CN114282989A - 企业融资风险监测方法、装置、系统、设备、介质和产品 - Google Patents
企业融资风险监测方法、装置、系统、设备、介质和产品 Download PDFInfo
- Publication number
- CN114282989A CN114282989A CN202111617917.2A CN202111617917A CN114282989A CN 114282989 A CN114282989 A CN 114282989A CN 202111617917 A CN202111617917 A CN 202111617917A CN 114282989 A CN114282989 A CN 114282989A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- monitoring
- fund
- network
- business
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 441
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 238000003860 storage Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012806 monitoring device Methods 0.000 claims description 9
- 238000003012 network analysis Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 239000002994 raw material Substances 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 11
- 230000007246 mechanism Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000001737 promoting effect Effects 0.000 description 4
- 238000011144 upstream manufacturing Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明实施例涉及大数据分析技术领域,公开了一种企业融资风险监测方法、装置、系统、设备、介质和产品,其中,方法包括:获取目标监测企业与预设参考企业的业务信息和资金数据;基于业务信息和资金数据分别构建企业业务监测网络和企业资金监测网络;根据所述目标监测企业在预设监测时间段内,分别在所述企业业务监测网络和/或所述企业资金监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资风险监测结果。本实施例技术方案实现基于目标监测企业与参考标杆企业之间的在产业结构连上的业务信息和资金信息的分析,从产业链结构整体进行分析,建立一个与借贷资金流向匹配性更强的分析网络,更加准确的对企业的融资违规风险进行分析。
Description
技术领域
本发明实施例涉及大数据分析技术领域,尤其涉及一种企业融资风险监测方法、装置、系统、设备、介质和产品。
背景技术
在优化区域产业链发展的过程中,为推动中小企业的发展,银行等资金提供方加大了对中小企业的信贷支持力度,尤其是通过供应链金融为中小企业解决发展资金的需求。
通常资金提供方在为贷款之前,会对借贷方的借贷风险进行评估。但是,针对一个企业的融资风险的评估多是根据该企业自身的企业经营报表数据进行分析,并没有形成发展区域内产业链系统结构上的分析,难以实现对其借贷资金风险进行有效的监测与预警。
发明内容
本发明实施例提供了一种企业融资风险监测方法、装置、系统、设备、介质和产品,以实现基于目标监测企业与参考标杆企业之间的在产业结构连上的业务信息和资金信息的分析,从产业链结构整体进行分析,建立一个与借贷资金流向匹配性更强的分析网络,更加准确的对企业的融资违规风险进行分析。
第一方面,本发明实施例提供了一种企业融资风险监测方法,该方法包括:
获取目标监测企业与预设参考企业的业务信息和资金数据;
基于所述业务信息和所述资金数据分别构建企业业务监测网络和企业资金监测网络;
根据所述目标监测企业在预设监测时间段内,分别在所述企业业务监测网络和/或所述企业资金监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资违规风险监测结果。
第二方面,本发明实施例提供了一种企业融资风险监测装置,该装置包括:
分析数据获取模块,用于获取目标监测企业与预设参考企业的业务信息和资金数据;
监测网络建立模块,用于基于所述业务信息和所述资金数据分别构建企业业务监测网络和企业资金监测网络;
监测网络分析模块,用于根据所述目标监测企业在预设监测时间段内,分别在所述企业业务监测网络和/或所述企业资金监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资违规风险监测结果。
第三方面,本发明实施例还提供了一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器,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本发明任意实施例所提供的企业融资风险监测方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的企业融资风险监测方法。
第五方面,本发明实施例还提供了一种计算机程序产品,其上存储有计算机程序,该计算机程序被处理器执行时实现本发明任意实施例所提供的企业融资风险监测方法。
上述发明中的实施例具有如下优点或有益效果:
本发明实施例,通过获取目标监测企业与预设参考企业的业务信息和资金数据,并根据业务信息和资金数据分别构建企业业务监测网络和企业资金监测网络;监测时间窗口长度为预设监测时间段内,目标监测企业分别在企业业务监测网络和企业资金监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资风险监测结果。本实施例的结束方案解决了现有技术中对企业融资风险分析是非系统性的分析,与融资借贷资金流向匹配性欠佳,导致融资风险监测结果准确度有待提升的问题。本实施例的技术方案实现了基于目标监测企业与参考标杆企业之间的在产业结构连上的业务信息和资金信息的分析,分析网络边界清晰,是能够与借贷资金流向匹配性更强的分析网络,更加准确的对企业的融资违规风险进行分析。
附图说明
图1是本发明实施例一提供的一种企业融资风险监测方法的流程图;
图2是本发明实施例一提供的一种企业业务监测网络的示意图;
图3是本发明实施例一提供的一种企业资金监测网络的示意图;
图4是本发明实施例二提供的一种企业融资风险监测方法的流程图;
图5是本发明实施例三提供的一种企业融资风险监测装置的结构示意图;
图6是本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
另外还需要强调的,本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
实施例一
图1为本发明实施例一提供的一种企业融资风险监测方法的流程图,本实施例可适用于对中小企业融资风险预测的情况特别适用于对“冲动融资”违规风险的监测。该方法可以由企业融资风险监测装置执行,该装置可以由软件和/或硬件的方式来实现,集成于具有应用开发功能的计算机设备中。
如图1所示,企业融资风险监测方法包括以下步骤:
S110、获取目标监测企业与预设参考企业的业务信息和资金数据。
其中,目标监测企业可以是有借贷需求的企业。借贷关系中的资金提供方需要对有借贷需求的企业进行业务分析,以确定进行借贷的企业是否有还款风险,以及是否有将借贷资金转移到其他非主业领域进行违规借贷套现的风险。预设参考企业则是与目标监测企业在相同业务领域内的标杆企业,是同个产业带上的行业引领者,聚焦主业、市场占有率处于行业第一梯队、资产负债率处于行业较低水平的企业。在本实施例中,是通过将目标监测企业与预设参考企业进行对比分析,进而精准地分析监测企业的创富能力行业地位及其变化趋势,以揭示企业融资风险,特别是融资违规风险。
进一步的,业务信息包括目标监测企业与预设参考企业从生产到销售环节的上下游关联企业业务数据,包括原料供应企业、产品销售企业、物流配送企业以及采购产品客户的名称、企业所在位置、主业和副业信息中的多个信息。例如,一个制作包子的企业A,其供应链上游是面粉、蔬菜等原材料供应商企业,下游是卖包子的分销商企业,对应得标杆企业是卖包子的企业中品牌效应最佳销量最佳的包子制作企业B。具体的业务信息还可以包括该条制作包子的产业链上的各企业的名称、品牌效应、生产规模、主业内容、副业内容以及各企业的上下游企业等内容。
对于资金数据,则包括为目标监测企业和预设参考企业提供融资服务的银行、担保机构、信托机构、风险投资公司以及战略投资者的信息和提供资金的额度。还包括目标监测企业中财务报表中的各项资金流数据。
S120、基于所述业务信息和所述资金数据分别构建企业业务监测网络和企业资金监测网络。
具有不同信息来源以及具体信息内容的监测主体构成的社会网络具备的资源优势具有不同的风险监测能力导向,不能一概而论,统一建立一张大而复杂的网络进行分析,否则会导致网络能力边界不清晰的问题。在本实施例中,以社会网络分析理论为依托,分别从业务和资金两个角度对目标监测企业的融资风险进行评估,可以构建与监测企业借贷资金流向相匹配的网络。
具体的,在构建企业业务监测网络时,业务监测网络由“点”与“边”构成,其中“点”表示企业,包括目标监测企业、预设参考企业,业务信息中与目标监测企业和预设参考企业存在业务关联关系的企业。“边”表示企业之间的业务关联关系,在所有的网络节点中,任意两个节点同时与目标监测企业或预设参考企业存在业务关联,可确定这两个节点间存在业务关系,从而实现构建第一社会网络,作为企业业务监测网络。
示例性的,企业业务监测网络如图2所示。在图2中,包括目标监测企业节点、预设参考企业节点以及供应链上关联企业节点A、B、C和D,共计6个节点。其中,有节点A和节点D是与目标监测企业在业务上有关联的企业,因此,A和D间有一条边,属于关联企业。节点A、B和C是与预设参考企业有业务关联的企业节点,相应的,A与B、B与C、A与C之间也相应的存在一条边。
进一步的,企业资金监测网络可反映资金供给方掌握行业深度信息程度,降低与目标监测企业以及预设参考企业的信息不对称性。在构建企业资金监测网络时,网络中的“点”包括:提供融资服务的银行、担保机构、信托机构、风险投资公司以及战略投资者等融资资金的提供方。“边”表示资金供给方之间的信息交集关系。具体的,资金提供方的信息交集关系的确定可以判断,同时为目标监测企业或预设参考企业提供融资资金时长是否超过预设时长的节点间。例如,在同时为目标监测企业提供资金超过两年的资金提供方节点间建立一条边。在图3所示的企业资金监测网络结构中,包含六个资金提供方,其中,资金提供方1、2、3和4均是预设参考企业的资金提供方,资金提供方2、5-6是目标监测企业的资金提供方。资金提供方1-4均为预设参考企业提供资金时间超过两年。资金提供方5-6为目标监测企业提供资金超过两年。资金提供方2为目标监测企业提供资金的时长未超过两年的标准。
S130、根据所述目标监测企业在预设监测时间段内,分别在所述企业业务监测网络和/或所述企业资金监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资违规风险监测结果。
其中,特征位置时表示对目标监测企业在企业业务监测网络和企业资金监测网络中进行评估的结果。目标监测的网络特征位置通常由中心度与结构洞衡量,在不同问题导向下构建的网络中具有不同的风险揭示意义与应用价值。预设监测时间段可以作为目标监测企业的考察期,如2个月甚至是更长或更短的时间。可以选取与当前最接近的2个月的历史业务数据和资金数据构建相应的企业业务监测网络和企业资金监测网络,并分析2个月内目标监测企业在各网络中特征位置的变化
在企业业务监测网络中,将直接与目标监测企业或预设参考企业连接的企业节点的数量之和,作为目标监测企业或预设参考企业在所述企业业务监测网络中的中心度。如在图2中,目标监测企业的中心度为2,预设参考企业的中心度为3。中心度衡量与目标监测企业和预设参考企业直接连接的供应链上企业的数量之和,刻画了目标监测企业和预设参考企业的活跃程度及其在供应链中影响力大小。因此,中心度可有效地测度目标监测企业和预设参考企业的主业竞争优势以及相应创富能力大小。如果目标监测企业的中心度在不断增大,且与预设参考企业的中心度差距减小,这一定程度上可以证明目标监测企业融资增加的合理性,此时目标监测企业“冲动融资”违规可能性也会减小。即当目标监测企业在企业业务监测网络中的中心度,在预设监测时间段内增大,且与预设参考企业在企业业务监测网络中的中心度的差值减小,确定目标监测企业的融资违规风险为低风险等级;当目标监测企业在企业业务监测网络中的中心度,在预设监测时间段内减小,且与预设参考企业在企业业务监测网络中的中心度的差值增大,确定所述目标监测企业的融资违规风险为高风险等级。
同理,在企业资金监测网络中,目标监测企业中心度越大,反映支持其发展的资金供给方对目标监测企业所在行业的风险分析能力越强,进而识别企业“冲动融资”能力越强。可见,目标监测企业与预设参考企业的中心度越大,表明其受到资本市场的认可度越高,长期创富能力越强,“冲动融资”违规风险越小。反之,“冲动融资”风险越大。具体的,可以将资金数据中,直接为目标监测企业或预设参考企业提供资金连接的资金提供方节点的数量之和,作为目标监测企业或预设参考企业在企业资金监测网络中的中心度。当目标监测企业在企业资金监测网络的中心度,在预设监测时间段内增大,且与预设参考企业在企业资金监测网络的中心度的差值减小,确定目标监测企业的融资违规风险为低风险等级;当目标监测企业在企业资金监测网络的中心度,在预设监测时间段内减小,且与预设参考企业在企业资金监测网络的中心度的差值增大,确定目标监测企业的融资违规风险为高风险等级。
在一种优选的实时方式中,还可以通过社会网络理论的结构洞分析对目标监测企业的金融融资风险进行分析。在社会关系网络中,两个节点之间如果不存在直接关系且他们之间不存在间接冗余关系,这两个节点间的间隙就可以称为结构洞。对结构洞的量化可以采用网络约束系数、等级度、有效规模和效率等参数指标。在一种可选的实施方式中,可以利用UCINET软件(社会网络分析软件)基于业务数据和资金数据分别建立对应的社会关系网络,并输出相应的中心度和结构洞的评估结果。示例性的,若企业资金监测网络中,各节点之间关联关系建立全矩阵格式的[l,0]矩阵。例如,如果风险投资公司A与风险投资公司B共同投资过目标监测企业,那么矩阵中[A,B]对应的位置赋值为1,否则为0;以此类推形成资金网络对应的关系矩阵,然后,应用UCINET软件即可计算A所处网络位置(中心度/结构洞)的相应指标。
企业业务监测网络中,目标监测企业或预设参考企业的结构洞越大,表明拥有主业外的业务关系的可能性越大,参与跨行业扩张(尤其是热钱流入行业)的可能性通常也越大。即当目标监测企业在企业业务监测网络中的结构洞,在预设监测时间段内增大时,确定目标监测企业的融资违规风险为高风险等级;当目标监测企业在企业业务监测网络中的结构洞,在预设监测时间段内减小时,确定目标监测企业的融资违规风险为低风险等级。
本实施例的技术方案,通过获取目标监测企业与预设参考企业的业务信息和资金数据,并根据业务信息和资金数据分别构建企业业务监测网络和企业资金监测网络;监测时间窗口长度为预设监测时间段内,目标监测企业分别在企业业务监测网络和企业资金监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资风险监测结果。本实施例的结束方案解决了现有技术中对企业融资风险分析是非系统性的分析,与融资借贷资金流向匹配性欠佳,导致融资风险监测结果准确度有待提升的问题。本实施例的技术方案实现了基于目标监测企业与参考标杆企业之间的在产业结构连上的业务信息和资金信息的分析,分析网络边界清晰,是能够与借贷资金流向匹配性更强的分析网络,更加准确的对企业的融资违规风险进行分析。
实施例二
图4为本发明实施例二提供的一种企业融资风险监测方法的流程图,本实施例所提供的技术方案与上述实施例所提供的企业融资风险监测方法属于同一发明构思,并进一步的将监测企业的资金监测网络与资金缺口压力指标相结合,对中小企业融资风险预测的方案进行优化。该方法可以由企业融资风险监测装置执行,该装置可以由软件和/或硬件的方式来实现,集成于具有应用开发功能的计算机设备中。
如图4所示,企业融资风险监测方法包括以下方法:
S210、获取目标监测企业与预设参考企业的业务信息和资金数据。
其中,目标监测企业可以是有借贷需求的企业,借贷资金提供方进行风险分析的目标对象。预设参考企业则是与目标监测企业在相同业务领域内的标杆企业,也就是投资风险低的企业。
业务信息和资金数据是在进行目标监测企业的分析中,会用到的相关信息。包括目标监测企业与预设参考企业从生产到销售环节的上下游关联企业业务数据,包括原料供应企业、产品销售企业、物流配送企业以及采购产品客户的名称、企业所在位置、主业和副业信息中的多个信息。还包括为目标监测企业和预设参考企业提供融资服务的银行、担保机构、信托机构、风险投资公司以及战略投资者的信息和提供资金的额度。还包括目标监测企业中财务报表中的各项资金流数据。
S220、基于所述业务信息和所述资金数据分别构建企业业务监测网络和企业资金监测网络。
S230、确定所述目标监测企业在预设监测时间段内,在所述企业业务监测网络和所述企业资金监测网络中的特征位置的变动趋势。
以社会网络分析理论为依托,分别从业务和资金两个角度对目标监测企业的融资风险进行评估,可以构建与监测企业借贷资金流向相匹配的网络,以评估对资金提供方来说,目标监测企业的融资风险。
特别的,在本实施例中,还会进一步结合企业创富发展规律,分析基于目标监测企业在企业业务监测网络和企业资金监测网络的特征位置(中心度和结构洞)衡量的企业声誉机制的长期有效性。
具体的,企业创富发展规律可由三个层面的指标来衡量,其一,宏观层面,分析企业创富活动顺应国家人口结构与经济结构的变化规律,这集中体现在国家政策支持力度上。可以确定国家政策上是否有对目标监测企业的主业进行扶持的有利政策。中观层面,分析行业的成长空间,可以分析目标监测企业所在行业在近五年以及未来五年的行业规模及其增长率。微观层面,产品技术的竞争能力,可以通过对目标监测企业的产品与服务在细分市场上的市场占有率以及近五年的提升能力来衡量。
若目标监测企业所在行业能够受到国家政策的持续支持,行业增长率保持正增长,且企业在细分市场的市场占有率占据领先位置或者保持持续提升的态势,由此可判断企业具备顺应企业创富发展规律能力,进而可确定目标监测企业网络位置的提高具有可持续性,基于网络位置衡量的企业声誉机制对企业“冲动融资”违规制约的长期有效性。反之,若企业在这三个层面的一个层面失分,则应审慎确定基于目标监测企业网络位置衡量的企业创富能力带来的声誉机制的长期有效性。
若能够确定基于目标监测企业网络位置衡量的企业创富能力带来的声誉机制的有效性,则可进一步的对目标监测企业融资风险进行评估。
S240、对所述变动趋势与所述资金数据中所述目标监测企业的预设资金缺口关联数据进行同步分析,确定所述目标监测企业的融资违规风险监测结果。
在本实施例中,可以利用目标监测企业具体的资金状况进行分析,作为对目标监测企业在企业业务监测网络和企业资金监测网络中特征位置变动趋势的辅助分析,使最终得到的融资违规风险监测结果的可靠性更高。
具体的,资金状况分析可包括企业的资金流匹配度、资金成本以及资金来源排序与集中度综合监测分析。
其中,资金流匹配度分析能够反映企业现金流承压的重要指标。资金流匹配度分析指标包括:货币资金/短期负债、应收账款/流动资产以及这两者与预设参考企业的差距。资金成本反映了目标监测企业创富活动承担的债务压力大小。资金成本越高,目标监测企业的资金成本压力越大,很可能会诱发企业短期偿债风险;“资金成本”的监测指标为:企业的综合融资成本、非标融资额度/总有息债务以及这两者与预设参考企业的差距。而资金来源排序则揭示企业对不同资金来源依赖程度,按照偿债压力大小的优先级来看,企业资金来源排序一般为:股东、银行借款、发债融资、非标融资等。如果企业主要资金来源排序发生了较大的转变,通常反映了企业在产业链地位、行业政策红利、行业周期等方面发生了较大变化。同时,应监测资金来源集中度,资金来源集中度由资金来源种类与各类型占比来衡量,当不具备行业投资信息优势的资金占比较高,尤其是与预设参考企业差距较大时,企业存在资金缺口压力不断增大的危机,因而加大更加多元、处于边缘高息地带的融资渠道。
当目标监测企业在企业资金监测网络中的中心度下降,则很大程度上表明目标企业开拓不具备行业投资信息优势的资金渠道的力度有所增加,由资金成本以及资金流匹配度不足带来的压力因而会进一步升级企业资金缺口压力。进一步看,若此时目标监测企业的在企业业务监测网络的中心度没有显著变化,则审慎评估企业主业地位发展受阻压力增大的风险。在资金缺口压力与企业主业地位发展受阻的双重压力下,企业“冲动融资”违规的风险进一步加大。因此,我们可以依托目标监测企业在企业业务监测网络和企业资金监测网络位置变化,辅助资金匹配能力——资金成本——资金来源的排序与集中度的技术路径,综合分析企业“融资冲动”违规的风险大小。
本实施例的技术方案,通过获取目标监测企业与预设参考企业的业务信息和资金数据,并根据业务信息和资金数据分别构建企业业务监测网络和企业资金监测网络;监测时间窗口长度为预设监测时间段内,目标监测企业分别在企业业务监测网络和企业资金监测网络中的特征位置的变动趋势,并进一步的结合资金匹配能力——资金成本——资金来源的排序与集中度的技术路径确定所述目标监测企业的融资风险监测结果。本实施例的结束方案解决了现有技术中对企业融资风险分析是非系统性的分析,与融资借贷资金流向匹配性欠佳,导致融资风险监测结果准确度有待提升的问题。本实施例的技术方案实现了基于目标监测企业与参考标杆企业之间的在产业结构连上的业务信息和资金信息的分析,分析网络边界清晰,是能够与借贷资金流向匹配性更强的分析网络,更加准确的对企业的融资违规风险进行分析。
实施例三
图5为本发明实施例三提供的企业融资风险监测装置的结构示意图,本实施例可适用于对中小企业融资风险预测的情况,特别适用于对“冲动融资”违规风险的监测,该装置可以由软件和/或硬件的方式来实现,集成于具有应用开发功能的计算机设备中。
如图5所示,企业融资风险监测装置包括:分析数据获取模块310、监测网络建立模块320和监测网络分析模块330。
其中,分析数据获取模块310,用于获取目标监测企业与预设参考企业的业务信息和资金数据;监测网络建立模块320,用于基于所述业务信息和所述资金数据分别构建企业业务监测网络和企业资金监测网络;监测网络分析模块330,用于根据所述目标监测企业在预设监测时间段内,分别在所述企业业务监测网络和/或所述企业资金监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资违规风险监测结果。
本实施例的技术方案,通过获取目标监测企业与预设参考企业的业务信息和资金数据,并根据业务信息和资金数据分别构建企业业务监测网络和企业资金监测网络;监测时间窗口长度为预设监测时间段内,目标监测企业分别在企业业务监测网络和企业资金监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资风险监测结果。本实施例的结束方案解决了现有技术中对企业融资风险分析是非系统性的分析,与融资借贷资金流向匹配性欠佳,导致融资风险监测结果准确度有待提升的问题。本实施例的技术方案实现了基于目标监测企业与参考标杆企业之间的在产业结构连上的业务信息和资金信息的分析,分析网络边界清晰,是能够与借贷资金流向匹配性更强的分析网络,更加准确的对企业的融资违规风险进行分析。
可选的,监测网络建立模块320包括业务监测网络构建子模块和资金监测网络构建子模块。
其中,业务监测网络构建子模块用于:
将所述目标监测企业、所述预设参考企业,以及所述业务信息中与所述目标监测企业和/或所述预设参考企业存在业务关联关系的企业,作为网络节点,并在存在业务关系各节点间建立一条边,构建第一社会网络,作为所述企业业务监测网络。
可选的,业务网络构建子模块还可用于:在所述企业业务监测网络中,任意两个节点同时与所述目标监测企业或所述预设参考企业存在业务关联,可确定所述两个节点间存在业务关系。
可选的,资金监测网络构建子模块具体用于:
将所述目标监测企业和所述预设参考企业的各融资资金提供方作为网络节点,并在提供融资资金时长超过预设时长的节点间建立一条边,构建第二社会网络,作为所述企业资金监测网络。
可选的,所述业务信息包括:
所述目标监测企业与所述预设参考企业从生产到销售环节的关联企业业务数据,包括原料供应企业、产品销售企业、物流配送企业以及采购产品客户的名称、企业所在位置、主业和副业信息中的多个信息。
可选的,所述资金数据包括:
为所述目标监测企业或所述预设参考企业提供融资服务的银行、担保机构、信托机构、风险投资公司以及战略投资者的信息和提供资金的额度。
可选的,监测网络分析模块330用于:
将所述业务信息中,直接与所述目标监测企业或所述预设参考企业连接的企业节点的数量之和,作为所述目标监测企业或所述预设参考企业在所述企业业务监测网络中的中心度;
当所述目标监测企业在所述企业业务监测网络中的中心度,在预设监测时间段内增大,且与所述预设参考企业在所述企业业务监测网络中的中心度的差值减小,确定所述目标监测企业的融资违规风险为低风险等级;
当所述目标监测企业在所述企业业务监测网络中的中心度,在预设监测时间段内减小,且与所述预设参考企业在所述企业业务监测网络中的中心度的差值增大,确定所述目标监测企业的融资违规风险为高风险等级。
可选的,监测网络分析模块330还可用于:
当所述目标监测企业在所述企业业务监测网络中的结构洞,在预设监测时间段内增大时,确定所述目标监测企业的融资违规风险为高风险等级;
当所述目标监测企业在所述企业业务监测网络中的结构洞,在预设监测时间段内减小时,确定所述目标监测企业的融资违规风险为低风险等级。
可选的,监测网络分析模块330还可用于:
将所述资金数据中,直接为所述目标监测企业或所述预设参考企业提供资金连接的资金提供方节点的数量之和,作为所述目标监测企业或所述预设参考企业在所述企业资金监测网络中的中心度;
当所述目标监测企业在所述企业资金监测网络的中心度,在预设监测时间段内增大,且与所述预设参考企业在所述企业资金监测网络的中心度的差值减小,确定所述目标监测企业的融资违规风险为低风险等级;
当所述目标监测企业在所述企业资金监测网络的中心度,在预设监测时间段内减小,且与所述预设参考企业在所述企业资金监测网络的中心度的差值增大,确定所述目标监测企业的融资违规风险为高风险等级。
可选的,企业融资风险监测装置还包括:
资金缺口指标分析模块,用于对所述目标监测企业在所述企业资金监测网络中的特征位置的变动趋势与所述资金数据中所述目标监测企业的预设资金缺口关联数据进行同步分析,确定所述目标监测企业的融资违规风险监测结果。
可选的,所述预设资金缺口关联数据包括:
资金的流入和流出的匹配度、获得融资资金的成本和资金提供方的排序。
本发明实施例所提供的企业融资风险监测装置可执行本发明任意实施例所提供的企业融资风险监测方法,具备执行方法相应的功能模块和有益效果。
实施例四
图6为本发明实施例四提供的一种计算机设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性计算机设备12的框图。图6显示的计算机设备12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。计算机设备12可以任意具有计算能力的终端设备,如智能控制器及服务器、手机等终端设备。
如图6所示,计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备12交互的设备通信,和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白,尽管图6中未示出,可以结合计算机设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发实施例所提供的企业融资风险监测方法,该方法包括:
获取目标监测企业与预设参考企业的业务信息和资金数据;
基于所述业务信息和所述资金数据分别构建企业业务监测网络和企业资金监测网络;
根据所述目标监测企业在预设监测时间段内,分别在所述企业业务监测网络和/或所述企业资金监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资违规风险监测结果。
实施例五
本实施例五提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任意实施例所提供的企业融资风险监测方法,包括:
获取目标监测企业与预设参考企业的业务信息和资金数据;
基于所述业务信息和所述资金数据分别构建企业业务监测网络和企业资金监测网络;
根据所述目标监测企业在预设监测时间段内,分别在所述企业业务监测网络和/或所述企业资金监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资违规风险监测结果。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(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。在本文件中,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。
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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言,诸如“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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白,上述的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,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,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。这样,本发明不限制于任何特定的硬件和软件的结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (15)
1.一种企业融资风险监测方法,其特征在于,所述方法包括:
获取目标监测企业与预设参考企业的业务信息和资金数据;
基于所述业务信息和所述资金数据分别构建企业业务监测网络和企业资金监测网络;
根据所述目标监测企业在预设监测时间段内,分别在所述企业业务监测网络和/或所述企业资金监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资违规风险监测结果。
2.根据权利要求1所述的方法,其特征在于,所述基于所述业务信息构建企业业务监测网络,包括:
将所述目标监测企业、所述预设参考企业,以及所述业务信息中与所述目标监测企业和/或所述预设参考企业存在业务关联关系的企业,作为网络节点,并在存在业务关系各节点间建立一条边,构建第一社会网络,作为所述企业业务监测网络。
3.根据权利要求2所述的方法,其特征在于,判断所述各节点间存在业务关系的策略包括:
在所述企业业务监测网络中,任意两个节点同时与所述目标监测企业或所述预设参考企业存在业务关联,可确定所述两个节点间存在业务关系。
4.根据权利要求1所述的方法,其特征在于,基于所述资金数据构建企业资金监测网络,包括:
将所述目标监测企业和所述预设参考企业的各融资资金提供方作为网络节点,并在提供融资资金时长超过预设时长的节点间建立一条边,构建第二社会网络,作为所述企业资金监测网络。
5.根据权利要求1-4中任一所述的方法,其特征在于,所述业务信息包括:
所述目标监测企业与所述预设参考企业从生产到销售环节的关联企业业务数据,包括原料供应企业、产品销售企业、物流配送企业以及采购产品客户的名称、企业所在位置、主业和副业信息中的多个信息。
6.根据权利要求1-4中任一所述的方法,其特征在于,所述资金数据包括:
为所述目标监测企业或所述预设参考企业提供融资服务的银行、担保机构、信托机构、风险投资公司以及战略投资者的信息和提供资金的额度。
7.根据权利要求1所述的方法,其特征在于,根据所述目标监测企业在预设监测时间段内,在所述企业业务监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资违规风险监测结果,包括:
将所述业务信息中,直接与所述目标监测企业或所述预设参考企业连接的企业节点的数量之和,作为所述目标监测企业或所述预设参考企业在所述企业业务监测网络中的中心度;
当所述目标监测企业在所述企业业务监测网络中的中心度,在预设监测时间段内增大,且与所述预设参考企业在所述企业业务监测网络中的中心度的差值减小,确定所述目标监测企业的融资违规风险为低风险等级;
当所述目标监测企业在所述企业业务监测网络中的中心度,在预设监测时间段内减小,且与所述预设参考企业在所述企业业务监测网络中的中心度的差值增大,确定所述目标监测企业的融资违规风险为高风险等级。
8.根据权利要求7所述的方法,其特征在于,根据所述目标监测企业在预设监测时间段内,在所述企业业务监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资违规风险监测结果,还包括:
当所述目标监测企业在所述企业业务监测网络中的结构洞,在预设监测时间段内增大时,确定所述目标监测企业的融资违规风险为高风险等级;
当所述目标监测企业在所述企业业务监测网络中的结构洞,在预设监测时间段内减小时,确定所述目标监测企业的融资违规风险为低风险等级。
9.根据权利要求1所述的方法,其特征在于,根据所述目标监测企业在预设监测时间段内,在所述企业资金监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资违规风险监测结果,包括:
将所述资金数据中,直接为所述目标监测企业或所述预设参考企业提供资金连接的资金提供方节点的数量之和,作为所述目标监测企业或所述预设参考企业在所述企业资金监测网络中的中心度;
当所述目标监测企业在所述企业资金监测网络的中心度,在预设监测时间段内增大,且与所述预设参考企业在所述企业资金监测网络的中心度的差值减小,确定所述目标监测企业的融资违规风险为低风险等级;
当所述目标监测企业在所述企业资金监测网络的中心度,在预设监测时间段内减小,且与所述预设参考企业在所述企业资金监测网络的中心度的差值增大,确定所述目标监测企业的融资违规风险为高风险等级。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述目标监测企业在所述企业资金监测网络中的特征位置的变动趋势与所述资金数据中所述目标监测企业的预设资金缺口关联数据进行同步分析,确定所述目标监测企业的融资违规风险监测结果。
11.根据权利要求10所述的方法,其特征在于,所述预设资金缺口关联数据包括:
资金的流入和流出的匹配度、获得融资资金的成本和资金提供方的排序。
12.一种企业融资风险监测装置,其特征在于,所述装置包括:
分析数据获取模块,用于获取目标监测企业与预设参考企业的业务信息和资金数据;
监测网络建立模块,用于基于所述业务信息和所述资金数据分别构建企业业务监测网络和企业资金监测网络;
监测网络分析模块,用于根据所述目标监测企业在预设监测时间段内,分别在所述企业业务监测网络和/或所述企业资金监测网络中的特征位置的变动趋势,确定所述目标监测企业的融资违规风险监测结果。
13.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器,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1-11中任一所述的企业融资风险监测方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-11中任一所述的企业融资风险监测方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如权利要求1-11中任一所述的企业融资风险监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111617917.2A CN114282989B (zh) | 2021-12-27 | 2021-12-27 | 企业融资风险监测方法、装置、系统、设备、介质和产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111617917.2A CN114282989B (zh) | 2021-12-27 | 2021-12-27 | 企业融资风险监测方法、装置、系统、设备、介质和产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114282989A true CN114282989A (zh) | 2022-04-05 |
CN114282989B CN114282989B (zh) | 2024-09-03 |
Family
ID=80876548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111617917.2A Active CN114282989B (zh) | 2021-12-27 | 2021-12-27 | 企业融资风险监测方法、装置、系统、设备、介质和产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114282989B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104361463A (zh) * | 2014-11-21 | 2015-02-18 | 上海财安金融服务股份有限公司 | 一种中小企业网络融资系统和方法 |
KR20150080389A (ko) * | 2014-01-01 | 2015-07-09 | 이정일 | 인터넷 기반의 고위험 사업을 위한 민주적 자본시장시스템 및 운영방법 |
KR20150129274A (ko) * | 2014-05-11 | 2015-11-19 | 이정일 | 인터넷 기반의 고위험 사업을 위한 민주적 자본시장시스템 및 운영방법 |
CN110852878A (zh) * | 2019-11-26 | 2020-02-28 | 中国建设银行股份有限公司 | 一种可信度确定方法、装置、设备和存储介质 |
-
2021
- 2021-12-27 CN CN202111617917.2A patent/CN114282989B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150080389A (ko) * | 2014-01-01 | 2015-07-09 | 이정일 | 인터넷 기반의 고위험 사업을 위한 민주적 자본시장시스템 및 운영방법 |
KR20150129274A (ko) * | 2014-05-11 | 2015-11-19 | 이정일 | 인터넷 기반의 고위험 사업을 위한 민주적 자본시장시스템 및 운영방법 |
CN104361463A (zh) * | 2014-11-21 | 2015-02-18 | 上海财安金融服务股份有限公司 | 一种中小企业网络融资系统和方法 |
CN110852878A (zh) * | 2019-11-26 | 2020-02-28 | 中国建设银行股份有限公司 | 一种可信度确定方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114282989B (zh) | 2024-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Buch et al. | Do banks benefit from internationalization? Revisiting the market power–risk nexus | |
Lui et al. | Impact of artificial intelligence investment on firm value | |
Hussain et al. | Macroeconomic factors, working capital management, and firm performance—A static and dynamic panel analysis | |
Cen et al. | Reputation and loan contract terms: The role of principal customers | |
Chaddad et al. | Testing for the presence of financial constraints in US agricultural cooperatives: an investment behaviour approach | |
Grunert et al. | Bargaining power and information in SME lending | |
Gupta et al. | The value of operating cash flow in modelling credit risk for SMEs | |
US8606695B1 (en) | Decision making engine and business analysis tools for small business credit product offerings | |
Rahman et al. | Does exposure to product market competition influence insider trading profitability? | |
Garmaise et al. | Spillovers in local banking markets | |
Papadimitri et al. | Financial leverage and performance: The case of financial technology firms | |
St-Pierre et al. | The determinants of risk premium: The case of bank lines of credit granted to SMEs | |
Carvalho et al. | Macroeconomic determinants of credit risk: Evidence from the Eurozone | |
Lin et al. | The effects of corporate governance on credit ratings: The role of corporate social responsibility | |
Faria-e-Castro et al. | Evergreening | |
Yi et al. | The informational role of bank loan ratings | |
Phan et al. | Cash flow and financial distress of private listed enterprises on the Vietnam stock market: A quantile regression approach | |
Gupta | Financial determinants of corporate credit ratings: An Indian evidence | |
Mukhibad et al. | Islamic corporate governance and financial statements fraud: A study of islamic banks | |
Van Peursem et al. | Forecasting New Zealand Corporate Failures 2001–10: Opportunity Lost? | |
Fambudi et al. | Effect Of ESG Disclosure, Accrual Quality, And Asymmetric Information On Future Stock Returns With Prudence As A Moderator | |
Custodio et al. | Indirect costs of financial distress | |
Wong et al. | Voluntary disclosure of operating income | |
Hwang et al. | A delisting prediction model based on nonfinancial information | |
Goldmann et al. | A new ordinal mixed-data sampling model with an application to corporate credit rating levels |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |