WO2024036867A1 - 跨境供应链金融的数据核验方法 - Google Patents

跨境供应链金融的数据核验方法 Download PDF

Info

Publication number
WO2024036867A1
WO2024036867A1 PCT/CN2022/143280 CN2022143280W WO2024036867A1 WO 2024036867 A1 WO2024036867 A1 WO 2024036867A1 CN 2022143280 W CN2022143280 W CN 2022143280W WO 2024036867 A1 WO2024036867 A1 WO 2024036867A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
cross
supply chain
financier
border supply
Prior art date
Application number
PCT/CN2022/143280
Other languages
English (en)
French (fr)
Inventor
洪志权
蔡昆颖
于崇刚
黄觉晓
Original Assignee
粤港澳国际供应链(广州)有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 粤港澳国际供应链(广州)有限公司 filed Critical 粤港澳国际供应链(广州)有限公司
Publication of WO2024036867A1 publication Critical patent/WO2024036867A1/zh

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
    • G06Q40/06—Asset management; Financial planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • 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
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Definitions

  • This application relates to the field of financial data verification technology, specifically a data verification method for cross-border supply chain finance.
  • Cross-border supply chain finance is an effective means to solve the problems of financing difficulties and expensive financing for small and medium-sized enterprises.
  • problems such as incomplete due diligence of corporate operating data and unscientific data verification methods, it cannot be truly effective. It affects the investment judgment of investors and is not conducive to the realization of cross-border supply chain finance.
  • the purpose of this application is to overcome the shortcomings and deficiencies in the existing technology and provide a data verification method for cross-border supply chain finance, which can efficiently and accurately obtain the data verification results of the financier, thereby determining the authenticity of the data provided by the financier. nature, providing investors with a good basis for their investment judgments.
  • One embodiment of this application provides a data verification method for cross-border supply chain finance, including:
  • the data validity coefficient of the financier is obtained
  • the data verification results of the financier are obtained.
  • the data verification method of cross-border supply chain finance applied for in this application can evaluate the integrity and credibility of the financier's data based on multiple cross-border supply chain data of the financier to obtain the information of the financier.
  • the data integrity results and the data credibility results of the financier are then used to calculate the data validity results of the financier and the corresponding validity coefficient based on the data integrity results and the data credibility results, and then combined with the above mentioned
  • the multiple data matching degrees obtained from the cross-border supply chain data are used to obtain the data verification matching degree of the financier and the data verification matching level corresponding to the data verification matching degree, thereby obtaining the data verification results of the financier to determine the financier.
  • the authenticity of the data provided can be used as reference data for investors to decide whether to invest in financiers, providing a good basis for investors' investment judgments.
  • Figure 1 is a flow chart of a data verification method for cross-border supply chain finance according to one embodiment of the present application.
  • Figure 2 is a flow chart of steps S111-S114 of the data verification method of cross-border supply chain finance according to one embodiment of the present application.
  • Figure 3 is a flow chart of steps S51-S52 of the data verification method of cross-border supply chain finance according to one embodiment of the present application.
  • plural means two or more unless otherwise specified.
  • “And/or” describes the relationship between related objects, indicating that there can be three relationships. For example, A and/or B can mean: A exists alone, A and B exist simultaneously, and B exists alone. The character “/” generally indicates that the related objects are in an "or” relationship.
  • FIG 1 is a flow chart of a data verification method for cross-border supply chain finance according to one embodiment of the present application.
  • Cross-border supply chain finance refers to managing the funds of upstream and downstream small and medium-sized enterprises around core enterprises in the field of international trade. Flow and logistics, and transform the uncontrollable risks of a single enterprise (financier) into the controllable risks of the supply chain enterprise as a whole. It is a financial service that obtains various types of information three-dimensionally and controls risks to a minimum.
  • the data verification methods for cross-border supply chain finance include:
  • the financier refers to the demander of funds, the party that needs to raise funds from the outside world.
  • the financier's multiple cross-border supply chain data include the financier's financial statement data, ERP data, e-commerce operation data, bank transaction flow data, customs clearance data, etc. data.
  • Financial statement data are accounting statements that reflect the fund and profit status of the financier in a certain period;
  • ERP data refers to the resource management data of the financier, which integrates corporate management concepts, business processes, basic data, human and material resources, computer software and hardware and other information;
  • electronic Business operation data refers to the financier’s product information, transaction information and other data through the e-commerce platform;
  • bank transaction data refers to the transaction records of the financier’s public account; customs clearance data refers to the financier’s import and export trade data.
  • the Global Premium Products Distribution Center is a new service system platform that integrates service trade and goods trade services. Based on big data, Internet of Things, AI, 5G and other technologies, the Global Premium Product Distribution Center provides global operational decision-making and supply and demand smart contracts through the effective integration of payment, taxation, customs clearance, contracts, full-link logistics information and service provider resources. , international trade compliance and other services. It has functions such as visual global operational decision-making, supply and demand smart contracts, international trade compliance, global traceability, intellectual property protection, international logistics planning, global digital customs declaration, supply chain financial adaptation, and international performance management.
  • the data item weight ratio indicates the importance of each cross-border supply chain data for data integrity or data verification. The higher the importance of cross-border supply chain data, the greater the corresponding data item weight ratio.
  • the data integrity result of the financier is the result that represents the overall integrity of all cross-border supply chain data of the financier. Specifically, the data integrity result of the financier is affected by the data item weight ratio of each cross-border supply chain data. Impact, that is, cross-border supply chain data with a higher weight ratio of data items will have a greater impact on data integrity results; cross-border supply chain data with a smaller weight ratio of data items will have a smaller impact on data integrity results.
  • the data credibility result of the financier represents the overall credibility of all cross-border supply chain data of the financier and is affected by the credibility of each cross-border supply chain data.
  • financial statement data is the Take cross-border supply chain data as an example. If the financial statement data has passed the audit process, it is "audited" data, which means that the financial statement data, this cross-border supply chain data, has high credibility.
  • the data validity coefficient of the financier is a comprehensive reflection of the data integrity result of the financier and the data credibility result of the financier. Specifically, the data validity coefficient of the financier is, the data integrity result of the financier.
  • the mapping value corresponding to the sum of the financier's data credibility results can be obtained through the preset mapping relationship or through table lookup.
  • data integrity results account for 55% of data validity results
  • data credibility results account for 45% of data validity results. For example, if the data validity result is 100, the data integrity result is 55, and the data credibility result is 45.
  • S5 Match each of the cross-border supply chain data to obtain the data matching degree between each data.
  • the data matching degree represents the difference between the corresponding two pieces of cross-border supply chain data, for example, the difference in operating income data in the two pieces of cross-border supply chain data.
  • the data matching degree is the difference between the corresponding two pieces of cross-border supply chain data.
  • chain data the smaller item in the same attribute is calculated by dividing the larger item.
  • the two pieces of cross-border supply chain data are e-commerce operating data and bank transaction flow data.
  • the data of the operating income attribute of the operating data is a
  • the data of the operating income attribute of the bank transaction flow data is A, and a ⁇ A
  • the data matching degree corresponding to the e-commerce operation data and the bank transaction flow data is a/A
  • the data matching degree means that the corresponding two pieces of cross-border supply chain data include multiple attribute data. It is also necessary to calculate the initial matching degree of each attribute data, and then determine the average of the initial matching degree of each attribute data as the data matching degree.
  • two pieces of cross-border supply chain data are financial statement data and ERP data respectively. Both financial statement data and ERP data include operating income attribute data and profit margin attribute data respectively.
  • the operating income attribute data and profit rate attribute data of the financial statement data The attribute data are X and y respectively.
  • the operating income attribute data and profit margin attribute data of the ERP data are x and Y respectively, and x ⁇ , the initial matching degree corresponding to the profit margin attribute data is y/Y, and the data matching degree corresponding to the financial statement data and ERP data is ((x/X)+(y/Y))/2.
  • the step S7 is to calculate the data verification matching degree of the financier based on the average value of multiple data matching degrees and the data validity coefficient, and determine the data verification matching level corresponding to the data verification matching degree as Data verification results of the financier.
  • the financier's data verification matching degree is the product of the average value of multiple data matching degrees and the data validity coefficient. According to the numerical value of the financier's data verification matching degree, at least 5 data verification matching degrees of the financier are divided Among them, the greater the number of financier's data verification matching level divisions, the more accurate the corresponding financier's data verification results will be.
  • the data verification method of cross-border supply chain finance applied for in this application can evaluate the integrity and credibility of the financier's data based on multiple cross-border supply chain data of the financier to obtain the information of the financier.
  • the data integrity results and the data credibility results of the financier are then used to calculate the data validity results of the financier and the corresponding validity coefficient based on the data integrity results and the data credibility results, and then combined with the above mentioned
  • the average value of multiple data matching degrees obtained from cross-border supply chain data is used to obtain the data verification matching degree of the financier and the data verification matching level corresponding to the data verification matching degree, thereby obtaining the data verification result of the financier, which can be used as
  • the reference data of whether investors invest in financiers provides a good basis for investors’ investment judgments.
  • the step S1: the step of obtaining multiple cross-border supply chain data of the financier and the data item weight ratio of each cross-border supply chain data includes:
  • the importance scale value between each item of cross-border supply chain data may be data pre-entered by the user.
  • S102 Establish a comparison matrix using each of the cross-border supply chain data as row attributes and column attributes, and fill the comparison matrix with the importance scale value as a matrix parameter to obtain the row attributes corresponding to each matrix parameter.
  • the importance scale value of the cross-border supply chain data and column attributes of the cross-border supply chain data is not limited to Table 1
  • the cross-border supply chain data includes financial statement data, ERP data, e-commerce operation data, bank transaction flow data and customs clearance data.
  • the importance scale values of various cross-border supply chain data are shown in Table 1:
  • w i represents the weight ratio of the data items of the cross-border supply chain data corresponding to the i-th row attribute
  • n represents the total number of cross-border supply chain data items
  • a ij represents the importance of the i-th row attribute and the j-th column attribute.
  • Scale value a kj represents the importance scale value corresponding to the k-th row attribute and j-th column attribute.
  • the data item weight ratio of each cross-border supply chain data can be obtained based on the importance scale value between each item of cross-border supply chain data, so as to improve the data integrity of the calculation financier. accuracy of sexual results.
  • the step S1 after the step of obtaining multiple cross-border supply chain data of the financier and the data item weight ratio of each cross-border supply chain data, also includes :
  • S111 Calculate the maximum characteristic root of the comparison matrix based on the weight ratio of the data items of each cross-border supply chain data and the matrix parameters in the comparison matrix.
  • the maximum characteristic root of the contrast matrix is calculated through the following formula:
  • ⁇ max represents the maximum characteristic root of the comparison matrix
  • w j represents the weight ratio of the data items of the cross-border supply chain data corresponding to the j-th column attribute.
  • S112 Calculate the consistency test index value of the comparison matrix based on the maximum characteristic root and the number of items of the financier's multiple cross-border supply chain data.
  • the consistency test index value of the comparison matrix is calculated through the following formula:
  • C.I. represents the consistency inspection index value of the comparison matrix.
  • S113 Obtain the average consistency index value of the comparison matrix, and determine the ratio of the consistency test index value to the average consistency index value as the consistency ratio of the comparison matrix.
  • the consistency ratio of the comparison matrix is calculated through the following formula:
  • C.R. represents the consistency ratio of the comparison matrix
  • R.I. represents the average consistency index value
  • the preset consistency check threshold is set by the user, for example, set to 0.1. According to the parameters in Table 2, it can be calculated that the consistency ratio of the comparison matrix is 0.0773, that is, the consistency ratio of the comparison matrix is smaller than the preset consistency ratio.
  • the validity verification threshold is used, and the weight ratio of data items in each cross-border supply chain data is a valid value.
  • the step S2 Obtain all the cross-border supply chain data according to the data item weight ratio of each cross-border supply chain data and the preset data integrity calculation method. Steps to describe data integrity results for financiers, including:
  • S201 Obtain the preset basic integrity scores of various cross-border supply chain data. Among them, the basic completeness score of each cross-border supply chain data is 100.
  • S203 If the cross-border supply chain data includes ERP data, and the ERP data includes summary data and detailed data, determine the product of the basic score of the ERP data and the weight ratio of the data items of the ERP data as The completeness score of the ERP data. If the ERP data only includes summary data, half of the product of the basic score of the ERP data and the weight ratio of the data items of the ERP data will be determined as the completeness of the ERP data. If the cross-border supply chain data does not include ERP data, the completeness score of the ERP data will be 0.
  • the cross-border supply chain data includes e-commerce operation data
  • the e-commerce operation data includes e-commerce channels and operation data
  • the product of the weight ratio of data items is determined as the completeness score of the e-commerce operation data. If the e-commerce operation data only includes e-commerce channels, the basic score of the e-commerce operation data and the e-commerce operation data Half of the product of the weight ratio of the data items is determined as the integrity score of the ERP data; if the cross-border supply chain data does not include e-commerce operation data, the integrity score of the e-commerce operation data is 0.
  • cross-border supply chain data includes bank transaction flow data, determine the product of the basic score of the bank transaction flow data and the data item weight ratio of the bank transaction flow data as the bank transaction flow data. Completeness score; if the cross-border supply chain data does not include bank transaction flow data, the integrity score of the bank transaction flow data is 0.
  • S207 Compute the integrity score of the financial statement data, the integrity score of the ERP data, the integrity score of the e-commerce operation data, the integrity score of the bank transaction flow data, and the customs clearance data.
  • the completeness scores are summed to obtain a total completeness score.
  • S208 Obtain the integrity result ratio corresponding to the total integrity score, and calculate the data integrity result of the financier based on the integrity result ratio and the preset data integrity basic score.
  • the data integrity result of the financier calculated through steps S201-S208 is related to the data item weight ratio and data integrity of each cross-border supply chain data, which can improve the data integrity result of the financier. accuracy.
  • the financier’s data integrity result is out of 55.
  • the total integrity score is greater than or equal to 90, the corresponding integrity result ratio is 1, and the corresponding financier’s data integrity result is 55; the total integrity score is less than 90, but greater than or equal to 80, the corresponding integrity result ratio is 0.9, and the corresponding financier's data integrity result is 49.5; if the total integrity score is less than 80, but greater than or equal to 60, the corresponding integrity result ratio is 0.7 , the corresponding financier's data integrity result is 38.5; if the total integrity score is less than 60, the corresponding integrity result ratio is 0.45, and the corresponding financier's data integrity result is 24.75.
  • Table 4 shows that
  • the step S3 Obtain the data credibility result of the financier based on each of the cross-border supply chain data and the preset data credibility calculation method.
  • the steps include:
  • S31 Based on the preset data credibility rating method, evaluate multiple cross-border supply chain data of the financier and obtain the data credibility rating of the financier.
  • the step S31 includes:
  • S311 If the financial statement data is audited data, determine that the financial statement data is high-confidence data; if the ERP data is system-connected data and/or there is a verification account, determine that the ERP data is high-confidence data. Reliability data; if the e-commerce business data is system-connected data and/or there is a verification account, it is determined that the e-commerce business data is high-reliability data; if the bank transaction flow data is system-connected data and/or Or there is a supervision account, and the bank transaction flow data is determined to be high-confidence data; if the customs clearance data is system-connected data and/or data that has been verified by a third party, the customs clearance data is determined to be high-confidence data.
  • S312 Obtain the data credibility rating of the financier based on the ratio between the number of high-credibility data items and the total number of cross-border supply chain data items, as well as the correspondence between the data credibility rating rules.
  • the ratio of the sum of the number of items of high-confidence data to the total number of items of cross-border supply chain data is greater than or equal to 0.75, it means that the data credibility rating of the financier is high. If the sum of the number of items of high-confidence data is equal to The ratio of the total number of items of cross-border supply chain data is less than 0.75 but greater than or equal to 0.6, which means that the financier’s data credibility rating is relatively high; if the sum of the number of items of high-credibility data and the total number of items of cross-border supply chain data If the ratio of the sum of the number of high-credibility data items to the total number of cross-border supply chain data items is less than 0.5, it means that the financier’s data credibility rating is medium. 's data confidence rating is low. As shown in Table 5:
  • the cross-border supply chain data includes financial statement data, ERP data, e-commerce operation data, bank transaction flow data and customs clearance data.
  • the data credibility result of the financier can be obtained.
  • the preset data credibility base score is 45, so the data credibility result of the financier has a full score of 45 points.
  • the financier's data credibility rating is high, the corresponding credibility result ratio is 1; if the financier's data credibility rating is high, the corresponding credibility result ratio is 0.85; the financier's data can The credibility rating is medium, and the corresponding credibility result ratio is 0.6; the financier's data credibility rating is low, and the corresponding credibility result ratio is 0.45, as shown in Table 6:
  • step S4 the step of obtaining the data validity coefficient of the financier based on the data integrity results of the financier and the data credibility results of each financier, includes:
  • S41 Determine the sum of the data integrity results of the financier and the data credibility results of each financier as the data validity result.
  • the data validity coefficient corresponding to the data validity result can be obtained to facilitate the subsequent calculation of the data verification matching degree of the financing party.
  • step S5 Match each item of cross-border supply chain data to obtain the data matching degree between each item of data, including:
  • S51 Compare the financial statement data and the ERP data to obtain the data matching degree between the financial statement data and the ERP data.
  • S53 Compare the ERP data and the e-commerce operation data to obtain the data matching degree between the ERP data and the e-commerce operation data.
  • S54 Compare the bank transaction flow data and the e-commerce operation data to obtain the data matching degree between the bank transaction flow data and the e-commerce operation data.
  • S55 Compare the customs clearance data and the ERP data to obtain the data matching degree between the customs clearance data and the ERP data.
  • S57 Compare the financial statement data and the bank transaction flow data to obtain the data matching degree between the financial statement data and the bank transaction flow data.
  • steps S51-S57 there is no difference in the order of execution of steps S51-S57, and the process of obtaining the data matching degree in steps S51-S57 is the same as the process of step S5 above, so the details will not be described again.
  • the step S6: Obtaining the data verification results of the financier based on the data matching degree between the various data and the data validity coefficient includes:
  • V is the data verification matching degree of the financier
  • K is the average of multiple data matching degrees
  • R is the data validity coefficient
  • the corresponding data verification matching degree is determined to be extremely high; if the financing party's data verification matching degree is less than the first effective matching degree threshold, And is greater than or equal to the preset second effective matching degree threshold, determine the corresponding data verification matching level to be higher; if the financing party's data verification matching degree is less than the second effective matching degree threshold, and is greater than or equal to the preset
  • the third effective matching degree threshold determines that the corresponding data verification matching level is average; if the financing party's data verification matching degree is less than the third effective matching degree threshold and is greater than or equal to the preset fourth effective matching degree threshold, determine The corresponding data verification matching level is low; if the financing party's data verification matching degree is less than the fourth effective matching degree threshold, it is determined that the corresponding data verification matching level is extremely low. As shown in Table 7:
  • a data verification matching level that reflects data matching, data integrity, and data credibility can be obtained.
  • the data verification matching level is used as a due diligence conclusion for the authenticity of the financier's data, which is beneficial to investors according to the Determine the authenticity of the financier's data and decide whether to invest in the financier.
  • embodiments of the present application may be provided as methods, systems, or computer program products. Accordingly, the present application may take the form of an entirely hardware embodiment, an entirely software embodiment, or an embodiment that combines software and hardware aspects. Furthermore, the present application may take the form of a computer program product embodied on one or more computer-usable storage media (including, but not limited to, disk storage, CD-ROM, optical storage, etc.) having computer-usable program code embodied therein.
  • computer-usable storage media including, but not limited to, disk storage, CD-ROM, optical storage, etc.
  • These computer program instructions may also be stored in a computer-readable memory that causes a computer or other programmable data processing apparatus to operate in a particular manner, such that the instructions stored in the computer-readable memory produce an article of manufacture including the instruction means, the instructions
  • the device implements the functions selected in one process or multiple processes of the flowchart and/or one block or multiple blocks of the block diagram.
  • These computer program instructions may also be loaded onto a computer or other programmable data processing device, causing a series of operating steps to be performed on the computer or other programmable device to produce computer-implemented processing, thereby executing on the computer or other programmable device.
  • Instructions provide steps for implementing the functionality selected in a process or processes of a flowchart diagram and/or a block or blocks of a block diagram.
  • a computing device includes one or more processors (CPUs), input/output interfaces, network interfaces, and memory.
  • processors CPUs
  • input/output interfaces network interfaces
  • memory volatile and non-volatile memory
  • Memory may include non-volatile memory in computer-readable media, random access memory (RAM) and/or non-volatile memory in the form of read-only memory (ROM) or flash memory (flash RAM). Memory is an example of a computer-readable medium.
  • RAM random access memory
  • ROM read-only memory
  • flash RAM flash memory
  • Computer-readable media includes both persistent and non-volatile, removable and non-removable media that can be implemented by any method or technology for storage of information.
  • Information may be computer-readable instructions, data structures, modules of programs, or other data.
  • Examples of computer storage media include, but are not limited to, phase change memory (PRAM), static random access memory (SRAM), dynamic random access memory (DRAM), other types of random access memory (RAM), and read-only memory.
  • PRAM phase change memory
  • SRAM static random access memory
  • DRAM dynamic random access memory
  • RAM random access memory
  • read-only memory read-only memory
  • ROM read-only memory
  • EEPROM electrically erasable programmable read-only memory
  • flash memory or other memory technology
  • compact disc read-only memory CD-ROM
  • DVD digital versatile disc
  • Magnetic tape cassettes tape magnetic disk storage or other magnetic storage devices or any other non-transmission medium can be used to store information that can be accessed by a computing device.
  • computer-readable media does not include transitory media, such as modulated data signals and carrier waves.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Evolutionary Biology (AREA)
  • Human Resources & Organizations (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

一种跨境供应链金融的数据核验方法，包括根据融资方的各项跨境供应链数据、各项跨境供应链数据的数据项权重比例以及预设的数据完整性计算方法，得到融资方的数据完整性结果（S2）；根据各项跨境供应链数据以及预设的数据可信度计算方法，得到融资方的数据可信度结果（S3）；根据各项融资方的数据完整性结果和各项融资方的数据可信度结果，得到融资方的数据有效性系数（S4）；将各项跨境供应链数据进行对应匹配，获得各项数据之间的数据匹配度（S5）；根据各项数据之间的数据匹配度和数据有效性系数，获得融资方的数据核验结果（S6）。上述方法可以高效准确地获得融资方的数据核验结果，从而判断出融资方提供的数据的真实性，为投资者的投资判断提供良好的判断基础。

Description

跨境供应链金融的数据核验方法 技术领域
本申请涉及金融数据核验技术领域，具体涉及一种跨境供应链金融的数据核验方法。
背景技术
跨境供应链金融是解决中小企业融资难、融资贵等问题的有效手段，但在进行企业尽调时，由于存在对企业经营数据尽调不全面、数据核验方法不科学等问题，不能真实有效的评估企业的经营情况，因此影响投资者的投资判断，不利于跨境供应链金融的实现。
发明内容
本申请的目的在于克服现有技术中的缺点与不足，提供一种跨境供应链金融的数据核验方法，可以高效准确地获得融资方的数据核验结果，从而判断出融资方提供的数据的真实性，为投资者的投资判断提供良好的判断基础。
本申请的一个实施例提供一种跨境供应链金融的数据核验方法，包括：
获取融资方的多项跨境供应链数据以及各项所述跨境供应链数据的数据项权重比例；
根据各项所述跨境供应链数据、各项所述跨境供应链数据的数据项权重比例以及预设的数据完整性计算方法，得到所述融资方的数据完整性结果；
根据各项所述跨境供应链数据以及预设的数据可信度计算方法，得到所述融资方的数据可信度结果；
根据所述融资方的数据完整性结果和各项所述融资方的数据可信度结果，得到融资方的数据有效性系数；
将各项所述跨境供应链数据进行对应匹配，获得各项数据之间的数据匹配度；
根据各项数据之间的数据匹配度和所述数据有效性系数，获得融资方的数据核验结果。
相对于相关技术，本申请的跨境供应链金融的数据核验方法，可以根据融资方的多项跨境供应链数据，对融资方的数据进行完整性评价和可信度评价，以得到融资方的数据完整性结果和融资方的数据可信度结果，再根据数据完整性结果和数据可信度结果计算出融资方的数据有效性结果以及对应的有效性系数，然后结合从多项所述跨境供应链数据得到的多个数据匹配度，得到融资方的数据核验匹配度以及与所述数据核验匹配度对应的数据核验匹配等级，从而得到融资方的数据核验结果，以判断出融资方提供的数据的真实性，可以作为投资者是否投资给融资方的参考数据，为投资者的投资判断提供良好的判断基础。
为了能更清晰的理解本申请，以下将结合附图说明阐述本申请的具体实施方式。
附图说明
图1为本申请一个实施例的跨境供应链金融的数据核验方法的流程图。
图2为本申请一个实施例的跨境供应链金融的数据核验方法的步骤S111-S114的流程图。
图3为本申请一个实施例的跨境供应链金融的数据核验方法的步骤S51-S52的流程图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请实施例保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。在此所使用的词语“如果”/“若”可以被解释成为“在……时”或“当……时”或“响应于确定”。
此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“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。
请参阅图1，其是本申请一个实施例的跨境供应链金融的数据核验方法的流程图，跨境供应链金融，是指在国际贸易领域，围绕核心企业，管理上下游中小企业的资金流和物流，并把单个企业(融资方)的不可控风险转变为供应链企业整体的可控风险，通过立体获取各类信息，将风险控制在最低的金融服务。
国际贸易是指跨越国境的货品和服务交易，一般由进口贸易和出口贸易所组成，因此也可称之为进出口贸易。
所述跨境供应链金融的数据核验方法包括：
S1：获取融资方的多项跨境供应链数据以及各项所述跨境供应链数据的数据项权重比例。
融资方是指资金的需求方，需要向外界融资的一方，融资方的多项跨境供应链数据包括融资方的财务报表数据、ERP数据、电商经营数据、银行交易流水数据和通关数据等数据。财务报表数据是反映融资方一定时期资金、利润状况的会计报表；ERP数据是指融资方的资源管理数据，整合了企业管理理念、业务流程、基础数据、人力物力、计算机软硬件等信息；电商经营数据是指融资方通过电商平台的商品信息、交易信息等数据；银行交易流水数据是指融资方的对公账户的交易记录；通关数据是指融资方进出口贸易的数据信息。
其中，获取融资方的多项跨境供应链数据，可以是通过全球优品分拨中心的接口获取，也可以是以人工导入的方式获取。其中，全球优品分拨中心是服务贸易和货物贸易服务一体化的新型服务体系平台。全球优品分拨中心基于大数据、物联网、AI、5G等技术，通过对支付、税务、通关、合同、全链路物流信息和服务商资源的有效整合，提供全球运营决策、供需智能合约、国际贸易合规等服务。具有可视化全球运营决策、供需智能合约、国际贸易合规、全球溯源、知识产权保护、国际物流筹划、全球数字报关、供应链金融适配、国际履约管理等功能。
所述数据项权重比例是表示各项跨境供应链数据的对于数据完整性或数据核验的重要程度，重要程度越高的跨境供应链数据，对应的数据项权重比例越大。
S2：根据各项所述跨境供应链数据、各项所述跨境供应链数据的数据项权重比例以及预设的数据完整性计算方法，得到所述融资方的数据完整性结果。
所述融资方的数据完整性结果是表示融资方的所有跨境供应链数据的整体完整性的结果，具体地，融资方的数据完整性结果受到各项跨境供应链数据的数据项权重比例影响，即数据项权重比例越高的跨境供应链数据，对数据完整性结果的影响越大，数据项权重比例越小的跨境供应链数据，对数据完整性结果的影响小。
S3：根据各项所述跨境供应链数据以及预设的数据可信度计算方法，得到所述融资方的数据可信度结果。
所述融资方的数据可信度结果，是表示融资方的所有跨境供应链数据的整体可信度，受到各项跨境供应链数据的可信度影响，其中，以财务报表数据这一项跨境供应链数据为例，若财务报表数据是通过审计流程，属于“有审计”的数据，表示财务报表数据这一项跨境供应链数据的可信度高。
S4：根据所述融资方的数据完整性结果和各项所述融资方的数据可信度结果，得到融资方的数据有效性系数。
所述融资方的数据有效性系数，是融资方的数据完整性结果和融资方的数据可信度结果的综合体现，具体地，融资方的数据有效性系数是，融资方的数据完整性结果与融资方的数 据可信度结果之和对应的映射值，可以通过预设的映射关系获取，也可以通过查表方式获取。
其中，数据完整性结果占数据有效性结果的55％，数据可信度结果占数据有效性结果的45％。例如，数据有效性结果满分为100，则数据完整性结果满分为55，数据可信度结果满分为45。
S5：将各项所述跨境供应链数据进行对应匹配，获得各项数据之间的数据匹配度。
数据匹配度表示对应的两项跨境供应链数据的差异性，例如是两项跨境供应链数据中的营业收入数据的差异性，具体地，数据匹配度是将对应的两项跨境供应链数据中，同一属性中数值较小的一项除以数值较大的一项计算得到的，例如，两项跨境供应链数据分别为电商经营数据和银行交易流水数据，其中，电商经营数据的营业收入属性的数据为a，银行交易流水数据的营业收入属性的数据为A，且a<A，那么电商经营数据和银行交易流水数据对应的数据匹配度为a/A；若数据匹配度是将对应的两项跨境供应链数据包括多个属性数据，还需要计算各个属性数据的初始匹配度，然后将各个属性数据的初始匹配度的平均值确定为所述数据匹配度，例如两项跨境供应链数据分别为财务报表数据和ERP数据，财务报表数据和ERP数据都分别包括营业收入属性数据和利润率属性数据，其中，财务报表数据的营业收入属性数据和利润率属性数据分别为X和y，ERP数据的营业收入属性数据和利润率属性数据分别为x和Y，并且x<X，y<Y，此时营业收入属性数据对应的初始匹配度为x/X，利润率属性数据对应的初始匹配度为y/Y，财务报表数据和ERP数据对应的数据匹配度为((x/X)+(y/Y))/2。
S6：根据各项数据之间的数据匹配度和所述数据有效性系数，获得融资方的数据核验结果。
具体地，所述步骤S7是根据多个数据匹配度的平均值和所述数据有效性系数，计算出融资方的数据核验匹配度，并将与数据核验匹配度对应的数据核验匹配等级确定为融资方的数据核验结果。
其中，融资方的数据核验匹配度为，多个数据匹配度的平均值与数据有效性系数的乘积，根据融资方的数据核验匹配度的数值大小，至少划分出融资方的5个数据核验匹配等级，其中，融资方的数据核验匹配等级划分数量越多，对应得到的融资方的数据核验结果约准确。
相对于相关技术，本申请的跨境供应链金融的数据核验方法，可以根据融资方的多项跨境供应链数据，对融资方的数据进行完整性评价和可信度评价，以得到融资方的数据完整性结果和融资方的数据可信度结果，再根据数据完整性结果和数据可信度结果计算出融资方的数据有效性结果以及对应的有效性系数，然后结合从多项所述跨境供应链数据得到的多个数据匹配度的平均值，得到融资方的数据核验匹配度以及与所述数据核验匹配度对应的数据核 验匹配等级，从而得到融资方的数据核验结果，可以作为投资者是否投资给融资方的参考数据，为投资者的投资判断提供良好的判断基础。
在一个可行的实施例中，所述步骤S1：获取融资方的多项跨境供应链数据以及各项所述跨境供应链数据的数据项权重比例的步骤，包括：
S101：获取各项所述跨境供应链数据之间的重要性标度值。
其中，各项所述跨境供应链数据之间的重要性标度值可以是用户预录入的数据。
S102：以各项所述跨境供应链数据为行属性和列属性建立对比矩阵，并将所述重要性标度值作为矩阵参数填充到所述对比矩阵，以得到各个矩阵参数对应的行属性的跨境供应链数据与列属性的跨境供应链数据的重要性标度值。
所述跨境供应链数据包括财务报表数据、ERP数据、电商经营数据、银行交易流水数据和通关数据，各项跨境供应链数据的重要性标度值如表1所示：
Figure PCTCN2022143280-appb-000001
表1
S103：通过以下公式，计算出各项所述跨境供应链数据的数据项权重比例：
Figure PCTCN2022143280-appb-000002
其中，w i表示第i行属性对应的跨境供应链数据的数据项权重比例，n表示跨境供应链数据的总项数；a ij表示第i行属性和第j列属性对应的重要性标度值；a kj表示第k行属性和第j列属性对应的重要性标度值。
其中，各项跨境供应链数据的数据项权重比例如表2所示：
Figure PCTCN2022143280-appb-000003
表2
在本实施例中，可以根据各项所述跨境供应链数据之间的重要性标度值，获得各项所述跨境供应链数据的数据项权重比例，以提高计算融资方的数据完整性结果的准确性。
请参阅图2，在一个可行的实施例中，所述步骤S1：获取融资方的多项跨境供应链数据以及各项所述跨境供应链数据的数据项权重比例的步骤后，还包括：
S111：根据各项所述跨境供应链数据的数据项权重比例，以及所述对比矩阵中的矩阵参数，计算出所述对比矩阵的最大特征根。
具体地，通过以下公式，计算出所述对比矩阵的最大特征根：
Figure PCTCN2022143280-appb-000004
其中，λ max表示所述对比矩阵的最大特征根，w j表示第j列属性对应的跨境供应链数据的数据项权重比例。
S112：根据所述最大特征根，以及融资方的多项跨境供应链数据的项数，计算出所述对比矩阵的一致性检验指标值。
具体地，通过以下公式，计算出所述对比矩阵的一致性检验指标值：
Figure PCTCN2022143280-appb-000005
其中，C.I.表示所述对比矩阵的一致性检验指标值。
S113：获取所述对比矩阵的平均一致性指标值，将所述一致性检验指标值与所述平均一致性指标值的比值确定为所述对比矩阵的一致性比例。
通过以下公式，计算出所述对比矩阵的一致性比例：
Figure PCTCN2022143280-appb-000006
其中，C.R.表示所述对比矩阵的一致性比例，R.I.表示所述平均一致性指标值。
S114：若所述对比矩阵的一致性比例小于预设的一致性校验阈值，确定所述对比矩阵通过校验，各项所述跨境供应链数据的数据项权重比例为有效值，否则，所述对比矩阵不通过校验，各项所述跨境供应链数据的数据项权重比例为无效值。
在本实施例中，通过将所述对比矩阵的一致性比例与预设的一致性校验阈值进行比对，判断项所述跨境供应链数据的数据项权重比例是否录入错误或者计算错误，以防止错误的数据项权重比例影响融资方的数据完整性结果的计算。
其中，预设的一致性校验阈值由用户设置，例如设置为0.1，根据表2中的参数，可以计算出对比矩阵的一致性比例为0.0773，即对比矩阵的一致性比例小于预设的一致性校验阈值，各项所述跨境供应链数据的数据项权重比例为有效值。
在一个可行的实施例中，所述步骤S2：根据各项所述跨境供应链数据、各项所述跨境供应链数据的数据项权重比例以及预设的数据完整性计算方法，得到所述融资方的数据完整性结果的步骤，包括：
S201：获取预设的各项跨境供应链数据的完整性基础分值。其中，各项跨境供应链数据的完整性基础分值都为100。
S202：若所述跨境供应链数据包括财务报表数据，将所述财务报表数据的完整性基础分值与所述财务报表数据的数据项权重比例的乘积确定为所述财务报表数据的完整性得分；若所述跨境供应链数据不包括财务报表数据，所述财务报表数据的完整性得分为0。
S203：若所述跨境供应链数据包括ERP数据，且所述ERP数据包括汇总数据和明细数据，将所述ERP数据的基础分值与所述ERP数据的数据项权重比例的乘积确定为所述ERP数据的完整性得分，若所述ERP数据只包括汇总数据，将所述ERP数据的基础分值与所述ERP数据的数据项权重比例的乘积的一半，确定为所述ERP数据的完整性得分；若所述跨境供应链数据不包括ERP数据，所述ERP数据的完整性得分为0。
S204：若所述跨境供应链数据包括电商经营数据，且所述电商经营数据包括电商渠道和经营数据，将所述电商经营数据的基础分值与所述电商经营数据的数据项权重比例的乘积确定为所述电商经营数据的完整性得分，若所述电商经营数据只包括电商渠道，将所述电商经营数据的基础分值与所述电商经营数据的数据项权重比例的乘积的一半，确定为所述ERP数据的完整性得分；若所述跨境供应链数据不包括电商经营数据，所述电商经营数据的完整性得分为0。
S205：若所述跨境供应链数据包括银行交易流水数据，将所述银行交易流水数据的基础分值与所述银行交易流水数据的数据项权重比例的乘积确定为所述银行交易流水数据的完整性得分；若所述跨境供应链数据不包括银行交易流水数据，所述银行交易流水数据的完整性得分为0。
S206：若所述跨境供应链数据包括通关数据，将所述通关数据的基础分值与所述通关数据的数据项权重比例的乘积确定为所述通关数据的完整性得分，若所述跨境供应链数据不包括通关数据，所述通关数据的完整性得分为0。
步骤S201-S206的数据操作如表3所示：
Figure PCTCN2022143280-appb-000007
表3
S207：对所述财务报表数据的完整性得分、所述ERP数据的完整性得分、所述电商经营数据的完整性得分、所述银行交易流水数据的完整性得分，以及所述通关数据的完整性得分进行求和，以得到完整性总得分。
S208：获取与完整性总得分对应的完整性结果比例，根据所述完整性结果比例和预设的数据完整性基础分，计算出所述融资方的数据完整性结果。
在本实施例中，通过步骤S201-S208计算出的融资方的数据完整性结果与各项跨境供应 链数据的数据项权重比例和数据的完整性相关，可以提高融资方的数据完整性结果的准确性。
其中，融资方的数据完整性结果满分为55，例如，完整性总得分大于等于90的，对应的完整性结果比例为1，对应的融资方的数据完整性结果为55；完整性总得分小于90，但大于等于80的，对应的完整性结果比例为0.9，对应的融资方的数据完整性结果为49.5；完整性总得分小于80，但大于等于60的，对应的完整性结果比例为0.7，对应的融资方的数据完整性结果为38.5；完整性总得分小于60的，对应的完整性结果比例为0.45，对应的融资方的数据完整性结果为24.75。如表4所示：
Figure PCTCN2022143280-appb-000008
表4
请参阅图3，在一个可行的实施例中，所述步骤S3：根据各项所述跨境供应链数据以及预设的数据可信度计算方法，得到所述融资方的数据可信度结果的步骤，包括：
S31：根据预设的数据可信度评级方法，对融资方的多项跨境供应链数据评定，得到融资方的数据可信度评级。
所述步骤S31：包括：
S311：若所述财务报表数据为经过审计的数据，确定所述财务报表数据为高信度数据；若所述ERP数据为系统对接的数据和/或存在查验账号，确定所述ERP数据为高信度数据；若所述电商经营数据为系统对接的数据和/或存在查验账号，确定所述电商经营数据为高信度数据；若所述银行交易流水数据为系统对接的数据和/或存在监管账号，确定所述银行交易流水数据为高信度数据；若所述通关数据为系统对接的数据和/或经过第三方核验的数据，确定所述通关数据为高信度数据。
S312：根据高信度数据的项数和与跨境供应链数据的总项数的比例，以及所述数据可信度评级规则的对应关系，得到融资方的数据可信度评级。
通过步骤S311-S312，可以评定得到融资方的数据可信度评级。
例如，若高信度数据的项数和与跨境供应链数据的总项数的比例大于或等于0.75，表示 融资方的数据可信度评级为高级，若高信度数据的项数和与跨境供应链数据的总项数的比例小于0.75但大于或等于0.6，表示融资方的数据可信度评级为较高；若高信度数据的项数和与跨境供应链数据的总项数的比例小于0.6但大于或等于0.5，表示融资方的数据可信度评级为中级；若高信度数据的项数和与跨境供应链数据的总项数的比例小于0.5，表示融资方的数据可信度评级为低级。如表5所示：
Figure PCTCN2022143280-appb-000009
表5
S32：根据所述数据可信度评级，获取对应的可信度结果比例。
其中，所述跨境供应链数据包括财务报表数据、ERP数据、电商经营数据、银行交易流水数据和通关数据。
S33：根据所述可信度结果比例和预设的数据可信度基础分，计算出所述融资方的数据可信度结果。
在本事实例中，通过步骤S31-S33，可以获得融资方的数据可信度结果，其中，预设的数据可信度基础分为45，因此融资方的数据可信度结果满分为45分，例如，融资方的数据可信度评级为高级，对应的可信度结果比例为1；融资方的数据可信度评级为较高，对应的可信度结果比例为0.85；融资方的数据可信度评级为中级，对应的可信度结果比例为0.6；融资方的数据可信度评级为低级，对应的可信度结果比例为0.45，如表6所示：
数据可信度性各等级得分     
等级 得分比例 得分
高 1 45
较高 0.85 38.25
中 0.6 27
低 0.45 20.25
表6
在一个可行的实施例中，所述步骤S4：根据所述融资方的数据完整性结果和各项所述融资方的数据可信度结果，得到融资方的数据有效性系数的步骤，包括：
S41：将所述融资方的数据完整性结果和各项所述融资方的数据可信度结果的总和确定为数据有效性结果。
S42：若数据有效性结果大于或等于第一有效性结果阈值，确定融资方的数据有效性系数为1；若数据有效性结果小于第一有效性结果阈值，但大于或等于第二有效性结果阈值，确定融资方的数据有效性系数为0.8；若数据有效性结果小于第二有效性结果阈值，但大于或等于第三有效性结果阈值，确定融资方的数据有效性系数为0.6；若数据有效性结果小于第三有效性结果阈值，确定融资方的数据有效性系数为0.4。
在本实施例中，可以获取数据有效性结果对应的数据有效性系数，以便于后续对融资方的数据核验匹配度的计算。
在一个可行的实施例中，所述步骤S5：将各项所述跨境供应链数据进行对应匹配，获得各项数据之间的数据匹配度，包括：
S51：将所述财务报表数据和所述ERP数据进行比对，获得所述财务报表数据和所述ERP数据之间的数据匹配度。
S52：将所述财务报表数据和所述电商经营数据进行比对，获得所述财务报表数据和所述电商经营数据之间的数据匹配度。
S53：将所述ERP数据和所述电商经营数据进行比对，获得所述ERP数据和所述电商经营数据之间的数据匹配度。
S54：将所述银行交易流水数据和所述电商经营数据进行比对，获得所述银行交易流水数据和所述电商经营数据之间的数据匹配度。
S55：将所述通关数据和所述ERP数据进行比对，获得所述通关数据和所述ERP数据之 间的数据匹配度。
S56：将所述通关数据和所述电商经营数据进行比对，获得所述通关数据和所述电商经营数据之间的数据匹配度。
S57：将所述财务报表数据和所述银行交易流水数据进行比对，获得所述财务报表数据和所述银行交易流水数据之间的数据匹配度。
在本实施例中，通过将预设的两项跨境供应链数据进行比对，可以得到多个数据匹配度，以表示跨境供应链数据之间的差异性。
其中，步骤S51-S57不存在先后执行顺序的差异，而步骤S51-S57获取数据匹配度的过程与上文中步骤S5过程相同，因此不再赘述。
在一个可行的实施例中，所述步骤S6：根据各项数据之间的数据匹配度和所述数据有效性系数，获得融资方的数据核验结果的步骤，包括：
通过以下公式，计算出融资方的数据核验匹配度：
V＝K×R；
其中，V为融资方的数据核验匹配度，K为多个数据匹配度的平均值；R为数据有效性系数；
若融资方的数据核验匹配度大于或等于预设的第一有效匹配度阈值，确定对应的数据核验匹配等级为极高；若融资方的数据核验匹配度小于所述第一有效匹配度阈值，且大于或等于预设的第二有效匹配度阈值，确定对应的数据核验匹配等级为较高；若融资方的数据核验匹配度小于所述第二有效匹配度阈值，且大于或等于预设的第三有效匹配度阈值，确定对应的数据核验匹配等级为一般；若融资方的数据核验匹配度小于所述第三有效匹配度阈值，且大于或等于预设的第四有效匹配度阈值，确定对应的数据核验匹配等级为较低；若融资方的数据核验匹配度小于所述第四有效匹配度阈值，确定对应的数据核验匹配等级为极低。如表7所示：
Figure PCTCN2022143280-appb-000010
表7
在本实施例中，可以得到反映了数据匹配度、数据完整性和数据可信度的数据核验匹配等级，将数据核验匹配等级作为融资方数据真实性的尽调结论，有利于投资方根据快速判断融资方数据的真实性，以及决定是否对融资方进行投资。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生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选定的功能的装置。这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置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选定的功能。
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选定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

  1. 一种跨境供应链金融的数据核验方法，其特征在于，包括：
    获取融资方的多项跨境供应链数据以及各项所述跨境供应链数据的数据项权重比例；
    根据各项所述跨境供应链数据、各项所述跨境供应链数据的数据项权重比例以及预设的数据完整性计算方法，得到所述融资方的数据完整性结果；
    根据各项所述跨境供应链数据以及预设的数据可信度计算方法，得到所述融资方的数据可信度结果；
    根据所述融资方的数据完整性结果和各项所述融资方的数据可信度结果，得到融资方的数据有效性系数；
    将各项所述跨境供应链数据进行对应匹配，获得各项数据之间的数据匹配度；
    根据各项数据之间的数据匹配度和所述数据有效性系数，获得融资方的数据核验结果。
  2. 根据权利要求1所述的跨境供应链金融的数据核验方法，其特征在于，所述根据各项所述跨境供应链数据、各项所述跨境供应链数据的数据项权重比例以及预设的数据完整性计算方法，得到所述融资方的数据完整性结果的步骤，包括：
    获取预设的各项跨境供应链数据的完整性基础分值；
    若所述跨境供应链数据包括财务报表数据，将所述财务报表数据的完整性基础分值与所述财务报表数据的数据项权重比例的乘积确定为所述财务报表数据的完整性得分；若所述跨境供应链数据不包括财务报表数据，所述财务报表数据的完整性得分为0；
    若所述跨境供应链数据包括ERP数据，且所述ERP数据包括汇总数据和明细数据，将所述ERP数据的基础分值与所述ERP数据的数据项权重比例的乘积确定为所述ERP数据的完整性得分，若所述ERP数据只包括汇总数据，将所述ERP数据的基础分值与所述ERP数据的数据项权重比例的乘积的一半，确定为所述ERP数据的完整性得分；若所述跨境供应链数据不包括ERP数据，所述ERP数据的完整性得分为0；
    若所述跨境供应链数据包括电商经营数据，且所述电商经营数据包括电商渠道和经营数据，将所述电商经营数据的基础分值与所述电商经营数据的数据项权重比例的乘积确定为所述电商经营数据的完整性得分，若所述电商经营数据只包括电商渠道，将所述电商经营数据的基础分值与所述电商经营数据的数据项权重比例的乘积的一半，确定为所述ERP数据的完整性得分；若所述跨境供应链数据不包括电商经营数据，所述电商经营数据的完整性得分为0；
    若所述跨境供应链数据包括银行交易流水数据，将所述银行交易流水数据的基础分值与所述银行交易流水数据的数据项权重比例的乘积确定为所述银行交易流水数据的完整性得分；若所述跨境供应链数据不包括银行交易流水数据，所述银行交易流水数据的完整性得分为0；
    若所述跨境供应链数据包括通关数据，将所述通关数据的基础分值与所述通关数据的数据项权重比例的乘积确定为所述通关数据的完整性得分，若所述跨境供应链数据不包括通关数据，所述通关数据的完整性得分为0；
    对所述财务报表数据的完整性得分、所述ERP数据的完整性得分、所述电商经营数据的完整性得分、所述银行交易流水数据的完整性得分，以及所述通关数据的完整性得分进行求和，以得到完整性总得分；
    获取与完整性总得分对应的完整性结果比例，根据所述完整性结果比例和预设的数据完整性基础分，计算出所述融资方的数据完整性结果。
  3. 根据权利要求1所述的跨境供应链金融的数据核验方法，其特征在于，所述根据各项所述跨境供应链数据以及预设的数据可信度计算方法，得到所述融资方的数据可信度结果的步骤，包括：
    根据预设的数据可信度评级方法，对融资方的多项跨境供应链数据评定，得到融资方的数据可信度评级；
    根据所述数据可信度评级，获取对应的可信度结果比例；
    根据所述可信度结果比例和预设的数据可信度基础分，计算出所述融资方的数据可信度结果。
  4. 根据权利要求3所述的跨境供应链金融的数据核验方法，其特征在于，所述跨境供应链数据包括财务报表数据、ERP数据、电商经营数据、银行交易流水数据和通关数据；
    所述根据预设的数据可信度评级方法，对融资方的多项跨境供应链数据评定，得到融资方的数据可信度评级的步骤，包括：
    若所述财务报表数据为经过审计的数据，确定所述财务报表数据为高信度数据；若所述ERP数据为系统对接的数据和/或存在查验账号，确定所述ERP数据为高信度数据；若所述电商经营数据为系统对接的数据和/或存在查验账号，确定所述电商经营数据为高信度数据；若所述银行交易流水数据为系统对接的数据和/或存在监管账号，确定所述银行交易流水数据为高信度数据；若所述通关数据为系统对接的数据和/或经过第三方核验的数据，确定所述通关数据为高信度数据；
    根据高信度数据的项数和与跨境供应链数据的总项数的比例，以及所述数据可信度评级 规则的对应关系，得到融资方的数据可信度评级。
  5. 根据权利要求1所述的跨境供应链金融的数据核验方法，其特征在于，所述根据各项数据之间的数据匹配度和所述数据有效性系数，获得融资方的数据核验结果的步骤，包括：
    通过以下公式，计算出融资方的数据核验匹配度：
    V＝K×R；
    其中，V为融资方的数据核验匹配度，K为多个数据匹配度的平均值；R为数据有效性系数；
    若融资方的数据核验匹配度大于或等于预设的第一有效匹配度阈值，确定对应的数据核验匹配度等级为极高；若融资方的数据核验匹配度小于所述第一有效匹配度阈值，且大于或等于预设的第二有效匹配度阈值，确定对应的数据核验匹配度等级为较高；若融资方的数据核验匹配度小于所述第二有效匹配度阈值，且大于或等于预设的第三有效匹配度阈值，确定对应的数据核验匹配度等级为一般；若融资方的数据核验匹配度小于所述第三有效匹配度阈值，且大于或等于预设的第四有效匹配度阈值，确定对应的数据核验匹配度等级为较低；若融资方的数据核验匹配度小于所述第四有效匹配度阈值，确定对应的数据核验匹配度等级为极低。
  6. 根据权利要求1所述的跨境供应链金融的数据核验方法，其特征在于，所述跨境供应链数据包括财务报表数据、ERP数据、电商经营数据、银行交易流水数据和通关数据；
    所述根据预设的匹配度获取规则，从多项所述跨境供应链数据中获取多个数据匹配度的步骤，包括：
    将所述财务报表数据和所述ERP数据进行比对，获得所述财务报表数据和所述ERP数据之间的数据匹配度；
    将所述财务报表数据和所述电商经营数据进行比对，获得所述财务报表数据和所述电商经营数据之间的数据匹配度；
    将所述ERP数据和所述电商经营数据进行比对，获得所述ERP数据和所述电商经营数据之间的数据匹配度；
    将所述银行交易流水数据和所述电商经营数据进行比对，获得所述银行交易流水数据和所述电商经营数据之间的数据匹配度；
    将所述通关数据和所述ERP数据进行比对，获得所述通关数据和所述ERP数据之间的数据匹配度；
    将所述通关数据和所述电商经营数据进行比对，获得所述通关数据和所述电商经营数据之间的数据匹配度；
    将所述财务报表数据和所述银行交易流水数据进行比对，获得所述财务报表数据和所述银行交易流水数据之间的数据匹配度。
  7. 根据权利要求1所述的跨境供应链金融的数据核验方法，其特征在于，所述根据所述融资方的数据完整性结果和各项所述融资方的数据可信度结果，确定数据有效性结果，并结合预设的数据有效性结果和数据有效性系数的对应关系，得到融资方的数据有效性系数的步骤，包括：
    将所述融资方的数据完整性结果和各项所述融资方的数据可信度结果的总和确定为数据有效性结果；
    若数据有效性结果大于或等于第一有效性结果阈值，确定融资方的数据有效性系数为1；若数据有效性结果小于第一有效性结果阈值，但大于或等于第二有效性结果阈值，确定融资方的数据有效性系数为0.8；若数据有效性结果小于第二有效性结果阈值，但大于或等于第三有效性结果阈值，确定融资方的数据有效性系数为0.6；若数据有效性结果小于第三有效性结果阈值，确定融资方的数据有效性系数为0.4。
  8. 根据权利要求1至7中任一项权利要求所述的跨境供应链金融的数据核验方法，其特征在于，所述获取融资方的多项跨境供应链数据以及各项所述跨境供应链数据的数据项权重比例的步骤，包括：
    获取各项所述跨境供应链数据之间的重要性标度值；
    以各项所述跨境供应链数据为行属性和列属性建立对比矩阵，并将所述重要性标度值作为矩阵参数填充到所述对比矩阵，以得到各个矩阵参数对应的行属性的跨境供应链数据与列属性的跨境供应链数据的重要性标度值；
    通过以下公式，计算出各项所述跨境供应链数据的数据项权重比例：
    Figure PCTCN2022143280-appb-100001
    其中，w i表示第i行属性对应的跨境供应链数据的数据项权重比例，n表示跨境供应链数据的总项数；a ij表示第i行属性和第j列属性对应的重要性标度值；a kj表示第k行属性和第j列属性对应的重要性标度值。
  9. 根据权利要求8所述的跨境供应链金融的数据核验方法，其特征在于，所述获取融资 方的多项跨境供应链数据以及各项所述跨境供应链数据的数据项权重比例的步骤后，还包括：
    根据各项所述跨境供应链数据的数据项权重比例，以及所述对比矩阵中的矩阵参数，计算出所述对比矩阵的最大特征根；
    根据所述最大特征根，以及融资方的多项跨境供应链数据的项数，计算出所述对比矩阵的一致性检验指标值；
    获取所述对比矩阵的平均一致性指标值，将所述一致性检验指标值与所述平均一致性指标值的比值确定为所述对比矩阵的一致性比例；
    若所述对比矩阵的一致性比例小于预设的一致性校验阈值，确定所述对比矩阵通过校验，各项所述跨境供应链数据的数据项权重比例为有效值，否则，所述对比矩阵不通过校验，各项所述跨境供应链数据的数据项权重比例为无效值。
  10. 根据权利要求9所述的跨境供应链金融的数据核验方法，其特征在于：
    通过以下公式，计算出所述对比矩阵的最大特征根：
    Figure PCTCN2022143280-appb-100002
    其中，λ max表示所述对比矩阵的最大特征根，w j表示第j列属性对应的跨境供应链数据的数据项权重比例；
    通过以下公式，计算出所述对比矩阵的一致性检验指标值：
    Figure PCTCN2022143280-appb-100003
    其中，C.I.表示所述对比矩阵的一致性检验指标值；
    通过以下公式，计算出所述对比矩阵的一致性比例：
    Figure PCTCN2022143280-appb-100004
    其中，C.R.表示所述对比矩阵的一致性比例，R.I.表示所述平均一致性指标值。
PCT/CN2022/143280 2022-08-17 2022-12-29 跨境供应链金融的数据核验方法 WO2024036867A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202210986855.0A CN115330545B (zh) 2022-08-17 2022-08-17 跨境供应链金融的数据核验方法
CN202210986855.0 2022-08-17

Publications (1)

Publication Number Publication Date
WO2024036867A1 true WO2024036867A1 (zh) 2024-02-22

Family

ID=83923245

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2022/143280 WO2024036867A1 (zh) 2022-08-17 2022-12-29 跨境供应链金融的数据核验方法

Country Status (2)

Country Link
CN (1) CN115330545B (zh)
WO (1) WO2024036867A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115330545B (zh) * 2022-08-17 2023-05-30 粤港澳国际供应链(广州)有限公司 跨境供应链金融的数据核验方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160180353A1 (en) * 2014-12-22 2016-06-23 Steven Chien Analyzing data of cross border transactions within a network trading platform
CN111798298A (zh) * 2020-07-08 2020-10-20 广州新丝路信息科技有限公司 一种跨境电商供应链金融贷前企业评估方法及系统
CN112035948A (zh) * 2020-08-03 2020-12-04 智慧航海（青岛）科技有限公司 一种应用于船模虚拟试验平台的可信度综合评估方法
CN113516560A (zh) * 2021-04-27 2021-10-19 吉林省裕林信息科技有限公司 供应链金融风控数据交叉验证方法、系统、计算机设备
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
CN115330545A (zh) * 2022-08-17 2022-11-11 粤港澳国际供应链(广州)有限公司 跨境供应链金融的数据核验方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106991610A (zh) * 2017-03-09 2017-07-28 深圳前海智链金融服务有限公司 一种提供供应链智能金融服务的系统
CN109918218A (zh) * 2019-01-28 2019-06-21 广州供电局有限公司 一种基于电力收费的错误数据分析方法
CN111985938A (zh) * 2020-08-18 2020-11-24 支付宝(杭州)信息技术有限公司 一种跨境交易的真实性验证方法、装置及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160180353A1 (en) * 2014-12-22 2016-06-23 Steven Chien Analyzing data of cross border transactions within a network trading platform
CN111798298A (zh) * 2020-07-08 2020-10-20 广州新丝路信息科技有限公司 一种跨境电商供应链金融贷前企业评估方法及系统
CN112035948A (zh) * 2020-08-03 2020-12-04 智慧航海（青岛）科技有限公司 一种应用于船模虚拟试验平台的可信度综合评估方法
CN113516560A (zh) * 2021-04-27 2021-10-19 吉林省裕林信息科技有限公司 供应链金融风控数据交叉验证方法、系统、计算机设备
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
CN115330545A (zh) * 2022-08-17 2022-11-11 粤港澳国际供应链(广州)有限公司 跨境供应链金融的数据核验方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LIU JIAN, WANG XIAO-FEI: "The Construction of Evaluation Index System of User Satisfaction of University Library Websites Based on Analytic Hierarchy Process", INFORMATION SCIENCE., vol. 40, no. 12, 17 June 2022 (2022-06-17), pages 80 - 87, XP093140035, DOI: 10.13833/j.issn.1007-7634.2022.12.010 *

Also Published As

Publication number Publication date
CN115330545B (zh) 2023-05-30
CN115330545A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
US7653593B2 (en) Macroeconomic-adjusted credit risk score systems and methods
US8768809B1 (en) Methods and systems for managing financial data
Dabla‐Norris et al. The underground economy and its macroeconomic consequences
US20050273414A1 (en) Portfolio rebalancing by means of resampled efficient frontiers with forecast confidence level
Featherstone et al. Determining the probability of default and risk‐rating class for loans in the seventh farm credit district portfolio
CN102663650A (zh) 一种企业信用风险分析系统及其使用方法
WO2024036867A1 (zh) 跨境供应链金融的数据核验方法
Cipollini et al. Housing market shocks in italy: A GVAR approach
CN115809837B (zh) 基于数字化模拟场景的金融企业管理方法、设备及介质
Ponomarenko et al. Impact of banking supervision on banking system structure: Conclusion from agent-based modelling
CN105654235A (zh) 一种中小企业风险评估方法
Grody et al. Risk accounting-part 2: The risk data aggregation and risk reporting (BCBS 239) foundation of enterprise risk management (ERM) and risk governance
US20210049687A1 (en) Systems and methods of generating resource allocation insights based on datasets
Lin et al. Trader differences in shanghai’s a-share and b-share markets: Effects on interaction with the shanghai housing market
TWM594785U (zh) 市場風險之計提資本矯正系統
Zech et al. Application of credit risk models to agricultural lending
Adedeji et al. Effects of public expenditure and financial development on economic growth: empirical evidence from Nigeria
Zhao et al. Cross-border credit networks, banking risk contagion and suppression effects
Iwedi Effects of Foreign Exchange Crisis on the Performance of Manufacturing Sector in Nigeria
JP2018101300A (ja) 情報処理装置
US12002096B1 (en) Artificial intelligence supported valuation platform
Malinen et al. COVID-19 impact on credit loss modelling
Torell Name concentration risk and pillar 2 compliance: The granularity adjustment
Sadaqat et al. Does External Debt Being a New Factor of Fiscal Policy Influence a Long-Term Income-Inequality in Pakistan?
TWM633151U (zh) 不動產暴險資本計提計算系統

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22955634

Country of ref document: EP

Kind code of ref document: A1