CN114066616A - 一种基于区块链的工程领域供应链金融风险评估系统 - Google Patents

Abstract

本发明公开了一种基于区块链的工程领域供应链金融风险评估系统，涉及金融风险评估技术领域，解决了由于信息分散未整合，难以控制放款风险，导致融资放款批复时间过长的问题；包括供应链金融平台、风险评估模块和融资放贷模块；用户通过区块链智能合约向供应链金融平台发送融资请求，供应链金融平台接收到融资请求后，验证对应用户身份，判断融资请求是否合法；若融资请求合法，则风险评估模块用于根据融资请求内容结合客户等级模型进行风险系数评估，得到融资请求的处理序表；融资放贷模块用于按照风险评估模块反馈的序列位置对融资请求进行审核批复，有效控制放款风险，缩短融资请求的批复时间，提高工作效率，使得资产流转率最大化。

Description

一种基于区块链的工程领域供应链金融风险评估系统

技术领域

本发明涉及金融风险评估技术领域，具体是一种基于区块链的工程领域供应链金融风险评估系统。

背景技术

供应链金融scf(supplychainfinance)是商业银行信贷业务的一个专业领域(银行层面)，也是企业尤其是中小企业的一种融资渠道(企业层面)；处于产业链核心地位的企业，依托高信用优势广开门路获得廉价资金，向产业链下游各级中小企业提供融资服务，以构建更紧密的产业链生态系统；

现有供应链金融中，赊销已成为交易的主流方式，然而现有的供应链金融资产数据信息的可信度低，数据的真实性不高且容易被篡改，同时融资风险无法控制；供应链运行过程中，各类信息分散保存在各个参与方的系统中，整个供应链信息不透明、不流通，供应链各个参与主体很可能只对直接的上下游企业的信息有一定了解；信息分散未整合的现状给资金端评估企业信用、确认贸易背景的真实有效性、控制放款风险带来了困难；并且鉴于跨行业的风险评估效率较低，导致融资放款批复时间过长，难以使小企业提高资产流转率，抓住发展机遇。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于区块链的工程领域供应链金融风险评估系统，解决了由于信息分散未整合，难以控制放款风险，导致融资放款批复时间过长，无法使资产流转率最大化的问题。

为实现上述目的，根据本发明的第一方面的实施例提出一种基于区块链的工程领域供应链金融风险评估系统，包括供应链金融平台、风险评估模块以及融资放贷模块；

通过区块链技术，搭建供应链金融平台；用户通过区块链智能合约向供应链金融平台发送获取融资贷款的融资请求，所述供应链金融平台接收到融资请求后，验证对应用户身份，判断该融资请求是否合法；

若该融资请求合法，则供应链金融平台解析融资请求内容；所述风险评估模块用于根据融资请求内容结合客户等级模型进行风险系数评估，将融资请求按照风险系数由小到大进行排序，得到融资请求的处理序表；

所述风险评估模块用于反馈该融资请求在处理序表所处的序列位置至融资放贷模块；所述融资放贷模块用于按照风险评估模块反馈的序列位置对该融资请求进行审核批复。

进一步地，所述风险系数的具体评估步骤为：

获取融资请求内容，将当前融资金额标记为Qs；将当前融资周期标记为Ts；获取用户的融资行为数据代入客户等级模型，得到对应的客户等级，根据客户等级将对应的等级值标记为D1；

结合大数据分析，通过当前融资金额和历史融资金额进行金额偏值评估，通过当前融资周期和历史融资周期进行周期偏值评估；

利用公式FX=(Qs×Qc×g2+Ts×Tc×g3)/(D1×g1)计算得到风险系数FX，其中g1、g2、g3均为系数因子；Qc为金额偏值，Tc为周期偏值。

进一步地，判断融资请求是否合法，具体包括：

供应链金融平台接收到融资请求后，通过信息交互渠道获取对应用户的征信记录和融资记录；根据征信记录和融资记录分析得到逾期数据；

根据逾期数据对用户的逾期系数进行评估，若逾期系数大于预设逾期阈值，则判定融资请求不合法；若逾期系数≤预设逾期阈值，则根据用户的融资记录作进一步验证；获取用户目前未结清的融资记录，对用户的融资系数进行评估；若融资系数大于预设融资阈值，则判定融资请求合法。

进一步地，所述逾期系数的具体评估方法为：

统计用户的逾期次数并标记为C1，将用户的最长逾期时长标记为T1，将用户的最大逾期金额标记为Q1；将用户的逾期时间与系统当前时间进行差值计算得到逾期辐射时长FT；根据逾期辐射时长对逾期辐射值进行评估，将所有的逾期辐射值进行求和得到逾期辐射总值FZ；

利用公式YQ=(C1×a1+T1×a2+Q1×a3)×FZ计算得到逾期系数YQ，其中a1、a2、a3均为系数因子。

进一步地，所述融资系数的具体评估方法为：

获取用户目前未结清的融资记录；统计用户每月的还款金额为Q2；

若Q2等于0，则表示用户目前没有融资，判定融资请求合法；

若Q2大于0，则统计未结清的融资数量为L1，将用户的月均收入标记为R1；将未结清融资的放款时间与系统当前时间进行差值计算得到融资辐射时长，根据融资辐射时长对融资辐射值进行评估；

将所有的融资辐射值行求和得到融资辐射总值RF；利用公式RZ=(R1-Q2)/(L1×a5+RF×a6)计算得到融资系数RZ；其中a5、a6均为系数因子；若RZ大于预设融资阈值，则判定融资请求合法。

进一步地，还包括等级搭建模块，所述等级搭建模块用于根据用户的融资行为数据搭建客户等级模型，具体步骤为：

通过数据库获取原始客户库，将原始客户库中的融资行为数据和对应的客户等级按照设定比例划分为训练集、测试集和校验集；设定比例包括2:1:1、3:1:1和4:3:1；

构建融合模型：融合模型为支持向量机、深度卷积神经网络和RBF神经网络中的至少两种结合融合方式构建的模型，融合方式包括线性加权融合法、交叉融合法、瀑布融合法、特征融合法和预测融合法；

将训练集、测试集和校验集经过数据归一化之后对融合模型进行训练、测试和校验，将训练完成的融合模型标记为客户等级模型；所述等级搭建模块用于将客户等级模型发送至供应链金融平台存储。

进一步地，所述融资请求内容包括融资金额、融资周期；所述融资行为数据包括融资金额、融资周期、融资时间和对应的还款情况。

进一步地，若RZ≤预设融资阈值，则供应链金融平台向关联的移动终端发送包括该融资请求的告警消息，以提醒所述移动终端的管理人员确认该融资请求是否合法。

与现有技术相比，本发明的有益效果是：

1、本发明中供应链金融平台接收到融资请求后，验证对应用户身份，判断该融资请求是否合法；首先根据逾期数据对用户的逾期系数进行评估，若逾期系数≤预设逾期阈值，则根据用户的融资记录作进一步验证，根据未结清的融资记录对用户的融资系数进行评估，若融资系数大于预设融资阈值，则判定融资请求合法；通过判断融资请求是否合法，对融资请求进行初步筛选，过滤掉明显逾期、征信不佳以及回款能力低的融资请求，有效控制银行放款风险，同时有效减少融资请求的处理量，提高风险评估效率，进而缩短融资请求的批复时间，提高工作效率；

2、本发明中等级搭建模块用于根据用户的融资行为数据搭建客户等级模型，风险评估模块用于根据融资请求内容结合客户等级模型进行风险系数评估，结合客户等级、金额偏值、周期偏值计算得到风险系数；将融资请求按照风险系数FX由小到大进行排序，得到融资请求的处理序表；以便后期针对不同等级的客户实施不同的放款策略，有效控制放款风险；同时避免人工排序出现混乱和差错，体现服务的标准化，缩短融资请求的批复时间，提高工作效率，使得资产流转率最大化。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的原理框图。

具体实施方式

下面将结合实施例对本发明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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，一种基于区块链的工程领域供应链金融风险评估系统，包括区块链智能合约、供应链金融平台、风险评估模块、融资放贷模块、数据库以及等级搭建模块；

通过区块链技术，搭建供应链金融平台，以保证数据信息的真实性；

用户通过区块链智能合约向供应链金融平台发送获取融资贷款的融资请求，供应链金融平台接收到融资请求后，验证对应用户身份，判断该融资请求是否合法；具体验证步骤为：

供应链金融平台接收到融资请求后，获取发送融资请求的用户身份信息；根据用户身份信息通过信息交互渠道获取用户的征信记录和融资记录；根据征信记录和融资记录分析得到用户的逾期数据，逾期数据包括逾期时间、逾期金额以及对应的逾期时长；此处逾期包括贷款逾期、信用卡逾期等；

根据逾期数据对用户的逾期系数进行评估，具体为：

统计用户的逾期次数并标记为C1，将用户的最长逾期时长标记为T1，将用户的最大逾期金额标记为Q1；

将用户的逾期时间与系统当前时间进行差值计算得到逾期辐射时长FT；根据逾期 辐射时长对逾期辐射值进行评估，其中逾期辐射时长越大，则逾期辐射值越小；具体为：

，其中FW为逾期辐射值，a4为系数因子；

将所有的逾期辐射值进行求和得到逾期辐射总值FZ；

利用公式YQ=(C1×a1+T1×a2+Q1×a3)×FZ计算得到逾期系数YQ，其中a1、a2、a3均为系数因子；

将逾期系数YQ与预设逾期阈值相比较；若YQ大于预设逾期阈值，则判定融资请求不合法；

若YQ≤预设逾期阈值，则根据用户的融资记录作进一步验证；具体为：获取用户目前未结清的融资记录；统计用户每月的还款金额为Q2；

若Q2等于0，则表示用户目前没有融资，判定融资请求合法；由于用户目前没有融资，后续获取融资后，对应的回款能力较高，银行放款风险较小；

若Q2大于0，则统计未结清的融资数量为L1，将用户的月均收入标记为R1，将未结清融资的放款时间与系统当前时间进行差值计算得到融资辐射时长，根据融资辐射时长对融资辐射值进行评估，其中融资辐射时长越大，则融资辐射值越小，将所有的融资辐射值行求和得到融资辐射总值RF；利用公式RZ=(R1-Q2)/(L1×a5+RF×a6)计算得到融资系数RZ；其中a5、a6均为系数因子；

将融资系数RZ与预设融资阈值相比较；若RZ大于预设融资阈值，则判定融资请求合法；

在本实施例中，若RZ≤预设融资阈值，则供应链金融平台向关联的移动终端发送包括该融资请求的告警消息，以提醒移动终端的管理人员确认该融资请求是否合法；移动终端用于管理人员针对告警消息输入确认指令；确认指令包括确认融资请求不合法的第一确认指令以及确认融资请求合法的第二确认指令；

在本实施例中，通过判断融资请求是否合法，对融资请求进行初步筛选，过滤掉明显逾期、征信不佳以及回款能力低的融资请求，有效控制融资风险，同时有效减少的融资请求的处理量，提高风险评估效率，进而缩短融资请求的批复时间，提高工作效率；

若该融资请求合法，则供应链金融平台解析融资请求内容并将对应融资请求内容发送至风险评估模块，风险评估模块用于根据融资请求内容进行风险系数评估，具体评估步骤为：

获取融资请求内容，融资请求内容包括融资金额、融资周期；

获取用户的融资行为数据代入客户等级模型，得到对应的客户等级，根据客户等级将对应的等级值标记为D1；

将当前融资金额标记为Qs；将当前融资周期标记为Ts；

结合大数据分析，通过当前融资金额和历史融资金额进行金额偏值评估，并将得到的金额偏值标记为Qc；具体为：

根据用户的融资记录，读取对应的历史融资金额，并标记为WLm，m=1，…，g；利用公 式

计算得到金额偏值Qc，其中d1为系数因子；

通过当前融资周期和历史融资周期进行周期偏值评估，并将得到的周期偏值标记为Tc；其中周期偏值Tc的评估方法与金额偏值Qc一致；

利用公式FX=(Qs×Qc×g2+Ts×Tc×g3)/(D1×g1)计算得到风险系数FX，其中g1、g2、g3均为系数因子；

将融资请求按照风险系数FX由小到大进行排序，得到融资请求的处理序表；风险评估模块用于反馈该融资请求在处理序表所处的序列位置至融资放贷模块；融资放贷模块用于按照风险评估模块反馈的序列位置对该融资请求进行审核批复；有效控制放款风险率，缩短融资请求的批复时间，使得小企业提高资产流转率，抓住发展机遇；

在本实施例中，风险评估模块根据融资请求内容进行风险系数评估，融资放贷模块用于按照风险评估模块反馈的序列位置优先对风险系数FX低的融资请求进行审核批复，有效控制放款风险，同时避免人工排序出现混乱和差错，能够智能合理地排序，体现服务的标准化，缩短融资请求的批复时间，提高工作效率，同时使得资产流转率最大化；

该系统还包括等级搭建模块，等级搭建模块用于根据用户的融资行为数据搭建客户等级模型，具体步骤为：

通过数据库获取原始客户库；原始客户库包括原始客户的客户等级和融资行为数据，其中原始客户是指已经设置了客户等级的客户；其中客户等级为1-20之间的整数，客户等级越高，则表明客户的重要性和价值越高；

将原始客户库中的融资行为数据和对应的客户等级按照设定比例划分为训练集、测试集和校验集；设定比例包括2:1:1、3:1:1和4:3:1；

构建融合模型：融合模型为支持向量机、深度卷积神经网络和RBF神经网络中的至少两种结合融合方式构建的模型，融合方式包括线性加权融合法、交叉融合法、瀑布融合法、特征融合法和预测融合法；

将训练集、测试集和校验集经过数据归一化之后对融合模型进行训练、测试和校验，将训练完成的融合模型标记为客户等级模型；等级搭建模块用于将客户等级模型发送至供应链金融平台存储；其中融资行为数据包括融资金额、融资周期、融资时间以及对应的还款情况；

本发明通过等级搭建模块搭建客户等级模型，加强对客户资源的管理，以便后期针对不同等级的客户实施不同的放款策略，有效控制放款风险，提高融资请求审核批复效率，使得资产流转率最大化。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

本发明的工作原理：

一种基于区块链的工程领域供应链金融风险评估系统，在工作时，通过区块链技术，搭建供应链金融平台，以保证数据信息的真实性；用户通过区块链智能合约向供应链金融平台发送获取融资贷款的融资请求，供应链金融平台接收到融资请求后，验证对应用户身份，判断该融资请求是否合法；首先根据逾期数据对用户的逾期系数进行评估，若逾期系数≤预设逾期阈值，则根据用户的融资记录作进一步验证，若用户目前没有融资，则判定融资请求合法；否则，根据未结清的融资记录对用户的融资系数进行评估，若融资系数大于预设融资阈值，则判定融资请求合法；

若该融资请求合法，则供应链金融平台解析融资请求内容，风险评估模块用于根据融资请求内容进行风险系数评估；获取用户的融资行为数据代入客户等级模型，得到对应的客户等级；通过当前融资金额和历史融资金额进行金额偏值评估，通过当前融资周期和历史融资周期进行周期偏值评估，结合客户等级、金额偏值、周期偏值计算得到风险系数；将融资请求按照风险系数FX由小到大进行排序，得到融资请求的处理序表；融资放贷模块用于按照风险评估模块反馈的序列位置对融资请求进行审核批复，避免人工排序出现混乱和差错，能够智能合理地排序，体现服务的标准化，缩短融资请求的批复时间，提高工作效率，同时有效控制放款风险率，使得资产流转率最大化。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、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。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (8)

1.一种基于区块链的工程领域供应链金融风险评估系统，其特征在于，包括供应链金融平台、风险评估模块以及融资放贷模块；

通过区块链技术，搭建供应链金融平台；用户通过区块链智能合约向供应链金融平台发送获取融资贷款的融资请求，所述供应链金融平台接收到融资请求后，验证对应用户身份，判断该融资请求是否合法；

若该融资请求合法，则供应链金融平台解析融资请求内容；所述风险评估模块用于根据融资请求内容结合客户等级模型进行风险系数评估，将融资请求按照风险系数由小到大进行排序，得到融资请求的处理序表；

所述风险评估模块用于反馈该融资请求在处理序表所处的序列位置至融资放贷模块；所述融资放贷模块用于按照风险评估模块反馈的序列位置对该融资请求进行审核批复。

2.根据权利要求1所述的一种基于区块链的工程领域供应链金融风险评估系统，其特征在于，所述风险系数的具体评估步骤为：

获取融资请求内容，将当前融资金额标记为Qs；将当前融资周期标记为Ts；获取用户的融资行为数据代入客户等级模型，得到对应的客户等级，根据客户等级将对应的等级值标记为D1；

结合大数据分析，通过当前融资金额和历史融资金额进行金额偏值评估，通过当前融资周期和历史融资周期进行周期偏值评估；

利用公式FX=(Qs×Qc×g2+Ts×Tc×g3)/(D1×g1)计算得到风险系数FX，其中g1、g2、g3均为系数因子；Qc为金额偏值，Tc为周期偏值。

3.根据权利要求1所述的一种基于区块链的工程领域供应链金融风险评估系统，其特征在于，判断融资请求是否合法，具体包括：

供应链金融平台接收到融资请求后，通过信息交互渠道获取对应用户的征信记录和融资记录；根据征信记录和融资记录分析得到逾期数据；

根据逾期数据对用户的逾期系数进行评估，若逾期系数大于预设逾期阈值，则判定融资请求不合法；若逾期系数≤预设逾期阈值，则根据用户的融资记录作进一步验证；获取用户目前未结清的融资记录，对用户的融资系数进行评估；若融资系数大于预设融资阈值，则判定融资请求合法。

4.根据权利要求3所述的一种基于区块链的工程领域供应链金融风险评估系统，其特征在于，所述逾期系数的具体评估方法为：

统计用户的逾期次数并标记为C1，将用户的最长逾期时长标记为T1，将用户的最大逾期金额标记为Q1；将用户的逾期时间与系统当前时间进行差值计算得到逾期辐射时长FT；根据逾期辐射时长对逾期辐射值进行评估，将所有的逾期辐射值进行求和得到逾期辐射总值FZ；

利用公式YQ=(C1×a1+T1×a2+Q1×a3)×FZ计算得到逾期系数YQ，其中a1、a2、a3均为系数因子。

5.根据权利要求3所述的一种基于区块链的工程领域供应链金融风险评估系统，其特征在于，所述融资系数的具体评估方法为：

获取用户目前未结清的融资记录；统计用户每月的还款金额为Q2；

若Q2等于0，则表示用户目前没有融资，判定融资请求合法；

若Q2大于0，则统计未结清的融资数量为L1，将用户的月均收入标记为R1；将未结清融资的放款时间与系统当前时间进行差值计算得到融资辐射时长，根据融资辐射时长对融资辐射值进行评估；

将所有的融资辐射值行求和得到融资辐射总值RF；利用公式RZ=(R1-Q2)/(L1×a5+RF×a6)计算得到融资系数RZ；其中a5、a6均为系数因子；若RZ大于预设融资阈值，则判定融资请求合法。

6.根据权利要求2所述的一种基于区块链的工程领域供应链金融风险评估系统，其特征在于，还包括等级搭建模块，所述等级搭建模块用于根据用户的融资行为数据搭建客户等级模型，具体步骤为：

通过数据库获取原始客户库，将原始客户库中的融资行为数据和对应的客户等级按照设定比例划分为训练集、测试集和校验集；设定比例包括2:1:1、3:1:1和4:3:1；

构建融合模型：融合模型为支持向量机、深度卷积神经网络和RBF神经网络中的至少两种结合融合方式构建的模型，融合方式包括线性加权融合法、交叉融合法、瀑布融合法、特征融合法和预测融合法；

将训练集、测试集和校验集经过数据归一化之后对融合模型进行训练、测试和校验，将训练完成的融合模型标记为客户等级模型；所述等级搭建模块用于将客户等级模型发送至供应链金融平台存储。

7.根据权利要求2所述的一种基于区块链的工程领域供应链金融风险评估系统，其特征在于，所述融资请求内容包括融资金额、融资周期；所述融资行为数据包括融资金额、融资周期、融资时间和对应的还款情况。

8.根据权利要求5所述的一种基于区块链的工程领域供应链金融风险评估系统，其特征在于，若RZ≤预设融资阈值，则供应链金融平台向关联的移动终端发送包括该融资请求的告警消息，以提醒所述移动终端的管理人员确认该融资请求是否合法。

Images