CN114565256B - 一种基于区块链的企业集群式供应链风险管控方法及系统 - Google Patents
一种基于区块链的企业集群式供应链风险管控方法及系统 Download PDFInfo
- Publication number
- CN114565256B CN114565256B CN202210164917.XA CN202210164917A CN114565256B CN 114565256 B CN114565256 B CN 114565256B CN 202210164917 A CN202210164917 A CN 202210164917A CN 114565256 B CN114565256 B CN 114565256B
- Authority
- CN
- China
- Prior art keywords
- information
- financing
- supply chain
- enterprise
- risk
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000007726 management method Methods 0.000 claims description 111
- 238000012545 processing Methods 0.000 claims description 45
- 238000012502 risk assessment Methods 0.000 claims description 42
- 238000012549 training Methods 0.000 claims description 38
- 238000012795 verification Methods 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 19
- 238000013475 authorization Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 7
- 238000003066 decision tree Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 230000001276 controlling effect Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000001105 regulatory effect Effects 0.000 description 5
- 238000011144 upstream manufacturing Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000002994 raw material Substances 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Technology Law (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种基于区块链的企业集群式供应链风险管控方法及系统,其中,该方法包括:采集获取第一企业集群供应链的业务信息,获得第一供应链业务信息;根据第一供应链业务信息,获得对应的第一企业集群供应链的第一供应链融资业务信息;分析第一供应链融资业务信息存在的融资风险信息,获得第一供应链融资风险信息;将第一供应链融资风险信息输入供应链融资风险管控模型,获得输出结果,输出结果中包括第一融资风险管控方案信息;在第一企业集群供应链内构建第一企业集群区块链;采用第一融资风险管控方案信息,并通过第一企业集群区块链对第一供应链融资业务信息进行调整管控。
Description
技术领域
本发明涉及供应链技术领域,具体涉及一种基于区块链的企业集群式供应链风险管控方法及系统。
背景技术
中小企业在资金紧张需要进行融资时,由于银行无法及时准确了解企业的融资能力,往往需要处于供应链内与该中小企业具有供应业务关系的大型核心企业进行担保,提升中小企业的融资活力。
在具有大型核心企业进行担保时,仍然需要银行评估分析进行借款融资的风险。当前主要通过银行人员分析企业的产业规模、资金流动周期等进行分析。
现有技术中在企业集群式供应链内分析企业融资风险的过程中,主要通过银行人员分析风险进行融资风险管控,由于企业和银行之间存在信息不对称,且人工分析存在主观性,存在着融资风险分析管控不准确、效率低的技术问题。
发明内容
本申请提供了一种基于区块链的企业集群式供应链风险管控方法及系统,用于针对解决现有技术中企业集群式供应链内企业进行融资时,银行进行融资风险分析过程中存在的融资风险分析管控不准确、效率低的技术问题。
鉴于上述问题,本申请提供了一种基于区块链的企业集群式供应链风险管控方法及系统。
本申请的第一个方面,提供了一种基于区块链的企业集群式供应链风险管控方法,所述方法包括:在第一企业集群供应链内构建第一企业集群区块链;采集获取所述第一企业集群供应链的业务信息,获得第一供应链业务信息;根据所述第一供应链业务信息,获得所述第一企业集群供应链的第一供应链融资业务信息;分析所述第一供应链融资业务信息存在的融资风险信息,获得第一供应链融资风险信息;将所述第一供应链融资风险信息输入供应链融资风险管控模型,获得输出结果,所述输出结果中包括第一融资风险管控方案信息;采用所述第一融资风险管控方案信息,并通过所述第一企业集群区块链对所述第一供应链融资业务信息进行调整管控。
本申请的第二个方面,提供了一种基于区块链的企业集群式供应链风险管控系统,所述系统包括:第一构建单元,用于在第一企业集群供应链内构建第一企业集群区块链;第一获得单元,用于采集获取所述第一企业集群供应链的业务信息,获得第一供应链业务信息;第二获得单元,用于根据所述第一供应链业务信息,获得所述第一企业集群供应链的第一供应链融资业务信息;第一处理单元,用于分析所述第一供应链融资业务信息存在的融资风险信息,获得第一供应链融资风险信息;第二处理单元,用于将所述第一供应链融资风险信息输入供应链融资风险管控模型,获得输出结果,所述输出结果中包括第一融资风险管控方案信息;第三处理单元,用于采用所述第一融资风险管控方案信息,并通过所述第一企业集群区块链对所述第一供应链融资业务信息进行调整管控。
本申请的第三个方面,提供了一种基于区块链的企业集群式供应链风险管控系统,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使系统以执行如第一方面所述方法的步骤。
本申请的第四个方面,提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的技术方案通过在企业集群供应链内构建多个区块链节点,连接核心企业和中小企业,通过区块链获取企业集群供应链内各企业的上下游业务信息,以及各企业在进行融资时的融资担保信息、融资额度等融资业务信息,然后基于获取的业务信息和融资业务信息,分析可能存在的融资风险信息,将分析获得的融资风险信息输入基于机器学习获得的供应链融资风险管控模型内,获得对应的融资风险管控方案,然后采用该融资风险管控方案基于区块链对融资业务信息等进行调整管控,降低融资风险。本申请实施例通过在企业集群式供应链内构建区块链,在企业之间进行供应业务以及融资业务担保时,将相关的凭据、合同等通过区块链进行上传保存,使得银行在进行融资风险分析时,避免出现银行和企业之间信息不对称的情况,提升融资风险数据基础的准确性和真实性,本申请还通过设置相关的算法并通过监督训练构建和训练模型,基于准确的融资风险数据基础进行融资风险的分析和风险管控方案的确定,能够有效提升融资风险分析、融资风险管控方案确定的准确率和效率,并通过区块链将融资风险调整管控的结果进行上传,保证企业集群供应链融资业务的准确、透明、公正,避免由于人为因素、信息不对称或信任因素导致融资业务出现风险或违约,达到提升融资风险分析管控准确性和效率的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请提供的一种基于区块链的企业集群式供应链风险管控方法流程示意图;
图2为本申请提供的一种基于区块链的企业集群式供应链风险管控方法中获得第一供应链业务信息的流程示意图;
图3为本申请提供的一种基于区块链的企业集群式供应链风险管控方法中获得第一融资风险管控方案信息的流程示意图;
图4为本申请提供了一种基于区块链的企业集群式供应链风险管控系统结构示意图;
图5为本申请示例性电子设备的结构示意图。
附图标记说明:第一构建单元11,第一获得单元12,第二获得单元13,第一处理单元14,第二处理单元15,第三处理单元16,电子设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请通过提供了一种基于区块链的企业集群式供应链风险管控方法及系统,用于针对解决现有技术中企业集群式供应链内企业进行融资时,银行进行融资风险分析过程中存在的融资风险分析管控不准确、效率低的技术问题。
申请概述
企业集群式供应链是由一个或多个大型核心企业,以及具有供应关系的多个上下游中小企业组成的中小企业、机构、商家等组成的供应链。供应链内的各公司通过业务、信任和承诺的关系连接。其中,中小型企业在资金紧张需要进行融资时,由于银行无法及时准确了解企业的融资能力,往往需要处于供应链内与该中小企业具有供应业务关系的大型核心企业基于信任和业务往来进行担保,提升中小企业的融资活力。
在具有大型核心企业进行担保时,仍然需要银行评估分析进行借款融资的风险。当前主要通过银行人员分析企业的产业规模、资金流动周期等进行分析。
现有技术中在企业集群式供应链内分析企业融资风险的过程中,主要通过银行人员分析风险进行融资风险管控,由于企业和银行之间存在信息不对称,且人工分析存在主观性,存在着融资风险分析管控不准确、效率低的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请实施例提供的技术方案通过在企业集群供应链内构建多个区块链节点,连接核心企业和中小企业,通过区块链获取企业集群供应链内各企业的上下游业务信息,以及各企业在进行融资时的融资担保信息、融资额度等融资业务信息,然后基于获取的业务信息和融资业务信息,分析可能存在的融资风险信息,将分析获得的融资风险信息输入基于机器学习获得的供应链融资风险管控模型内,获得对应的融资风险管控方案,然后采用该融资风险管控方案基于区块链对融资业务信息等进行调整管控,降低融资风险。
在介绍了本申请基本原理后,下面,将参考附图对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请的实施例,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他实施例,都属于本申请保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部。
实施例一
如图1所示,本申请提供了一种基于区块链的企业集群式供应链风险管控方法,所述方法包括:
S100:在第一企业集群供应链内构建第一企业集群区块链;
第一企业集群供应链为在某一特定的产业领域或地理区域内,由一个或多个大型核心企业,以及与该一个或多个大型核心企业具有上下游业务供应往来的多个中小企业,通过信任、承诺或业务等连接形成的供应链。
其中,由于中小企业的数量较多且业务信息较为冗杂,中小企业的信用级别较低、且缺乏可用于进行融资抵押的资产,故,中小企业在需要融资贷款时,需要核心企业向银行进行担保。
上述的构建第一企业集群区块链的过程中,在第一企业集群供应链内的各企业和为该第一企业集群供应链提升融资贷款的银行内进行区块链节点的构建,然后基于多个区块链节点形成第一企业集群区块链。
在具体的构建过程中,在第一企业集群供应链内的各企业和提供融资贷款的银行构建区块链的节点,得到多个节点,在各节点内存储企业之间的上下游供应交易的单据、合同等信息,以及企业与银行之间贷款融资的合同、抵押等信息。然后,在多个时间节点内,获取不同时间节点内记录信息记录最为充分的区块链节点,构建区块,在多个时间节点内形成多个区块,连接多个区块,形成区块链。
基于构建完成的区块链,企业和银行在进行供应交易服务和融资贷款的过程中,需要将各项信息均加密上传至区块链内,由于区块链内信息的不可篡改和去信任的特点,银行可直接获取最为真实准确的企业的财务和资产信息,避免企业在进行融资的过程中伪造合同或资产等信息,进而减少融资违约等情况的发生,进而使企业融资风险评估的数据基础真实准确,保证风险评估的准确性。
S200:采集获取所述第一企业集群供应链的业务信息,获得第一供应链业务信息;
具体而言,第一企业集群供应链内中小企业和大型核心企业之间存在着供应业务往来,形成业务信息。示例性地,第一中小企业会为核心企业生产供应零件,而第二中小企业可为该第一中小企业供应生产零件的原料,以及第三中小企业可销售该核心企业生产的产品。
采集第一企业集群供应链的业务信息,示例性地,该业务信息包括第一企业集群供应链内企业之间的供应交易信息,以及企业、银行之间的融资贷款信息。在第一企业集群供应链内进行供应交易和融资贷款的过程中,将相关的信息通过对应的区块链节点进行上传,如此,获得准确真实的第一供应链业务信息。
如图2所示,本申请实施例提供的方法中的步骤S200包括:
S210:采集获取为所述第一企业集群供应链提供融资的融资主体信息,获得第一融资主体信息;
S220:采集获取所述第一企业集群供应链内的核心企业信息,获得第一企业信息;
S230:采集获取所述第一企业集群供应链内的中小企业信息,获得第二企业信息;
S240:获取所述中小企业的业务来往信息,获得第一业务信息;
S250:获取所述核心企业的业务来往信息,获得第二业务信息;
S260:基于所述第一融资主体信息、第一企业信息、第二企业信息、第一业务信息和第二业务信息,采用知识图谱构建第一企业集群供应链业务信息空间;
S270:基于所述第一企业集群供应链业务信息空间,获得所述第一供应链业务信息。
其中,步骤S260包括:
S261:基于所述第一业务信息,获取所述第一企业信息和所述第二企业信息的第一关联属性信息;
S262:基于所述第二业务信息,获取所述第二企业信息和所述第一融资主体信息的第二关联属性信息;
S263:获取所述第一企业信息、所述第二企业信息和所述第一融资主体信息的数据属性信息;
S264:基于所述第一关联属性信息、第二关联属性信息和所述数据属性信息,构建所述第一企业集群供应链业务信息空间。
具体而言,基于第一企业集群供应链以及构建获得的第一企业集群区块链,本申请实施例中,第一企业集群供应链内优选包括多个大型核心企业和更多个中小型企业。第一企业集群区块链内还包括为第一企业集群供应链提供融资贷款的银行,形成1+M+N的融资企业机构,其中,包括1个银行、M个大型核心企业和N个中小型企业。M<N,且均为正整数。
首先,采集获取为第一企业集群供应链提供融资的融资主体信息,即采集上述的1个银行的信息,获得第一融资主体信息,示例性地,其包括融资主体历史上与第一企业集群供应链内企业融资的往来信息、以及每次融资贷款的额度信息等。
然后获取第一企业集群供应链内大型核心企业的核心企业信息,具体可获取大型核心企业的产值、资产、业务方向等信息。并获取第一企业集群供应链内中小型企业的企业信息,具体可获取中小型企业的产值、资产、业务方向等信息。
进一步地,获取第一企业集群供应链内中小型企业与其他中小型企业、大型核心企业和融资主体的业务供应往来信息,例如产品订单、原材料订单、代加工订单、贷款融资合同、融资担保等信息,获得第一企业信息。
获取第一企业集群供应链内大型核心企业的核心企业与其他中小型企业、大型核心企业和融资主体的业务供应往来信息,例如产品订单、原材料订单、代加工订单、贷款融资合同、融资担保等信息,获得第二企业信息。
然后基于上述的第一业务信息,获取大型核心企业第一企业信息和中小型企业第二企业信息之间的关联信息,并同时获取多个中小型企业第二企业信息之间的关联信息,得到第一关联属性信息。示例性地,第一关联属性信息包括,某一中小型企业的原材料供应商为另一中小型企业,某一中小型企业的融资担保方是某一大型核心企业等。
基于上述的第二业务信息,获取大型核心企业第一企业信息和融资主体信息之间的关联信息,同时获取与其他大型核心企业之间的关联信息,得到第二关联属性信息。示例性地,第二关联属性信息包括,某一大型核心企业的代加工企业是另一家大型核心企业,融资贷款银行为第一融资主体等关联属性信息。
进一步地,基于上述的第一企业信息、第二企业信息和第一融资主体信息,获取各个大型核心企业、中小型企业和融资主体的数据属性信息。例如,该数据属性信息包括某一中小型企业产值数据、资产数据、融资信用额度数据以及某一大型核心企业愿意为其进行融资担保的担保额度数据。
其中,上述的第一融资主体信息、第一企业信息、第二企业信息、第一业务信息和第二业务信息均在对企业和银行采集后、以及在业务往来中采集后通过上述的第一企业集群区块链进行上传保存。
通过上述的第一关联属性信息、第二关联属性信息和数据属性信息内的关联关系和数据属性数据值,构建知识图谱中的点和边,将第一企业集群供应链内的企业和融资主体银行串联起来,形成上述的第一企业集群供应链业务信息空间。
基于上述的第一企业集群供应链业务信息空间,可从中获取任意一个企业的多维度属性数据、与其他企业的业务关系等,即可获取任意一个企业的业务信息,得到第一供应链业务信息。
本申请实施例提供的方法通过构建第一企业集群区块链,采集融资主体、大型核心企业和中小型企业的信息和业务信息,能够保证业务数据的准确和真实,并通过知识图谱构建第一企业集群供应链业务信息空间,能够高效准确获取某一需要进行融资企业的全部业务信息和往来信息,获得第一供应链业务信息,提升融资风险评估数据基础的准确性、真实性和获取的效率。
S300:根据所述第一供应链业务信息,获得所述第一企业集群供应链的第一供应链融资业务信息;
具体地,根据上述的第一供应链业务信息,其中包括某一企业与其他企业的业务来往信息以及自身的各项属性信息,在企业需要进行融资贷款时,根据企业的融资贷款需求和自身与其他企业的业务来往信息,以及自身的资产、产值、资金回流周期等信息,获得第一企业集群供应链内各具有融资需求企业的融资业务信息,得到第一供应链融资业务信息。
本申请提供的方法中的步骤S300包括:
S310:根据所述第一供应链业务信息,获取所述第一企业集群供应链内核心企业与中小企业的第一融资业务信息和第二融资业务信息;
S320:根据所述第一供应链业务信息,获取所述第一企业集群供应链内核心企业与中小企业的第一融资担保信息和第二融资担保信息;
S330:将所述第一融资业务信息和第二融资业务信息、以及第一融资担保信息和第二融资担保信息作为所述第一供应链融资业务信息。
具体地,对于当前具有融资贷款需求,需要进行一定额度贷款融资的大型核心企业和中小型企业,分别获取大型核心企业和中小型企业的第一融资业务信息和第二融资业务信息。示例性地,第一融资业务信息和第二融资业务信息均包括:融资贷款额度信息、融资贷款的偿还方式、融资贷款的利率等信息。第一融资业务信息和第二融资业务信息可通过大型核心企业和中小型企业和银行的融资贷款合同等获取。
其中,若中小型企业需要进行融资,但其自身的信用程度较低,且自身资产不足以作为融资担保,则需要通过大型核心企业进行担保,然后进行融资。在这一过程中,一般会通过与该中小型企业具有密切业务来往的大型核心企业进行担保。而对于需要融资贷款的大型核心企业,其可采用自身的资产作为融资担保或抵押。
进一步地,对于需要进行融资贷款的中小型企业,根据上述的第一供应链业务信息,获取需要融资的中小型企业具有业务往来、且指定担保的大型核心企业列表,并获取各大型企业的信用等级信息、以及可进行担保的融资担保额度等信息,得到第二融资担保信息。对于需要融资的大型核心企业,获取其作为融资担保的财产以及抵押额度等信息,获得第一融资担保信息。
如此,将上述的第一融资业务信息和第二融资业务信息、以及第一融资担保信息和第二融资担保信息作为上述的第一供应链融资业务信息,其中包括需要进行融资的企业、融资的额度、融资的担保等信息。根据该第一供应链融资业务信息和上述的第一供应链业务信息进行融资风险的评估,可提升融资风险评估的准确性和有效性。
S400:分析所述第一供应链融资业务信息存在的融资风险信息,获得第一供应链融资风险信息;
具体地,现有技术中,部分企业为融资获得较大额度的贷款,会听过伪造业务能力,例如伪造资产以及订单等信息,进行较大额度的融资,进而容易出现无法偿还的违约状况。因此,需要在进行融资前进行融资风险的分析评估。本申请实施例中,通过前述的第一供应链业务信息和第一供应链融资业务信息,对进行融资企业的业务能力和融资要求之间可能存在的风险进行分析评估,获得第一供应链融资风险信息。
本申请实施例提供的方法中的步骤S400包括:
S410:基于大数据,采集获取历史企业集群供应链融资信息集合,其中包括历史融资业务信息集合、历史融资担保信息集合和历史融资风险信息集合;
S420:基于所述历史企业集群供应链融资信息集合获得训练数据和验证数据;
S430:基于决策树模型构建获得供应链融资风险分析模型;
S440:采用所述训练数据和验证数据训练所述供应链融资风险分析模型的各级节点,获得所述供应链融资风险分析模型;
S450:将所述第一融资业务信息和第一融资担保信息、以及第二融资业务信息和第二融资担保信息输入所述供应链融资风险分析模型,获得输出结果;
S460:根据所述输出结果,获得第一融资风险信息和第二融资风险信息;
S470:将所述第一融资风险信息和第二融资风险信息作为所述第一供应链融资风险信息。
具体而言,基于中小企业和大型企业的融资贷款历史信息,以及基于企业融资的大数据,采集获取历史企业集群供应链的融资信息集合。其中包括与当前第一企业集群供应链具有类似相同产业或相同类似地域的企业集群供应链内企业的历史融资信息,或者直接采集当前第一企业集群供应链的历史融资信息,进行当前融资风险的分析。
其中,历史企业集群供应链融资信息集合内包括:历史融资业务信息集合、历史融资担保信息集合和历史融资风险信息集合。历史融资业务信息集合、历史融资担保信息集合包括此前供应链内中小型企业或大型企业进行融资的融资额度信息、企业业务信息等信息,以及为该融资额度进行担保的大型核心企业的担保资产等信息。历史融资风险信息集合内包括在历史融资业务信息集合、历史融资担保信息集合下,产生违约等风险行为的信息。历史融资业务信息集合、历史融资担保信息集合和历史融资风险信息集合内的信息一一对应。示例性地,历史企业集群供应链融资信息集合内包括某一中小型企业自身的业务往来信息和资产等信息,以及在某次融资中的融资额度信息以及某一大型企业为其担保的担保资产信息,以及在该次融资中该中小型企业是否出现违约等风险行为的信息。
基于历史企业集群供应链融资信息集合内的所有信息,获得训练数据和验证数据,示例性地,按照8:2的比例对历史企业集群供应链融资信息集合内历史融资业务信息集合、历史融资担保信息集合中的信息进行拆分,获得训练数据和验证数据。
然后,基于决策树模型构建供应链融资风险分析模型。该供应链融资风险分析模型包括多个分级节点,每个分级节点可对输入的数据进行分类,分级节点包括根节点、枝节点以及叶节点等,构成树状模型。其中,每个分解节点可对不同的特征数据进行分类,例如,可对融资企业的产业规模、资产进行分类,也可对融资的融资额度、还款期限进行分类,也可对融资担保的担保企业规模和担保资产价值进行分类。
采用上述的训练数据和验证数据训练供应链融资风险分析模型的各级节点,具体地训练过程中,分别采用训练数据内的多个特征数据对多个分级节点进行分类训练,将上一级分级节点的分类结果输入下一级分级节点,直至获得最高一级分级节点的分类结果,基于监督训练,根据上述的历史融资风险信息集合设置最后分类结果对应的风险惋惜结果,完成供应链融资风险分析模型的训练。
示例性地,供应链融资风险分析模型的第一级分级节点可对融资企业的年产值进行分类,根据实际的业务需求设置一企业年产值阈值,将企业的年产值分类为大于等于该阈值和小于该阈值的两类,获得第一级分级节点的分类结果,其内包括两类。第二级分级节点可基于第一级分级节点的分类结果继续进行分类,例如第二级分级节点可对融资企业的融资额度进行分类,根据实际的任务需求设置一额度阈值,将第一级分级节点的分类结果输入第二级分级节点,根据训练数据中企业的融资额度进行分类,分类为大于等于该额度阈值和小于该额度阈值的两类,获得第二级分级节点的分类结果,其内包括四类。
如此,继续训练供应链融资风险分析模型的多级分级节点,直到供应链融资风险分析模型的分级节点达到预设的层级高度或模型的分类结果达到要求,基于最后一级分级节点的最终分类结果,其内包括多类数据,基于监督训练,对每种分类结果设置一种对应的融资风险信息,如此,若输入的第一供应链融资业务信息内某公司的融资业务信息经供应链融资风险分析模型多级分级节点的分类后分类至某一类最终的分类结果,则可归类为对应的融资风险信息,作为第一供应链融资风险信息进行参考。
示例性地,若第一供应链融资业务信息内某公司的融资业务信息中,在供应链融资风险分析模型内分类获得该公司的年产值小于某一分级节点的阈值、融资额度大于某一分级节点的阈值、融资担保价值小于某一分级节点的阈值,则可对该公司的融资业务信息分析分类为具有还款违约风险,并加入第一供应链融资风险信息内。
如此,将第一供应链融资业务信息内核心企业的第一融资业务信息和第一融资担保信息、以及中小企业的第二融资业务信息和第二融资担保信息输入上述的供应链融资风险分析模型,即可对各核心企业和中小企业的融资业务信息进行分析判断,得到输出结果,其中包括核心企业和中小企业的第一融资风险信息和第二融资风险信息,进而作为第一供应链融资风险信息。
本申请通过构建供应链融资风险分析模型,并基于大数据或银行历史融资数据训练该模型,能够对第一企业集群供应链各企业的融资业务信息进行融资风险评估,且由于各企业的业务和融资业务等信息均通过区块链获得,真实准确,能够保证融资风险评估的可信度,并通过模型进行分析评估,能够降低人工主观参与度,提升融资风险分析评估的效率和准确性。
S500:将所述第一供应链融资风险信息输入供应链融资风险管控模型,获得输出结果,所述输出结果中包括第一融资风险管控方案信息;
如图3所示,本申请提供的方法中的步骤S500包括:
S510:根据所述历史企业集群供应链融资信息集合,获取历史融资风险管控方案集合;
S520:在监督下,根据所述第一供应链业务信息和所述第一供应链融资业务信息,对所述历史融资风险管控方案集合进行调整和标识,获得融资风险管控方案信息集合;
S530:对所述历史融资风险信息集合和所述融资风险管控方案信息集合按照预设规则划分,获得训练数据集和验证数据集;
S540:构建所述供应链融资风险管控模型,采用所述训练数据集和验证数据集监督训练所述供应链融资风险管控模型,直到所述供应链融资风险管控模型的准确率满足预设需求;
S550:将所述第一供应链融资风险信息输入所述供应链融资风险管控模型,获得输出结果。
具体地,基于前述的历史企业集群供应链融资信息集合,其内除了历史融资业务信息集合、历史融资担保信息集合和历史融资风险信息集合以外,还包括针对历史融资风险信息进行融资管理调整的历史融资风险管控方案集合,其内包括针对不同可能存在的融资风险所进行的融资业务管理调控方案,例如调整企业的信用额度、调整融资的授信客户筛选方案、以及调整企业的融资担保要求以及融资贷款还款方式等方案。本申请实施例中,优选为对融资授信企业的授信权限和授信额度进行调整两种方案。
基于监督训练,根据第一企业集群供应链内的第一供应链业务信息和第一供应链融资业务信息,对历史融资风险管控方案集合进行调整和标识。具体调整的过程中,示例性地,历史融资风险管控方案内对于可能出现融资还款违约的企业,会较大程度地调整降低其授信额度,而第一企业集群供应链内业务较为稳定,对于可能出现融资还款违约的企业,对历史融资风险管控方案内的授信额度调整程度进行调整缩小,使其调整降低的程度较小,完成调整。
在调整完成后,对历史融资风险管控方案集合进行标识,获得融资风险管控方案信息集合。然后,按照预设的规则对历史融资风险信息集合和前述的融资风险管控方案信息集合进行划分,获得训练数据集和验证数据集。示例性地,按照7:3的比例进行划分。
基于机器学习中的人工神经网络模型构建供应链融资风险管控模型的输入层、隐藏层和输出层,然后采用训练数据集对供应链融资风险管控模型进行监督训练,在监督训练的过程中,模型内的参数和网络结构不断自我更新调整,待供应链融资风险管控模型的输出结果达到收敛或预设的准确率,采用验证数据集对其验证,避免模型出现过拟合情况,若模型的准确率达到预设要求,则获得供应链融资风险管控模型。
基于前述的第一企业集群供应链可能存在的第一供应链融资风险信息,将其输入供应链融资风险管控模型,获得输出结果,其中包括根据第一供应链融资风险信息内多个企业可能存在的融资风险信息得出的融资风险管控方案,得到第一融资风险管控方案信息。
本申请基于机器学习中的人工神经网络模型,采集历史融资风险管控方案并进行监督调整,获得训练数据对模型进行训练,使模型能够根据企业的融资风险信息输出适当的融资风险管控方案,作为供应链融资风险管控的数据参考,提升了融资风险管控方案确立的效率和准确率,提升企业集群式供应链融资的安全性。
S600:采用所述第一融资风险管控方案信息,并通过所述第一企业集群区块链对所述第一供应链融资业务信息进行调整管控。
基于步骤S500获得的第一融资风险管控方案信息,对第一企业集群式供应链内各需要融资且存在融资风险的企业的融资业务信息进行调整管控,降低或消除融资风险。并通过前述的第一企业集群区块链将管控的结果进行上传,避免部分企业篡改调整后的融资业务信息,使银行和担保企业能够根据调整后的融资业务进行融资贷款和担保。
本申请提供的方法中的步骤S600包括:
S610:采用所述第一融资风险管控方案信息,对所述第一企业集群供应链内的授信企业的授信权限和授信额度进行调整,获得多个授信企业调整信息,并同时获得调整后的第一供应链融资业务信息;
S620:根据所述授信企业在所述第一企业集群区块链内的节点,将对应的所述授信企业调整信息进行非对称加密,获得加密授信企业调整信息;
S630:通过所述授信企业在所述第一企业集群区块链内的节点将所述加密授信企业调整信息进行上传;
S640:基于所述调整后的第一供应链融资业务信息进行所述第一企业集群供应链的融资业务。
优选地,首先采用第一融资风险管控方案信息对第一企业集群供应链内存在融资风险的授信融资企业的授信权限和授信额度进行调整,获得多个授信企业调整信息,在调整后,企业之间的融资担保和融资额度等信息也发生变化,因此同时获得调整后的第一供应链融资业务信息。
根据授信企业在上述的第一企业集群区块链内的节点,将对应的授信企业调整信息基于区块链技术进行非对称加密,获得加密授信企业调整信息,并进行上传,上传至第一企业集群区块链内进行保存。以及,也对调整后的第一供应链融资业务信息进行加密上传,最终,按照调整后的第一供应链融资业务信息进行所述第一企业集群供应链的融资业务。
本申请通过区块链将调整的融资授信企业调整信息和第一企业集群供应链的融资业务进行上传,能够保证调整后的融资业务信息不被篡改,并可溯源获取,避免由于信息不对称导致银行和担保企业无法根据调整的融资业务信息进行融资贷款和担保,提升企业融资的安全性和效率。
综上所述,本申请实施例通过在企业集群式供应链内构建区块链,在企业之间进行供应业务以及融资业务担保时,将相关的凭据、合同等通过区块链进行上传保存,使得银行在进行融资风险分析时,避免出现银行和企业之间信息不对称的情况,提升融资风险数据基础的准确性和真实性,本申请还通过设置相关的算法并通过监督训练构建和训练模型,基于准确的融资风险数据基础进行融资风险的分析和风险管控方案的确定,能够有效提升融资风险分析、融资风险管控方案确定的准确性和效率,并通过区块链将融资风险调整管控的结果进行上传,保证企业集群供应链融资业务的准确、透明、公正,避免由于人为因素、信息不对称或信任因素导致融资业务出现风险或违约,达到提升融资风险分析管控准确性和效率的技术效果。
实施例二
基于与前述实施例中一种基于区块链的企业集群式供应链风险管控方法相同的发明构思,如图4所示,本申请提供了一种基于区块链的企业集群式供应链风险管控系统,其中,所述系统包括:
第一构建单元11,用于在第一企业集群供应链内构建第一企业集群区块链;
第一获得单元12,用于采集获取所述第一企业集群供应链的业务信息,获得第一供应链业务信息;
第二获得单元13,用于根据所述第一供应链业务信息,获得所述第一企业集群供应链的第一供应链融资业务信息;
第一处理单元14,用于分析所述第一供应链融资业务信息存在的融资风险信息,获得第一供应链融资风险信息;
第二处理单元15,用于将所述第一供应链融资风险信息输入供应链融资风险管控模型,获得输出结果,所述输出结果中包括第一融资风险管控方案信息;
第三处理单元16,用于采用所述第一融资风险管控方案信息,并通过所述第一企业集群区块链对所述第一供应链融资业务信息进行调整管控。
进一步地,所述系统还包括:
第三获得单元,用于采集获取为所述第一企业集群供应链提供融资的融资主体信息,获得第一融资主体信息;
第四获得单元,用于采集获取所述第一企业集群供应链内的核心企业信息,获得第一企业信息;
第五获得单元,用于采集获取所述第一企业集群供应链内的中小企业信息,获得第二企业信息;
第六获得单元,用于获取所述中小企业的业务来往信息,获得第一业务信息;
第七获得单元,用于获取所述核心企业的业务来往信息,获得第二业务信息;
第二构建单元,用于基于所述第一融资主体信息、第一企业信息、第二企业信息、第一业务信息和第二业务信息,采用知识图谱构建第一企业集群供应链业务信息空间;
第四处理单元,用于基于所述第一企业集群供应链业务信息空间,获得所述第一供应链业务信息。
进一步地,所述系统还包括:
第五处理单元,用于基于所述第一业务信息,获取所述第一企业信息和所述第二企业信息的第一关联属性信息;
第六处理单元,用于基于所述第二业务信息,获取所述第二企业信息和所述第一融资主体信息的第二关联属性信息;
第八获得单元,用于获取所述第一企业信息、所述第二企业信息和所述第一融资主体信息的数据属性信息;
第三构建单元,用于基于所述第一关联属性信息、第二关联属性信息和所述数据属性信息,构建所述第一企业集群供应链业务信息空间。
进一步地,所述系统还包括:
第九获得单元,用于根据所述第一供应链业务信息,获取所述第一企业集群供应链内核心企业与中小企业的第一融资业务信息和第二融资业务信息;
第七处理单元,用于根据所述第一供应链业务信息,获取所述第一企业集群供应链内核心企业与中小企业的第一融资担保信息和第二融资担保信息;
第八处理单元,用于将所述第一融资业务信息和第二融资业务信息、以及第一融资担保信息和第二融资担保信息作为所述第一供应链融资业务信息。
进一步地,所述系统还包括:
第十获得单元,用于基于大数据,采集获取历史企业集群供应链融资信息集合,其中包括历史融资业务信息集合、历史融资担保信息集合和历史融资风险信息集合;
第九处理单元,用于基于所述历史企业集群供应链融资信息集合获得训练数据和验证数据;
第四构建单元,用于基于决策树模型构建获得供应链融资风险分析模型;
第十处理单元,用于采用所述训练数据和验证数据训练所述供应链融资风险分析模型的各级节点,获得所述供应链融资风险分析模型;
第十一处理单元,用于将所述第一融资业务信息和第一融资担保信息、以及第二融资业务信息和第二融资担保信息输入所述供应链融资风险分析模型,获得输出结果;
第十二处理单元,用于根据所述输出结果,获得第一融资风险信息和第二融资风险信息;
第十三处理单元,用于将所述第一融资风险信息和第二融资风险信息作为所述第一供应链融资风险信息。
进一步地,所述系统还包括:
第十一获得单元,用于根据所述历史企业集群供应链融资信息集合,获取历史融资风险管控方案集合;
第十四处理单元,用于在监督下,根据所述第一供应链业务信息和所述第一供应链融资业务信息,对所述历史融资风险管控方案集合进行调整和标识,获得融资风险管控方案信息集合;
第十五处理单元,用于对所述历史融资风险信息集合和所述融资风险管控方案信息集合按照预设规则划分,获得训练数据集和验证数据集;
第十六处理单元,用于构建所述供应链融资风险管控模型,采用所述训练数据集和验证数据集监督训练所述供应链融资风险管控模型,直到所述供应链融资风险管控模型的准确率满足预设需求;
第十七处理单元,用于将所述第一供应链融资风险信息输入所述供应链融资风险管控模型,获得输出结果。
进一步地,所述系统还包括:
第十八处理单元,用于采用所述第一融资风险管控方案信息,对所述第一企业集群供应链内的授信企业的授信权限和授信额度进行调整,获得多个授信企业调整信息,并同时获得调整后的第一供应链融资业务信息;
第十九处理单元,用于根据所述授信企业在所述第一企业集群区块链内的节点,将对应的所述授信企业调整信息进行非对称加密,获得加密授信企业调整信息;
第二十处理单元,用于通过所述授信企业在所述第一企业集群区块链内的节点将所述加密授信企业调整信息进行上传;
第二十一处理单元,用于基于所述调整后的第一供应链融资业务信息进行所述第一企业集群供应链的融资业务。
实施例三
基于与前述实施例中一种基于区块链的企业集群式供应链风险管控方法相同的发明构思,本申请还提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如实施例一内的方法。
示例性电子设备
下面参考图5来描述本申请的电子设备,
基于与前述实施例中一种基于区块链的企业集群式供应链风险管控方法相同的发明构思,本申请还提供了一种基于区块链的企业集群式供应链风险管控系统,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得系统以执行实施例一所述方法的步骤。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture,简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless localareanetworks,WLAN),有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory,EEPROM)、只读光盘(compactdiscread-onlymemory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种基于区块链的企业集群式供应链风险管控方法。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个、种),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(SolidState Disk,SSD))等。
本申请中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (7)
1.一种基于区块链的企业集群式供应链风险管控方法,其特征在于,所述方法包括:
在第一企业集群供应链内构建第一企业集群区块链;
采集获取所述第一企业集群供应链的业务信息,获得第一供应链业务信息;
根据所述第一供应链业务信息,获得所述第一企业集群供应链的第一供应链融资业务信息;
分析所述第一供应链融资业务信息存在的融资风险信息,获得第一供应链融资风险信息;
将所述第一供应链融资风险信息输入供应链融资风险管控模型,获得输出结果,所述输出结果中包括第一融资风险管控方案信息;
采用所述第一融资风险管控方案信息,并通过所述第一企业集群区块链对所述第一供应链融资业务信息进行调整管控;
根据所述第一供应链业务信息,获得所述第一企业集群供应链的第一供应链融资业务信息,包括:
根据所述第一供应链业务信息,获取所述第一企业集群供应链内核心企业与中小企业的第一融资业务信息和第二融资业务信息;
根据所述第一供应链业务信息,获取所述第一企业集群供应链内核心企业与中小企业的第一融资担保信息和第二融资担保信息;
将所述第一融资业务信息和第二融资业务信息、以及第一融资担保信息和第二融资担保信息作为所述第一供应链融资业务信息;
其中,所述分析所述第一供应链融资业务信息存在的融资风险信息,包括:
基于大数据,采集获取历史企业集群供应链融资信息集合,其中包括历史融资业务信息集合、历史融资担保信息集合和历史融资风险信息集合;
基于所述历史企业集群供应链融资信息集合获得训练数据和验证数据;
基于决策树模型构建获得供应链融资风险分析模型;
采用所述训练数据和验证数据训练所述供应链融资风险分析模型的各级节点,获得所述供应链融资风险分析模型;
将所述第一融资业务信息和第一融资担保信息、以及第二融资业务信息和第二融资担保信息输入所述供应链融资风险分析模型,获得输出结果;
根据所述输出结果,获得第一融资风险信息和第二融资风险信息;
将所述第一融资风险信息和第二融资风险信息作为所述第一供应链融资风险信息;
将所述第一供应链融资风险信息输入供应链融资风险管控模型,获得输出结果,包括:
根据所述历史企业集群供应链融资信息集合,获取历史融资风险管控方案集合;
在监督下,根据所述第一供应链业务信息和所述第一供应链融资业务信息,对所述历史融资风险管控方案集合进行调整和标识,获得融资风险管控方案信息集合;
对所述历史融资风险信息集合和所述融资风险管控方案信息集合按照预设规则划分,获得训练数据集和验证数据集;
构建所述供应链融资风险管控模型,采用所述训练数据集和验证数据集监督训练所述供应链融资风险管控模型,直到所述供应链融资风险管控模型的准确率满足预设需求;
将所述第一供应链融资风险信息输入所述供应链融资风险管控模型,获得输出结果。
2.根据权利要求1所述的方法,其特征在于,所述采集获取第一企业集群供应链的业务信息,获得第一供应链业务信息,包括:
采集获取为所述第一企业集群供应链提供融资的融资主体信息,获得第一融资主体信息;
采集获取所述第一企业集群供应链内的核心企业信息,获得第一企业信息;
采集获取所述第一企业集群供应链内的中小企业信息,获得第二企业信息;
获取所述中小企业的业务来往信息,获得第一业务信息;
获取所述核心企业的业务来往信息,获得第二业务信息;
基于所述第一融资主体信息、第一企业信息、第二企业信息、第一业务信息和第二业务信息,采用知识图谱构建第一企业集群供应链业务信息空间;
基于所述第一企业集群供应链业务信息空间,获得所述第一供应链业务信息。
3.根据权利要求2所述的方法,其特征在于,所述采用知识图谱构建第一企业集群供应链业务信息空间,包括:
基于所述第一业务信息,获取所述第一企业信息和所述第二企业信息的第一关联属性信息;
基于所述第二业务信息,获取所述第二企业信息和所述第一融资主体信息的第二关联属性信息;
获取所述第一企业信息、所述第二企业信息和所述第一融资主体信息的数据属性信息;
基于所述第一关联属性信息、第二关联属性信息和所述数据属性信息,构建所述第一企业集群供应链业务信息空间。
4.根据权利要求1所述的方法,其特征在于,所述采用所述第一融资风险管控方案信息,并通过所述第一企业集群区块链对所述第一供应链融资业务信息进行调整管控,包括:
采用所述第一融资风险管控方案信息,对所述第一企业集群供应链内的授信企业的授信权限和授信额度进行调整,获得多个授信企业调整信息,并同时获得调整后的第一供应链融资业务信息;
根据所述授信企业在所述第一企业集群区块链内的节点,将对应的所述授信企业调整信息进行非对称加密,获得加密授信企业调整信息;
通过所述授信企业在所述第一企业集群区块链内的节点将所述加密授信企业调整信息进行上传;
基于所述调整后的第一供应链融资业务信息进行所述第一企业集群供应链的融资业务。
5.一种基于区块链的企业集群式供应链风险管控系统,其特征在于,所述系统包括:
第一构建单元,用于在第一企业集群供应链内构建第一企业集群区块链;
第一获得单元,用于采集获取所述第一企业集群供应链的业务信息,获得第一供应链业务信息;
第二获得单元,用于根据所述第一供应链业务信息,获得所述第一企业集群供应链的第一供应链融资业务信息;
第一处理单元,用于分析所述第一供应链融资业务信息存在的融资风险信息,获得第一供应链融资风险信息;
第二处理单元,用于将所述第一供应链融资风险信息输入供应链融资风险管控模型,获得输出结果,所述输出结果中包括第一融资风险管控方案信息;
第三处理单元,用于采用所述第一融资风险管控方案信息,并通过所述第一企业集群区块链对所述第一供应链融资业务信息进行调整管控;
所述系统还包括:
第九获得单元,用于根据所述第一供应链业务信息,获取所述第一企业集群供应链内核心企业与中小企业的第一融资业务信息和第二融资业务信息;
第七处理单元,用于根据所述第一供应链业务信息,获取所述第一企业集群供应链内核心企业与中小企业的第一融资担保信息和第二融资担保信息;
第八处理单元,用于将所述第一融资业务信息和第二融资业务信息、以及第一融资担保信息和第二融资担保信息作为所述第一供应链融资业务信息;
第十获得单元,用于基于大数据,采集获取历史企业集群供应链融资信息集合,其中包括历史融资业务信息集合、历史融资担保信息集合和历史融资风险信息集合;
第九处理单元,用于基于所述历史企业集群供应链融资信息集合获得训练数据和验证数据;
第四构建单元,用于基于决策树模型构建获得供应链融资风险分析模型;
第十处理单元,用于采用所述训练数据和验证数据训练所述供应链融资风险分析模型的各级节点,获得所述供应链融资风险分析模型;
第十一处理单元,用于将所述第一融资业务信息和第一融资担保信息、以及第二融资业务信息和第二融资担保信息输入所述供应链融资风险分析模型,获得输出结果;
第十二处理单元,用于根据所述输出结果,获得第一融资风险信息和第二融资风险信息;
第十三处理单元,用于将所述第一融资风险信息和第二融资风险信息作为所述第一供应链融资风险信息;
第十一获得单元,用于根据所述历史企业集群供应链融资信息集合,获取历史融资风险管控方案集合;
第十四处理单元,用于在监督下,根据所述第一供应链业务信息和所述第一供应链融资业务信息,对所述历史融资风险管控方案集合进行调整和标识,获得融资风险管控方案信息集合;
第十五处理单元,用于对所述历史融资风险信息集合和所述融资风险管控方案信息集合按照预设规则划分,获得训练数据集和验证数据集;
第十六处理单元,用于构建所述供应链融资风险管控模型,采用所述训练数据集和验证数据集监督训练所述供应链融资风险管控模型,直到所述供应链融资风险管控模型的准确率满足预设需求;
第十七处理单元,用于将所述第一供应链融资风险信息输入所述供应链融资风险管控模型,获得输出结果。
6.一种基于区块链的企业集群式供应链风险管控系统,其特征在于,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使系统以执行如权利要求1至4任一项所述方法的步骤。
7.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210164917.XA CN114565256B (zh) | 2022-02-23 | 2022-02-23 | 一种基于区块链的企业集群式供应链风险管控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210164917.XA CN114565256B (zh) | 2022-02-23 | 2022-02-23 | 一种基于区块链的企业集群式供应链风险管控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114565256A CN114565256A (zh) | 2022-05-31 |
CN114565256B true CN114565256B (zh) | 2023-10-31 |
Family
ID=81714584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210164917.XA Active CN114565256B (zh) | 2022-02-23 | 2022-02-23 | 一种基于区块链的企业集群式供应链风险管控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114565256B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809537A (zh) * | 2014-12-31 | 2016-07-27 | 天津市招财猫信息技术有限公司 | 一种中小微企业投融资风险控制系统 |
CN109801159A (zh) * | 2019-01-24 | 2019-05-24 | 中国农业银行股份有限公司 | 基于区块链的互联网电商融资管理方法及系统 |
CN111062805A (zh) * | 2019-12-13 | 2020-04-24 | 杭州城市大数据运营有限公司 | 一种供应链金融服务管理平台 |
CN112508686A (zh) * | 2020-12-16 | 2021-03-16 | 金网络(北京)电子商务有限公司 | 供应链金融授信额度后处理方法及系统 |
CN112508681A (zh) * | 2020-12-01 | 2021-03-16 | 浙商银行股份有限公司 | 基于区块链的联合贷款业务平台及贷款管理方法 |
CN113902553A (zh) * | 2021-10-28 | 2022-01-07 | 平安银行股份有限公司 | 基于知识图谱的风险识别方法、装置、计算机设备及介质 |
CN113989018A (zh) * | 2021-10-25 | 2022-01-28 | 中国工商银行股份有限公司 | 风险管理方法、装置、电子设备和介质 |
CN114022273A (zh) * | 2021-11-26 | 2022-02-08 | 江苏华博实业集团有限公司 | 一种用于融资供应链的金融风险管理系统及其方法 |
-
2022
- 2022-02-23 CN CN202210164917.XA patent/CN114565256B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809537A (zh) * | 2014-12-31 | 2016-07-27 | 天津市招财猫信息技术有限公司 | 一种中小微企业投融资风险控制系统 |
CN109801159A (zh) * | 2019-01-24 | 2019-05-24 | 中国农业银行股份有限公司 | 基于区块链的互联网电商融资管理方法及系统 |
CN111062805A (zh) * | 2019-12-13 | 2020-04-24 | 杭州城市大数据运营有限公司 | 一种供应链金融服务管理平台 |
CN112508681A (zh) * | 2020-12-01 | 2021-03-16 | 浙商银行股份有限公司 | 基于区块链的联合贷款业务平台及贷款管理方法 |
CN112508686A (zh) * | 2020-12-16 | 2021-03-16 | 金网络(北京)电子商务有限公司 | 供应链金融授信额度后处理方法及系统 |
CN113989018A (zh) * | 2021-10-25 | 2022-01-28 | 中国工商银行股份有限公司 | 风险管理方法、装置、电子设备和介质 |
CN113902553A (zh) * | 2021-10-28 | 2022-01-07 | 平安银行股份有限公司 | 基于知识图谱的风险识别方法、装置、计算机设备及介质 |
CN114022273A (zh) * | 2021-11-26 | 2022-02-08 | 江苏华博实业集团有限公司 | 一种用于融资供应链的金融风险管理系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114565256A (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chao et al. | How to determine the consensus threshold in group decision making: a method based on efficiency benchmark using benefit and cost insight | |
CA3177388A1 (en) | Systems and methods for controlling rights related to digital knowledge | |
Barak et al. | Fuzzy turnover rate chance constraints portfolio model | |
AU2021216391A1 (en) | Artificial intelligence selection and configuration | |
EP3874443A2 (en) | Adaptive intelligence and shared infrastructure lending transaction enablement platform | |
CA3177410A1 (en) | Market orchestration system for facilitating electronic marketplace transactions | |
US20180173790A1 (en) | Modifying data structures to indicate derived relationships among entity data objects | |
US20200265511A1 (en) | Micro-Loan System | |
CN112734559A (zh) | 企业信用风险评价方法、装置及电子设备 | |
Alonso et al. | Understanding the performance of machine learning models to predict credit default: a novel approach for supervisory evaluation | |
CN113592287A (zh) | 风险评估方法和装置 | |
Stasiak | Modelling of currency exchange rates using a binary representation | |
Charpentier et al. | Collaborative insurance sustainability and network structure | |
CN111798246A (zh) | 一种金融风险等级评估方法和装置 | |
CN118096170A (zh) | 风险预测方法及装置、设备、存储介质和程序产品 | |
CN114565256B (zh) | 一种基于区块链的企业集群式供应链风险管控方法及系统 | |
Trautmann et al. | Smart contracts in the context of procure-to-pay | |
Magoč et al. | Application of fuzzy measures and interval computation to financial portfolio selection | |
CN116341653A (zh) | 一种层次分析模型权重获得方法及相关设备 | |
CN115358894A (zh) | 一种知识产权生命周期托管管理方法、装置、设备及介质 | |
CN114757397A (zh) | 一种坏料预测方法、坏料预测装置及电子设备 | |
Wright et al. | A machine learning approach to classification for traders in financial markets | |
CN114418776A (zh) | 一种数据处理方法、装置、终端设备及介质 | |
CN115860889A (zh) | 一种基于人工智能的金融贷款大数据管理方法及系统 | |
CN111079992A (zh) | 数据处理方法、装置和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |