CN114170003A - 应用于小微企业的经营风险及价值量化模型及其工作方法 - Google Patents

Abstract

本发明提供一种应用于小微企业的经营风险及价值量化模型及其工作方法，其中，模型采用信息采集模块采集企业的标签信息，标签画像模块基于标签信息确定企业画像标签，采用第一拦截模块根据企业画像标签确定对应的拦截规则，对企业进行针对性拦截，企业通过拦截后，通过评分模块根据企业画像标签对企业进行评分，获取企业评分，并对应的企业评级，通过第二拦截模块根据企业评分与预设阈值之间的关系，结合企业评级，对企业进行二次拦截，在企业通过二次拦截后，采用额度确定模块确定企业信贷额度。本发明实现了小微企业经营风险和价值的自动化量化，提升了信贷业务的响应效率，对不同企业进行针对性的风险识别，提高模型输出数据的可靠性。

Description

应用于小微企业的经营风险及价值量化模型及其工作方法

技术领域

本发明涉及信贷风控技术领域，尤其涉及一种应用于小微企业的经营风险及价值量化模型及其工作方法。

背景技术

近些年，在大力发展普惠金融的号召下，银行与税局积极开展银税互动业务，助力普惠金融，希望能够切实服务好中小微企业资金需求，解决小微企业融资难、融资贵问题。现有的信贷风控模型主要依赖于专家经验定制风控规则+征信打分卡形式，风控人员会通过线下尽调的方式来进行风险特征的梳理及管控。

但是现有风控方式存在以下缺点：优化周期方面，基于专家经验的阈值设定方式的调优周期会比较长，当整个行业趋势明天不变化时，其策略的调整受限于经验的滞后性，通常无法及时响应；建模手段方面，专家模型在细分行业、纳税人类型差异下的阈值选择问题上缺乏依据，当观念冲突时易陷入盲目决策的困局；业务理解方面，小微企业通常存在管理不规范的特性，使得仅观察纳税特征不足以发现小微企业真实的经营状况，最终导致风控模型误杀优质企业或者误放过高风险企业；成本控制方面，人工线下尽调的方式必然会高于线上数字化模型，并且对于互联网银行等没有充足人力且没有线下网点的金融机构而言，人工线下尽调是无法开展的。

综上，如何实现小微企业经营风险和价值的自动化量化，提升信贷业务响应效率，对不同企业进行针对性的风险识别，降低信贷业务风险，降低风控成本，是亟待本领域技术人员解决的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种应用于小微企业的经营风险及价值量化模型及其工作方法。

一种应用于小微企业的经营风险及价值量化模型，包括：信息采集模块、标签画像模块、第一拦截模块、评分模块、第二拦截模块和额度确定模块；所述信息采集模块与所述标签画像模块连接，用于根据企业授权采集企业的标签信息；所述标签画像模块与所述第一拦截模块连接，用于根据企业的标签信息，确定企业画像标签；所述第一拦截模块与所述评分模块连接，用于根据企业画像标签确定拦截规则，并根据所述拦截规则对企业进行拦截；所述评分模块与所述第二拦截模块连接，用于在企业通过拦截规则后，根据所述企业画像标签对企业进行评分，获取企业评分，根据所述企业评分确定企业评级；所述第二拦截模块与所述额度确定模块连接，用于根据预设阈值和企业评分之间的关系，结合企业评级，对企业进行二次拦截；所述额度确定模块，用于根据所述企业评分和企业评级，确定企业信贷额度。

在其中一个实施例中，所述标签画像模块包括行业标签单元、纳税人类型标签单元、纳税信用评级标签单元和企业成立年限标签单元；所述行业标签单元用于根据国标4级分类，确定企业所在行业；所述纳税人类型标签单元用于区分一般纳税人和小规模纳税人；所述纳税信用评级标签单元用于根据纳税信用等级评定方法确定企业的纳税信用级别；所述企业成立年限标签单元用于区分企业的成熟度。

在其中一个实施例中，所述第一拦截模块包括工商拦截单元、司法拦截单元、税票拦截单元和征信拦截单元；所述工商拦截单元用于根据企业成立年限、法人持股比例、法人变更频率和关联企业对企业进行拦截；所述司法拦截单元用于根据企业和法人的被执行信息、失信被执行信息、限高消费信息和申诉信息对企业进行拦截；所述税票拦截单元用于根据企业的经营和纳税信息，企业短期、中期和长期的经营规模，营收趋势，经营稳定性和纳税规范性，上下游质量和上下游稳定性，对企业进行拦截；所述征信拦截单元用于根据企业贷款审批查询次数、综合负债情况和当前逾期情况对企业进行拦截。

在其中一个实施例中，所述第一拦截模块采用的拦截逻辑为：假定F(x_i)为单一策略下规则拒绝与否的函数，i表示规则序号，则定义Reject为拦截标志，有：

其中，Reject＝1则表示拦截，Reject＝0则表示通过。

在其中一个实施例中，所述评分模块包括经营评分单元、纳税行为评分单元、法人评分单元、行业评分单元、财务评分单元、特例调整评分单元、专家评分单元和评级映射单元；所述经营评分单元用于根据一段时间内，企业的未经营月份数指标、连续未经营月份数指标、月销售规模指标、月销售规模同/环比指标、稳定经营的月份数指标、上下游客户稳定性指标和红废票占比指标，对企业进行评分；所述纳税行为评分单元用于根据一段时间内，企业的应税销售收入规模指标、应税销售收入同/环比指标、增值税/企业所得税应纳税额指标、增值税/企业所得税应纳税额同/环比指标、滞纳金金额/次数/趋势指标、违法违章次数指标和纳税评级/纳税评级迁移指标，对企业进行评分；所述法人评分单元用于根据法人持股比例指标、法人在位时长指标和法人变更频率指标，对企业进行评分；所述行业评分单元用于根据一段时间内，企业的纳税行业排名指标、经营规模行业排名指标和企业所得税行业排名指标，对企业进行评分；所述财务评分单元用于根据一段时间内，企业的税务和发票数据获取财务数据指标，对企业进行评分；所述特例调整评分单元用于根据预设条件对对应指标的数据进行调整，并根据调整后的指标数据与预设数据之间的关系，对企业进行评分；所述评级映射单元用于根据所有指标的评分获取企业评分，并根据所述企业评分在企业映射评级表中，映射获取企业评级。

在其中一个实施例中，所述评分模块还包括：指标集合划分单元、代表性指标选取单元、权重训练单元和指标权重分配单元；所述指标集合划分单元用于根据风险关注点将业务概念，划分为多个指标集合；所述代表性指标选取单元用于根据指标的区分度，在每个指标集合中选取代表性指标；所述权重训练单元用于基于所述代表性指标构建训练数据集，并通过分类算法训练指标权重，根据训练结果获取代表性指标的权重；所述指标权重分配单元用于根据所述代表性指标的权重，以近期影响大于远期影响、区分度较高的指标优于区分度较低的指标为原则，对集合内的指标进行权重分配。

在其中一个实施例中，所述评分模块计算企业评分逻辑如下：

其中，F(x_i)为指标i结果值的分箱得分，i表示指标序号，R(m_j)为模块j特例调整后是否拒绝的结果，R(m_j)＝1时拒绝，R(m_j)＝0时通过，G(m_j)为模块j特例调整函数，b为基础得分。

在其中一个实施例中，所述第二拦截模块中的预设阈值确定方法为：根据任一指标，按照预设比例选取好坏样本，根据行业绘制在经验分箱下的分布图和累计分布图，其中，在指标涉及一段时间内企业经营或销售的规模时，取应税销售收入和销项发票合计中的较大值；根据所述分布图和累计分布图判断存在明显差异的阈值点，所述阈值点滤除企业的比例不超过20％，且处于好坏样本比例或绝对数量的最大差异处；假定指标真实值为X，则定义规则拦截率为r(X)，因拦截导致客群滤除的因素权重为a，指标区分度为d(X)，区分度因素权重为b，满足a+b＝1的前提下，阈值选择的最优解公式为：

f(X)＝argmax(a·(1-r(X))+b·d(X)；

求解出f′(X)＝0时X的值，即为预设阈值选择的最优解。

在其中一个实施例中，所述第二拦截模块中还设置有条件判断单元，通过条件判断单元结合强弱规则组合逻辑，选用对应的预设阈值。

一种应用于小微企业的经营风险及价值量化模型的工作方法，包括以下步骤：基于企业授权采集企业的标签信息；根据所述标签信息确定企业画像标签；根据企业画像标签确定拦截规则，根据拦截规则对企业进行拦截；在企业通过拦截后，根据企业画像标签对企业进行评分，获取企业评分，根据企业评分确定企业评级；基于预设阈值、企业评分和企业评级对企业进行二次拦截；根据企业评分和企业评级，确定企业信贷额度。

相比于现有技术，本发明的优点及有益效果在于：

1、本发明实现了小微企业经营风险和价值的自动化量化，提升了信贷业务的响应效率，能够保留较为完备的风险要素，基于标签组的路由策略解决不同场景下的客群差异化问题，对不同企业进行针对性的风险识别，提高模型输出数据的可靠性，降低了风控成本。

2、本发明能够对指标进行一定程度的融合逻辑处理，使得风险评价过程中运用的指标相对单一数据源更能反应企业的真实经营状况。

附图说明

图1为一个实施例中一种应用于小微企业的经营风险及价值量化模型的结构示意图；

图2为图1中标签画像模块的结构示意图；

图3为图1中第一拦截模块的结构示意图；

图4为图1中评分模块的结构示意图；

图5为某企业各个指标的得分计算界面图；

图6为好坏样本的区分度曲线图；

图7为一个实施例中一种应用于小微企业的经营风险及价值量化模型的工作方法的流程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结合附图对本发明做进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

如图1所示，提供了一种应用于小微企业的经营风险及价值量化模型100，包括：信息采集模块10、标签画像模块20、第一拦截模块30、评分模块40、第二拦截模块50和额度确定模块60；信息采集模块10与标签画像模块20连接，用于根据企业授权采集企业的标签信息；标签画像模块20与第一拦截模块30连接，用于根据企业的标签信息，确定企业画像标签；第一拦截模块30与评分模块40连接，用于根据企业画像标签确定拦截规则，并根据拦截规则对企业进行拦截；评分模块40与第二拦截模块50连接，用于在企业通过拦截规则后，根据企业画像标签对企业进行评分，获取企业评分，根据企业评分确定企业评级；第二拦截模块50与额度确定模块60连接，用于根据预设阈值和企业评分之间的关系，结合企业评级，对企业进行二次拦截；额度确定模块60，用于根据企业评分和企业评级，确定企业信贷额度。

在本实施例中，通过信息采集模块10根据企业授权采集企业的标签信息，通过标签画像模块20根据标签信息确定企业画像标签，采用第一拦截模块30根据企业画像标签确定对应的拦截规则，并根据该拦截规则对企业进行针对性拦截，在企业通过拦截后，通过评分模块40根据企业画像标签对企业进行评分，获取企业评分，并确定企业评分对应的企业评级；通过第二拦截模块50根据企业评分与预设阈值之间的关系，结合企业评级，对企业进行二次拦截，在企业通过二次拦截后，采用额度确定模块60确定企业信贷额度，实现了小微企业经营风险和价值的自动化量化，提升了信贷业务的响应效率，能够保留较为完备的风险要素，基于标签组的路由策略解决不同场景下的客群差异化问题，对不同企业进行针对性的风险识别，提高模型输出数据的可靠性，降低了风控成本。

如图2所示，标签画像模块20包括行业标签单元21、纳税人类型标签单元22、纳税信用评级标签单元23和企业成立年限标签单元24；行业标签单元21用于根据国标4级分类，确定企业所在行业；纳税人类型标签单元22用于区分一般纳税人和小规模纳税人；纳税信用评级标签单元23用于根据纳税信用等级评定方法确定企业的纳税信用级别；企业成立年限标签单元24用于区分企业的成熟度。

具体地，标签画像模块20属于前置模块，基于企业授权采集的企业税、票信息识别企业的行业、纳税人类型、纳税信用评级和企业经营年限这四类标签信息，通过行业标签单元21、纳税人类型标签单元22、纳税信用评级标签单元23和企业成立年限标签单元24构建标签体系，标签体系的使用逻辑如下：

行业标签，基于国际4级分类，对于不同行业的企业，后续规则和预设阈值的选取会有所不同，使得金融机构对于企业的授信更符合行业的长期发展趋势及短期季节波动特性；

纳税人类型标签，主要用于区分一般纳税人和小规模纳税人，两者在纳税标准、减免和抵扣政策方面存在显著差异，因此在设置拦截规则和进行企业评分时，会对两者进行区分；

纳税信用评级标签，纳税信用评级分为A/B/M/C/D共5类，是税务局用于描述企业缴纳税款规范性的综合性评级标准，通常认为A/B/C级别的企业为小微企业信贷模型的主要目标群体，M级用于表征新设立企业或无年度经营行为的企业，D级企业通常不属于金融机构信贷产品的目标客群，由于A/B/C三类群体在税务特征上存在显著差异，因此后续建模过程中需要进行差异化处理；

企业成立年限标签，数值经过分箱处理后，用于区分不同成熟度的企业，基于统计数据，小微企业普遍存活时间较短，大多数在3-5年注销，因此，可以通过企业年限对企业经营的阶段予以区分，也具备一定的参考性。

如图3所示，第一拦截模块30包括工商拦截单元31、司法拦截单元32、税票拦截单元33和征信拦截单元24；工商拦截单元31用于根据企业成立年限、法人持股比例、法人变更频率和关联企业对企业进行拦截；司法拦截单元32用于根据企业和法人的被执行信息、失信被执行信息、限高消费信息和申诉信息对企业进行拦截；税票拦截单元33用于根据企业的经营和纳税信息，企业短期、中期和长期的经营规模，营收趋势，经营稳定性和纳税规范性，上下游质量和上下游稳定性，对企业进行拦截；征信拦截单元34用于根据企业贷款审批查询次数、综合负债情况和当前逾期情况对企业进行拦截。

具体地，企业选用的拦截策略取决于标签体系运算的结果，针对不同的标签组合，选择适配的规则组用以风险企业的发现的拦截。第一拦截模块30进行拦截的数据源主要划分为工商数据、司法数据、税票数据和征信数据。其中，工商相关的拦截策略主要涉及企业成立年限、法人持股比例、法人变更频率、关联企业和法人名下企业经营状况等；司法相关的拦截策略主要涉及申请企业及其法人的被执行信息、失信被执行信息、限高消费信息和申诉信息等；税票数据的拦截策略主要涉及企业的经营及纳税的现状，企业短、中、长期的经营规模、营收趋势、经营稳定性，并结合纳税规范性、上下游质量及上下游稳定性等方面；征信数据的拦截策略主要涉及企业的贷款审批查询次数、综合负债情况和当前逾期情况等。整个拦截策略中，系统会依据企业实时获取的数据计算加工为各项指标，并对整体表现不满足基本指标要求的企业进行拦截。

其中，第一拦截模块采用的拦截逻辑为：假定F(x_i)为单一策略下规则拒绝与否的函数，i表示规则序号，则定义Reject为拦截标志，有：

其中，Reject＝1则表示拦截，Reject＝0则表示通过。

具体地，根据拦截规则，获取单一策略规则，根据单一策略规则对企业进行拦截时，计算出拦截标志对应的数值，在拦截标志为0时，该企业通过对应单一策略规则的拦截；在拦截标志为1时，对该企业进行拦截。

如图4所示，评分模块40包括经营评分单元411、纳税行为评分单元412、法人评分单元413、行业评分单元414、财务评分单元415、特例调整评分单元416和评级映射单元417；经营评分单元411用于根据一段时间内，企业的未经营月份数指标、连续未经营月份数指标、月销售规模指标、月销售规模同/环比指标、稳定经营的月份数指标、上下游客户稳定性指标和红废票占比指标，对企业进行评分；纳税行为评分单元412用于根据一段时间内，企业的应税销售收入规模指标、应税销售收入同/环比指标、增值税/企业所得税应纳税额指标、增值税/企业所得税应纳税额同/环比指标、滞纳金金额/次数/趋势指标、违法违章次数指标和纳税评级/纳税评级迁移指标，对企业进行评分；法人评分单元413用于根据法人持股比例指标、法人在位时长指标和法人变更频率指标，对企业进行评分；行业评分单元414用于根据一段时间内，企业的纳税行业排名指标、经营规模行业排名指标和企业所得税行业排名指标，对企业进行评分；财务评分单元415用于根据一段时间内，企业的税务和发票数据获取财务数据指标，对企业进行评分；特例调整评分单元416用于根据预设条件对对应指标的数据进行调整，并根据调整后的指标数据与预设数据之间的关系，对企业进行评分；评级映射单元417用于根据所有指标的评分获取企业评分，并根据企业评分在企业映射评级表中，映射获取企业评级。

具体地，评分模块40定义了经营状况、纳税行为、法人股东、行业排名和财务五个基本板块，其中，纳税行为和经营状况为核心板块，纳税行为主要评估企业纳税的规模、趋势及合规性；经营状况主要反映企业的整体经营规模、收入趋势和收入稳定性。

在根据指标进行评分时，如图5所示，为某制造业企业且为一般纳税人的各个指标的得分计算界面图，首先根据企业的相关数据，获取每个指标的数据，对应计算指标得分，根据指标得分获取对应板块的得分，根据板块的得分综合获取企业评分，最后根据企业评分映射得到企业评级。

此外，由于根据上述板块进行拦截时，存在一定的误杀可能，在针对特定群体时，为了针对性找出判定为有风险的企业并予以拒绝，因此可以设置特殊条件，通过特例调整评分单元416对特定群体的指标要求进行对应的调整，便于精确定位企业群体中的风险个体。

根据上述单元分别对企业进行评分后，获取对应的评分结果，综合所有评分获取企业评分，并根据企业映射评级表获取企业评级，如表1所示，为企业是一般纳税人，且为制造业时的企业映射评级表。为了避免纯机器学习过度依赖数值最优解，造成过拟合现象，导致模型的可解释性降低的问题，在进行企业评分时，还可以一定程度上结合专家意见综合获取企业评分。

表1企业映射评级表

其中，评分模块40还包括：指标集合划分单元421、代表性指标选取单元422、权重训练单元423和指标权重分配单元424；指标集合划分单元421用于根据风险关注点将业务概念，划分为多个指标集合；代表性指标选取单元422用于根据指标的区分度，在每个指标集合中选取代表性指标；权重训练单元423用于基于代表性指标构建训练数据集，并通过分类算法训练指标权重，根据训练结果获取代表性指标的权重；指标权重分配单元424用于根据代表性指标的权重，以近期影响大于远期影响、区分度较高的指标优于区分度较低的指标为原则，对集合内的指标进行权重分配。

具体地，考虑到指标的完备性，即税票经营类指标考虑的风险项要求完备，统一指标在时间维度上的趋势和时间窗口也需要完备，因此，在设置指标权重训练时，全面的指标反而容易造成过拟合显像，因此可以根据一种分集合代表机制，结合专家在单一集合内的权重分配方案，综合解决过拟合问题。

具体地，分集合代表机制可以通过指标集合划分单元421、代表性指标选取单元422、权重训练单元423和指标权重分配单元424进行实现，具体为：

通过指标集合划分单元421以风险关注点为基准，将相近业务概念的指标归集为同一指标集合，例如，反应企业规模的应税销售收入指标、销项发票合计指标(包括不同时间区间的衍生指标，下同)、反映纳税规模的增值税额指标、反映经营趋势的收入同/环比指标以及反映经营稳定性的0申报指标等，可以归集到同一指标集合；

通过代表性指标选取单元422从各指标集合中选出代表性指标，选择标准主要依据指标在企业画像标签上的区分度，一定程度上可以考虑专家建议，避免过拟合问题；

通过权重训练单元423基于各代表性指标构建训练数据集，应用分类算法训练各指标集合的权重，对于训练的结果，需要保持各指标集合权重的合理性和可解释性，减少指标集合权重差异特别悬殊和不符合认知的情况；

通过指标权重分配单元424以近期影响大于远期影响、样本区分度较高的指标优于区分度较低的指标为原则，结合专家对宏观、行业等方面的建议，分配指标集合中不同指标的权重，同样需要考虑指标模型在权重方面的可解释性。

其中，评分模块40计算企业评分逻辑如下：

其中，F(x_i)为指标i结果值的分箱得分，i表示指标序号，R(m_j)为模块j特例调整后是否拒绝的结果，R(m_j)＝1时拒绝，R(m_j)＝0时通过，G(m_j)为模块j特例调整函数，b为基础得分。

具体地，在进行企业评分时，根据所有指标得分获取企业评分的方式如上式所示，基础得分可以根据金融机构的需要进行对应的设置，例如可以设为500分。

其中，第二拦截模块50中的预设阈值确定方法为：根据任一指标，按照预设比例选取好坏样本，根据行业绘制在经验分箱下的分布图和累计分布图，其中，在指标涉及一段时间内企业经营或销售的规模时，取应税销售收入和销项发票合计中的较大值；根据分布图和累计分布图判断存在明显差异的阈值点，阈值点滤除企业的比例不超过20％，且处于好坏样本比例或绝对数量的最大差异处；假定指标真实值为X，则定义规则拦截率为r(X)，因拦截导致客群滤除的因素权重为a，指标区分度为d(X)，区分度因素权重为b，满足a+b＝1的前提下，阈值选择的最优解公式为：

f(X)＝argmax(a·(1-r(X))+b·d(X)；

求解出f′(X)＝0时X的值，即为预设阈值选择的最优解。

具体地，在进行预设阈值确定之前，需要通过税票数据的互相比对，对小微企业的真实经营状况进行还原，提高模型计算结果对信贷评估的实用性。企业的收入可以分位开票收入和未开票收入，真实收入会大于对应时段的销项发票合计，在税务方面，企业应税销售收入正常情况下会大于销项发票合计，但对于部分特殊的行业，例如外贸，因其无销项发票，即应税收入会高于销项发票合计，但小于真实收入。综上，选用销项发票合计和应税销售收入合计的较大值作为企业销售收入的评价指标，会更加接近企业的真实经营状况。因此在整个模型应用中，一段时间内，企业经营或销售规模的定义为应税销售收入和销售发票合计中的较大值，该定义贯穿所有与经营规模有关的指标或衍生指标，例如经营规模的同/环比、离散系数等。

预设阈值的选定需要有相应的数据进行支撑，例如，针对所有规则涉及的指标，按照10比1的比例选取好坏样本，分行业绘制其在经验分箱下的分布图和累计分布图，以“近六个月应税销售收入当前连续0申报月份数”指标为例，该指标在不同行业下存在明显差异，建筑业的连续0申报表现为各行业中最为明显的，相比而言，制造业和交通运输业则经营更加稳定。

在此前提下，预设阈值的选择需要遵循两个原则，其一，单一规则滤除企业比例不超过20％，否则结合其余拦截规则后，整体的的通过率会偏低，严重影响产品体验。其二，选择好坏样本区分明显的阈值点，使好坏样本比例或绝对数量差距尽量大，如图6所示，右侧图使用竖线沿横轴向右侧滑动，好样本与坏样本高度差越大，说明该阈值的区分度越明显。

综合考虑上述两个原则，使综合效果较优即可。这里假定指标真实值为X，则定义规则拦截率为r(X)，因拦截导致客群滤除的因素权重为a，指标区分度为d(X)，区分度因素权重为b，满足a+b＝1的前提下，可以将阈值选择问题转化为最优化问题，并根据公式进行对应的计算，获取预设阈值。

其中，第二拦截模块50中还设置有条件判断单元5，通过条件判断单元5结合强弱规则组合逻辑，选用对应的预设阈值。

具体地，由于评分模块40中设置的特例调整单元416，因此在第二模块中还设置有条件判断单元51，与特例调整单元416进行对应。模型在第二拦截模块50阶段的强弱组合策略可以如表2所示，以工商类数据的指标“企业经营年限”为例，当附加条件“近6个月经营规模同比”≥-0.3成立时，申请企业的经营年限阈值可放宽为1.5年，否则默认情况下该信贷产品只能对“企业经营年限”满2年以上的企业进行展业。

表2

在一个实施例中，如图7所示，提供了一种应用于小微企业的经营风险及价值量化模型的工作方法，包括以下步骤：

步骤S701，基于企业授权采集企业的标签信息。

具体地，根据企业授权采集企业的税、票信息，根据税、票信息识别企业的行业、纳税人标签、纳税信用评级和企业成立年限这四类的标签信息。

步骤S702，根据标签信息确定企业画像标签。

具体地，根据企业对应的行业、纳税人标签、纳税信用评级和企业成立年限确定企业画像标签。

步骤S703，根据企业画像标签确定拦截规则，根据拦截规则对企业进行拦截。

具体地，根据企业的画像标签选用对应的拦截规则，从而对风险企业进行发现并拦截。拦截规则主要通过工商数据、司法数据、税票数据和征信数据三个板块的数据源对风险企业进行识别和拦截，根据企业的实时获取数据，计算加工为各项指标，并对整体表现不满足基本指标要求的企业予以拦截。

步骤S704，在企业通过拦截规则后，根据企业画像标签对企业进行评分，获取企业评分，根据企业评分确定企业评级。

具体地，在企业通过拦截规则后，根据企业画像标签选择不同的分箱表，根据预先设定的法人股东、纳税行为、经营状况、财务和行业五个基本板块，获取对应的指标数据，并根据指标数据计算获取企业评分，根据企业评分在企业评级映射表中确定企业评级。

步骤S705，基于预设阈值、企业评分和企业评级对企业进行二次拦截。

具体地，根据企业评分与预设阈值的关系，结合企业评级，对企业进行二次拦截。

步骤S706，根据企业评分和企业评级，确定企业信贷额度。

在本实施例中，通过企业授权采集企业的标签信息，根据标签信息确定企业互相标签，根据企业画像标签确定拦截规则，根据拦截规则对企业进行拦截，在企业通过拦截后，根据企业画像标签对企业进行评分，获取企业评分，根据企业评分确定企业评级，根据预设阈值、企业评分和企业评级对企业进行二次拦截，根据企业评分和企业评级，确定企业信贷额度，能够根据企业画像标签确定对应的拦截规则，对不同企业设置针对性的风控策略，兼具包容性和差异性，且提高了数据的可靠性。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

显然，本领域的技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在计算机存储介质(ROM/RAM、磁碟、光盘)中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以，本发明不限制于任何特定的硬件和软件结合。

以上内容是结合具体的实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种应用于小微企业的经营风险及价值量化模型，其特征在于，包括：信息采集模块、标签画像模块、第一拦截模块、评分模块、第二拦截模块和额度确定模块；

所述信息采集模块与所述标签画像模块连接，用于根据企业授权采集企业的标签信息；

所述标签画像模块与所述第一拦截模块连接，用于根据企业的标签信息，确定企业画像标签；

所述第一拦截模块与所述评分模块连接，用于根据企业画像标签确定拦截规则，并根据所述拦截规则对企业进行拦截；

所述评分模块与所述第二拦截模块连接，用于在企业通过拦截规则后，根据所述企业画像标签对企业进行评分，获取企业评分，根据所述企业评分确定企业评级；

所述第二拦截模块与所述额度确定模块连接，用于根据预设阈值和企业评分之间的关系，结合企业评级，对企业进行二次拦截；

所述额度确定模块，用于根据所述企业评分和企业评级，确定企业信贷额度。

2.根据权利要求1所述的应用于小微企业的经营风险及价值量化模型，其特征在于，所述标签画像模块包括行业标签单元、纳税人类型标签单元、纳税信用评级标签单元和企业成立年限标签单元；

所述行业标签单元用于根据国标4级分类，确定企业所在行业；

所述纳税人类型标签单元用于区分一般纳税人和小规模纳税人；

所述纳税信用评级标签单元用于根据纳税信用等级评定方法确定企业的纳税信用级别；

所述企业成立年限标签单元用于区分企业的成熟度。

3.根据权利要求1所述的应用于小微企业的经营风险及价值量化模型，其特征在于，所述第一拦截模块包括工商拦截单元、司法拦截单元、税票拦截单元和征信拦截单元；

所述工商拦截单元用于根据企业成立年限、法人持股比例、法人变更频率和关联企业对企业进行拦截；

所述司法拦截单元用于根据企业和法人的被执行信息、失信被执行信息、限高消费信息和申诉信息对企业进行拦截；

所述税票拦截单元用于根据企业的经营和纳税信息，企业短期、中期和长期的经营规模，营收趋势，经营稳定性和纳税规范性，上下游质量和上下游稳定性，对企业进行拦截；

所述征信拦截单元用于根据企业贷款审批查询次数、综合负债情况和当前逾期情况对企业进行拦截。

4.根据权利要求3所述的应用于小微企业的经营风险及价值量化模型，其特征在于，所述第一拦截模块采用的拦截逻辑为：

假定F(x_i)为单一策略下规则拒绝与否的函数，i表示规则序号，则定义Reject为拦截标志，有：

其中，Reject＝1则表示拦截，Reject＝0则表示通过。

5.根据权利要求1所述的应用于小微企业的经营风险及价值量化模型，其特征在于，所述评分模块包括经营评分单元、纳税行为评分单元、法人评分单元、行业评分单元、财务评分单元、特例调整评分单元、专家评分单元和评级映射单元；

所述经营评分单元用于根据一段时间内，企业的未经营月份数指标、连续未经营月份数指标、月销售规模指标、月销售规模同/环比指标、稳定经营的月份数指标、上下游客户稳定性指标和红废票占比指标，对企业进行评分；

所述纳税行为评分单元用于根据一段时间内，企业的应税销售收入规模指标、应税销售收入同/环比指标、增值税/企业所得税应纳税额指标、增值税/企业所得税应纳税额同/环比指标、滞纳金金额/次数/趋势指标、违法违章次数指标和纳税评级/纳税评级迁移指标，对企业进行评分；

所述法人评分单元用于根据法人持股比例指标、法人在位时长指标和法人变更频率指标，对企业进行评分；

所述行业评分单元用于根据一段时间内，企业的纳税行业排名指标、经营规模行业排名指标和企业所得税行业排名指标，对企业进行评分；

所述财务评分单元用于根据一段时间内，企业的税务和发票数据获取财务数据指标，对企业进行评分；

所述特例调整评分单元用于根据预设条件对对应指标的数据进行调整，并根据调整后的指标数据与预设数据之间的关系，对企业进行评分；

所述评级映射单元用于根据所有指标的评分获取企业评分，并根据所述企业评分在企业映射评级表中，映射获取企业评级。

6.根据权利要求5所述的应用于小微企业的经营风险及价值量化模型，其特征在于，所述评分模块还包括：指标集合划分单元、代表性指标选取单元、权重训练单元和指标权重分配单元；

所述指标集合划分单元用于根据风险关注点将业务概念，划分为多个指标集合；

所述代表性指标选取单元用于根据指标的区分度，在每个指标集合中选取代表性指标；

所述权重训练单元用于基于所述代表性指标构建训练数据集，并通过分类算法训练指标权重，根据训练结果获取代表性指标的权重；

所述指标权重分配单元用于根据所述代表性指标的权重，以近期影响大于远期影响、区分度较高的指标优于区分度较低的指标为原则，对集合内的指标进行权重分配。

7.根据权利要求5所述的应用于小微企业的经营风险及价值量化模型，其特征在于，所述评分模块计算企业评分逻辑如下：

其中，F(x_i)为指标i结果值的分箱得分，i表示指标序号，R(m_j)为模块j特例调整后是否拒绝的结果，R(m_j)＝1时拒绝，R(m_j)＝0时通过，G(m_j)为模块j特例调整函数，b为基础得分。

8.根据权利要求5所述的应用于小微企业的经营风险及价值量化模型，其特征在于，所述第二拦截模块中的预设阈值确定方法为：

根据任一指标，按照预设比例选取好坏样本，根据行业绘制在经验分箱下的分布图和累计分布图，其中，在指标涉及一段时间内企业经营或销售的规模时，取应税销售收入和销项发票合计中的较大值；

根据所述分布图和累计分布图判断存在明显差异的阈值点，所述阈值点滤除企业的比例不超过20％，且处于好坏样本比例或绝对数量的最大差异处；

假定指标真实值为X，则定义规则拦截率为r(X)，因拦截导致客群滤除的因素权重为a，指标区分度为d(X)，区分度因素权重为b，满足a+b＝1的前提下，阈值选择的最优解公式为：

f(X)＝argmax(a·(1-r(X))+b·d(X)；

求解出f′(X)＝0时X的值，即为预设阈值选择的最优解。

9.根据权利要求1所述的应用于小微企业的经营风险及价值量化模型，其特征在于，所述第二拦截模块中还设置有条件判断单元，通过条件判断单元结合强弱规则组合逻辑，选用对应的预设阈值。

10.一种应用于小微企业的经营风险及价值量化模型的工作方法，其特征在于，包括以下步骤：

基于企业授权采集企业的标签信息；

根据所述标签信息确定企业画像标签；

根据企业画像标签确定拦截规则，根据拦截规则对企业进行拦截；

在企业通过拦截后，根据企业画像标签对企业进行评分，获取企业评分，根据企业评分确定企业评级；

基于预设阈值、企业评分和企业评级对企业进行二次拦截；

根据企业评分和企业评级，确定企业信贷额度。

Images