103、基于机器学习算法构建经营风险评分模型和信用风险评分模型；
本实施例中，采用机器学习算法训练经营风险评分模型和信用风险评分模型，训练模型的训练样本为融资请求方的税务数据样本。模型训练完成即构建出经营风险评分模型和信用风险评分模型。
104、根据经营风险评分模型计算融资请求方的经营风险评分，以及，根据信用风险评分模型计算融资请求方的信用风险评分；
在构建出经营风险评分模型和信用风险评分模型之后，可以根据经营风险评分模型计算融资请求方的经营风险评分，以及，根据信用风险评分模型计算融资请求方的信用风险评分。其中，计算经营风险评分和信用风险评分可以根据融资请求方的税务数据进行计算。
105、根据融资请求方的经营风险评分和信用风险评分执行对融资请求方的融资请求的处理操作；
在计算出信用风险评分和经营风险评分之后，若评分较低，以至于超出风险的预设可接受范围，则对融资请求的处理操作可以是驳回该融资请求，不通过融资请求方的融资请求；若评分相对较高，在风险的预设可接受范围之内，则允许通过融资请求方的融资请求，并进一步执行与融资评估流程有关的其他操作。
本实施例中，风险评估装置根据税务数据样本构建经营风险评分模型和信用风险评分模型，并使用经营风险评分模型计算经营风险评分，根据信用风险评分模型计算信用风险评分，根据经营风险评分和信用风险评分执行对融资请求方的融资请求的处理操作，因此，经营风险和信用风险的评估不再需要依靠人工进行实地的现场调查，相比于人工线下的深入调查分析来确定经营风险和信用风险，可以提高风险评估的工作效率，同时也避免了风险评估掺杂人为的主观因素，可以提高风险评估结果的准确性。
下面将在前述图1所示实施例的基础上，进一步详细地描述本申请实施例。请参阅图2，本申请实施例中经营风险及信用风险评估方法另一实施例包括：
201、接收融资请求方的融资请求；
本实施例中，融资请求方可以通过自己的终端向风险评估装置发送融资请求，该融资请求携带融资请求方的个人信息和授权标识，授权标识用于表示授予风险评估装置获取融资请求方的税务数据的权利。
具体的，融资请求，可以是设备融资的请求，也可以是产品融资的请求，或者是以其他形式的资产进行融资的请求，具体的融资形式不作限定。
202、响应融资请求，获取融资请求方的税务数据样本；
具体的，该税务数据样本可以是与融资请求方的征信、经营有关的数据，可包括税务登记信息、股东信息、收入申报信息、税金逾期信息、历史还款表现信息中的一种或多种。
203、基于机器学习算法构建经营风险评分模型和信用风险评分模型；
本实施例中，可以基于机器学习算法中的特征工程方法和逻辑回归算法来构建经营风险评分模型和信用风险评分模型。
具体的，基于特征工程构建经营风险评分模型，其具体方式可以是，从融资请求方的税务数据样本中提取出评估指标，并基于特征工程对评估指标的重要性进行测算；测算出评估指标的重要性之后，使用层次分析法，根据评估指标的重要性对评估指标进行打分，获得评估指标的分数；再通过判断矩阵对评估指标的分数进行两两比较，并对评估指标的分数进行一致性检验，若一致性检验通过，则根据评估指标的分数的高低确定评估指标的权重，基于评估指标的分数和权重确定评分卡形式的经营风险评分模型，即最终构建获得的经营风险评分模型为评分卡形式的模型。
其中，在执行一致性检验时，当CR<0.1，就可以认为判断矩阵通过一致性检验，判断矩阵具有满意的一致性。
具体的特征工程方法可以是决策树方法、方差筛选方法、Pearson显著性方法以及GBDT_RFE递归特征消除方法中的一种或多种特征工程方法。除此之外，也可以通过本领域的专家经验测算评估指标的重要性。因此，本实施例根据特征工程方法和专家经验测算评估指标的重要性，即可筛选出适用于评估经营风险的评估指标。
其中，GBDT为梯度提升决策树(gradient boosting decision tree)，RFE为递归特征消除(recursive feature elimination)。
基于特征工程和逻辑回归算法构建信用风险评分模型，其具体方式可以是，从融资请求方的税务数据样本中提取出多个评估指标，使用特征工程方法提取评估指标的特征，并为评估指标的特征设置FP-Tree，根据设置的FP-Tree从该多个评估指标中确定待入模的评估指标，其中待入模的评估指标即待确定的用于训练模型的评估指标；在确定了待入模的评估指标之后，对待入模的评估指标进行分箱和证据权重转换(weightofEvidence，WOE)，利用KS值、AR值、IV值和VIF值对待入模的评估指标进行筛选，并通过逻辑回归算法拟合待入模的评估指标与目标评估指标的关系，从待入模的评估指标中确定出目标评估指标；在确定出目标评估指标之后，可以构建信用风险评分模型，信用风险评分模型为将每个目标评估指标的分箱的系数与目标评估指标对应的WOE值的乘积相乘并求和，得到的和值作为信用风险评分。
其中，在使用特征工程方法提取评估指标的特征时，均考虑到特征缺失值、特征重要性、IV值(information value，信息量)、业务解释性、特征相关性等因素，具体的特征提取过程包括数据的预处理、特征缩放及编码、特征选择、特征转换及提取等多个步骤。
本实施例中，构建经营风险评分模型和构建信用风险评分模型的具体方式不作限定，只要构建得到的经营风险评分模型能够准确地对经营风险进行量化、信用风险评分模型能够准确地对信用风险进行量化即可，具体此处不作限定。
204、根据经营风险评分模型计算融资请求方的经营风险评分，以及，根据信用风险评分模型计算融资请求方的信用风险评分；
在构建得到经营风险评分模型和信用风险评分模型之后，即可将融资请求方的实际税务数据输入至经营风险评分模型和信用风险评分模型，经营风险评分模型和信用风险评分模型基于先前训练获得的数据处理逻辑对融资请求方的实际税务数据进行处理，并输出经营风险评分和信用风险评分。
205、根据融资请求方的经营风险评分和信用风险评分执行对融资请求方的融资请求的处理操作；
本实施例中，可以使用交叉矩阵来综合评价经营风险评分和信用风险评分对融资请求方的经营风险和信用风险的影响程度。具体做法是，将经营风险评分和信用风险评分置于交叉矩阵中进行对比，并根据预设要求从交叉矩阵中确定符合该预设要求的矩阵面积，进而根据矩阵面积执行对融资请求方的融资请求的处理操作，其中，该预设要求可以是融资业务的实际需求。
此外，也可以通过其他方式综合评价经营风险评分和信用风险评分对经营风险和信用风险的影响程度。例如，可以设置经营风险评分和信用风险评分的阈值，当超过阈值时，可以认为经营风险评分或信用风险评分超出风险的预设可接受范围。综合评价经营风险评分和信用风险评分对经营风险和信用风险的影响程度的方式不作限定，只要能够使风险评分与风险的高低程度建立对应关系即可。
本实施例中，提供了经营风险评分模型和信用风险评分模型的具体构建方法，可以更加准确地量化经营风险和信用风险，提高风险评估的效率，提高风险评估结果的准确性。
上面对本申请实施例中的经营风险及信用风险评估方法进行了描述，下面对本申请实施例中的风险评估装置进行描述，请参阅图3，本申请实施例中风险评估装置一个实施例包括：
接收单元301，用于接收融资请求方的融资请求；
获取单元302，用于响应所述融资请求，获取所述融资请求方的税务数据样本；
构建单元303，用于基于机器学习算法构建经营风险评分模型和信用风险评分模型，其中，用于训练所述经营风险评分模型和所述信用风险评分模型的训练样本为所述融资请求方的税务数据样本；
计算单元304，用于根据所述经营风险评分模型计算所述融资请求方的经营风险评分，以及，根据所述信用风险评分模型计算所述融资请求方的信用风险评分；
处理单元305，用于根据所述融资请求方的经营风险评分和信用风险评分执行对所述融资请求方的融资请求的处理操作。
本实施例一种优选的实施方式中，构建单元303具体用于基于特征工程构建所述经营风险评分模型；基于特征工程和逻辑回归算法构建所述信用风险评分模型。
本实施例一种优选的实施方式中，构建单元303具体用于从所述融资请求方的税务数据样本中提取出评估指标；基于特征工程对所述评估指标的重要性进行测算；使用层次分析法，根据所述评估指标的重要性对所述评估指标进行打分，获得所述评估指标的分数；通过判断矩阵对所述评估指标的分数进行两两比较，并对所述评估指标的分数进行一致性检验；若所述一致性检验通过，则根据所述评估指标的分数确定所述评估指标的权重；基于所述评估指标的分数和权重确定评分卡形式的所述经营风险评分模型。
本实施例一种优选的实施方式中，所述特征工程包括决策树方法、方差筛选方法、Pearson显著性方法以及GBDT_RFE递归特征消除方法中的一种或多种特征工程方法。
本实施例一种优选的实施方式中，构建单元303具体用于从所述融资请求方的税务数据样本中提取出多个评估指标；使用特征工程方法提取所述评估指标的特征，并为所述评估指标的特征设置FP-Tree，根据设置的FP-Tree从所述多个评估指标中确定待入模的评估指标；对所述待入模的评估指标进行分箱和WOE转换，利用KS值、AR值、IV值和VIF值对所述待入模的评估指标进行筛选；通过逻辑回归算法拟合所述待入模的评估指标与目标评估指标的关系，从所述待入模的评估指标中确定出所述目标评估指标；构建所述信用风险评分模型，所述信用风险评分模型为将每个所述目标评估指标的分箱的系数与所述目标评估指标对应的WOE值的乘积相乘并求和，得到的和值作为信用风险评分。
本实施例一种优选的实施方式中，处理单元305具体用于将所述经营风险评分和所述信用风险评分置于交叉矩阵中进行对比，并根据预设要求从所述交叉矩阵中确定符合所述预设要求的矩阵面积；根据所述矩阵面积执行对所述融资请求方的融资请求的处理操作。
本实施例一种优选的实施方式中，所述税务数据样本包括税务登记信息、股东信息、收入申报信息、税金逾期信息、历史还款表现信息中的一种或多种。
本实施例中，风险评估装置中各单元所执行的操作与前述图1至图2所示实施例中描述的类似，此处不再赘述。
本实施例中，构建单元303根据税务数据样本构建经营风险评分模型和信用风险评分模型，计算单元304使用经营风险评分模型计算经营风险评分，根据信用风险评分模型计算信用风险评分，处理单元305根据经营风险评分和信用风险评分执行对融资请求方的融资请求的处理操作，因此，经营风险和信用风险的评估不再需要依靠人工进行实地的现场调查，相比于人工线下的深入调查分析来确定经营风险和信用风险，可以提高风险评估的工作效率，同时也避免了风险评估掺杂人为的主观因素，可以提高风险评估结果的准确性。
下面对本申请实施例中的风险评估装置进行描述，请参阅图4，本申请实施例中风险评估装置一个实施例包括：
该风险评估装置400可以包括一个或一个以上中央处理器(central processingunits，CPU)401和存储器405，该存储器405中存储有一个或一个以上的应用程序或数据。
其中，存储器405可以是易失性存储或持久存储。存储在存储器405的程序可以包括一个或一个以上模块，每个模块可以包括对风险评估装置中的一系列指令操作。更进一步地，中央处理器401可以设置为与存储器405通信，在风险评估装置400上执行存储器405中的一系列指令操作。
风险评估装置400还可以包括一个或一个以上电源402，一个或一个以上有线或无线网络接口403，一个或一个以上输入输出接口404，和/或，一个或一个以上操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等。
该中央处理器401可以执行前述图1至图2所示实施例中风险评估装置所执行的操作，具体此处不再赘述。
本申请实施例还提供了一种计算机存储介质，其中一个实施例包括：该计算机存储介质中存储有指令，该指令在计算机上执行时，使得该计算机执行前述图1至图2所示实施例中风险评估装置所执行的操作。
所属领域的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。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，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，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。另一点，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方案的目的。
另外，在本申请各个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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以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。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分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，包括若干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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，read-onlymemory)、随机存取存储器(RAM，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种经营风险及信用风险评估方法，其特征在于，所述方法包括：
接收融资请求方的融资请求；
响应所述融资请求，获取所述融资请求方的税务数据样本；
基于机器学习算法构建经营风险评分模型和信用风险评分模型，其中，用于训练所述经营风险评分模型和所述信用风险评分模型的训练样本为所述融资请求方的税务数据样本；
根据所述经营风险评分模型计算所述融资请求方的经营风险评分，以及，根据所述信用风险评分模型计算所述融资请求方的信用风险评分；
根据所述融资请求方的经营风险评分和信用风险评分执行对所述融资请求方的融资请求的处理操作。
2.根据权利要求1所述的方法，其特征在于，所述基于机器学习算法构建经营风险评分模型和信用风险评分模型，包括：
基于特征工程构建所述经营风险评分模型；
基于特征工程和逻辑回归算法构建所述信用风险评分模型。
3.根据权利要求2所述的方法，其特征在于，所述基于特征工程构建所述经营风险评分模型，包括：
从所述融资请求方的税务数据样本中提取出评估指标；
基于特征工程对所述评估指标的重要性进行测算；
使用层次分析法，根据所述评估指标的重要性对所述评估指标进行打分，获得所述评估指标的分数；
通过判断矩阵对所述评估指标的分数进行两两比较，并对所述评估指标的分数进行一致性检验；
若所述一致性检验通过，则根据所述评估指标的分数确定所述评估指标的权重；
基于所述评估指标的分数和权重确定评分卡形式的所述经营风险评分模型。
4.根据权利要求3所述的方法，其特征在于，所述特征工程包括决策树方法、方差筛选方法、Pearson显著性方法以及GBDT_RFE递归特征消除方法中的一种或多种特征工程方法。
5.根据权利要求2所述的方法，其特征在于，所述基于特征工程和逻辑回归算法构建所述信用风险评分模型，包括：
从所述融资请求方的税务数据样本中提取出多个评估指标；
使用特征工程方法提取所述评估指标的特征，并为所述评估指标的特征设置FP-Tree，根据设置的FP-Tree从所述多个评估指标中确定待入模的评估指标；
对所述待入模的评估指标进行分箱和WOE转换，利用KS值、AR值、IV值和VIF值对所述待入模的评估指标进行筛选；
通过逻辑回归算法拟合所述待入模的评估指标与目标评估指标的关系，从所述待入模的评估指标中确定出所述目标评估指标；
构建所述信用风险评分模型，所述信用风险评分模型为将每个所述目标评估指标的分箱的系数与所述目标评估指标对应的WOE值的乘积相乘并求和，得到的和值作为信用风险评分。
6.根据权利要求1所述的方法，其特征在于，所述根据所述融资请求方的经营风险评分和信用风险评分执行对所述融资请求方的融资请求的处理操作，包括：
将所述经营风险评分和所述信用风险评分置于交叉矩阵中进行对比，并根据预设要求从所述交叉矩阵中确定符合所述预设要求的矩阵面积；
根据所述矩阵面积执行对所述融资请求方的融资请求的处理操作。
7.根据权利要求1至6任一项所述的方法，其特征在于，所述税务数据样本包括税务登记信息、股东信息、收入申报信息、税金逾期信息、历史还款表现信息中的一种或多种。
8.一种风险评估装置，其特征在于，所述装置包括：
接收单元，用于接收融资请求方的融资请求；
获取单元，用于响应所述融资请求，获取所述融资请求方的税务数据样本；
构建单元，用于基于机器学习算法构建经营风险评分模型和信用风险评分模型，其中，用于训练所述经营风险评分模型和所述信用风险评分模型的训练样本为所述融资请求方的税务数据样本；
计算单元，用于根据所述经营风险评分模型计算所述融资请求方的经营风险评分，以及，根据所述信用风险评分模型计算所述融资请求方的信用风险评分；
处理单元，用于根据所述融资请求方的经营风险评分和信用风险评分执行对所述融资请求方的融资请求的处理操作。
9.一种风险评估装置，其特征在于，所述装置包括：
存储器，用于存储计算机程序；处理器，用于在执行所述计算机程序时实现如权利要求1至7任一项所述的经营风险及信用风险评估方法的步骤。
10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有指令，所述指令在计算机上执行时，使得所述计算机执行如权利要求1至7中任一项所述的方法。
CN202110687766.1A 2021-06-21 2021-06-21 经营风险及信用风险评估方法、装置及计算机存储介质 Pending CN113409150A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110687766.1A CN113409150A (zh) 2021-06-21 2021-06-21 经营风险及信用风险评估方法、装置及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110687766.1A CN113409150A (zh) 2021-06-21 2021-06-21 经营风险及信用风险评估方法、装置及计算机存储介质

Publications (1)

Publication Number Publication Date
CN113409150A true CN113409150A (zh) 2021-09-17

Family

ID=77682068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110687766.1A Pending CN113409150A (zh) 2021-06-21 2021-06-21 经营风险及信用风险评估方法、装置及计算机存储介质

Country Status (1)

Country Link
CN (1) CN113409150A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113822761A (zh) * 2021-09-26 2021-12-21 深圳微众信用科技股份有限公司 一种信用风险评估方法及其系统
CN114092216A (zh) * 2021-09-22 2022-02-25 金蝶征信有限公司 企业信贷评级方法、装置、计算机设备和存储介质
CN115082225A (zh) * 2022-07-21 2022-09-20 天津金城银行股份有限公司 一种企业融资风险的评估方法和装置
CN115860924A (zh) * 2023-02-15 2023-03-28 国网数字科技控股有限公司 供应链金融信用风险预警方法及相关设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110443694A (zh) * 2019-07-31 2019-11-12 中国工商银行股份有限公司 小微企业线上融资方法及装置
CN111507822A (zh) * 2020-04-13 2020-08-07 深圳微众信用科技股份有限公司 一种基于特征工程的企业风险评估方法
CN111951097A (zh) * 2020-08-12 2020-11-17 深圳微众信用科技股份有限公司 企业信用风险评估方法、装置、设备及存储介质
CN112950344A (zh) * 2021-02-26 2021-06-11 平安国际智慧城市科技股份有限公司 数据评估方法、装置、电子设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110443694A (zh) * 2019-07-31 2019-11-12 中国工商银行股份有限公司 小微企业线上融资方法及装置
CN111507822A (zh) * 2020-04-13 2020-08-07 深圳微众信用科技股份有限公司 一种基于特征工程的企业风险评估方法
CN111951097A (zh) * 2020-08-12 2020-11-17 深圳微众信用科技股份有限公司 企业信用风险评估方法、装置、设备及存储介质
CN112950344A (zh) * 2021-02-26 2021-06-11 平安国际智慧城市科技股份有限公司 数据评估方法、装置、电子设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114092216A (zh) * 2021-09-22 2022-02-25 金蝶征信有限公司 企业信贷评级方法、装置、计算机设备和存储介质
CN113822761A (zh) * 2021-09-26 2021-12-21 深圳微众信用科技股份有限公司 一种信用风险评估方法及其系统
CN115082225A (zh) * 2022-07-21 2022-09-20 天津金城银行股份有限公司 一种企业融资风险的评估方法和装置
CN115860924A (zh) * 2023-02-15 2023-03-28 国网数字科技控股有限公司 供应链金融信用风险预警方法及相关设备

Similar Documents

Publication Publication Date Title
CN113409150A (zh) 经营风险及信用风险评估方法、装置及计算机存储介质
Verbraken et al. Development and application of consumer credit scoring models using profit-based classification measures
EP1361526A1 (en) Electronic data processing system and method of using an electronic processing system for automatically determining a risk indicator value
CN112102073A (zh) 信贷风险控制方法及系统、电子设备及可读存储介质
CN113822488B (zh) 融资租赁的风险预测方法、装置、计算机设备及存储介质
CN111932367A (zh) 贷前信用评估方法及装置
CN115082225A (zh) 一种企业融资风险的评估方法和装置
CN113642923A (zh) 基于历史催收数据的不良资产包价值评估方法
CN111583024A (zh) 信用评估方法、装置、存储介质及服务器
CN111062602A (zh) 企业信用风险评估的方法、装置及存储介质
CN113450158A (zh) 银行活动信息推送方法及装置
CN117132383A (zh) 一种信贷数据处理方法、装置、设备及可读存储介质
CN113393328A (zh) 融资贷前审批评估方法、装置及计算机存储介质
CN116468273A (zh) 客户风险识别方法及装置
CN117455681A (zh) 业务风险预测方法和装置
CN114693428A (zh) 数据确定方法、装置、计算机可读存储介质及电子设备
CN113409129A (zh) 融资准入风险评估方法、装置及计算机存储介质
CN114581209A (zh) 财务分析模型的训练方法、装置、设备及存储介质
CN113807943A (zh) 一种不良资产的多因子估值方法及系统、介质、设备
CN113256404A (zh) 数据处理方法及装置
CN114092216A (zh) 企业信贷评级方法、装置、计算机设备和存储介质
CN113240513A (zh) 一种用户授信额度的确定方法和相关装置
CN113487440A (zh) 模型生成、健康险理赔的确定方法、装置、设备及介质
CN113177733A (zh) 基于卷积神经网络的中小微企业数据建模方法及系统
CN113409130A (zh) 交易风险识别方法、装置及计算机存储介质

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