CN113902546A - 基于知识图谱的信贷风险预警方法和系统 - Google Patents
基于知识图谱的信贷风险预警方法和系统 Download PDFInfo
- Publication number
- CN113902546A CN113902546A CN202111169796.XA CN202111169796A CN113902546A CN 113902546 A CN113902546 A CN 113902546A CN 202111169796 A CN202111169796 A CN 202111169796A CN 113902546 A CN113902546 A CN 113902546A
- Authority
- CN
- China
- Prior art keywords
- risk
- user
- enterprise
- credit
- graph
- 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
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
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Animal Behavior & Ethology (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Technology Law (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供的一种基于知识图谱的信贷风险预警方法和系统,通过分析企业与个人,个人与个人以及企业与企业之间的关系,构建多层级的关系图谱,然后在将企业和个人的风险指标与之关联,形成各个用户的风险关系图谱,通过信贷用户的信息,即可得到该用户的风险关系图谱,根据风险关系图谱中的各个风险指标,根据各个节点的风险指标评估信贷用户的风险等级。采用图谱展示企业关系把控企业风险系统实现智能、精准地发现和识别风险,确保全方位掌握客户及所属集团的风险状况,高效开展贷后管理工作。
Description
技术领域
本发明涉及大数据处理领域,具体为基于知识图谱的信贷风险预警方法和系统。
背景技术
互联网金融风险专项整治以来,市场乱象整治成效显著。我国供给侧机构性改革和高质量发展需要适宜的货币金融环境。随着银行金融业的稳步发展,信贷业务的核心一定是风险控制能力,如何既有效防范风险又服务好实体经济,成为经济发展的重要课题。
在信贷风险识别方面只能依据申请用户的过往历史数据进行研判,然而在信贷业务环境,特别是在小微企业主的信贷环境中,由于很多企业公司的各项金融数据没有完全公开,并且其业务情况受市场环境、政策法规、周边环境,上下游行业发展等多方面影响,导致无法及时掌握客户及所属集团的风险状况,导致银行坏账的产生,因此,建立一种信贷风险预警就显得尤为重要。
发明内容
针对现有技术中存在的问题,本发明提供一种基于知识图谱的信贷风险预警方法和系统,通过企业关系把控企业风险系统实现智能、精准地发现和识别风险。
本发明是通过以下技术方案来实现:
一种基于知识图谱的信贷风险预警方法,包括以下步骤:
步骤1、获取用户的数据并存入数据库,用户包括企业和个人;
步骤2、将各个用户数据作为关系图谱的起始节点,分析用户与用户之间的关联关系,将与该用户有直接关联关系的用户作为起始节点的子节点,将与各个子节点用户有直接关联关系的用户作为子节点的下一节点,重复该步骤,形成多层级的关系图谱,直至达到预设的层级,完成各个用户的关系图谱的建立;
步骤3、获取用户的风险指标,并通过用户信息将该风险指标与数据库中与对应用户进行关联,形成风险关系图谱;
步骤4、将各个用户的风险关系图谱生成树状结构图;
步骤5、根据信贷用户的信息,得到信贷用户的风险关系图谱的树状结构图;
步骤6、根据步骤5得到的信贷用户的风险关系图谱的树状结构图,得到各个节点的风险指标数据,根据各个节点的风险指标评估信贷用户的风险等级。
优选的,步骤1中所述用户数据包括企业数据包和个人数据;
企业数据包括企业股东、企业分支机构、企业董监高、企业股东和企业法人代表;
个人数据包括个人对外投资、个人任职董监高、个人任职法人代表、个人的关系人和个人的共同借款人。
优选的,步骤2中分析用户与用户之间的关联关系包括分析企业与企业的关联关系,分析个人与个人的关联关系,分析企业与个人的关联关系。
优选的,所述企业与企业的关联关系,包括企业与企业股东以及企业分支机构的关系;
所述企业与个人的关联关系,包括企业与企业董监高、企业股东、企业法人代表、个人对外投资企业、个人任职董监高的企业、个人任职法人代表的企业的关系;
所述个人与个人的关联关系,包括个人的关系人、个人的共同借款人。
优选的,步骤2中起始节点为企业或个人,对每个企业和每个个人分别建立关系图谱。
优选的,所述预设的层级为三级,以起始节点的用户作为第一层级,子节点作为第二层级,各个子节点的下层关联关系作为第三层级。
优选的,风险指标包括严重违法信息、主营业务收入下降、他行信用不良、他行信用为关注、他行对外担保信用为关注、他行对外担保贷款逾期、他行贷款逾期、他行逾、企业中标、企业图谱推送、企业对外投标中标、企业新增对外投资、企业突然死亡、保证担保、债券违约、分类下迁、利润上升、动产抵押、司法拍、大股东变更、失信信息、客户回访超范围、执行信息、执行信息(关联人)、投资人缺失、抵押担保、新闻舆情、欠息提醒(红)、欠息提醒(黄)、法人代表变更、法院公告、注册资本大幅下降、注册资本大幅增加、环保负面、环境信用评价为红牌、环境信用评价为绿牌、盈利能力提升、税务评级下迁、税务违法违章、简易注销、纳税总额下降、经营利润难以覆盖债务利息、经营收入提升、股权冻结、股权被冻结、股票爆雷、行内有不良信用、行政处罚、行政处罚信息、行政负面、裁判文书、评级下迁、财报预警、账户查封/冻结、货款归行率较低、贷款逾期30天以上、资产负债率较高、资产负债过高、近两年净利润为负、违规、连续两年环境信用评价为黄牌、逾期欠息、重大风险未核实和高管缺失。
优选的,步骤3中所述用户信息包括企业的统一社会信用代码,以及个人的身份证号码。
一种基于知识图谱的信贷风险预警方法的系统,包括,
数据采集模块,用于获取用户的数据并存入数据库;
关系图谱模块,用于将各个用户数据作为关系图谱的起始节点,分析用户与用户之间的关联关系,将与该用户有直接关联关系的用户作为起始节点的子节点,将与各个子节点用户有直接关联关系的用户作为子节点的下一节点,重复该步骤,形成多层级的关系图谱,直至达到预设的层级,完成各个用户的关系图谱的建立;
风险关系图谱模块,用于获取用户的风险指标,并通过用户信息将该风险指标与数据库中与对应用户进行关联,形成风险关系图谱;
转换模块,用于将各个用户的风险关系图谱生成树状结构图;
查询模块,用于根据信贷用户的信息,得到信贷用户的风险关系图谱的树状结构图;
评估模块,根据信贷用户的风险关系图谱的树状结构图,得到各个节点的风险指标数据,根据各个节点的风险指标评估信贷用户的风险等级。
与现有技术相比,本发明具有以下有益的技术效果:
本发明提供的一种基于知识图谱的信贷风险预警方法,通过分析企业与个人,个人与个人以及企业与企业之间的关系,构建多层级的关系图谱,然后在将企业和个人的风险指标与之关联,形成各个用户的风险关系图谱,通过信贷用户的信息,即可得到该用户的风险关系图谱,根据风险关系图谱中的各个风险指标,根据各个节点的风险指标评估信贷用户的风险等级。采用图谱展示企业关系把控企业风险系统实现智能、精准地发现和识别风险,确保全方位掌握客户及所属集团的风险状况,高效开展贷后管理工作。
附图说明
图1为本发明基于知识图谱的信贷风险预警方法的数据分析流程图;
图2为本发明基于知识图谱的信贷风险预警方法的流程图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
参阅图1和2,一种基于知识图谱的信贷风险预警方法,包括以下步骤:
步骤1、获取用户的数据并存入数据库,用户包括企业和个人。
企业数据包括:企业股东、企业分支机构、企业董监高、企业股东、企业法人代表。
个人数据包括:个人对外投资、个人任职董监高、个人任职法人代表、个人的关系人、个人的共同借款人。
步骤2、将各个用户数据作为关系图谱的起始节点,分析用户与用户之间的关联关系,将与该用户有直接关联关系的用户作为起始节点的子节点,将与各个子节点用户有直接关联关系的用户作为子节点的下一节点,重复该步骤,形成多层级的关系图谱,直至达到预设的层级,完成各个用户的关系图谱的建立。
分析用户与用户之间的关联关系包括,分析的企业与企业的关联关系,分析的个人与个人的关联关系,分析的企业与个人的关联关系。
例如,企业与企业的关联关系,企业与企业股东以及企业分支机构的关系。
个人与个人的关联关系,包括个人的关系人、个人的共同借款人。
企业与个人的关联关系,包括企业与企业董监高、企业股东、企业法人代表、个人对外投资企业、个人任职董监高的企业、个人任职法人代表的企业的关系。
起始节点包括用户和个人,根据每个用户和每个个人分别建立关系图谱。
所述预定的层级,理论上讲是没有上限的,可以建立N级关系图谱,但是在实际的风控评估中,只有靠前的几层关系具有参考价值,而且层级越多越难以评估风险,因此,本实施中预设的层级为三级,以起始节点的用户作为第一层级,子节点作为第二层级,各个子节点的下层关联关系作为第三层级。
例如,将任一企业作为起始节点,然后分析该企业与其它企业的关联关系,以及该企业与个人的关联关系,即可得到与该企业有关联关系的企业股东、企业分支机构、企业董监高和企业法人代表信息,将得到的信息作为该企业的子节点信息,形成第二层级关系。
然后,再分析第二层级关系中各个节点的关联关系,再例如,企业法人,通过分析企业法人与企业及个人的关联关系,即可得到与该企业法人有关联关系的个人的关系人、个人的共同借款人、个人任职董监高的企业、个人任职法人代表的企业的关系,将上述信息作为第三层级关系。
重复上述步骤,即可形成企业或个人的关系图谱。
步骤3、获取用户的风险指标,并通过用户信息将该风险指标与数据库中与对应用户进行关联,形成风险关系图谱;
风险指标包括严重违法信息、主营业务收入下降、他行信用不良、他行信用为关注、他行对外担保信用为关注、他行对外担保贷款逾期、他行贷款逾期、他行逾、企业中标、企业图谱推送、企业对外投标中标、企业新增对外投资、企业突然死亡、保证担保、债券违约、分类下迁、利润上升、动产抵押、司法拍、大股东变更、失信信息、客户回访超范围、执行信息、执行信息(关联人)、投资人缺失、抵押担保、新闻舆情、欠息提醒(红)、欠息提醒(黄)、法人代表变更、法院公告、注册资本大幅下降、注册资本大幅增加、环保负面、环境信用评价为红牌、环境信用评价为绿牌、盈利能力提升、税务评级下迁、税务违法违章、简易注销、纳税总额下降、经营利润难以覆盖债务利息、经营收入提升、股权冻结、股权被冻结、股票爆雷、行内有不良信用、行政处罚、行政处罚信息、行政负面、裁判文书、评级下迁、财报预警、账户查封/冻结、货款归行率较低、贷款逾期30天以上、资产负债率较高、资产负债过高、近两年净利润为负、违规、连续两年环境信用评价为黄牌、逾期欠息、重大风险未核实、高管缺失。
用户信息包括企业的统一社会信用代码,个人的身份证号码,通过定期获取或实时获取企业和个人的风险指标,根据企业的统一社会信用代码将该企业的风险指标连接至数据库中对应的企业信息中,个人的风险指标,则根据个人的身份证号码将该个人的风险指标连接至数据库中对应的企业信息中,完成风险关系图谱的构建。
步骤4、将各个用户的风险关系图谱生成树状结构图。
步骤5、根据信贷用户的信息,得到信贷用户的风险关系图谱的树状结构图。
信贷用户可以为个人,也可以企业,输入企业的统一社会信用代码或个人的身份证号码,即可得到该信贷用户的的风险关系图谱,通过风险关系图谱可以得到当前企业/个人的完整关联关系数据以及各个关联关系企业/个人的风险信息。
步骤6、根据步骤5得到的信贷用户的风险关系图谱的树状结构图,得到各个节点的风险指标数据,根据各个节点的风险指标评估信贷用户的风险等级。
根据步骤6得到的数据结构化生成树状结构图并且显示各个节点的风险信息数量。然后客户经理根据上述的结构图和风险信息进行评估对当前企业/个人的影响,从而可以预估企业/个人的贷款是否会受到影响。
一种基于知识图谱的信贷风险预警系统,包括数据采集模块、关系图谱模块、风险关系图谱模块、转换模块、查询模块和评估模块。
数据采集模块,用于获取用户的数据并存入数据库;
关系图谱模块,用于将各个用户数据作为关系图谱的起始节点,分析用户与用户之间的关联关系,将与该用户有直接关联关系的用户作为起始节点的子节点,将与各个子节点用户有直接关联关系的用户作为子节点的下一节点,重复该步骤,形成多层级的关系图谱,直至达到预设的层级,完成各个用户的关系图谱的建立;
风险关系图谱模块,用于获取用户的风险指标,并通过用户信息将该风险指标与数据库中与对应用户进行关联,形成风险关系图谱;
转换模块,用于将各个用户的风险关系图谱生成树状结构图;
查询模块,用于根据信贷用户的信息,得到信贷用户的风险关系图谱的树状结构图;
评估模块,根据信贷用户的风险关系图谱的树状结构图,得到各个节点的风险指标数据,根据各个节点的风险指标评估信贷用户的风险等级。
知识图谱(Knowledge Graph),是显示知识发展进程与结构关系的一系列各种不同的图形。通过将知识域可视化表示(包括但不限于将知识领域映射为知识地图),从而使得挖掘、分析、构建、绘制和显示知识单元或知识群之间的网络、结构、关联、交叉、演化、衍生等诸多隐含的复杂关系成为可能。由于知识图谱可以高效直观展示借贷主体间的关联关系,利于信贷审核人员观察,因此本申请将知识图谱引入信贷风险管理中对信贷风险进行预警。
本发明基于知识图谱实现信贷的风险预警,用户进入风险图谱后输入一个企业名称即可查询并展示当前企业的法人代表、股东、董监高、对外投资、分支机构。当选择个人节点时展示在那些企业任职股东、任职董监高、任职法人代表、关系人有哪些、共同借款人有哪些。通过展示的每个节点都可以点击展示改节点的个人或企业存在什么风险信息。通过企业的关联关系亲疏预计风险信息的影响程度来判断当前企业是否存在风险。这样大大提高了客户经理对一个企业的风险管控与企业的关系梳理,风险图谱把个人与企业实现了关联实现了个人与法人的风险联动管控。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (9)
1.一种基于知识图谱的信贷风险预警方法,其特征在于,包括以下步骤:
步骤1、获取用户的数据并存入数据库,用户包括企业和个人;
步骤2、将各个用户数据作为关系图谱的起始节点,分析用户与用户之间的关联关系,将与该用户有直接关联关系的用户作为起始节点的子节点,将与各个子节点用户有直接关联关系的用户作为子节点的下一节点,重复该步骤,形成多层级的关系图谱,直至达到预设的层级,完成各个用户的关系图谱的建立;
步骤3、获取用户的风险指标,并通过用户信息将该风险指标与数据库中与对应用户进行关联,形成风险关系图谱;
步骤4、将各个用户的风险关系图谱生成树状结构图;
步骤5、根据信贷用户的信息,得到信贷用户的风险关系图谱的树状结构图;
步骤6、根据步骤5得到的信贷用户的风险关系图谱的树状结构图,得到各个节点的风险指标数据,根据各个节点的风险指标评估信贷用户的风险等级。
2.根据权利要求1所述的一种基于知识图谱的信贷风险预警方法,其特征在于,步骤1中所述用户数据包括企业数据包和个人数据;
企业数据包括企业股东、企业分支机构、企业董监高、企业股东和企业法人代表;
个人数据包括个人对外投资、个人任职董监高、个人任职法人代表、个人的关系人和个人的共同借款人。
3.根据权利要求1所述的一种基于知识图谱的信贷风险预警方法,其特征在于,步骤2中分析用户与用户之间的关联关系包括分析企业与企业的关联关系,分析个人与个人的关联关系,分析企业与个人的关联关系。
4.根据权利要求3所述的一种基于知识图谱的信贷风险预警方法,其特征在于,所述企业与企业的关联关系,包括企业与企业股东以及企业分支机构的关系;
所述企业与个人的关联关系,包括企业与企业董监高、企业股东、企业法人代表、个人对外投资企业、个人任职董监高的企业、个人任职法人代表的企业的关系;
所述个人与个人的关联关系,包括个人的关系人、个人的共同借款人。
5.根据权利要求1所述的一种基于知识图谱的信贷风险预警方法,其特征在于,步骤2中起始节点为企业或个人,对每个企业和每个个人分别建立关系图谱。
6.根据权利要求1所述的一种基于知识图谱的信贷风险预警方法,其特征在于,所述预设的层级为三级,以起始节点的用户作为第一层级,子节点作为第二层级,各个子节点的下层关联关系作为第三层级。
7.根据权利要求1所述的一种基于知识图谱的信贷风险预警方法,其特征在于,风险指标包括严重违法信息、主营业务收入下降、他行信用不良、他行信用为关注、他行对外担保信用为关注、他行对外担保贷款逾期、他行贷款逾期、他行逾、企业中标、企业图谱推送、企业对外投标中标、企业新增对外投资、企业突然死亡、保证担保、债券违约、分类下迁、利润上升、动产抵押、司法拍、大股东变更、失信信息、客户回访超范围、执行信息、执行信息(关联人)、投资人缺失、抵押担保、新闻舆情、欠息提醒(红)、欠息提醒(黄)、法人代表变更、法院公告、注册资本大幅下降、注册资本大幅增加、环保负面、环境信用评价为红牌、环境信用评价为绿牌、盈利能力提升、税务评级下迁、税务违法违章、简易注销、纳税总额下降、经营利润难以覆盖债务利息、经营收入提升、股权冻结、股权被冻结、股票爆雷、行内有不良信用、行政处罚、行政处罚信息、行政负面、裁判文书、评级下迁、财报预警、账户查封/冻结、货款归行率较低、贷款逾期30天以上、资产负债率较高、资产负债过高、近两年净利润为负、违规、连续两年环境信用评价为黄牌、逾期欠息、重大风险未核实和高管缺失。
8.根据权利要求1所述的一种基于知识图谱的信贷风险预警方法,其特征在于,步骤3中所述用户信息包括企业的统一社会信用代码,以及个人的身份证号码。
9.一种权利要求1-8任一项所述的一种基于知识图谱的信贷风险预警方法的系统,其特征在于,包括,
数据采集模块,用于获取用户的数据并存入数据库;
关系图谱模块,用于将各个用户数据作为关系图谱的起始节点,分析用户与用户之间的关联关系,将与该用户有直接关联关系的用户作为起始节点的子节点,将与各个子节点用户有直接关联关系的用户作为子节点的下一节点,重复该步骤,形成多层级的关系图谱,直至达到预设的层级,完成各个用户的关系图谱的建立;
风险关系图谱模块,用于获取用户的风险指标,并通过用户信息将该风险指标与数据库中与对应用户进行关联,形成风险关系图谱;
转换模块,用于将各个用户的风险关系图谱生成树状结构图;
查询模块,用于根据信贷用户的信息,得到信贷用户的风险关系图谱的树状结构图;
评估模块,根据信贷用户的风险关系图谱的树状结构图,得到各个节点的风险指标数据,根据各个节点的风险指标评估信贷用户的风险等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111169796.XA CN113902546A (zh) | 2021-10-08 | 2021-10-08 | 基于知识图谱的信贷风险预警方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111169796.XA CN113902546A (zh) | 2021-10-08 | 2021-10-08 | 基于知识图谱的信贷风险预警方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113902546A true CN113902546A (zh) | 2022-01-07 |
Family
ID=79190228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111169796.XA Pending CN113902546A (zh) | 2021-10-08 | 2021-10-08 | 基于知识图谱的信贷风险预警方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113902546A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115034918A (zh) * | 2022-08-09 | 2022-09-09 | 太平金融科技服务(上海)有限公司深圳分公司 | 团伙案件识别方法、装置、计算机设备、存储介质和产品 |
CN115687721A (zh) * | 2022-10-28 | 2023-02-03 | 盐城金堤科技有限公司 | 企业动态信息推荐方法、装置、计算设备及存储介质 |
-
2021
- 2021-10-08 CN CN202111169796.XA patent/CN113902546A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115034918A (zh) * | 2022-08-09 | 2022-09-09 | 太平金融科技服务(上海)有限公司深圳分公司 | 团伙案件识别方法、装置、计算机设备、存储介质和产品 |
CN115034918B (zh) * | 2022-08-09 | 2023-01-10 | 太平金融科技服务(上海)有限公司深圳分公司 | 团伙案件识别方法、装置、计算机设备、存储介质和产品 |
CN115687721A (zh) * | 2022-10-28 | 2023-02-03 | 盐城金堤科技有限公司 | 企业动态信息推荐方法、装置、计算设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bruno et al. | Cross-border banking and global liquidity | |
Franceschetti et al. | Do bankrupt companies manipulate earnings more than the non-bankrupt ones? | |
Sunder | Better financial reporting: Meanings and means | |
CN111861716B (zh) | 一种基于软件系统的贷中监控预警等级生成方法 | |
CN113902546A (zh) | 基于知识图谱的信贷风险预警方法和系统 | |
CN111489254A (zh) | 基于历史信用大数据的信贷风险评估智能引擎系统 | |
Cao | The economics of banking | |
Gourrier | Banking the black community: An analysis of banking among Baltimore’s predominately black communities | |
Lokanan | A fraud investigation plan for a false accounting and theft case | |
Alabede et al. | Noncompliance opportunities and tax compliance behavior in Nigeria: The moderating effect of taxpayers' financial condition and risk preference | |
CN113674075A (zh) | 企业债务融资工具信用评级的方法 | |
Hagendorff et al. | The walls have ears: local information environments and corporate fraud | |
Bineid et al. | CADM: big data to limit creative accounting in Saudi-listed companies | |
Herawati | The comparison of two data mining method to detect financial fraud in Indonesia | |
CN115564591A (zh) | 一种融资产品的确定方法及相关设备 | |
Chen et al. | Estimation and determinants of Chinese banks’ total factor efficiency: a new vision based on unbalanced development of Chinese banks and their overall risk | |
TWM591191U (zh) | 負面新聞監控分析系統 | |
Alonso et al. | Do CEOs’ Political Ideologies Matter for Climate Disclosures and Carbon Emissions? | |
KR102249015B1 (ko) | 기업의 채무지불여력 산출시스템 | |
Almuraikhi | Determinants of Non-Performing Loans Between Islamic And Conventional Banks: A Systematic Literature Review | |
Ragesh | Estimating Probability of Default | |
Liu et al. | Research on the identification and prediction of default risk of online lending platform customers | |
Fantaye | Macroeconomic Determinants of Foreign Direct Investment in Ethiopia:(A Time Series Analysis) | |
Chimezie et al. | Crypto Currency Trading and The Impact On Global Digital Finance | |
Phong et al. | Identifying Fraud Financial Reports Based on Signs of Income Management Using Machine Learning Technology: The Case of Listed Companies in Vietnam |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |