CN114119208A - 企业风险评价方法、装置、设备、介质和程序产品 - Google Patents
企业风险评价方法、装置、设备、介质和程序产品 Download PDFInfo
- Publication number
- CN114119208A CN114119208A CN202111460435.0A CN202111460435A CN114119208A CN 114119208 A CN114119208 A CN 114119208A CN 202111460435 A CN202111460435 A CN 202111460435A CN 114119208 A CN114119208 A CN 114119208A
- Authority
- CN
- China
- Prior art keywords
- risk
- enterprise
- target
- coefficient
- influence
- 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
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (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
本公开提供了一种企业风险评价方法、装置、设备、介质和程序产品,可用于金融领域或其他领域,该方法包括:获取目标企业及其关联企业的业务数据;基于目标企业及关联企业的业务数据,计算目标企业和关联企业各自的风险系数;基于关联企业的风险系数和关联企业对目标企业的影响权重,计算表示关联企业对目标企业风险影响程度的风险影响系数;基于目标企业的风险系数以及风险影响系数共同评价目标企业的风险情况。该方法基于企业关联的母公司评价企业风险,可以解决单一针对企业本身的业务数据评价风险不够充分全面的问题。
Description
技术领域
本公开涉及金融领域,具更具体地涉及一种企业风险评价方法、装置、设备、介质和程序产品。
背景技术
目前,银行评价企业的风险一般仅以该企业本身的金融情况为评价依据。事实上,由于同一家企业可能存在多个实际控制人,该多个实际控制人又有可能存在亲属关系,他们各自关联的企业往往还涉及到母公司、子公司或关联公司等关联联系,因而各企业在经营资金使用或者供给关系上存在密切的联系,导致容易引发关联风险。面对这些风险情况,不能将这些存在关联关系的企业作为独立企业来单独评价风险。
发明内容
鉴于上述问题,本公开提供了提高风险评估准确性的企业风险评价方法、装置、设备、介质和程序产品。
根据本公开的第一个方面,提供了一种企业风险评价方法,包括:获取目标企业及其关联企业的业务数据;基于所述目标企业及所述关联企业的业务数据,计算所述目标企业和所述关联企业各自的风险系数;基于所述关联企业的风险系数和所述关联企业对所述目标企业的影响权重,计算表示所述关联企业对所述目标企业风险影响程度的风险影响系数;基于所述目标企业的风险系数以及所述风险影响系数共同评价所述目标企业的风险情况。
根据本公开的实施例,所述基于所述目标企业及所述关联企业的业务数据,计算所述目标企业和所述关联企业各自的风险系数包括:按照预设的评价规则,评价所述业务数据中的各类数据分别对所属企业的风险影响权重;基于各类所述业务数据和所述风险影响权重,计算所属企业的风险概率值;根据所述风险概率值与风险系数的映射关系,得到所述业务数据所属企业的风险系数。
根据本公开的实施例,所述基于各类所述业务数据和所述风险影响权重,计算所属企业的风险概率值包括:计算各类所述业务数据与对应的风险影响权重的乘积;以所述乘积作为各类所述业务数据的风险影响参数代入预设公式,计算所述业务数据所属企业的风险概率值。
根据本公开的实施例,所述方法还包括:选出最大的前N项所述风险影响权重,基于所述前N项的风险影响权重及其对应的所述业务数据计算所属企业的风险概率值。
根据本公开的实施例,所述基于所述关联企业的风险系数和所述关联企业对所述目标企业的影响权重,计算表示所述关联企业对所述目标企业风险影响程度的风险影响系数包括:计算所述关联企业的风险系数与所述影响权重的乘积,得到所述风险关联影响系数。
根据本公开的实施例,当所述关联企业数量大于1时,所述基于所述关联企业的风险系数和所述关联企业对所述目标企业的影响权重,计算表示所述关联企业对所述目标企业风险影响程度的风险影响系数包括:计算全部所述关联企业的风险系数与所述影响权重的乘积之和,得到所述风险影响系数。
根据本公开的实施例,所述方法还包括:计算所述风险关联影响系数之前,将各所述关联企业的风险系数标准化。
根据本公开的实施例,所述基于所述目标企业的风险系数以及所述风险影响系数共同评价所述目标企业的风险情况包括:当所述风险影响系数小于第一阈值且所述目标企业的风险系数小于第二阈值时,将所述目标企业评价为低风险企业;当所述目标企业的风险系数以及所述风险影响系数中的至少一个大于对应的预设阈值时,将所述目标企业评价为高风险企业。
根据本公开的实施例,所述关联企业包括所述目标企业的母公司、所述目标企业的实际控制人名下的其他公司以及所述实际控制人亲属名下的公司。
根据本公开的实施例,当所述关联企业为所述目标企业的母公司时,所述关联企业对所述目标企业的影响权重的计算包括:获取所述关联企业对所述目标企业的认缴出资额;计算所述认缴出资额占所述目标企业的全部出资额的占比,将所述占比记为对应的所述关联企业对所述目标企业的影响权重。
根据本公开的实施例,当所述关联企业为所述目标企业的实际控制人名下的其他公司以及所述实际控制人亲属名下的公司时,所述关联企业对所述目标企业的影响权重为1。
根据本公开的第二个方面,提供了一种企业风险评价装置,包括:数据获取模块,用于获取目标企业及其关联企业的业务数据;风险系数计算模块,用于基于所述目标企业及所述关联企业的业务数据,计算所述目标企业和所述关联企业各自的风险系数;风险关联影响计算模块,用于基于所述关联企业的风险系数和所述关联企业对所述目标企业的影响权重,计算表示所述关联企业对所述目标企业风险影响程度的风险影响系数;第一风险评价模块,用于基于所述目标企业的风险系数以及所述风险影响系数共同评价所述目标企业的风险情况。
根据本公开的第三个方面,提供了一种电子设备,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,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据第一方面中任一项所述的方法。
根据本公开的第四个方面,提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据第一方面中任一项所述的方法。
根据本公开的第五个方面,一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据第一方面中任一项所述的方法。
本公开提供的企业风险评价方法、装置、电子设备、计算机可读介质和程序产品,除了可以根据目标企业自身的数据评价金融风险,还可以结合其关联企业对其风险的影响,进一步加强对其自身的金融风险的评价,使的评价更准确客观。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的企业风险评价方法的应用场景图;
图2示意性示出了根据本公开实施例的企业风险评价方法的流程图;
图3示意性示出了本公开提供的企业风险评价方法的操作S220的流程图;
图4示意性示出了本公开提供的企业风险评价方法的操作S230的流程图;
图5示意性示出了本公开提供的企业风险评价方法的操作S240的两种评价方法;
图6示意性示出了本公开实施例提供的企业风险评价方法的一种应用示意图;
图7示意性示出了本公开实施例提供的企业风险评价方法的另一种应用示意图;
图8示意性示出了本公开实施例提供的企业风险评价方法的另一种流程图;
图9示意性示出了本公开另一实施例提供的企业风险评价方法的流程图;
图10示意性示出了根据本公开实施例的企业风险评价装置的结构框图;
图11示意性示出了根据本公开实施例的风险系数计算模块的结构框图;
图12示意性示出了根据本公开实施例的风险关联影响计算模块的结构框图;
图13示意性示出了根据本公开实施例的第一风险评价模块的结构框图;以及
图14示意性示出了根据本公开实施例的适于实现企业风险评价方法的电子设备的方框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
需要说明的是,本公开企业风险评价方法、装置、设备、介质和程序产品可用于金融领域在需要对企业风险进行评估的方面,也可用于除金融领域之外的任意领域,本公开企业风险评价方法、装置、设备、介质和程序产品的应用领域不做限定。
在本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
在本公开的技术方案中,在获取或采集用户个人信息之前,均获取了用户的授权或同意。
本公开的实施例提供了一种企业风险评价方法,首先,基于目标企业及关联企业的业务数据,计算目标企业和关联企业各自的风险系数,其中,计算关联企业的风险系数后,结合关联企业对目标企业的影响权重,计算表示关联企业对目标企业风险影响程度的风险影响系数,然后,结合目标企业的风险系数和关联企业的风险影响系数评价该目标企业的风险情况。该方法提出目标企业本身的风险系数和其关联公司的风险影响系数综合评价企业风险,可以解决单一针对企业本身的业务数据评价风险不够充分全面的问题。
图1示意性示出了根据本公开实施例的企业风险评价方法的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括银行贷款、金融投资、金融融资、企业合作、企业收购等。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的企业风险评价方法一般可以由服务器105执行。相应地,本公开实施例所提供的企业风险评价装置一般可以设置于服务器105中。本公开实施例所提供的企业风险评价方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的企业风险评价装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解,图1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。
以下将基于图1描述的场景,通过图2~图7对公开实施例的企业风险评价方法进行详细描述。
图2示意性示出了根据本公开实施例的企业风险评价方法的流程图。
如图2所示,该实施例的企业风险评价方法包括操作S210~操作S240。
在操作S210,获取目标企业及其关联企业的业务数据。
在本公开的实施例中,在获取目标企业及其关联企业的业务数据之前,可以获得目标企业及其关联企业的同意或授权。例如,在操作S210之前,可以向目标企业及其关联企业发出获取业务数据的请求。在用户同意或授权可以获取用户信息的情况下,执行所述操作S210。
目前,评价企业的风险状况常基于该企业本身的业务数据,并未考虑其他关联影响。实际上,由于企业的金融状况与其关联企业通常紧紧关联,企业的金融状况很大程度上受其关联企业的影响。当关联企业存在较高的金融风险时,其子公司企业受其影响,也应该存在较高的金融风险。因此,很有必要在评价企业的风险状况时考虑其关联企业的风险程度。
在操作S220,基于目标企业及关联企业的业务数据,计算目标企业和关联企业各自的风险系数。
在本公开实施例中,可通过预设的风险系数计算模型来计算风险系数。风险系数计算模型可以根据预设的多种评价标准分别评价企业的各类业务数据,评价各类业务数据产生金融风险的概率,进而得到表示该企业存风险程度的风险系数。
在本公开实施例中,在评价目标企业的风险时,除了考虑自身的风险系数,还要考虑关联企业对目标企业的影响,例如,当目标企业为子公司时,其母公司存在的潜在风险对其的影响极大,如果母公司资金链存在问题,会直接影响到该目标企业的资金链,因此还需要通过风险系数计算模型获取关联企业的风险系数,以综合评价目标企业的风险状况,使对目标企业的风险评估结果更准确。
在操作S230基于关联企业的风险系数和关联企业对目标企业的影响权重,计算表示关联企业对目标企业风险影响程度的风险影响系数。
关联企业的风险系数表示的是关联企业的风险状况。由于关联企业与目标企业之间存在多种不同的关联关系,例如关联企业为目标企业的母公司、关联企业与目标企业同属统一实际控制人、关联企业为目标企业的实际控制人亲属的企业、关联企业为目标企业的控股公司等等,基于关联关系的不同,对目标企业的风险影响也不同,即影响权重不同。基于关联企业的风险系数和影响权重共同计算其对目标企业的风险影响系数,可客观评价各个关联企业对目标企业的影响程度。
在操作S240,基于目标企业的风险系数以及风险影响系数共同评价目标企业的风险情况。
基于目标企业的风险系数可以判定目标企业自身是否存在风险,基于关联企业的风险影响数据可以判定关联企业的风险是否会导致目标企业也存在风险,结合两种判定结果,即可得到该目标企业较为准确的风险情况的评价。
根据本公开实施例提供的企业风险评价方法,可以对目标企业进行自身的风险评价,同时挖掘目标企业的关联企业的风险状况对其风险状况的影响,以对该目标企业存在的风险进行更准确的评价。
下面将对操作S210~S220的具体内容进行详细描述。
图3示意性示出了本公开提供的企业风险评价方法的操作S220的流程图。
如图3所示,在操作S220中,基于目标企业及关联企业的业务数据,计算目标企业和关联企业各自的风险系数,可以包括操作S221~S223。
在操作S221,按照预设的评价规则,分别评价各类业务数据对关联企业的风险影响权重。
可选的,业务数据可以为企业的全部业务数据,也可以为一些对企业风险影响较大的数据,例如企业的高法失信数据、税务违法数据、账销案存数据等。
不同的业务数据可以分别作为一个被评价的特征,被风险系数计算模型评价其风险影响权重。
得到各类所述业务数据对关联企业的风险影响权重之后,操作S212还可以包括:选出最大的前N项风险影响权重,基于该前N项的风险影响权重及其对应的业务数据计算所属企业的风险概率值,例如,可以选出前20的权重对应的数据,用于参与后续计算。权重大的业务数据造成目标企业存在风险的影响越大,仅保留权重大的业务数据参与后续计算,保留了重要的评价特征,不影响结果的准确性,由于数据量减少,还可以提升计算效率。
在操作S222,基于各类业务数据和风险影响权重,计算关联企业的风险概率值。
计算所属企业的风险概率值包括:计算各类业务数据与对应的风险影响权重的乘积;以乘积作为各类业务数据的风险影响参数代入预设公式,计算业务数据所属企业的风险概率值。
在本公开其中一个实施例中,风险概率值的计算公式为:
其中,p表示风险概率值,i表示业务数据类别编号,i=1,2,...,m,wi表示第i类业务数据的风险影响权重,fi表示第i类业务数据。
在操作S223,根据风险概率值与关联企业的风险系数的映射关系,得到关联企业的风险系数。
在本公开其中一个实施例中,风险概率值与关联企业的风险系数的映射关系可以为:
其中,S表示风险系数,A、B表示预设的参数,p表示风险概率值。
需要说明的是,根据本公开实施例提供的风险概率计算公式和风险系数计算公式,求解风险系数时可以将风险概率计算公式带入风险系数计算公式中,得到风险计算系数简化的计算公式:
即,在本公开其中一个实施例中,可以根据风险影响权重和业务数据即可直接计算关联企业的风险系数。
图4示意性示出了本公开提供的企业风险评价方法的操作S230的流程图。
如图4所示,在操作S230中的其中一种实施方式中,基于关联企业的风险系数和关联企业对目标企业的影响权重,计算表示关联企业对目标企业风险影响程度的风险影响系数,可以包括S231:
S231,计算关联企业的风险系数与影响权重的乘积,得到风险关联影响系数。
根据操作S231,可分别计算得到目标企业的每个关联企业的风险影响系数,在操作S240中,可以将每个关联企业的风险影响系数均与各自预设的阈值进行比较,当风险影响系数大于预设阈值时,表示对应的关联企业导致目标企业存在风险。
在操作S230的另一种实施方式中,计算表示关联企业对目标企业风险影响程度的风险影响系数可以包括S232。
S232,计算全部关联企业的风险系数与影响权重的乘积之和,得到风险影响系数。
根据操作S232,当关联企业存在多个时,以每个关联企业对目标企业的风险影响之和为风险影响系数,可以进一步提升综合评价能力。其中,计算风险关联影响系数之前,考虑到不同的关联企业的风险类型、风险程度与关联企业本身的性质有关系,还可以将各关联企业的风险系数标准化,再计算标准化的风险系数与影响权重的乘积,以更加均衡有效的表示各关联企业各自对目标企业的风险影响。
风险关联影响系数的计算公式可以表示为:
根据操作232得到的风险影响系数,在操作S240中,仅需要设置一个阈值与风险关联影响系数进行比较,当风险影响系数大于预设阈值时,表示关联企业各自的风险综合起来会导致目标企业存在风险。该实施方式相比于操作S231,综合评价能力更强。
在本公开实施例中,关联企业可以包括目标企业的母公司、目标企业的实际控制人名下的其他公司以及实际控制人亲属名下的公司等。不同的关联关系导致关联企业对目标企业的影响权重不同。
当关联企业为目标企业的母公司时,关联企业对目标企业的风险影响与其在目标企业的占比相关,关联企业在目标企业的占比越大,对目标企业的风险影响权重越大,结合表示关联企业风险程度的风险系数,可以得到目标企业受其关联企业影响存在的金融风险的量化值,即风险关联影响系数。
当关联企业为目标企业的母公司时,关联企业对目标企业的影响权重的计算包括操作S233~S234。
在操作S233,获取各关联企业对目标企业的认缴出资额。
在操作S234,分别计算关联企业的认缴出资额的占比,将占比记为对应的关联企业对目标企业的影响权重,即:
其中,aj表示第j个关联企业的影响权重,tj表示第j个关联企业的认缴出资额,P表示该目标企业的关联企业集合。
当关联企业为目标企业的实际控制人名下的其他公司以及实际控制人亲属名下的公司时,关联企业对目标企业的影响权重为1。
基于上述方法,可快速且相对准确的得到关联企业对目标企业风险的影响。
图5示意性示出了本公开实施例提供的企业风险评价方法的操作S240的两种评价方法。
在操作S240中,根据目标企业自身的风险系数和关联企业的风险影响系数,综合评价目标企业是否存在风险,可以包括S241~242。
S241,当风险影响系数小于第一阈值且目标企业的风险系数小于第二阈值时,将目标企业评价为低风险企业。
S242,当目标企业的风险系数以及风险影响系数中的至少一个大于对应的预设阈值时,将目标企业评价为高风险企业。
根据S241和S242,本公开实施例提供的企业风险评价方法的评价标准为,当目标企业自身无风险且其重要关联公司也不存在影响目标企业的风险时,则目标企业为低风险,当目标企业自身存在风险或其关联公司存在影响该目标企业的风险时,则判定目标企业为高风险企业,以保证目标企业的潜在风险被挖掘出来。
图6示意性示出了本公开实施例提供的企业风险评价方法的一种应用示意图。
在操作S610,检索目标企业的母公司。
在操作S620,当目标企业存在母公司,且其母公司为高风险企业时,计算母公司关于目标企业的风险影响系数,以判定目标企业的风险。
由于子公司的资金供给主要依赖其母公司,且子公司的受母公司调度,当母公司存在风险问题时,可采取调用子公司资源的方式来规避风险,这会导致被调取资源的子公司可能出现风险。根据操作S230,可以通过计算母公司对目标企业的风险影响系数来判定目标企业的风险。例如,当母公司的风险系数很高,且其对目标企业的影响权重也很高时,计算出来的风险影响系数很高,且根据操作S240,判定该风险影响系数大于阈值,则可判定该目标企业也存在高风险。
图7示意性示出了本公开实施例提供的企业风险评价方法的另一种应用示意图。
如图7所示,在本公开的另一实施例中,所述方法的应用可以包括操作S710~S720。
在操作S710,检索目标企业的实际控制人名下的其他企业。
在操作S720,当所述其他企业中存在高风险企业时,将目标企业列为高风险企业。
例如,儿童英语培训机构A公司运营非常健康,财务状况也非常好,金融指标非常优秀,但其实际控制人名下,还有另一成人英语培训机构B公司,从金融指标上来看,B公司已经显示出风险。如果B公司资金断裂倒闭,在极短的时间内,由于资金周转,可能会导致原本运行良好的的A公司也倒闭。若根据传统的金融指标分析,A公司的运营是非常良好的,无法及时揭示其存在的风险。根据本公开提供的企业风险评价方法,此时,当B公司存在风险时,即可认定A公司也具有极高的金融风险。
根据本公开实施例,可以深入挖掘企业实际控制人的关联公司的风险状况,找到其潜在的金融风险。
图8示意性示出了本公开实施例提供的企业风险评价方法的另一种流程图。
如图8所示,在本公开的另一实施例中,在如图2~5所示的方法的基础上,所述方法还可以包括操作S810~S820。
在操作S810,检索目标企业的实际控制人的亲属名下的企业。
在操作S820,当实际控制人的亲属名下的企业中存在高风险企业时,将所述目标企业列为高风险企业。
例如,某企业A经营状况良好,财务健康,从各类金融指标来看,这都是一家运作良好的公司,其控制人为张女士,李先生为张女士丈夫,他为另一家企业B的实际控制人,而企业B已显示出金融风险,且企业B的规模体量要比企业A大的多。在实际情况中,如果B企业倒闭了,A企业一般也会受到影响,甚至倒闭。其原因可能有多种,比如A公司部分核心业务,是为B公司提供服务的,当B公司失去这块业务后,公司运营失衡,或者,B公司为A公司提供了有形或者无形的资源,使A公司才能经营其业务,失去这个资源,无法正常运营,或者,在A公司危急的最后关头,B公司为A公司提供大量资金输血,结果不但A公司未能救活,B公司也因此资金链断裂而倒闭。无论何种原因,在此家庭关系下,当B公司显示出风险后,A公司实际是具有很高的金融风险的,而传统的金融指标分析法是无法揭示A公司的这类风险的。而根据本公开提供的方法,当企业B存在风险时,企业A相应也具有相同的风险。
可选的,该实际控制人的亲属可以限定为其直系亲属或是与其关联公司有关联关系的亲属。
可选的,还可以利用风险系数计算模型计算该实际控制人的亲属的关联公司的风险系数,根据如图2~5,计算该实际控制人的关联公司对目标公司的风险关联影响系数,从而作为该关联公司对目标公司的风险影响的判定依据。
根据本公开实施例提供的评价方法,在对企业自身及其母公司进行风险评价的同时,还考虑了企业的实际控制人及其亲属的关联公司是否存在风险,深入挖掘该企业存在的所有潜在风险,该评价方法相比传统的金融指标分析法更加全面可靠。
图9示意性示出了本公开另一实施例提供的企业风险评价方法的流程图。
如图9所示,在本公开的另一实施例中,该企业风险评价方法还包括操作S910~S920。
在操作S910,将所述目标企业的业务数据输入风险系数计算模型,得到所述目标企业的风险系数。
在操作S920,当所述目标企业的风险系数小于第二阈值,且无其他可导致所述目标企业变为高风险企业的情况时,将所述目标企业列为低风险企业。
在本公开实施例中,当且仅当目标企业自身的风险系数低,且不存在如其关联企业存在高风险、其实际控制人的其他关联公司存在高风险或其实际控制人亲属的关联公司存在高风险等问题时,才将该目标企业判定为低风险企业,该评价方式充分考虑了其潜在风险的影响,对目标企业的风险评估更准确。
基于上述企业风险评价方法,本公开还提供了一种企业风险评价装置。以下将结合图10对该装置进行详细描述。
图10示意性示出了根据本公开实施例的企业风险评价装置的结构框图。
如图10所示,该实施例的企业风险评价装置1000包括:数据获取模块1100,风险系数计算模块1200,风险关联影响计算模块1300,第一风险评价模块1400。
数据获取模块1100,用于获取目标企业及其关联企业的业务数据。
风险系数计算模块1200,用于基于所述目标企业及所述关联企业的业务数据,计算所述目标企业和所述关联企业各自的风险系数。
风险关联影响计算模块1300,用于基于所述关联企业的风险系数和所述关联企业对所述目标企业的影响权重,计算表示所述关联企业对所述目标企业风险影响程度的风险影响系数。
第一风险评价模块1400,用于基于所述目标企业的风险系数以及所述风险影响系数共同评价所述目标企业的风险情况。
图11示意性示出了根据本公开实施例的风险系数计算模块1200的结构框图。
如图11所示,所述风险系数计算模块1210包括:风险影响权重计算单元1220和风险系数计算单元1230。
风险影响权重计算单元1210用于按照预设的评价规则,评价所述业务数据中的各类数据分别对所属企业的风险影响权重。
风险概率子单元1220用于基于各类所述业务数据和所述风险影响权重,计算所属企业的风险概率值。
风险映射子单元1230根据所述风险概率值与风险系数的映射关系,得到所述业务数据所属企业的风险系数。
得到各类所述业务数据对所述关联企业的风险影响权重之后,所述风险影响权重计算单元1210还用于选出最大的前N项所述风险影响权重,基于所述前N项的风险影响权重及其对应的所述业务数据计算所述关联企业的风险系数。
图12示意性示出了根据本公开实施例的风险关联影响计算模块1300的结构框图。
如图12所示,所述风险关联影响计算模块1300包括:第一关联影响计算单元1310。
第一关联影响计算单元1310,用于计算所述关联企业的风险系数与所述影响权重的乘积,得到所述风险关联影响系数。
所述风险关联影响计算模块1300还可以包括:第二关联影响计算单元1320。
第二关联影响计算单元1320用于计算全部所述关联企业的风险系数与所述影响权重的乘积之和,得到所述风险影响系数。
影响权重通过影响权重获取单元得到,影响权重单元包括:出资额获取子单元、影响权重计算子单元。
出资额获取子单元用于获取各所述关联母公司对所述目标企业的认缴出资额。
影响权重计算子单元用于分别计算各关联母公司的认缴出资额的占比,将所述占比记为对应的所述关联母公司对所述目标企业的影响权重。
当关联企业为目标企业的实际控制人名下的其他公司以及实际控制人亲属名下的公司时,关联企业对目标企业的影响权重为1。
所述风险关联影响计算模块还包括:系数标准化单元。
系数标准化单元用于计算所述风险关联影响系数之前,将各所述关联母公司的风险系数标准化。
图13示意性示出了根据本公开实施例的第一风险评价模块1400的结构框图。
如13所示,所述第一风险评价模块1400可以包括两种评价单元。
第一评价单元1410用于当所述风险影响系数小于第一阈值且所述目标企业的风险系数小于第二阈值时,将所述目标企业评价为低风险企业。
第二评价单元1420用于当所述目标企业的风险系数以及所述风险影响系数中的至少一个大于对应的预设阈值时,将所述目标企业评价为高风险企业。
根据本公开的实施例,所述企业评价装置与图2~5所示的企业评价方法具有相同的技术特征,也能实现与该企业评价方法相同的技术效果。
根据本公开的实施例,数据获取模块1100、风险系数计算模块1200、风险关联影响计算模块1300、第一风险评价模块1400中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本公开的实施例,数据获取模块1100、风险系数计算模块1200、风险关联影响计算模块1300、第一风险评价模块1400中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,数据获取模块1100、风险系数计算模块1200、风险关联影响计算模块1300、第一风险评价模块1400中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
图14示意性示出了根据本公开实施例的适于实现企业风险评价方法的电子设备的方框图。
如图14所示,根据本公开实施例的电子设备1400包括处理器1401,其可以根据存储在只读存储器(ROM)1402中的程序或者从存储部分1408加载到随机访问存储器(RAM)1403中的程序而执行各种适当的动作和处理。处理器1401例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC))等等。处理器1401还可以包括用于缓存用途的板载存储器。处理器1401可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1403中,存储有电子设备1400操作所需的各种程序和数据。处理器1401、ROM 1402以及RAM 1403通过总线1404彼此相连。处理器1401通过执行ROM 1402和/或RAM1403中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意,所述程序也可以存储在除ROM 1402和RAM 1403以外的一个或多个存储器中。处理器1401也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例,电子设备1400还可以包括输入/输出(I/O)接口1405,输入/输出(I/O)接口1405也连接至总线1404。电子设备1400还可以包括连接至I/O接口1405的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1406;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1407;包括硬盘等的存储部分1408;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1409。通信部分1409经由诸如因特网的网络执行通信处理。驱动器1410也根据需要连接至I/O接口1405。可拆卸介质1411,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1410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1408。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。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执行时,实现根据本公开实施例的方法。
根据本公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于: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)、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。在本公开中,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。例如,根据本公开的实施例,计算机可读存储介质可以包括上文描述的ROM 1402和/或RAM 1403和/或ROM 1402和RAM 1403以外的一个或多个存储器。
本公开的实施例还包括一种计算机程序产品,其包括计算机程序,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。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的物品推荐方法。
在该计算机程序被处理器1401执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例,上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
在一种实施例中,该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中,该计算机程序也可以在网络介质上以信号的形式进行传输、分发,并通过通信部分1409被下载和安装,和/或从可拆卸介质1411被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
在这样的实施例中,该计算机程序可以通过通信部分1409从网络上被下载和安装,和/或从可拆卸介质1411被安装。在该计算机程序被处理器1401执行时,执行本公开实施例的系统中限定的上述功能。根据本公开的实施例,上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
根据本公开的实施例,可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码,具体地,可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java,C++,python,“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设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(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,图示了按照本公开各种实施例的系统、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,上述模块、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。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合,即使这样的组合或结合没有明确记载于本公开中。特别地,在不脱离本公开精神和教导的情况下,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (15)
1.一种企业风险评价方法,包括:
获取目标企业及其关联企业的业务数据;
基于所述目标企业及所述关联企业的业务数据,计算所述目标企业和所述关联企业各自的风险系数;
基于所述关联企业的风险系数和所述关联企业对所述目标企业的影响权重,计算表示所述关联企业对所述目标企业风险影响程度的风险影响系数;
基于所述目标企业的风险系数以及所述风险影响系数共同评价所述目标企业的风险情况。
2.根据权利要求1所述的方法,所述基于所述目标企业及所述关联企业的业务数据,计算所述目标企业和所述关联企业各自的风险系数包括:
按照预设的评价规则,评价所述业务数据中的各类数据分别对所属企业的风险影响权重;
基于各类所述业务数据和所述风险影响权重,计算所属企业的风险概率值;
根据所述风险概率值与风险系数的映射关系,得到所述业务数据所属企业的风险系数。
3.根据权利要求2所述的方法,所述基于各类所述业务数据和所述风险影响权重,计算所属企业的风险概率值包括:
计算各类所述业务数据与对应的风险影响权重的乘积;
以所述乘积作为各类所述业务数据的风险影响参数代入预设公式,计算所述业务数据所属企业的风险概率值。
4.根据权利要求2所述的方法,所述基于各类所述业务数据和所述风险影响权重,计算所属企业的风险概率值包括:
选出最大的前N项所述风险影响权重,基于所述前N项的风险影响权重及其对应的所述业务数据计算所属企业的风险概率值。
5.根据权利要求1所述的方法,所述基于所述关联企业的风险系数和所述关联企业对所述目标企业的影响权重,计算表示所述关联企业对所述目标企业风险影响程度的风险影响系数包括:
计算所述关联企业的风险系数与所述影响权重的乘积,得到所述风险关联影响系数。
6.根据权利要求1所述的方法,当所述关联企业数量大于1时,所述基于所述关联企业的风险系数和所述关联企业对所述目标企业的影响权重,计算表示所述关联企业对所述目标企业风险影响程度的风险影响系数包括:
计算全部所述关联企业的风险系数与所述影响权重的乘积之和,得到所述风险影响系数。
7.根据权利要求6所述的方法,所述方法还包括:
计算所述风险关联影响系数之前,将各所述关联企业的风险系数标准化。
8.根据权利要求1所述的方法,所述基于所述目标企业的风险系数以及所述风险影响系数共同评价所述目标企业的风险情况包括:
当所述风险影响系数小于第一阈值且所述目标企业的风险系数小于第二阈值时,将所述目标企业评价为低风险企业;
当所述目标企业的风险系数以及所述风险影响系数中的至少一个大于对应的预设阈值时,将所述目标企业评价为高风险企业。
9.根据权利要求1所述的方法,所述关联企业包括所述目标企业的母公司、所述目标企业的实际控制人名下的其他公司以及所述实际控制人亲属名下的公司。
10.根据权利要求9所述的方法,当所述关联企业为所述目标企业的母公司时,所述关联企业对所述目标企业的影响权重的计算包括:
获取所述关联企业对所述目标企业的认缴出资额;
计算所述认缴出资额占所述目标企业的全部出资额的占比,将所述占比记为对应的所述关联企业对所述目标企业的影响权重。
11.根据权利要求9所述的方法,当所述关联企业为所述目标企业的实际控制人名下的其他公司以及所述实际控制人亲属名下的公司时,所述关联企业对所述目标企业的影响权重为1。
12.一种企业风险评价装置,包括:
数据获取模块,用于获取目标企业及其关联企业的业务数据;
风险系数计算模块,用于基于所述目标企业及所述关联企业的业务数据,计算所述目标企业和所述关联企业各自的风险系数;
风险关联影响计算模块,用于基于所述关联企业的风险系数和所述关联企业对所述目标企业的影响权重,计算表示所述关联企业对所述目标企业风险影响程度的风险影响系数;
第一风险评价模块,用于基于所述目标企业的风险系数以及所述风险影响系数共同评价所述目标企业的风险情况。
13.一种电子设备,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,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行根据权利要求1~11中任一项所述的方法。
14.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~11中任一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111460435.0A CN114119208A (zh) | 2021-12-01 | 2021-12-01 | 企业风险评价方法、装置、设备、介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111460435.0A CN114119208A (zh) | 2021-12-01 | 2021-12-01 | 企业风险评价方法、装置、设备、介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114119208A true CN114119208A (zh) | 2022-03-01 |
Family
ID=80366306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111460435.0A Pending CN114119208A (zh) | 2021-12-01 | 2021-12-01 | 企业风险评价方法、装置、设备、介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114119208A (zh) |
-
2021
- 2021-12-01 CN CN202111460435.0A patent/CN114119208A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11321774B2 (en) | Risk-based machine learning classifier | |
Prawitt et al. | Internal audit outsourcing and the risk of misleading or fraudulent financial reporting: Did Sarbanes‐Oxley get it wrong? | |
US11226994B2 (en) | Modifying data structures to indicate derived relationships among entity data objects | |
US8666851B2 (en) | Engine, system and method of providing cloud-based business valuation and associated services | |
CN111127178A (zh) | 数据处理方法与装置、存储介质、电子设备 | |
US20140089168A1 (en) | Compliance review | |
CN114238993A (zh) | 风险检测方法、装置、设备及介质 | |
CN113379554A (zh) | 金融产品的推荐方法、装置、设备、介质和程序产品 | |
CN111695988A (zh) | 信息处理方法、装置、电子设备和介质 | |
US20230121564A1 (en) | Bias detection and reduction in machine-learning techniques | |
CN114782170A (zh) | 评估模型风险等级的方法、装置、设备和介质 | |
CN116091249A (zh) | 交易风险的评估方法、装置、电子设备和介质 | |
CN114119208A (zh) | 企业风险评价方法、装置、设备、介质和程序产品 | |
CN114493853A (zh) | 信用等级评价方法、装置、电子设备及存储介质 | |
Li et al. | Research on Efficiency in Credit Risk Prediction Using Logistic‐SBM Model | |
CN111915425A (zh) | 一种贷款审批方法、装置、设备及存储介质 | |
US20240185249A1 (en) | EVALUATING TRANSACTIONS IN A DECENTRALIZED FINANCE NETWORK BASED ON DECOMPOSED NON-FUNGIBLE TOKENS (NFTs) | |
CN117934154A (zh) | 交易风险预测方法、模型训练方法、装置、设备、介质和程序产品 | |
CN117911033A (zh) | 交易限额确定方法、装置、设备、介质及程序产品 | |
CN115689705A (zh) | 对象识别方法、装置、设备及介质 | |
CN114971871A (zh) | 可贷额度测算方法、装置、设备、介质和程序产品 | |
CN118134497A (zh) | 交易对象确定方法及装置、设备、存储介质和程序产品 | |
CN113421152A (zh) | 由电子设备执行的任务执行方法及装置、电子设备 | |
CN116797024A (zh) | 业务处理方法、装置、电子设备和存储介质 | |
CN115393025A (zh) | 产品推荐方法、装置、电子设备和存储介质 |
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 |