TW202115652A - 基於人工智慧與區塊鏈的跨企業信用評等及風險評估方法與系統 - Google Patents
基於人工智慧與區塊鏈的跨企業信用評等及風險評估方法與系統 Download PDFInfo
- Publication number
- TW202115652A TW202115652A TW108135397A TW108135397A TW202115652A TW 202115652 A TW202115652 A TW 202115652A TW 108135397 A TW108135397 A TW 108135397A TW 108135397 A TW108135397 A TW 108135397A TW 202115652 A TW202115652 A TW 202115652A
- Authority
- TW
- Taiwan
- Prior art keywords
- credit rating
- risk
- credit
- blockchain
- rated
- Prior art date
Links
Images
Landscapes
- Chemical And Physical Treatments For Wood And The Like (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
一種基於人工智慧與區塊鏈的跨企業信用評等及風險評估方法與系統，包括有：將一受評企業及其上下游企業與競爭企業的信評關聯資料及上下游與競爭之商業關係分別建立於區塊鏈及資料庫，其中該信評資料至少包括有商譽表現、財務表現、交易表現、競爭表現及信用表現；使用人工智慧分析上述各區塊鏈的資料，並藉以評定受評企業的信用評等，且將使用數據統計方法比對不同時間序的前期信評資料與當期信評資料的風險趨勢，而得依時間序來精確評定該受評企業當期的信評風險變化。
Description
本發明與金融徵信方法有關，尤指一種基於人工智慧與區塊鏈的跨企業信用評等及風險評估方法與系統。
按，中小企業需要資金以推動其商業活動，然而在自有資金不足時，可向銀行等金融機構融資以補足資金缺口。一般規模較小的中小企業向銀行貸款時，常受限於公司財務與營業績效等相關資訊與大公司相比，較不透明，造成銀行授信困難及融資成本較高的困境；而銀行針對單一公司信評，常無法掌握其供應鏈上、下游公司或競爭企業等產業環境面因素所造成的經營危機，無法完整與持續的掌握隱藏的系統性風險。
為了解決上述問題，美國鄧白氏公司在我國提出I634508號「使用多維度評級制判定實體未來商業存活力之系統和方法」發明專利，其提出以企業身分、活動性信號、支付交易與財務報表等多維度資料，依資料欄位評分規則計算企業存活力分數與評級。惟此信評方法限於針對單一企業。
又中國昆山融捷信息技術有限公司所提出的中國CN108960678號「風控多維度控制處理方法」專利，其納入企業的母子公司關聯、上下游企業關聯及區域／國家關聯等多維度資訊進行企業風險控制。惟此方法限於企業合作體系融資總額度之控制，非進行該企業經營風險之評估。
其他先前技術如CN105930981號「風險量化和即時自動處理供應鏈融資平台」專利、CN109191279號「基於線上供應鏈金融的中小企業信用風險評估平台」專利及CN109214703號「一種外貿綜合服務企業的評估方法及裝置」專利等，分別於供應鏈金融業務提出對於融資授信企業的徵信或風險評估方法。惟這些方法限於單一企業對象的評估，非進行該企業本身及所處供應鏈與產業景氣等整體風險之評估。
本發明之主要目的在於提供一種基於人工智慧與區塊鏈的跨企業信用評等及風險評估方法與系統，其可用以加強對中小企業的金融徵信，充分掌握系統性風險，降低貸款倒帳的發生，保障債權人權益。
為達前述之目的，本發明提供一種基於區塊鏈的跨企業信用評等及風險評估方法，其包括有：
將一受評企業及其上下游企業與競爭企業的信評關聯資料及上下游與競爭之商業關係分別建立於區塊鏈及資料庫，其中該信評資料至少包括有商譽表現、財務表現、營業交易表現、競爭表現及信用表現（但不侷限於此）；
使用人工智慧與數據統計方法分析比對不同時間序的前期資料與當期資料，而得依時間序來評定該受評企業的信用評等與風險變化；
依包括該上下游企業的區塊鏈與資料庫在內的資料與其他正向影響指標資料，建立一對該受評企業的正向關聯信評變化因子；
依包括該競爭企業的區塊鏈與資料庫在內的資料與其他負向影響指標資料，建立一對該受評企業的負向關聯信評變化因子；
依上述正、負向關聯信評變化因子計算出該受評企業的一風險值；
依該受評企業於不同時期的風險值建立一風險走勢曲線；
依該風險走勢曲線的斜率變化評定該受評企業的風險評等。
依正向關聯信評變化因子及負向關聯信評變化因子分別建立風險評估矩陣，該風險評估矩陣定義有數個指標值，並依正向關聯信評變化因子及負向關聯信評變化因子的強弱各給予不同的正、負權重數值，以供綜合計算出綜合風險值，並依時間序所各別計算的綜合風險值建立出該風險走勢曲線。
該矩陣評估系統得依正向關聯信評變化因子及負向關聯信評變化因子的強弱，對各指標值給予不同權重數值，而加權計算出該風險值。
依前述方法建置一系統，包括：一收集企業信評相關資料之區塊鏈與資料庫單元；一建立上下游與競爭企業商業關係之區塊鏈與資料庫單元；一對於受評企業、上下游企業與競爭企業 進行人工智慧信評計算單元；一對受評企業信用與風險分析之計算單元。
而本發明之上述目的與優點，不難從下述所選用實施例之詳細說明與附圖中獲得深入了解。
