CN114693421A - 风险评估方法、装置、电子设备和介质 - Google Patents
风险评估方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN114693421A CN114693421A CN202210477922.6A CN202210477922A CN114693421A CN 114693421 A CN114693421 A CN 114693421A CN 202210477922 A CN202210477922 A CN 202210477922A CN 114693421 A CN114693421 A CN 114693421A
- Authority
- CN
- China
- Prior art keywords
- risk
- value
- objects
- evaluated
- determining
- 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
Abstract
本公开提供了一种用于评估发生信用违约风险的风险评估方法,可用于金融领域或其他领域。该方法包括:获取待评估对象的独立风险值;确定与所述待评估对象存在关联关系的n个关联对象,其中,n为大于等于2的正整数;获取所述n个关联对象各自的n个独立风险值;确定所述n个关联对象和所述待评估对象的n个关联系数值;根据所述n个关联系数值和所述n个独立风险值,确定所述待评估对象的关联风险值;根据所述待评估对象的独立风险值和所述关联风险值,确定所述待评估对象的风险评估值;以及基于所述风险评估值,得到所述待评估对象的风险评估结果。本公开还提供了一种风险评估装置、设备、存储介质和程序产品。
Description
技术领域
本公开涉及金融领域,更具体地,涉及一种用于评估发生信用违约风险的风险评估方法、装置、设备、介质和程序产品。
背景技术
目前在金融风险监控时,对发生信用违约风险的风险评估方法包括为授信和外部欺诈等。
在实现本公开构思的过程中,发明人发现,目前的风险评估方法未考虑其他对象引发的关联风险。
发明内容
鉴于上述问题,本公开提供了一种用于评估发生信用违约风险的风险评估方法、装置、设备、介质和程序产品。
根据本公开的第一个方面,提供了一种用于评估发生信用违约风险的风险评估方法,包括:获取待评估对象的独立风险值,所述待评估对象的独立风险值独立地表征所述待评估对象发生信用违约风险的概率;确定与所述待评估对象存在关联关系的n个关联对象,其中,n为大于等于2的正整数;获取所述n个关联对象各自的n个独立风险值,所述n个关联对象各自的n个独立风险值分别独立地表征所述n个关联对象发生信用违约风险的概率;确定所述n个关联对象和所述待评估对象的n个关联系数值;根据所述n个关联系数值和所述n个独立风险值,确定所述待评估对象的关联风险值,所述关联风险值表征所述n个关联对象联合地影响所述待评估对象发生信用违约风险的影响程度;根据所述待评估对象的独立风险值和所述关联风险值,确定所述待评估对象的风险评估值;以及基于所述风险评估值,得到所述待评估对象的风险评估结果。
根据本公开的实施例,所述确定所述n个关联对象和所述待评估对象的n个关联系数值包括:建立关联系数矩阵,其中,所述关联系数矩阵包括对象集中任意两个对象之间的关联系数值,所述对象集至少包括所述待评估对象和所述n个关联对象;以及根据确定出的所述n个关联对象,从所述关联系数矩阵中提取所述n个关联对象和所述待评估对象的n个关联系数值。
根据本公开的实施例,所述建立关联系数矩阵包括:确定对象集,其中,所述对象集包括k个对象,k为大于等于n+1的正整数;以及确定所述k个对象中任意两个对象之间的关联系数值,得到关联系数矩阵。
根据本公开的实施例,所述确定所述k个对象中任意两个对象之间的关联系数值包括:确定所述k个对象中每一个对象的m个风险特征,m≥1;对于所述m个风险特征中的每一个风险特征,确定所述k个对象中一个对象和所述k个对象中另一个对象之间的特征相似系数值,其中,所述特征相似系数值用于表征所述k个对象中一个对象的风险特征和所述k个对象中另一个对象的风险特征之间的相似度;确定所述m个风险特征中每一个风险特征的特征影响系数值;以及将每一个风险特征的特征相似系数值按照对应的特征影响系数值加权求和,得到所述k个对象中一个对象和所述k个对象中另一个对象之间的关联系数值。
根据本公开的实施例,所述根据所述待评估对象的独立风险值和所述关联风险值,确定所述待评估对象的风险评估值的步骤包括:叠加所述待评估对象的独立风险值和所述关联风险值,得到所述待评估对象的风险评估值。
根据本公开的实施例,所述基于所述风险评估值,得到所述待评估对象的风险评估结果的步骤包括:预设风险阈值;和当所述待评估对象的风险评估值大于所述风险阈值时,所述评估结果为高风险,将所述待评估对象纳入风险预警管理。
根据本公开的实施例,所述方法还包括:当所述待评估对象的风险评估值小于等于所述风险阈值时,所述评估结果为低风险,每隔预设时间对所述待评估对象重新进行风险评估。
本公开的第二方面提供了一种用于评估发生信用违约风险的风险评估装置,包括:第一获取模块,用于获取待评估对象的独立风险值,所述待评估对象的独立风险值独立地表征所述待评估对象发生信用违约风险的概率;第一确定模块,用于确定与所述待评估对象存在关联关系的n个关联对象,其中,n为大于等于2的正整数;第二获取模块,用于获取所述n个关联对象各自的n个独立风险值,所述n个关联对象各自的n个独立风险值分别独立地表征所述n个关联对象发生信用违约风险的概率;第二确定模块,用于确定所述n个关联对象和所述待评估对象的n个关联系数值;第一计算模块,用于根据所述n个关联系数值和所述n个独立风险值,确定所述待评估对象的关联风险值,所述关联风险值表征所述n个关联对象联合地影响所述待评估对象发生信用违约风险的影响程度;第二计算模块,用于根据所述待评估对象的独立风险值和所述关联风险值,确定所述待评估对象的风险评估值;以及评估模块,用于基于所述风险评估值,得到所述待评估对象的风险评估结果。
根据本公开的实施例,所述第二确定模块包括:建立模块,用于建立关联系数矩阵,其中,所述关联系数矩阵包括对象集中任意两个对象之间的关联系数值,所述对象集至少包括所述待评估对象和所述n个关联对象;以及提取模块,用于根据确定出的所述n个关联对象,从所述关联系数矩阵中提取所述n个关联对象和所述待评估对象的n个关联系数值。
根据本公开的实施例,所述建立模块包括:第三确定模块,用于确定对象集,其中,所述对象集包括k个对象,k为大于等于n+1的正整数;以及第四确定模块,用于确定所述k个对象中任意两个对象之间的关联系数值,得到关联系数矩阵。
根据本公开的实施例,所述第四确定模块包括:第五确定模块,用于确定所述k个对象中每一个对象的m个风险特征,m≥1;第六确定模块,用于对于所述m个风险特征中的每一个风险特征,确定所述k个对象中一个对象和所述k个对象中另一个对象之间的特征相似系数值,其中,所述特征相似系数值用于表征所述k个对象中一个对象的风险特征和所述k个对象中另一个对象的风险特征之间的相似度;第七确定模块,用于确定所述m个风险特征中每一个风险特征的特征影响系数值;以及求和模块,用于将每一个风险特征的特征相似系数值按照对应的特征影响系数值加权求和,得到所述k个对象中一个对象和所述k个对象中另一个对象之间的关联系数值。
根据本公开的实施例,所述第二计算模块包括:叠加模块,用于叠加所述待评估对象的独立风险值和所述关联风险值,得到所述待评估对象的风险评估值。
根据本公开的实施例,所述评估模块包括:预设模块,用于预设风险阈值;和风险预警管理模块,用于当所述待评估对象的风险评估值大于所述风险阈值时,所述评估结果为高风险,将所述待评估对象纳入风险预警管理。
根据本公开的实施例,所述装置还包括遍历模块,用于当所述待评估对象的风险评估值小于等于所述风险阈值时,所述评估结果为低风险,每隔预设时间对所述待评估对象重新进行风险评估。
本公开的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,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,使得一个或多个处理器执行上述方法。
本公开的第四方面还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上述方法。
本公开的第五方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述方法。
上述一个或多个实施例具有如下优点或有益效果:通过将待评估对象的关联对象的关联风险值考虑在内,得到改进的风险评估值,再基于改进的风险评估值得到待评估对象的风险评估结果,使得该风险评估结果能够揭示关联对象存在的风险,有效地防范了信用违约事件发生和影响范围扩大。
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用于评估发生信用违约风险的风险评估方法、装置、设备、介质和程序产品的应用场景图;
图2示意性示出了根据本公开实施例的用于评估发生信用违约风险的风险评估方法的流程图;
图3示意性示出了根据本公开实施例的建立关联系数矩阵的流程图;
图4示意性示出了根据本公开实施例的用于评估发生信用违约风险的风险评估装置的结构框图;
图5示意性示出了根据本公开实施例的建立模块的结构框图;以及
图6示意性示出了根据本公开实施例的适于实现用于评估发生信用违约风险的风险评估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)。
以下为本公开的实施例中的关键术语的详细介绍:对象:金融市场中发生信用违约风险的主体。关联对象:金融市场中,金融机构、法人公司等对象之间呈现一种彼此相连的网状结构,其中相互存在关系的对象称为关联对象。关联对象风险:对象自身无风险,因与之关系紧密的其他对象有风险而具有的风险称为关联对象风险。对象关联系数:用于量化关联对象间关系紧密程度的系数。
目前的现有技术是针对对象当前的风险状况作出的风险评估时,未考虑由其他对象引发的关联风险,也无法提前甄别对象的潜在风险。在全球金融市场联系日趋紧密的背景下,风险传导的可能性也在日益增加。对象无风险,但因关联对象存在风险,已经发生风险或未来发生风险的概率将变高。
基于此,本公开的实施例提供了一种用于评估发生信用违约风险的风险评估方法,包括:获取待评估对象的独立风险值,所述待评估对象的独立风险值独立地表征所述待评估对象发生信用违约风险的概率;确定与所述待评估对象存在关联关系的n个关联对象,其中,n为大于等于2的正整数;获取所述n个关联对象各自的n个独立风险值,所述n个关联对象各自的n个独立风险值分别独立地表征所述n个关联对象发生信用违约风险的概率;确定所述n个关联对象和所述待评估对象的n个关联系数值;根据所述n个关联系数值和所述n个独立风险值,确定所述待评估对象的关联风险值,所述关联风险值表征所述n个关联对象联合地影响所述待评估对象发生信用违约风险的影响程度;根据所述待评估对象的独立风险值和所述关联风险值,确定所述待评估对象的风险评估值;以及基于所述风险评估值,得到所述待评估对象的风险评估结果。
本公开的实施例致力于解决关联对象风险传导的问题,即当对象自身无风险,因关联对象存在风险,其发生风险的可能性将变高。通过选取对象的风险特征、量化特征相似系数和特征影响系数,提出根据特征相似系数和特征影响系数的对象间关联系数的计算方法。在此基础上,建立包括多个对象的对象关联系数矩阵。基于市场上或机构风险部获取的对象风险值,计算将关联对象风险考虑在内的改进的对象风险值。在定时更新对象关联系数矩阵和对象风险值向量基础上,计算改进的对象风险值,当超过阈值时,纳入风险预警管理,从而能够及时揭示关联对象存在的风险,有效地防范了信用违约事件发生和影响范围扩大。
需要说明的是,本公开确定的风险评估方法和装置可用于金融领域的风险评估,也可用于除金融领域之外的任意领域的风险评估,本公开风险评估的方法和装置的应用领域不做限定。
图1示意性示出了根据本公开实施例的用于评估发生信用违约风险的风险评估方法、装置、设备、介质和程序产品的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括终端设备101、102、103,网络104和服务器105。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用于评估发生信用违约风险的风险评估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用于评估发生信用违约风险的风险评估装置一般可以设置于服务器105中。本公开实施例所提供的用于评估发生信用违约风险的风险评估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用于评估发生信用违约风险的风险评估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3对公开实施例的用于评估发生信用违约风险的风险评估方法进行详细描述。
图2示意性示出了根据本公开实施例的用于评估发生信用违约风险的风险评估方法的流程图。
如图2所示,该实施例的用于评估发生信用违约风险的风险评估方法包括操作S210~操作S270。
在操作S210,获取待评估对象的独立风险值,所述待评估对象的独立风险值独立地表征所述待评估对象发生信用违约风险的概率。
在操作S220,确定与所述待评估对象存在关联关系的n个关联对象,其中,n为大于等于2的正整数。
在操作S230,获取所述n个关联对象各自的n个独立风险值,所述n个关联对象各自的n个独立风险值分别独立地表征所述n个关联对象发生信用违约风险的概率。
在操作S240,确定所述n个关联对象和所述待评估对象的n个关联系数值。
根据本公开的实施例,所述确定所述n个关联对象和所述待评估对象的n个关联系数值包括:建立关联系数矩阵,其中,所述关联系数矩阵包括对象集中任意两个对象之间的关联系数值,所述对象集至少包括所述待评估对象和所述n个关联对象;以及根据确定出的所述n个关联对象,从所述关联系数矩阵中提取所述n个关联对象和所述待评估对象的n个关联系数值。由于关联系数的存储方式为关联系数矩阵,方便后面计算时对关联系数的提取,同时也方便从关联系数矩阵中比较各个关联对象的关联系数的大小。
图3示意性示出了根据本公开实施例的建立关联系数矩阵的流程图。
如图3所示,该实施例的建立关联系数矩阵方法包括操作S310~操作S320。
在操作S310,确定对象集,其中,所述对象集包括k个对象,k为大于等于n+1的正整数。
在操作S320,确定所述k个对象中任意两个对象之间的关联系数值,得到关联系数矩阵。
示例性的,以金融市场为例,在金融市场中的对象之间呈现一种彼此相连的网状结构。假设对象为n个,每两个对象计算关联系数,最终的所有计算结果表现为一个n*n二维关联系数矩阵,表示对象i和对象j的关联系数值。当i=j时,表明对象与自身比较,无意义可忽略。对象关联系数矩阵的元素值随着特征相似系数和影响系数的变化而动态变化,因此整个对象关联系数矩阵也是动态变化的,能够实时反映对象的关联情况。
根据本公开的实施例,所述确定所述k个对象中任意两个对象之间的关联系数值包括:确定所述k个对象中每一个对象的m个风险特征,m≥1;对于所述m个风险特征中的每一个风险特征,确定所述k个对象中一个对象和所述k个对象中另一个对象之间的特征相似系数值,其中,所述特征相似系数值用于表征所述k个对象中一个对象的风险特征和所述k个对象中另一个对象的风险特征之间的相似度;确定所述m个风险特征中每一个风险特征的特征影响系数值;以及将每一个风险特征的特征相似系数值按照对应的特征影响系数值加权求和,得到所述k个对象中一个对象和所述k个对象中另一个对象之间的关联系数值。其中,特征影响系数值可以根据特征的实际情况进行设置,本公开的实施例对此不做限定。
在本公开实施例中,每一个对象都是有且仅有m个风险特征,如果在实际应用中,当对象的风险特征数量不同时,需要先进行特征对齐操作,然后再进比较。可以根据实际情况选择相应的特征对齐方法,本公开的实施例对此不做限定。
根据本公开的实施例,所述将每一个风险特征的特征相似系数值按照对应的特征影响系数值加权求和的步骤之前,还包括:将所述特征相似系数值归一化到[0,1],以使得计算过程更为简洁。
示例性的,选取对象的一组风险特征:特征1、特征2、......、特征m,如地域、行业、开展业务、归属集团、债权成分、股权成分等。其中,对所有对象来说,都具有m个相同的风险特征,只是具体的风险特征值根据对象的实际情况不同。两个对象的某特征越接近,表明该特征反映的风险程度越接近,用归一化的特征相似系数α表示特征的接近程度,其中,归一化是指将所述特征相似系数值归一化到[0,1],特征完全不同为0,特征完全相同为1。不同特征对风险的影响程度不同,使用特征影响系数β表示影响程度的大小。特征a的影响程度大于特征b,对应特征a的影响系数也大于特征b的影响系数。假设特征为m个,将每个特征相似系数按该特征的影响系数加权求和,得到两个对象的关联系数θ为:
举例如下:
当风险特征为地域、行业、开展业务、归属集团,对风险的影响程度也依次升高,则特征的影响系数可依次设置为1、2、3、10。
(1)A公司与B公司:总部都在C市,地域特征的相似系数为1;行业均为互联网,行业特征的相似系数为1;前者主要为电商和支付业务,虽有出行业务但在其营收中占比较小,开展业务的相似系数为0.4;归属集团不是同一个,相似系数为0。
(2)E公司与F公司:前者在D省K市,后者在D省H市,地域特征的相似系数为0.8;行业均为银行业,行业特征的相似系数为1;开展业务相似度较高,但各自存在对方无法经营的业务,相似系数为0.9;归属同一集团,相似系数为1。
在操作S250,根据所述n个关联系数值和所述n个独立风险值,确定所述待评估对象的关联风险值,所述关联风险值表征所述n个关联对象联合地影响所述待评估对象发生信用违约风险的影响程度。
在操作S260,根据所述待评估对象的独立风险值和所述关联风险值,确定所述待评估对象的风险评估值。
根据本公开的实施例,所述根据所述待评估对象的独立风险值和所述关联风险值,确定所述待评估对象的风险评估值的步骤包括:叠加所述待评估对象的独立风险值和所述关联风险值,得到所述待评估对象的风险评估值。
示例性的,n个对象的风险值构成了一维向量(δ1,δ2,...,δn),δi表示第i个对象的风险值。初始风险值可直接由市场的评级机构或机构内的风险部门直接获取,且随着对象风险状况的变化而动态变化。
改进的对象风险值由对象初始风险值叠加关联对象产生的风险值,关联对象产生的风险值由关联对象自身的风险值乘以对象关联系数获得。
在操作S270,基于所述风险评估值,得到所述待评估对象的风险评估结果。
根据本公开的实施例,所述基于所述风险评估值,得到所述待评估对象的风险评估结果的步骤包括:预设风险阈值;和当所述待评估对象的风险评估值大于所述风险阈值时,所述评估结果为高风险,将所述待评估对象纳入风险预警管理。其中,预设风险阈值可以根据时间风险评估的需要进行设置,本公开的实施例对此不做限定。
根据本公开的实施例,所述方法还包括:当所述待评估对象的风险评估值小于等于所述风险阈值时,所述评估结果为低风险,由于每个对象的风险值随着时间会发生变化,因此需要每隔预设时间对所述待评估对象重新进行风险评估,以实现对待评估对象的定期观察。其中,当利用上述方法得到某个对象的风险评估值后,需要用计算得到的风险评估值更新该对象的初始风险值,当该对象作为其他对象的关联对象时,需要用该对象更新后的风险值计算其他对象的风险值,以保证风险值计算的准确。
本公开实施例的用于评估发生信用违约风险的风险评估方法,通过将待评估对象的关联对象的关联风险值考虑在内,得到改进的风险评估值,再基于改进的风险评估值得到待评估对象的风险评估结果,使得该风险评估结果能够揭示关联对象存在的风险,有效地防范了信用违约事件发生和影响范围扩大。
基于上述用于评估发生信用违约风险的风险评估方法,本公开还提供了一种用于评估发生信用违约风险的风险评估装置。以下将结合图4和图5对该装置进行详细描述。
图4示意性示出了根据本公开实施例的用于评估发生信用违约风险的风险评估装置的结构框图。
如图4所示,该实施例的用于评估发生信用违约风险的风险评估装置400包括第一获取模块410、第一确定模块420、第二获取模块430、第二确定模块440、第一计算模块450、第二计算模块460和评估模块470。
第一获取模块410,用于获取待评估对象的独立风险值,所述待评估对象的独立风险值独立地表征所述待评估对象发生信用违约风险的概率。在一实施例中,第一获取模块410可以用于执行前文描述的操作S210,在此不再赘述。
第一确定模块420,用于确定与所述待评估对象存在关联关系的n个关联对象,其中,n为大于等于2的正整数。在一实施例中,第一确定模块420可以用于执行前文描述的操作S220,在此不再赘述。
第二获取模块430,用于获取所述n个关联对象各自的n个独立风险值,所述n个关联对象各自的n个独立风险值分别独立地表征所述n个关联对象发生信用违约风险的概率。在一实施例中,第二获取模块430可以用于执行前文描述的操作S230,在此不再赘述。
第二确定模块440,用于确定所述n个关联对象和所述待评估对象的n个关联系数值。在一实施例中,第二确定模块440可以用于执行前文描述的操作S240,在此不再赘述。
第一计算模块450,用于根据所述n个关联系数值和所述n个独立风险值,确定所述待评估对象的关联风险值,所述关联风险值表征所述n个关联对象联合地影响所述待评估对象发生信用违约风险的影响程度。在一实施例中,第一计算模块450可以用于执行前文描述的操作S250,在此不再赘述。
第二计算模块460,用于根据所述待评估对象的独立风险值和所述关联风险值,确定所述待评估对象的风险评估值。在一实施例中,第二计算模块460可以用于执行前文描述的操作S260,在此不再赘述。
评估模块470,用于基于所述风险评估值,得到所述待评估对象的风险评估结果。在一实施例中,评估模块470可以用于执行前文描述的操作S270,在此不再赘述。
根据本公开的实施例,所述第二确定模块包括:建立模块,用于建立关联系数矩阵,其中,所述关联系数矩阵包括对象集中任意两个对象之间的关联系数值,所述对象集至少包括所述待评估对象和所述n个关联对象;以及提取模块,用于根据确定出的所述n个关联对象,从所述关联系数矩阵中提取所述n个关联对象和所述待评估对象的n个关联系数值。
图5示意性示出了根据本公开实施例的建立模块的结构框图。
如图5所示,该实施例的建立模块500包括第三确定模块510和第四确定模块520。
第三确定模块510,用于确定对象集,其中,所述对象集包括k个对象,k为大于等于n+1的正整数。在一实施例中,第三确定模块510可以用于执行前文描述的操作S310,在此不再赘述。
第四确定模块520,用于确定所述k个对象中任意两个对象之间的关联系数值,得到关联系数矩阵。在一实施例中,第四确定模块520可以用于执行前文描述的操作S320,在此不再赘述。
根据本公开的实施例,所述第四确定模块包括:第五确定模块,用于确定所述k个对象中每一个对象的m个风险特征,m≥1;第六确定模块,用于对于所述m个风险特征中的每一个风险特征,确定所述k个对象中一个对象和所述k个对象中另一个对象之间的特征相似系数值,其中,所述特征相似系数值用于表征所述k个对象中一个对象的风险特征和所述k个对象中另一个对象的风险特征之间的相似度;第七确定模块,用于确定所述m个风险特征中每一个风险特征的特征影响系数值;以及求和模块,用于将每一个风险特征的特征相似系数值按照对应的特征影响系数值加权求和,得到所述k个对象中一个对象和所述k个对象中另一个对象之间的关联系数值。
根据本公开的实施例,所述第二计算模块包括:叠加模块,用于叠加所述待评估对象的独立风险值和所述关联风险值,得到所述待评估对象的风险评估值。
根据本公开的实施例,所述评估模块包括:预设模块,用于预设风险阈值;和风险预警管理模块,用于当所述待评估对象的风险评估值大于所述风险阈值时,所述评估结果为高风险,将所述待评估对象纳入风险预警管理。
根据本公开的实施例,所述装置还包括遍历模块,用于当所述待评估对象的风险评估值小于等于所述风险阈值时,所述评估结果为低风险,每隔预设时间对所述待评估对象重新进行风险评估。
根据本公开的实施例,第一获取模块410、第一确定模块420、第二获取模块430、第二确定模块440、第一计算模块450、第二计算模块460、评估模块470、第三确定模块510和第四确定模块520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,第一获取模块410、第一确定模块420、第二获取模块430、第二确定模块440、第一计算模块450、第二计算模块460、评估模块470、第三确定模块510和第四确定模块520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,第一获取模块410、第一确定模块420、第二获取模块430、第二确定模块440、第一计算模块450、第二计算模块460、评估模块470、第三确定模块510和第四确定模块520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6示意性示出了根据本公开实施例的适于实现用于评估发生信用违约风险的风险评估方法的电子设备的方框图。
如图6所示,根据本公开实施例的电子设备600包括处理器601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。处理器601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601还可以包括用于缓存用途的板载存储器。处理器601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 603中,存储有电子设备600操作所需的各种程序和数据。处理器601、ROM602以及RAM 603通过总线604彼此相连。处理器601通过执行ROM 602和/或RAM 603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 602和RAM 603以外的一个或多个存储器中。处理器601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600还可以包括输入/输出(I/O)接口605,输入/输出(I/O)接口605也连接至总线604。电子设备600还可以包括连接至I/O接口605的以下部件中的一项或多项:包括键盘、鼠标等的输入部分606;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607;包括硬盘等的存储部分608;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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,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610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608。
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 602和/或RAM 603和/或ROM 602和RAM 603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的方法。
在该计算机程序被处理器601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609被下载和安装,和/或从可拆卸介质611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609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被处理器601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 (11)
1.一种用于评估发生信用违约风险的风险评估方法,包括:
获取待评估对象的独立风险值,所述待评估对象的独立风险值独立地表征所述待评估对象发生信用违约风险的概率;
确定与所述待评估对象存在关联关系的n个关联对象,其中,n为大于等于2的正整数;
获取所述n个关联对象各自的n个独立风险值,所述n个关联对象各自的n个独立风险值分别独立地表征所述n个关联对象发生信用违约风险的概率;
确定所述n个关联对象和所述待评估对象的n个关联系数值;
根据所述n个关联系数值和所述n个独立风险值,确定所述待评估对象的关联风险值,所述关联风险值表征所述n个关联对象联合地影响所述待评估对象发生信用违约风险的影响程度;
根据所述待评估对象的独立风险值和所述关联风险值,确定所述待评估对象的风险评估值;以及
基于所述风险评估值,得到所述待评估对象的风险评估结果。
2.根据权利要求1所述的方法,其特征在于,所述确定所述n个关联对象和所述待评估对象的n个关联系数值包括:
建立关联系数矩阵,其中,所述关联系数矩阵包括对象集中任意两个对象之间的关联系数值,所述对象集至少包括所述待评估对象和所述n个关联对象;以及
根据确定出的所述n个关联对象,从所述关联系数矩阵中提取所述n个关联对象和所述待评估对象的n个关联系数值。
3.根据权利要求2所述的方法,其特征在于,所述建立关联系数矩阵包括:
确定对象集,其中,所述对象集包括k个对象,k为大于等于n+1的正整数;以及
确定所述k个对象中任意两个对象之间的关联系数值,得到关联系数矩阵。
4.根据权利要求3所述的方法,其特征在于,所述确定所述k个对象中任意两个对象之间的关联系数值包括:
确定所述k个对象中每一个对象的m个风险特征,m≥1;
对于所述m个风险特征中的每一个风险特征,确定所述k个对象中一个对象和所述k个对象中另一个对象之间的特征相似系数值,其中,所述特征相似系数值用于表征所述k个对象中一个对象的风险特征和所述k个对象中另一个对象的风险特征之间的相似度;
确定所述m个风险特征中每一个风险特征的特征影响系数值;以及
将每一个风险特征的特征相似系数值按照对应的特征影响系数值加权求和,得到所述k个对象中一个对象和所述k个对象中另一个对象之间的关联系数值。
5.根据权利要求1所述的方法,其特征在于,所述根据所述待评估对象的独立风险值和所述关联风险值,确定所述待评估对象的风险评估值的步骤包括:
叠加所述待评估对象的独立风险值和所述关联风险值,得到所述待评估对象的风险评估值。
6.根据权利要求1所述的方法,其特征在于,所述基于所述风险评估值,得到所述待评估对象的风险评估结果的步骤包括:
预设风险阈值;和
当所述待评估对象的风险评估值大于所述风险阈值时,所述评估结果为高风险,将所述待评估对象纳入风险预警管理。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
当所述待评估对象的风险评估值小于等于所述风险阈值时,所述评估结果为低风险,每隔预设时间对所述待评估对象重新进行风险评估。
8.一种用于评估发生信用违约风险的风险评估装置,包括:
第一获取模块,用于获取待评估对象的独立风险值,所述待评估对象的独立风险值独立地表征所述待评估对象发生信用违约风险的概率;
第一确定模块,用于确定与所述待评估对象存在关联关系的n个关联对象,其中,n为大于等于2的正整数;
第二获取模块,用于获取所述n个关联对象各自的n个独立风险值,所述n个关联对象各自的n个独立风险值分别独立地表征所述n个关联对象发生信用违约风险的概率;
第二确定模块,用于确定所述n个关联对象和所述待评估对象的n个关联系数值;
第一计算模块,用于根据所述n个关联系数值和所述n个独立风险值,确定所述待评估对象的关联风险值,所述关联风险值表征所述n个关联对象联合地影响所述待评估对象发生信用违约风险的影响程度;
第二计算模块,用于根据所述待评估对象的独立风险值和所述关联风险值,确定所述待评估对象的风险评估值;以及
评估模块,用于基于所述风险评估值,得到所述待评估对象的风险评估结果。
9.一种电子设备,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1~7中任一项所述的方法。
10.一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1~7中任一项所述的方法。
11.一种计算机程序产品,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1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210477922.6A CN114693421A (zh) | 2022-04-29 | 2022-04-29 | 风险评估方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210477922.6A CN114693421A (zh) | 2022-04-29 | 2022-04-29 | 风险评估方法、装置、电子设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114693421A true CN114693421A (zh) | 2022-07-01 |
Family
ID=82145157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210477922.6A Pending CN114693421A (zh) | 2022-04-29 | 2022-04-29 | 风险评估方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114693421A (zh) |
-
2022
- 2022-04-29 CN CN202210477922.6A patent/CN114693421A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111210335B (zh) | 用户风险识别方法、装置及电子设备 | |
CN115061874A (zh) | 日志信息验证方法、装置、设备及介质 | |
CN113507419B (zh) | 流量分发模型的训练方法、流量分发方法及装置 | |
CN113535577B (zh) | 基于知识图谱的应用测试方法、装置、电子设备和介质 | |
CN114462532A (zh) | 模型训练方法、预测交易风险的方法、装置、设备及介质 | |
CN114358147A (zh) | 异常账户识别模型的训练方法、识别方法、装置及设备 | |
CN114238993A (zh) | 风险检测方法、装置、设备及介质 | |
CN116244751A (zh) | 数据脱敏方法、装置、电子设备、存储介质和程序产品 | |
CN115689571A (zh) | 异常用户行为监测方法、装置、设备和介质 | |
CN115689570A (zh) | 业务信息风险识别方法、装置、设备及介质 | |
CN114708081A (zh) | 信用风险预测方法及装置、电子设备和可读存储介质 | |
CN114780807A (zh) | 业务检测方法、装置、计算机系统及可读存储介质 | |
CN114693421A (zh) | 风险评估方法、装置、电子设备和介质 | |
CN113052509A (zh) | 模型评估方法、模型评估装置、电子设备和存储介质 | |
CN113391988A (zh) | 流失用户留存的方法、装置、电子设备及存储介质 | |
CN113112352A (zh) | 风险业务检测模型训练方法、风险业务检测方法及装置 | |
CN112434083A (zh) | 一种基于大数据的事件处理方法和装置 | |
CN114742648A (zh) | 产品推送方法、装置、设备及介质 | |
CN115048561A (zh) | 推荐信息确定方法及装置、电子设备和可读存储介质 | |
CN116341945A (zh) | 对象评估方法及装置、电子设备和计算机可读存储介质 | |
CN114692970A (zh) | 用户意向预测模型训练方法、用户意向预测方法及装置 | |
CN116450950A (zh) | 产品组合推荐方法、装置、设备及介质 | |
CN114820214A (zh) | 信息处理方法及装置、电子设备和计算机可读存储介质 | |
CN115393025A (zh) | 产品推荐方法、装置、电子设备和存储介质 | |
CN114897567A (zh) | 票据信息处理方法、装置、介质及设备 |
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 |