CN113505990A - 企业风险评估的方法、装置、电子设备和存储介质 - Google Patents
企业风险评估的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113505990A CN113505990A CN202110775894.1A CN202110775894A CN113505990A CN 113505990 A CN113505990 A CN 113505990A CN 202110775894 A CN202110775894 A CN 202110775894A CN 113505990 A CN113505990 A CN 113505990A
- Authority
- CN
- China
- Prior art keywords
- risk
- enterprise
- coefficient
- value
- path
- 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 49
- 238000012502 risk assessment Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000005094 computer simulation Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了企业风险评估的方法、装置、电子设备和存储介质,涉及人工智能技术领域。该方法的一具体实施方式包括:获取目标企业的风险事件,以确定目标企业的风险值;获取目标企业的企业能力参数值,以计算目标企业的能力系数;基于预设的企业关联图谱,查询与目标企业相关联的关联企业,获取各关联企业的属性值,以调用预设的风险传导计算组件,计算各关联企业对目标企业的风险传导值;基于各关联企业对目标企业的风险传导值、目标企业的风险值和能力系数,确定目标企业的风险评估值,以执行对应的风险预警。该实施方式能够解决现有技术中需要凭借分析人员的个人经验对风险事件影响做出判断,效率和准确性均较低的问题。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种企业风险评估的方法、装置、电子设备和存储介质。
背景技术
近年来,金融风险控制越来越受到重视,准确的发现企业中潜在风险成为预防和减小金融风险影响的重要手段。现有技术中,通常需要分析人员对企业的各风险事件进行分析,发掘企业潜在的风险,以惊醒风险预警。但是这种方式需要凭借分析人员的个人经验对风险事件影响做出判断,效率和准确性均较低。
发明内容
有鉴于此,本发明实施例提供一种企业风险评估的方法、装置、电子设备和存储介质,能够解决现有技术中需要凭借分析人员的个人经验对风险事件影响做出判断,效率和准确性均较低的问题。
为实现上述目的,根据本发明实施例的一个方面,提供了一种企业风险评估的方法。
本发明实施例的一种企业风险评估的方法包括:获取目标企业的风险事件,以确定所述目标企业的风险值;获取所述目标企业的企业能力参数值,以计算所述目标企业的能力系数;基于预设的企业关联图谱,查询与所述目标企业相关联的关联企业,获取各所述关联企业的属性值,以调用预设的风险传导计算组件,计算各所述关联企业对所述目标企业的风险传导值;基于各所述关联企业对所述目标企业的风险传导值、所述目标企业的风险值和能力系数,确定所述目标企业的风险评估值,以执行对应的风险预警
在一个实施例中,所述调用预设的风险传导计算组件,计算各所述关联企业对所述目标企业的风险传导值,包括:
对每个所述关联企业,调用预设的风险传导计算组件,以基于所述关联企业的属性值从预设的风险系数池中提取对应的风险系数,调用所述风险系数的计算模型,计算所述风险系数的系数值,基于所述关联企业的属性值中风险事件确定所述关联企业的风险值,进而结合所述系数值计算所述关联企业对所述目标企业的风险传导值。
在又一个实施例中,基于所述关联企业的属性值,从预设的风险系数池中提取对应的风险系数,包括:
获取所述关联企业的属性值中资本参数值,判断所述资本参数值是否大于预设的资本阈值;
若是,则从预设的风险系数池中提取资本风险系数;
若否,则从预设的风险系数池中提取资本风险系数和路径风险系数。
在又一个实施例中,所述风险系数包括资本风险系数;
调用所述风险系数的计算模型,以计算所述风险系数的系数值,包括:
基于所述关联企业的属性值,确定所述关联企业的资本金额和所述关联企业对所述目标企业的投资认缴比例;
获取所述目标企业的资本金额,以将所述关联企业的资本金额与所述目标企业的资本金额之间的比值,确定为第一资本风险子系数;
将所述投资认缴比例确定为第二资本风险子系数;
基于所述第一资本风险子系数和所述第二资本风险子系数,计算所述资本风险系数的系数值。
在又一个实施例中,将所述投资认缴比例确定为第二资本风险子系数,包括:
判断所述投资认缴比例是否大于预设的投资比例阈值;
若是,则将所述投资比例阈值确定为第二资本风险子系数;若否,则将所述投资认缴比例确定为第二资本风险子系数。
在又一个实施例中,所述风险系数包括路径风险系数;
调用所述风险系数的计算模型,以计算所述风险系数的系数值,包括:
基于所述关联企业的属性值,获取在所述企业关联图谱中所述关联企业与所述目标企业之间的路径,以确定所述关联企业与所述目标企业之间的路径长度和路径方向;
基于路径长度和单位路径长度系数值,计算第一路径风险子系数;
基于所述路径方向和所述路径方向对应的单位方向系数值,计算第二路径风险子系数;
基于所述第一路径风险子系数和所述第二路径风险子系数,计算所述路径风险系数的系数值。
在又一个实施例中,基于所述路径方向对应的单位方向系数值,计算第二路径风险子系数,包括:
获取所述路径中每个单位路径的方向,基于所述单位方向系数值,确定所述路径中每个单位路径的方向系数值,将所述路径中每个单位路径的方向系数值的乘积确定为所述第二路径风险子系数。
在又一个实施例中,确定所述目标企业的风险值,包括:
基于所述风险事件的事件类型,查询所述风险事件对应的风险得分,将各风险事件对应风险得分之和确定为所述目标企业的风险值。
在又一个实施例中,所述计算所述目标企业的能力系数,包括:
基于各所述企业能力参数值确定各企业能力参数对用的等级得分,将各企业能力参数对用的等级得分之和确定为所述目标企业的能力系数。
为实现上述目的,根据本发明实施例的另一方面,提供了一种企业风险评估的装置。
本发明实施例的一种企业风险评估的装置包括:获取单元,用于获取目标企业的风险事件,以确定所述目标企业的风险值;所述获取单元,还用于获取所述目标企业的企业能力参数值,以计算所述目标企业的能力系数;计算单元,用于基于预设的企业关联图谱,查询与所述目标企业相关联的关联企业,获取各所述关联企业的属性值,以调用预设的风险传导计算组件,计算各所述关联企业对所述目标企业的风险传导值;确定单元,用于基于各所述关联企业对所述目标企业的风险传导值、所述目标企业的风险值和能力系数,确定所述目标企业的风险评估值,以执行对应的风险预警。
在一个实施例中,所述计算单元,具体用于:
对每个所述关联企业,调用预设的风险传导计算组件,以基于所述关联企业的属性值从预设的风险系数池中提取对应的风险系数,调用所述风险系数的计算模型,计算所述风险系数的系数值,基于所述关联企业的属性值中风险事件确定所述关联企业的风险值,进而结合所述系数值计算所述关联企业对所述目标企业的风险传导值。
在又一个实施例中,所述计算单元,具体用于:
获取所述关联企业的属性中资本参数,判断所述资本参数的参数值是否大于预设的资本阈值;
若是,则从预设的风险系数池中提取资本风险系数;
若否,则从预设的风险系数池中提取资本风险系数和路径风险系数。
在又一个实施例中,所述风险系数包括资本风险系数;
所述计算单元,具体用于:
基于所述关联企业的属性,确定所述关联企业的资本金额和所述关联企业对所述目标企业的投资认缴比例;
获取所述目标企业的资本金额,以将所述关联企业的资本金额与所述目标企业的资本金额之间的比值,确定为第一资本风险子系数;
将所述投资认缴比例确定为第二资本风险子系数;
基于所述第一资本风险子系数和所述第二资本风险子系数,计算所述资本风险系数的系数值。
在又一个实施例中,所述计算单元,具体用于:
判断所述投资认缴比例是否大于预设的投资比例阈值;
若是,则将所述投资比例阈值确定为第二资本风险子系数;若否,则将所述投资认缴比例确定为第二资本风险子系数。
在又一个实施例中,所述风险系数包括路径风险系数;
所述计算单元,具体用于:
基于所述关联企业的属性值,获取在所述企业关联图谱中所述关联企业与所述目标企业之间的路径,以确定所述关联企业与所述目标企业之间的路径长度和路径方向;
基于路径长度和单位路径长度系数值,计算第一路径风险子系数;
基于所述路径方向和所述路径方向对应的单位方向系数值,计算第二路径风险子系数;
基于所述第一路径风险子系数和所述第二路径风险子系数,计算所述路径风险系数的系数值。
在又一个实施例中,所述计算单元,具体用于:
获取所述路径中每个单位路径的方向,基于所述单位方向系数值,确定所述路径中每个单位路径的方向系数值,将所述路径中每个单位路径的方向系数值的乘积确定为所述第二路径风险子系数。
在又一个实施例中,所述获取单元,具体用于:
基于所述风险事件的事件类型,查询所述风险事件对应的风险得分,将各风险事件对应风险得分之和确定为所述目标企业的风险值。
在又一个实施例中,所述获取单元,具体用于:
基于各所述企业能力参数值确定各企业能力参数对用的等级得分,将各企业能力参数对用的等级得分之和确定为所述目标企业的能力系数。
为实现上述目的,根据本发明实施例的再一个方面,提供了一种电子设备。
本发明实施例的一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例提供的企业风险评估的方法。
为实现上述目的,根据本发明实施例的又一个方面,提供了一种计算机可读介质。
本发明实施例的一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明实施例提供的企业风险评估的方法。
上述发明中的一个实施例具有如下优点或有益效果:本发明实施例中,对目标企业,可以基于风险事件确定出其风险值,以及基于目标企业的企业能力参数值计算出能力系数;基于预先建立的企业关联图谱可以查询出与目标企业相关联的关联企业,进而调用预设的风险传导计算组件,可以计算各关联企业对所述目标企业的风险传导值,即各关联企业对目标企业的风险影响值;进而可以结合关联企业对所述目标企业的风险传导值、目标企业的风险值和能力系数,确定出目标企业的风险评估值,以对目标企业执行对应的风险预警,实现对目标企业的潜在风险挖掘。本发明实施例中不仅对目标企业自身的风险进行挖掘,还结合了目标企业的能力系数和关联企业对目标企业的风险传导值,来确定目标企业的风险评估值,如此不需要使用工作人员的个人经验,即可以对目标企业潜在风险实现准确和全面的评估,提高了对企业风险评估的准确性和全面性。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的企业风险评估的方法的一种主要流程的示意图;
图2是根据本发明实施例的系数值的计算方法的一种主要流程的示意图;
图3是根据本发明实施例的系数值的计算方法的又一种主要流程的示意图;
图4是根据本发明实施例的企业风险评估的装置的主要单元的示意图;
图5是本发明实施例可以应用于其中的一种示例性系统架构图;
图6是适于用来实现本发明实施例的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要指出的是,在不冲突的情况下,本发明中的实施例以及实施例中的特征可以互相组合。
本发明实施例提供了一种企业风险评估的方法,该方法可由服务端执行,如图1所示,该方法包括:
S101:获取目标企业的风险事件,以确定目标企业的风险值。
其中,风险事件可以包括企业中能够引起金融风险的各种事件,主要包括负面事件,例如进入黑名单、进入经营异常名录、受到行政处罚、发生债券违约、发生税收违法、工商吊销等负面事件。
本发明实施例中,可以对各风险事件划分事件类型,并基于事件类型设置对应的风险得分,例如设置进入黑名单、进入经营异常名录属于同一种事件类型,设置对应的风险得分为3分,设置受到行政处罚、发生税收违法、工商吊销事件属于同一种事件类型,设置对应的风险得分为5分。如此基于上述设置可以计算出目标企业的风险值,具体可以执行为:基于风险事件的事件类型,查询风险事件对应的风险得分,将各风险事件对应风险得分之和确定为目标企业的风险值。
本步骤可以获取目标企业在预设时间段内的风险事件,例如1个月内的风险事件,进而确定出每个风险事件的事件类型,以查询出每个风险事件对应的风险得分,然后将各风险事件对应风险得分求和,即可确定为目标企业的风险值。
S102:获取目标企业的企业能力参数值,以计算目标企业的能力系数。
其中,企业自身素质通常是风险对自身影响程度的重要决定因素之一,通常企业自身素质越高,风险对企业的影响越小。本步骤中企业自身素质可以通过企业能力参数值计算。能力参数可以表示企业能力水平的量数。企业能力可以指企业在生产、技术、销售、管理和资金等方面力量的总和。企业的竞争力来源于企业的组织能力,而组织能力只能来源于企业在市场竞争中的学习:积累相关的知识和能力并将其嵌入到企业组织中,体现在企业的运作程序上。企业组织能力主要分为三种:技术能力、功能性能力(产品开发能力、生产能力、营销能力)和管理能力。本发明实施例中企业能力参数值可以工商数据、财务数据、信用数据等多维度数据值,例如企业注册资本数量,企业员工数量等等。
具体的,本步骤中,一方面可以预训练机器学习算法模型,如随机梯度下降回归(SGD Regression)算法模型,然后基于预训练的模型来计算目标企业的能力系数。另一方面,本步骤中可以对各企业能力参数值划分等级,并设置各等级对应的等级得分,如此本步骤获取企业能力参数值后,可以先确定其所属的等级,进而得出其对应的等级得分,然后将各企业能力参数对用的等级得分之和确定为目标企业的能力系数。
S103:基于预设的企业关联图谱,查询与目标企业相关联的关联企业,获取各关联企业的属性值,以调用预设的风险传导计算组件,计算各关联企业对目标企业的风险传导值。
其中,企业关联图谱为预先建立。本发明实施例中可以获取各企业的结构化数据和半结构化数据,进行数据清洗和预处理之后汇入数据池中,同时还可以获取各企业非结构化数据,然后可以使用自然语言处理算法分析得出结构化的标准数据并汇入数据池。具体的,数据池中可以包括各企业的工商数据、财务数据、信用数据、税务数据和裁判文书等。对数据池中数据,可以先进行识别企业实体,即确定为图谱中的实体,然后获取各企业实体之间投资信息,以建立企业实体之间的关联关系,即图谱中各企业实体之间的边,并可以在各边标注投资属性,如投资比例,如此即可以构建出企业关联图谱。由于企业之间通常投资方对被投资方的风险影响较大,所以本发明实施例中,构建的企业关联图谱为有向图谱,即企业关联图谱中各边的方向为企业之间的投资方向,从而可以提高风险挖掘的准确性。为了便于风险传导计算,在企业关联图谱中还可以标注各企业实体的属性值,例如,注册资本、企业性质等工商信息、营业收入、营业成本等财务数据、被告次数、开庭次数等法律信息、行政处罚数、行政处罚类别等信用信息。具体的本发明实施例中可以基于各企业实体的属性值生成表征企业实体的N维特征向量,并基于Neo4j图数据库创建企业关联图谱。
企业关联图谱中各企业通过连接的边建立关联关系,各企业之间可以通过连接边形成路径。本步骤中基于预先构建出的企业关联图谱,可以查询出与目标企业具有关联关系的企业,即关联企业。在企业关联图谱中,企业风险以发生风险事件的源企业实体为起点沿连接的边进行风险传导,所以通常两个企业之间连接的路径越长,两者之间的关联性越弱,彼此之间的风险传导值越小。为了简化计算过程,可以设置关联企业与目标企业之间路径的长度最大值,即与目标企业之间路径长度不大于长度最大值的企业确定为关联企业。本发明实施例中,基于影响力传播的三度影响力原则,设置长度最大值为3,即企业关联图谱中,发生风险事件的企业实体之间路径长度不大于3,则认为会受到该企业的风险影响,所以本步骤中目标企业的关联企业为企业关联图谱中与目标企业之间路径长度为3的企业。
需要说明的是,本发明实施例中,两个企业之间的路径长度表示两个企业之间通过连接边形成的连接路径中包括连接边的数量。
在查询出关联企业后,可以从企业关联图谱中或其他数据库中获取各关联企业的属性值,进而调用预设的风险传导计算组件,可以计算各关联企业对目标企业的风险传导值。
具体的,本发明实施例中可以预设风险传导计算组件和风险系数池,风险系数池中存储多个不同属性对应风险系数,每个风险系数表示其对应属性对风险传导的影响能力。本步骤中可以对每个关联企业,调用预设的风险传导计算组件后,可以基于属性值,调用各风险系数的计算模型来计算每个风险系数所对应的系数值,并基于关联企业的属性值中风险事件确定出关联企业的风险值,进而将关联企业的风险值和每个风险系数的系数值来计算出该关联企业对目标企业的风险传导值。具体的,本步骤中可以将关联企业的风险值和各系数值的乘积确定为关联企业对目标企业的风险传导值。
风险传导具体可以从企业之间路径因素、企业资本因素等方面考虑,所以风险系数可以具体包括资本风险系数和路径风险系数,其中资本风险系数可以从投资比例、资本额度的方面考虑,路径风险系数可以从路径长度和路径方向的方面考虑。
由于属性值较小时,其对风险传导的影响能力也会较小,为了简化计算过程,本步骤中对每个关联企业计算对目标企业的风险传导值可以执行为:调用预设的风险传导计算组件,以基于关联企业的属性值从预设的风险系数池中提取对应的风险系数,调用风险系数的计算模型,计算风险系数的系数值,基于关联企业的属性值中风险事件确定关联企业的风险值,进而结合系数值计算关联企业对目标企业的风险传导值。
也就是说本步骤中可以调用预设的风险传导计算组件后,可以先基于关联企业的属性值从风险系数值中提取部分风险系数,即对应的风险系数来计算对应系数值,而不是计算每个风险系数的系数值。
具体的,由于通常企业的资本越高,对其他企业的风险影响越大,所以本发明实施例中,可以基于属性值中资本参数值来从预设的风险系数池中提取对应的风险系数,具体可以执行为:获取关联企业的属性值中资本参数值,判断资本参数值是否大于预设的资本阈值;若是,则从预设的风险系数池中提取资本风险系数;若否,则从预设的风险系数池中提取资本风险系数和路径风险系数。
资本参数值可以具体包括资本额度,在关联企业的资本参数值大于预设的资本阈值时可以从预设的风险系数池中提取资本风险系数,以计算对应的系数值;在关联企业的资本参数值不大于预设的资本阈值时可以从预设的风险系数池中提取资本风险系数和路径风险系数,以计算对应的系数值。
S104:基于各关联企业对目标企业的风险传导值、目标企业的风险值和能力系数,确定目标企业的风险评估值,以执行对应的风险预警。
其中,在计算出每个关联企业对目标企业的风险传导值后,可以将每个关联企业对目标企业的风险传导值与目标企业的能力系数相乘,得出每个关联企业对目标企业的风险影响值,将目标企业的风险值和各关联企业对目标企业的风险影响值之和确定为目标企业的风险评估值,进而基于目标企业的风险评估值可以判断是否达到风险预警阈值,并在确定目标企业的风险评估值达到风险预警阈值后,对应目标企业进行风险预警,以提示相关人员及时处理。所以本发明实施例中,目标企业的风险评估值可以包括目标企业的风险值和各关联企业对目标企业的风险影响值,关联企业对目标企业的风险影响值为关联企业对目标企业的风险传导值和目标企业的能力系数的乘积。
需要说明的是,本发明实施例中,在企业关联图谱中同一关联企业如果可以通过不同路径与目标企业关联,则可以计算关联企业基于每个路径所对应的风险传导值,进而选取其中的最大值作为最终关联企业对目标企业的风险传导值。
在计算目标企业的风险评估值后,由于算法具有可加性,所以在目标企业和关林企业出现新的风险事件或者新增关联企业等出现新增数据时,本发明实施例中可以只基于新增数据,通过上述过程来计算目标企业风险的新增风险评估值,进而以计算的风险评估值进行风险预警,而无需全量重新计算,从而简化计算过程。
本发明实施例中不仅对目标企业自身的风险进行挖掘,还结合了目标企业的能力系数和关联企业对目标企业的风险传导值,来确定目标企业的风险评估值,如此不需要使用工作人员的个人经验,即可以对目标企业潜在风险实现准确和全面的评估,提高了对企业风险评估的准确性和全面性。
下面结合图1所示的实施例,对本发明实施例中风险系数包括资本风险系数时,调用风险系数的计算模型,以计算风险系数的系数值的方法进行具体说明,如图2所示,该方法包括:
S201:基于关联企业的属性值,确定关联企业的资本金额和关联企业对目标企业的投资认缴比例。
本发明实施例中资本风险系数可以从投资比例和资本金额两方面考虑,所以可以基于关联企业的属性值中,确定关联企业的资本金额和关联企业对目标企业的投资认缴比例。其中,如果关联企业对目标企业不是直接投资,即关联企业通过其他企业与目标企业进行关联,则关联企业对目标企业的投资认缴比例可以基于关联企业与目标企业之间的路径,依次确定路径中各相邻企业之间的投资认缴比例,进而将这些路径中各相邻企业之间的投资认缴比例乘积确定为关联企业对目标企业的投资认缴比例。
S202:获取目标企业的资本金额,以将关联企业的资本金额与目标企业的资本金额之间的比值,确定为第一资本风险子系数。
其中,目标企业的资本金额可以从目标企业的属性值中获取。
S203:将投资认缴比例确定为第二资本风险子系数。
其中,本步骤中可以将关联企业对目标企业的投资认缴比例确定为第二资本风险子系数。
由于投资认缴比例达到一定范围时,其对风险影响能力并不会出现较大的区别,所以本发明实施例中可以预先设置投资比例阈值,在投资认缴比例大于预设的投资比例阈值时,将投资比例阈值确定为第二资本风险子系数;在投资认缴比例不大于预设的投资比例阈值时,将投资认缴比例确定为第二资本风险子系数。所以本步骤可以具体执行为:判断投资认缴比例是否大于预设的投资比例阈值;若是,则将投资比例阈值确定为第二资本风险子系数;若否,则将投资认缴比例确定为第二资本风险子系数。
需要说明的是,本发明实施例中,投资比例阈值可以设置为0.5。
S204:基于第一资本风险子系数和第二资本风险子系数,计算资本风险系数的系数值。
本步骤中,可以将第一资本风险子系数和第二资本风险子系数的乘积确定为资本风险系数的系数值。
本发明实施例中,从资本风险角度计算了关联企业对目标企业的系数值,进而来确定目标企业的风险评估值,如此不需要使用工作人员的个人经验,即可以对目标企业潜在风险实现准确和全面的评估,提高了对企业风险评估的准确性和全面性。
下面结合图1所示的实施例,对本发明实施例中风险系数包括路径风险系数时,调用风险系数的计算模型,以计算风险系数的系数值的方法进行具体说明,如图3所示,该方法包括:
S301:基于关联企业的属性值,获取在企业关联图谱中关联企业与目标企业之间的路径,以确定关联企业与目标企业之间的路径长度和路径方向。
风险影响能力通常具有衰减性,而投资方向不同风险影响力也会有所不同,所以路径风险系数可以从路径长度和路径方向两个方面考虑。本步骤中基于关联企业的属性值,可以从企业关联图谱中获取关联企业与目标企业之间的路径,进而可以确定出关联企业与目标企业之间的路径长度和路径方向。路径长度即为关联企业与目标企业之间路径包括连接边的数量。路径方向为关联企业与目标企业之间路径所包括连接边的方向。
S302:基于路径长度和单位路径长度系数值,计算第一路径风险子系数。
本发明实施例中可以设置单位路径长度系数值,即每个连接边的系数值,如此即可基于路径长度计算出计算第一路径风险子系数。具体的,本步骤可以将路径长度和单位路径长度系数值的乘积作为第一路径风险子系数。
本发明实施例中单位路径长度系数值可以基于具体场景设置,例如可以设置为0.618。
S303:基于路径方向和路径方向对应的单位方向系数值,计算第二路径风险子系数。
由于投资方对被投资方的风险影响较大,而被投资方对投资方的风险影响较小,所以本发明实施例中可以为不同路径方向设置不同的单位方向系数值,例如,投资方指向被投资方的路径方向所对应的单位方向系数值可以为1,被投资方指向投资方的路径方向所对应的单位方向系数值可以为0.8。
如此可以获取路径中每个单位路径的方向,进而基于路径方向对应的单位方向系数值,可以路径中每个单位路径的方向系数值,然后将路径中每个单位路径的方向系数值的乘积确定为第二路径风险子系数。
S304:基于第一路径风险子系数和第二路径风险子系数,计算路径风险系数的系数值。
本步骤中可以将第一路径风险子系数和第二路径风险子系数的乘积作为路径风险系数的系数值。
本发明实施例中,从路径风险角度计算了关联企业对目标企业的系数值,进而来确定目标企业的风险评估值,如此不需要使用工作人员的个人经验,即可以对目标企业潜在风险实现准确和全面的评估,提高了对企业风险评估的准确性和全面性。
本发明实施例中,可以获取各领域相关数据来形成丰富的数据池,以包含充足的企业多维度信息,进而构建企业关联图谱,有利于提高风险识别精度。其次,建立的企业关联图谱,精确刻画企业间关联关系与自身情况,图谱结构更便于风险传播分析。最后,本发明实施例中企业风险评估方法,综合考虑多方面因素在风险传播中的影响,能够精确的衡量企业具有的风险,以进行风险预警。
为了解决现有技术存在的问题,本发明实施例提供了一种企业风险评估的装置400,如图4所示,该装置400包括:
获取单元401,用于获取目标企业的风险事件,以确定所述目标企业的风险值;
所述获取单元401,还用于获取所述目标企业的企业能力参数值,以计算所述目标企业的能力系数;
计算单元402,用于基于预设的企业关联图谱,查询与所述目标企业相关联的关联企业,获取各所述关联企业的属性值,以调用预设的风险传导计算组件,计算各所述关联企业对所述目标企业的风险传导值;
确定单元403,用于基于各所述关联企业对所述目标企业的风险传导值、所述目标企业的风险值和能力系数,确定所述目标企业的风险评估值,以执行对应的风险预警。
应理解的是,实施本发明实施例的方式与实施图1所示实施例的方式相同,在此不再赘述。
本发明实施例的一种实现方式中,所述计算单元402,具体用于:
对每个所述关联企业,调用预设的风险传导计算组件,以基于所述关联企业的属性值从预设的风险系数池中提取对应的风险系数,调用所述风险系数的计算模型,计算所述风险系数的系数值,基于所述关联企业的属性值中风险事件确定所述关联企业的风险值,进而结合所述系数值计算所述关联企业对所述目标企业的风险传导值。
本发明实施例的又一种实现方式中,所述计算单元402,具体用于:
获取所述关联企业的属性中资本参数,判断所述资本参数的参数值是否大于预设的资本阈值;
若是,则从预设的风险系数池中提取资本风险系数;
若否,则从预设的风险系数池中提取资本风险系数和路径风险系数。
本发明实施例的又一种实现方式中,所述风险系数包括资本风险系数;
所述计算单元402,具体用于:
基于所述关联企业的属性,确定所述关联企业的资本金额和所述关联企业对所述目标企业的投资认缴比例;
获取所述目标企业的资本金额,以将所述关联企业的资本金额与所述目标企业的资本金额之间的比值,确定为第一资本风险子系数;
将所述投资认缴比例确定为第二资本风险子系数;
基于所述第一资本风险子系数和所述第二资本风险子系数,计算所述资本风险系数的系数值。
本发明实施例的又一种实现方式中,所述计算单元402,具体用于:
判断所述投资认缴比例是否大于预设的投资比例阈值;
若是,则将所述投资比例阈值确定为第二资本风险子系数;若否,则将所述投资认缴比例确定为第二资本风险子系数。
本发明实施例的又一种实现方式中,所述风险系数包括路径风险系数;
所述计算单元402,具体用于:
基于所述关联企业的属性值,获取在所述企业关联图谱中所述关联企业与所述目标企业之间的路径,以确定所述关联企业与所述目标企业之间的路径长度和路径方向;
基于路径长度和单位路径长度系数值,计算第一路径风险子系数;
基于所述路径方向和所述路径方向对应的单位方向系数值,计算第二路径风险子系数;
基于所述第一路径风险子系数和所述第二路径风险子系数,计算所述路径风险系数的系数值。
本发明实施例的又一种实现方式中,所述计算单元402,具体用于:
获取所述路径中每个单位路径的方向,基于所述单位方向系数值,确定所述路径中每个单位路径的方向系数值,将所述路径中每个单位路径的方向系数值的乘积确定为所述第二路径风险子系数。
本发明实施例的又一种实现方式中,所述获取单元401,具体用于:
基于所述风险事件的事件类型,查询所述风险事件对应的风险得分,将各风险事件对应风险得分之和确定为所述目标企业的风险值。
本发明实施例的又一种实现方式中,所述获取单元401,具体用于:
基于各所述企业能力参数值确定各企业能力参数对用的等级得分,将各企业能力参数对用的等级得分之和确定为所述目标企业的能力系数。
应理解的是,实施本发明实施例的方式与实施图1-3所示实施例的方式相同,在此不再赘述。
本发明实施例中不仅对目标企业自身的风险进行挖掘,还结合了目标企业的能力系数和关联企业对目标企业的风险传导值,来确定目标企业的风险评估值,如此不需要使用工作人员的个人经验,即可以对目标企业潜在风险实现准确和全面的评估,提高了对企业风险评估的准确性和全面性。
根据本发明的实施例,本发明实施例还提供了一种电子设备和一种可读存储介质。
本发明实施例的电子设备包括: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执行本发明实施例所提供的企业风险评估的方法。
图5示出了可以应用本发明实施例的企业风险评估的方法或企业风险评估的装置的示例性系统架构500。
如图5所示,系统架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互,以接收或发送消息等。终端设备501、502、503上可以安装有各种客户端应用。
终端设备501、502、503可以是但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器,服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的企业风险评估的方法一般由服务器505执行,相应地,企业风险评估的装置一般设置于服务器505中。
应该理解,图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图6,其示出了适于用来实现本发明实施例的计算机系统600的结构示意图。图6示出的计算机系统仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本发明公开的实施例,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,本发明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部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。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、装置或器件,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。在本发明中,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、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读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:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
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单元、程序段、或代码的一部分,上述单元、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,框图或流程图中的每个方框、以及框图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。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、计算单元和确定单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取单元的功能的单元”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读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一个该设备执行时,使得该设备执行本发明所提供的企业风险评估的方法。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (12)
1.一种企业风险评估的方法,其特征在于,包括:
获取目标企业的风险事件,以确定所述目标企业的风险值;
获取所述目标企业的企业能力参数值,以计算所述目标企业的能力系数;
基于预设的企业关联图谱,查询与所述目标企业相关联的关联企业,获取各所述关联企业的属性值,以调用预设的风险传导计算组件,计算各所述关联企业对所述目标企业的风险传导值;
基于各所述关联企业对所述目标企业的风险传导值、所述目标企业的风险值和能力系数,确定所述目标企业的风险评估值,以执行对应的风险预警。
2.根据权利要求1所述的方法,其特征在于,所述调用预设的风险传导计算组件,计算各所述关联企业对所述目标企业的风险传导值,包括:
对每个所述关联企业,调用预设的风险传导计算组件,以基于所述关联企业的属性值从预设的风险系数池中提取对应的风险系数,调用所述风险系数的计算模型,计算所述风险系数的系数值,基于所述关联企业的属性值中风险事件确定所述关联企业的风险值,进而结合所述系数值计算所述关联企业对所述目标企业的风险传导值。
3.根据权利要求2所述的方法,其特征在于,基于所述关联企业的属性值,从预设的风险系数池中提取对应的风险系数,包括:
获取所述关联企业的属性值中资本参数值,判断所述资本参数值是否大于预设的资本阈值;
若是,则从预设的风险系数池中提取资本风险系数;
若否,则从预设的风险系数池中提取资本风险系数和路径风险系数。
4.根据权利要求2所述的方法,其特征在于,所述风险系数包括资本风险系数;
调用所述风险系数的计算模型,以计算所述风险系数的系数值,包括:
基于所述关联企业的属性值,确定所述关联企业的资本金额和所述关联企业对所述目标企业的投资认缴比例;
获取所述目标企业的资本金额,以将所述关联企业的资本金额与所述目标企业的资本金额之间的比值,确定为第一资本风险子系数;
将所述投资认缴比例确定为第二资本风险子系数;
基于所述第一资本风险子系数和所述第二资本风险子系数,计算所述资本风险系数的系数值。
5.根据权利要求4所述的方法,其特征在于,将所述投资认缴比例确定为第二资本风险子系数,包括:
判断所述投资认缴比例是否大于预设的投资比例阈值;
若是,则将所述投资比例阈值确定为第二资本风险子系数;若否,则将所述投资认缴比例确定为第二资本风险子系数。
6.根据权利要求2所述的方法,其特征在于,所述风险系数包括路径风险系数;
调用所述风险系数的计算模型,以计算所述风险系数的系数值,包括:
基于所述关联企业的属性值,获取在所述企业关联图谱中所述关联企业与所述目标企业之间的路径,以确定所述关联企业与所述目标企业之间的路径长度和路径方向;
基于路径长度和单位路径长度系数值,计算第一路径风险子系数;
基于所述路径方向和所述路径方向对应的单位方向系数值,计算第二路径风险子系数;
基于所述第一路径风险子系数和所述第二路径风险子系数,计算所述路径风险系数的系数值。
7.根据权利要求2所述的方法,其特征在于,基于所述路径方向对应的单位方向系数值,计算第二路径风险子系数,包括:
获取所述路径中每个单位路径的方向,基于所述单位方向系数值,确定所述路径中每个单位路径的方向系数值,将所述路径中每个单位路径的方向系数值的乘积确定为所述第二路径风险子系数。
8.根据权利要求1所述的方法,其特征在于,确定所述目标企业的风险值,包括:
基于所述风险事件的事件类型,查询所述风险事件对应的风险得分,将各风险事件对应风险得分之和确定为所述目标企业的风险值。
9.根据权利要求1所述的方法,其特征在于,所述计算所述目标企业的能力系数,包括:
基于各所述企业能力参数值确定各企业能力参数对用的等级得分,将各企业能力参数对用的等级得分之和确定为所述目标企业的能力系数。
10.一种企业风险评估的装置,其特征在于,包括:
获取单元,用于获取目标企业的风险事件,以确定所述目标企业的风险值;
所述获取单元,还用于获取所述目标企业的企业能力参数值,以计算所述目标企业的能力系数;
计算单元,用于基于预设的企业关联图谱,查询与所述目标企业相关联的关联企业,获取各所述关联企业的属性值,以调用预设的风险传导计算组件,计算各所述关联企业对所述目标企业的风险传导值;
确定单元,用于基于各所述关联企业对所述目标企业的风险传导值、所述目标企业的风险值和能力系数,确定所述目标企业的风险评估值,以执行对应的风险预警。
11.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110775894.1A CN113505990A (zh) | 2021-07-08 | 2021-07-08 | 企业风险评估的方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110775894.1A CN113505990A (zh) | 2021-07-08 | 2021-07-08 | 企业风险评估的方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113505990A true CN113505990A (zh) | 2021-10-15 |
Family
ID=78012452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110775894.1A Pending CN113505990A (zh) | 2021-07-08 | 2021-07-08 | 企业风险评估的方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113505990A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967976A (zh) * | 2020-08-19 | 2020-11-20 | 中国银行股份有限公司 | 基于知识图谱的风险企业确定方法及装置 |
CN114118816A (zh) * | 2021-11-30 | 2022-03-01 | 建信金融科技有限责任公司 | 一种风险评估方法、装置、设备及计算机存储介质 |
CN116503163A (zh) * | 2023-06-21 | 2023-07-28 | 建信金融科技有限责任公司 | 业务风险识别方法、装置、计算机设备、存储介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070100724A1 (en) * | 2005-11-03 | 2007-05-03 | Hollas Judd E | Electronic enterprise capital marketplace and monitoring apparatus and method |
US20180068241A1 (en) * | 2016-09-07 | 2018-03-08 | Wipro Limited | Methods and systems for integrated risk management in enterprise environments |
CN109359818A (zh) * | 2018-09-20 | 2019-02-19 | 重庆誉存大数据科技有限公司 | 一种对企业进行风险量化评估的方法及六棱星模型 |
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 |
CN109657932A (zh) * | 2018-11-29 | 2019-04-19 | 平安科技(深圳)有限公司 | 企业风险分析方法、装置、计算机设备和存储介质 |
CN110929994A (zh) * | 2019-11-04 | 2020-03-27 | 中证征信(深圳)有限公司 | 企业关联风险的分析方法、装置、设备以及存储介质 |
CN111126844A (zh) * | 2019-12-24 | 2020-05-08 | 中科金审(北京)科技有限公司 | 涉众型风险企业的评估方法、装置、设备及存储介质 |
CN111178614A (zh) * | 2019-12-24 | 2020-05-19 | 成都数联铭品科技有限公司 | 一种企业风险的预测方法及系统 |
CN111192134A (zh) * | 2019-12-16 | 2020-05-22 | 东方微银科技(北京)有限公司 | 一种基于关联关系的风险传导预警方法 |
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 |
CN111784063A (zh) * | 2020-07-08 | 2020-10-16 | 南京金贝网络科技有限公司 | 一种金融行情风险预警系统及其预警方法 |
CN111967976A (zh) * | 2020-08-19 | 2020-11-20 | 中国银行股份有限公司 | 基于知识图谱的风险企业确定方法及装置 |
CN112150014A (zh) * | 2020-09-27 | 2020-12-29 | 平安资产管理有限责任公司 | 一种企业风险预警方法、装置、设备及可读存储介质 |
CN112488843A (zh) * | 2020-10-29 | 2021-03-12 | 中国农业银行股份有限公司福建省分行 | 基于社交网络的企业风险预警方法、装置、设备和介质 |
-
2021
- 2021-07-08 CN CN202110775894.1A patent/CN113505990A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070100724A1 (en) * | 2005-11-03 | 2007-05-03 | Hollas Judd E | Electronic enterprise capital marketplace and monitoring apparatus and method |
US20180068241A1 (en) * | 2016-09-07 | 2018-03-08 | Wipro Limited | Methods and systems for integrated risk management in enterprise environments |
CN109359818A (zh) * | 2018-09-20 | 2019-02-19 | 重庆誉存大数据科技有限公司 | 一种对企业进行风险量化评估的方法及六棱星模型 |
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 |
CN109657932A (zh) * | 2018-11-29 | 2019-04-19 | 平安科技(深圳)有限公司 | 企业风险分析方法、装置、计算机设备和存储介质 |
CN110929994A (zh) * | 2019-11-04 | 2020-03-27 | 中证征信(深圳)有限公司 | 企业关联风险的分析方法、装置、设备以及存储介质 |
CN111192134A (zh) * | 2019-12-16 | 2020-05-22 | 东方微银科技(北京)有限公司 | 一种基于关联关系的风险传导预警方法 |
CN111126844A (zh) * | 2019-12-24 | 2020-05-08 | 中科金审(北京)科技有限公司 | 涉众型风险企业的评估方法、装置、设备及存储介质 |
CN111178614A (zh) * | 2019-12-24 | 2020-05-19 | 成都数联铭品科技有限公司 | 一种企业风险的预测方法及系统 |
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 |
CN111784063A (zh) * | 2020-07-08 | 2020-10-16 | 南京金贝网络科技有限公司 | 一种金融行情风险预警系统及其预警方法 |
CN111967976A (zh) * | 2020-08-19 | 2020-11-20 | 中国银行股份有限公司 | 基于知识图谱的风险企业确定方法及装置 |
CN112150014A (zh) * | 2020-09-27 | 2020-12-29 | 平安资产管理有限责任公司 | 一种企业风险预警方法、装置、设备及可读存储介质 |
CN112488843A (zh) * | 2020-10-29 | 2021-03-12 | 中国农业银行股份有限公司福建省分行 | 基于社交网络的企业风险预警方法、装置、设备和介质 |
Non-Patent Citations (1)
Title |
---|
陈晓军等: "企业风险知识图谱的构建及应用", 《计算机科学》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111967976A (zh) * | 2020-08-19 | 2020-11-20 | 中国银行股份有限公司 | 基于知识图谱的风险企业确定方法及装置 |
CN114118816A (zh) * | 2021-11-30 | 2022-03-01 | 建信金融科技有限责任公司 | 一种风险评估方法、装置、设备及计算机存储介质 |
CN116503163A (zh) * | 2023-06-21 | 2023-07-28 | 建信金融科技有限责任公司 | 业务风险识别方法、装置、计算机设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113505990A (zh) | 企业风险评估的方法、装置、电子设备和存储介质 | |
CN115936895A (zh) | 基于人工智能的风险评估方法、装置、设备及存储介质 | |
CN115545516A (zh) | 一种基于流程引擎的绩效数据处理方法、装置及系统 | |
CN112950359B (zh) | 一种用户识别方法和装置 | |
WO2019095569A1 (zh) | 基于微博财经事件的金融分析方法、应用服务器及计算机可读存储介质 | |
CN107172311B (zh) | 业务评估方法及终端设备 | |
CN110930238A (zh) | 提高审核任务效率的方法、装置、设备和计算机可读介质 | |
CN113706223B (zh) | 一种数据处理方法和装置 | |
CN112632197B (zh) | 基于知识图谱的业务关系处理方法及装置 | |
JP2020013229A (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 | |
CN115795345A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN114490406A (zh) | 测试覆盖项管理方法、装置、设备及介质 | |
US20220067460A1 (en) | Variance Characterization Based on Feature Contribution | |
CN114154752A (zh) | 企业风险预测方法、装置、电子设备、介质和程序产品 | |
CN113450208A (zh) | 贷款风险变动预警、模型训练方法和装置 | |
CN109634868B (zh) | 金融数据分析系统自动化测试结果的处理方法及装置 | |
CN112907362A (zh) | 贷款业务的处理方法、装置、电子设备和存储介质 | |
CN113094386A (zh) | 监督指标配置方法、装置、电子设备和介质 | |
CN111429257A (zh) | 一种交易监控方法和装置 | |
US20240185249A1 (en) | EVALUATING TRANSACTIONS IN A DECENTRALIZED FINANCE NETWORK BASED ON DECOMPOSED NON-FUNGIBLE TOKENS (NFTs) | |
CN112766552B (zh) | 优化互联网架构的方法、装置和电子设备 | |
US20240185336A1 (en) | Establishing a decentralized finance network | |
CN112862608A (zh) | 一种交易数据匹配方法和装置 | |
CN111582952A (zh) | 评分方法、信息推送方法、评分系统 | |
TWI657393B (zh) | 行銷客群預測系統及其方法 |
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 |
Application publication date: 20211015 |
|
RJ01 | Rejection of invention patent application after publication |