請參閱第１～７圖，所示者為本發明提供之基於區塊鏈的跨企業信用評等及風險評估方法，其包括有：
將一受評企業及其上下游企業與競爭企業的信評關聯資料及上下游與競爭之商業關係分別建立於區塊鏈及資料庫；
使用人工智慧分析上述資料，並藉以評定該受評企業的信用評等；
依包括該上下游企業的區塊鏈在內的資料與其他正向影響指標資料，建立一對該受評企業的正向關聯信評變化因子；
依包括該競爭企業的區塊鏈在內的資料與其他負向影響指標資料，建立一對該受評企業的負向關聯信評變化因子；
依上述正、負向關聯信評變化因子計算出該受評企業的一風險值；
依該受評企業於不同時期的風險值建立一風險走勢曲線；
使用數據統計方法分析該風險走勢曲線的斜率變化評定該受評企業的風險評等。
上述方法中，所述受評企業及其上下游企業與競爭企業的信評資料包括有商譽表現、財務表現、交易表現、競爭表現及信用表現等，其中商譽表現包括企業獲獎或被裁罰、新聞或社群輿論、司法判決等，財務表現包括營收成長率、稅後淨利成長率、應付帳款付現天數、現金速動比率、融資槓桿等財務指標，交易表現包括含核心企業之上下游交易紀錄、交易量統計、平均交易頻率等，競爭表現包括有營收、客戶數、營業規模等，信用表現包括第三方單位的信評、借還款紀錄等。上述各種資料可由各種管道獲得，例如企業自行提供、政府的開放資料、網路的公開資料、第三方單位的公開資料或其他。
如第４圖所示，其係受評企業、上下游企業與競爭企業之間的區塊鏈建立模式示意，例如A、B公司有一筆產品交易資料，而B、C公司也有一筆產品交易資料，A、B公司與B、C公司的交易資料可互相串接，建立企業上下游關係，例如採購型錄公開資訊提供公司產品資料，可透過資料比對，建立公司之間的企業競爭關係。
本發明利用人工智慧對上述各種信評資料（建立於區塊鏈與資料庫的資料形式）進行多維度資料源的信評模型學習訓練與預測，以評定受評企業的信用評等。本發明之方法不只藉由受評企業本身的信評資料進行信用評等的評估，更利用與該受評企業有關的上下游企業及競爭企業的信評資料進行協同分析，以對受評企業進行全面性、系統性的客觀評估；而且，搭配數據統計方法可比對不同時間序的前期信評資料與當期信評資料，例如數個前期信評資料已由人工智慧建立得知受評企業各期的信評狀況，透過數據統計方法進行趨勢分析(月/季的信評變化歷史)，可以進一度評估出當期受評企業的風險變化；因此，本發明可透過分析受評企業、上下游企業、競爭企業的信評資料並不會只侷限於受評企業自身信評資料進行評估，也依時間序累積的多期歷史資料進行趨勢分析，以確實判斷當期受評企業信評的風險變化。
此外，本發明更可對受評企業進行風險變化評估。首先依該上下游企業的信評及產業景氣等指標資料，建立一對該受評企業的正向關聯信評變化因子，又依該競爭企業的信評及受評企業本身及呆帳、應收帳款集中度、融資槓桿比率等指標資料建立一對該受評企業的負向關聯信評變化因子，二者分別建立出一風險評估矩陣，接著依上述矩陣計算出該受評企業的風險值。累積複數個計算週期的風險值後，可建立出一如第８圖所示的風險走勢曲線（各長條端點連接可構成曲線或折線），藉此曲線的斜率變化（即取該曲線的二次微分）即可評定該受評企業的風險變化為升高、持平或下降。
具體來說，依正向關聯信評變化因子及負向關聯信評變化因子分別建立矩陣評估系統，該矩陣評估系統定義有數個指標值，並依正向關聯信評變化因子及負向關聯信評變化因子的強弱各給予不同的正、負數值，以供綜合計算出風險值(該矩陣評估系統得依正向關聯信評變化因子及負向關聯信評變化因子的強弱，對各指標值給予不同權重值，而加權計算出該風險值)，並依時間序所各別計算的風險值建立出該風險走勢曲線。
因此，綜合上述依人工智慧分析受評企業的信用評等及建立風險走勢曲線，得據以判斷受評企業的當期信用評等及風險走勢，例如受評企業因有利政策發佈之正向因子，雖然當期信用評等不佳，但風險走勢趨降低，故可考慮提供例如較優渥的融資/貸款條件，或例如因為受評企業信用評等正常，但因面臨其主要交易國的匯率大幅波動之負向因子，造成風險走勢趨升高，此時要審慎評估其融資/貸款條件，所以本發明由上述信用評等、風險走勢曲線得精確觀察受評企業的商業走勢。
依前述方法建置一系統，包括：一收集企業信評相關資料之區塊鏈與資料庫單元；一建立上下游與競爭企業商業關係之區塊鏈與資料庫單元；一對於受評企業、上下游企業與競爭企業 進行人工智慧信評計算單元；一對受評企業信用與風險分析之計算單元。
惟，以上實施例之揭示僅用以說明本發明，並非用以限制本發明，故舉凡等效元件之置換仍應隸屬本發明之範疇。
綜上所述，可使熟知本領域技術者明瞭本發明確可達成前述目的，實已符合專利法之規定，爰依法提出申請。
無
第１圖為本發明之流程圖；
第２－６圖為本發明中受評企業的信用評等評定過程之示意圖；
第７－８圖為本發明中受評企業的風險走勢分析過程之示意圖。
Claims (5)
- 一種基於人工智慧與區塊鏈的跨企業信用評等及風險評估方法，其包括有： 將一受評企業及其上下游企業與競爭企業的信評關聯資料及上下游與競爭之商業關係分別建立於區塊鏈及資料庫，其中該信評資料至少包括有商譽表現、財務表現、交易表現、競爭表現及信用表現； 使用人工智慧分析上述資料，並藉以評定受評企業的信用評等，且使用數據統計方法比對不同時間序的前期信評資料與當期信評資料的風險趨勢，而得依時間序來評定該受評企業當期的信評風險變化。
- 如請求項１所述之一種基於人工智慧與區塊鏈的跨企業信用評等及風險評估方法，其中，依包括該上下游企業的區塊鏈與資料庫在內的資料與其他正向影響指標資料，建立一對該受評企業的正向關聯信評變化因子；依包括該競爭企業的區塊鏈與資料庫在內的資料與其他負向影響指標資料，建立一對該受評企業的負向關聯信評變化因子；依上述正、負向關聯信評變化因子計算出該受評企業的一風險值；依該受評企業於不同時期的風險值建立一風險走勢曲線；依該風險走勢曲線的斜率變化評定該受評企業的風險變化。
- 如請求項２所述之一種基於人工智慧與區塊鏈的跨企業信用評等及風險評估方法，其中，依正向關聯信評變化因子及負向關聯信評變化因子分別建立風險評估矩陣，該風險評估矩陣定義有數個指標值，並依正向關聯信評變化因子及負向關聯信評變化因子的強弱各給予不同的正、負數值，以供綜合計算出風險值，並依時間序所各別計算的風險值建立出該風險走勢曲線。
- 如請求項３所述之一種基於人工智慧與區塊鏈的跨企業信用評等及風險評估方法，其中，該風險評估矩陣得依正向關聯信評變化因子及負向關聯信評變化因子的強弱，對各指標值給予不同權重值，而加權計算出該風險值。
- 一種依請求項１所述之基於人工智慧與區塊鏈的跨企業信用評等及風險評估方法所建立之系統，其包括有： 一收集企業信評相關資料之區塊鏈與資料庫單元； 一建立上下游與競爭企業商業關係之區塊鏈與資料庫單元； 一對於受評企業、上下游企業與競爭企業進行人工智慧信評計算單元； 一對受評企業信用與風險分析之計算單元。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108135397A TWI770426B (zh) | 2019-09-30 | 2019-09-30 | 跨企業信用評等及風險評估系統 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108135397A TWI770426B (zh) | 2019-09-30 | 2019-09-30 | 跨企業信用評等及風險評估系統 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW202115652A true TW202115652A (zh) | 2021-04-16 |
| TWI770426B TWI770426B (zh) | 2022-07-11 |
Family
ID=76604375
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW108135397A TWI770426B (zh) | 2019-09-30 | 2019-09-30 | 跨企業信用評等及風險評估系統 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI770426B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113159582A (zh) * | 2021-04-23 | 2021-07-23 | 深圳前海华兆新能源有限公司 | 一种工业园区用户生产经营情况分析预警方法 |
| CN115049021A (zh) * | 2022-08-11 | 2022-09-13 | 江西合一云数据科技股份有限公司 | 应用于公众集群管理的数据处理方法和装置及其设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985583A (zh) * | 2018-06-27 | 2018-12-11 | 中国银行股份有限公司 | 基于人工智能的金融数据风险控制方法及装置 |
| TWM582187U (zh) * | 2019-02-19 | 2019-08-11 | 許建隆 | Supply chain financial service system combining big data information in blockchain technology |
-
2019
- 2019-09-30 TW TW108135397A patent/TWI770426B/zh active
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113159582A (zh) * | 2021-04-23 | 2021-07-23 | 深圳前海华兆新能源有限公司 | 一种工业园区用户生产经营情况分析预警方法 |
| CN115049021A (zh) * | 2022-08-11 | 2022-09-13 | 江西合一云数据科技股份有限公司 | 应用于公众集群管理的数据处理方法和装置及其设备 |
| CN115049021B (zh) * | 2022-08-11 | 2022-11-08 | 江西合一云数据科技股份有限公司 | 应用于公众集群管理的数据处理方法和装置及其设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| TWI770426B (zh) | 2022-07-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kallberg et al. | The value of private sector business credit information sharing: the US case | |
| Kim et al. | Internal control weakness and bank loan contracting: Evidence from SOX Section 404 disclosures | |
| US20210166167A1 (en) | Artificial intelligence and blockchain-based inter-enterprise credit rating and risk assessment method and system | |
| Bordeianu et al. | Analysis models of the bankruptcy risk | |
| Fauzan et al. | The Effect of Financial Distress, Good Corporate Governance, and Institutional Ownership on Tax Avoidance | |
| Watson et al. | The relationship between aggregate managed fund flows and share market returns in Australia | |
| Osinubi | Effects of financial distress and financing constraints on trade credit provisions | |
| TWI770426B (zh) | 跨企業信用評等及風險評估系統 | |
| Keliuotytė-Staniulėnienė et al. | FINANCIAL INNOVATION MANAGEMENT: LOAN PRICE IN THE CROWDFUNDING AND PEER-TO-PEER LENDING PLATFORMS. | |
| Pratiwi et al. | The effect of financial ratio in the altman z-score on financial distress | |
| TW201327453A (zh) | 微型企業融資風險評估方法 | |
| CN112884259A (zh) | 跨企业信用评等及风险评估方法与系统 | |
| Nguyen et al. | Earnings manipulation benchmark for nonfinancial listed companies in Vietnamese stock market | |
| Ziyad et al. | The Influence of Intellectual Capital and Liquidity Risk on the Performance of Islamic Banks with Zakat Performance Ratio as Moderating Variable | |
| Wang | Research on debt risk management and control of high liability enterprises. | |
| Francis et al. | Taxes under stress: Bank stress tests and corporate tax planning | |
| Hendrawaty et al. | Ownership-Retention and The Value of Indonesian Initial Public Offering (IPO) Firms in 2013-2016 | |
| Şan | Non-Performing Loans Increase in the Albanian Banking Sector during the Last Global Economic Crisis-An Analysis Based on the Client Groups | |
| Ferrier et al. | The effect of distance on community bank performance following acquisitions and consolidations | |
| Nguyen et al. | Applying appropriate models to predict bankruptcy for Vietnamese listed construction companies | |
| Bingzheng et al. | Research on Credit Risk Assessment of Commercial Banks Based on KMV Model | |
| Du et al. | Risk Management in the Credit Loan Project | |
| Pontes et al. | Second-Round Effects? How COVID-19 Infected Corporate Balance Sheets in Brazil | |
| Yang | Is Bank Supervision Effective? Evidence from the Allowance for Loan and Lease Losses | |
| Yang | An empirical study on P2P loan default prediction model |