CN106780005A - 企业信用评估方法和企业信用评估装置 - Google Patents
企业信用评估方法和企业信用评估装置 Download PDFInfo
- Publication number
- CN106780005A CN106780005A CN201611039361.2A CN201611039361A CN106780005A CN 106780005 A CN106780005 A CN 106780005A CN 201611039361 A CN201611039361 A CN 201611039361A CN 106780005 A CN106780005 A CN 106780005A
- Authority
- CN
- China
- Prior art keywords
- class
- enterprise
- assessed
- fraction
- assessment
- 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
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
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种企业信用评估方法和企业信用评估装置,其中,一种企业信用评估方法,包括:以预定周期采集待评估企业的所有交易记录;根据每个交易记录的交易对象将所有交易记录进行分类;分别对每类中的所有交易记录进行评估计算,得到每类评估分数;将每类评估分数汇总得到待评估企业的评估分数。通过本发明的技术方案,更加科学的评估企业银行流水数据,避免了银行流水作假,也杜绝了企业的信用风险,而且通过银行流水交易对象的信用数据对企业进行评估更全面、更客观。
Description
技术领域
本发明涉及信用评估技术领域,具体而言,涉及一种企业信用评估方法和一种企业信用评估装置。
背景技术
目前,银行通过企业资金交易流水数据来评估企业是贷前评估的主要方法,银行流水数据具有客观、量化等优点。资金流水额大,流水频繁,说明企业经营较好,但是企业银行流水容易造假,而且银行流水数据量大,人工审核只能是抽查,再结合企业购销合同,来判断企业银行流水的真实性。现有技术中,很多基于企业经营或财务数据对企业进行评估的方法,也都只是通过采集企业自身的数据通过模型来评估企业的方法,会存在一定的漏洞,无法实现客观的评估。
因此,如何设计一种企业信用评估方法,降低企业对银行流水作假导致无法实现客观评估的可能性,并能够通过企业关联对象的数据来进行全面评估成为亟待解决的技术问题。
发明内容
本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
为此,本发明的一个目的在于提出了一种企业信用评估方法。
本发明的另一个目的在于提出了一种企业信用评估装置。
为实现上述目的,根据本发明的第一方面的技术方案,提出了一种企业信用评估方法,包括:以预定周期采集待评估企业的所有交易记录;根据每个交易记录的交易对象将所有交易记录进行分类;分别对每类中的所有交易记录进行评估计算,得到每类评估分数;将每类评估分数汇总得到待评估企业的评估分数。
根据本发明的技术方案的企业信用评估方法,需要通过银行以预定周期采集待评估企业的所有银行流水数据,并按照交易对象进行分类,每个交易对象再按照交易金额和交易频率来进行评分,根据交易对象信用数据的好坏来判断与待评估企业资金交易的价值,最终汇总所有交易对象的银行流水信用评分,得出企业的综合评估。将整个银行流水链条上的企业都进行计算评分,降低了待评估企业的信用风险,进而提高了企业评估的客观性、权威性,而且极大的提高了企业评估的效率。
其中,预定周期取决于企业评估的周期,如果是按月评估,则取每月的数据进行评估,如果是按年评估,则取每年的数据进行评估,以此类推。
根据本发明的一个技术方案,优选地,还包括:在以预定周期采集待评估企业的所有交易记录的同时,采集每个交易记录的交易对象的对象信息;根据每个对象信息的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息。
在该技术方案中,定期采集待评估企业的所有交易记录的同时,采集每个交易记录的交易对象的对象信息,根据每个对象信息的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息,其中,每类权重信息以权重值的形式表示,权重值越高,企业状况越好,或者权重值越低,企业状况越好,这个可以根据不同情况来设定,进而能够通过权重值来了解待评估企业的交易对象的经营情况,可以更准确的判断待评估企业的信用风险。
根据本发明的一个技术方案,优选地,还包括:将每类中的所有交易记录根据交易类型进行再分类,生成再分类结果;根据再分类结果,确定每类评估分数变化值;根据每类评估分数变化值以及预设的初始评估分数,得到每类评估分数。
在该技术方案中,通过重新将每类中的所有交易记录根据交易类型进行再分类,然后根据再分类结果确定每类评估分数变化值;根据每类评估分数变化值以及预设的初始评估分数,能够得到更加准确的每类评估分数。进而得到待评估企业的评估分数,对企业的评估结果更加客观。
根据本发明的一个技术方案,优选地,将每类评估分数汇总得到待评估企业的评估分数具体包括:将每类权重信息分别与对应的每类评估分数相乘,得到每类的加权评估分数,以及将每类的加权评估分数汇总得到待评估企业的评估分数。
在该技术方案中,通过根据每个交易对象的评估分数再分别乘以对应的每类权重信息的权重值,这样每个交易对象的评估分数会进行信用加权,最后汇总所有交易对象的加权后的评分,得到待评估企业的评估分数,能够更加科学的评估企业银行流水数据,避免银行流水作假,同时,也杜绝了企业的信用风险。
根据本发明上述技术方案,优选地,属性信息包括:注册资金、利润率、市盈率、资本金利润率;交易类型包括:资金借贷类型、资金交易类型、交易时间、交易金额。
在该技术方案中,通过根据每个交易对象的注册资金、利润率、市盈率、资本金利润率,分别计算每个交易对象与待评估企业之间的每类权重信息。然后,再根据资金借贷类型、资金交易类型、交易时间、交易金额等不同交易类型的银行流水数据,进行分类计算。最后,将每个交易对象的评估分数再分别乘以对应的每类权重信息的权重值,这样每个交易对象的评估分数会进行信用加权,最后汇总所有交易对象的加权后的评分,得到待评估企业的评估分数。不同的属性信息和交易类型,使得企业信用评估条件充足,评估结果更准确、客观。进而避免了银行流水作假,降低了待评估企业的信用风险。
根据本发明第二方面的技术方案,还提出了一种企业信用评估装置,包括:记录采集单元,用于以预定周期采集待评估企业的所有交易记录;分类单元,用于根据每个交易记录的交易对象将所有交易记录进行分类;分类评估单元,用于分别对每类中的所有交易记录进行评估计算,得到每类评估分数;汇总单元,用于将每类评估分数汇总得到待评估企业的评估分数。
根据本发明的技术方案的企业信用评估装置,需要银行对企业账户的资金进行监控,通过记录采集单元以预定周期采集待评估企业的所有交易记录,并且分类单元按照交易对象进行分类,分类评估单元对每个交易对象再按照交易金额交易频率来进行评分,根据交易对象信用数据的好坏来判断与之资金交易的价值,最终汇总单元将所有交易对象的银行流水信用评分进行汇总,得出企业的综合评估。进而提高了企业评估的客观性、权威性,而且极大的提高了企业评估的效率。
其中,预定周期取决于企业评估的周期,如果是按月评估,则取每月的数据进行评估,如果是按年评估,则取每年的数据进行评估,以此类推。
根据本发明的一个技术方案,优选地,还包括:采集单元,用于在以预定周期采集待评估企业的所有交易记录的同时,采集每个交易记录的交易对象的对象信息;权重计算单元,用于根据每个对象信息的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息。
在该技术方案中,通过记录采集单元定期采集待评估企业的所有交易记录,同时采集单元采集每个交易记录的交易对象的对象信息,然后,权重计算单元根据每个对象信息的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息,,其中,每类权重信息以权重值的形式表示,权重值越高,企业状况越好,或者权重值越低,企业状况越好,这个可以根据不同情况来设定,进而能够了解整个与该企业关联的上下游企业的经营情况,可以更准确的判断待评估企业的信用风险。
根据本发明的一个技术方案,优选地,还包括:再分类单元,用于将每类中的所有交易记录根据交易类型进行再分类,生成再分类结果;变化单元,用于根据再分类结果,确定每类评估分数变化值;每类计算单元,用于根据每类评估分数变化值以及预设的初始评估分数,得到每类评估分数。
在该技术方案中,通过再分类单元重新将每类中的所有交易记录根据交易类型进行再分类,然后变化单元根据再分类结果确定每类评估分数变化值;每类计算单元根据每类评估分数变化值以及预设的初始评估分数,能够得到更加准确的每类评估分数。进而得到待评估企业的评估分数,对企业的评估结果更加客观。
根据本发明的一个技术方案,优选地,汇总单元具体包括:加权计算单元,用于将每类权重信息分别与对应的每类评估分数相乘,得到每类的加权评估分数;加权汇总单元,用于将每类的加权评估分数汇总得到待评估企业的评估分数。
在该技术方案中,通过加权计算单元根据每个交易对象的评估分数再分别乘以对应的每类权重信息的权重值,这样每个交易对象的评估分数会进行信用加权,最后加权汇总单元将所有交易对象的加权后的评分汇总,得到待评估企业的评估分数,能够更加科学的评估企业银行流水数据,避免银行流水作假,同时,也杜绝了企业的信用风险。
根据本发明上述技术方案,优选地,属性信息包括:注册资金、利润率、市盈率、资本金利润率;交易类型包括:资金借贷类型、资金交易类型、交易时间、交易金额。
在该技术方案中,通过根据每个交易对象的注册资金、利润率、市盈率、资本金利润率,分别计算每个交易对象与待评估企业之间的每类权重信息。然后,再根据资金借贷类型、资金交易类型、交易对象名称、交易对象账号、交易时间、交易金额等不同交易类型的银行流水数据,进行分类计算。最后,将每个交易对象的评估分数再分别乘以对应权重值,这样每个交易对象的评估分数会进行信用加权,最后汇总所有交易对象的加权后的评分,得到待评估企业的评估分数。不同的属性信息和交易类型,使得企业信用评估条件充足,评估结果更准确、客观。进而避免了银行流水作假,降低了待评估企业的信用风险。
本发明的附加方面和优点将在下面的描述部分中变得明显,或通过本发明的实践了解到。
附图说明
图1示出了根据本发明的一个实施例的企业信用评估方法的流程示意图;
图2示出了根据本发明的再一个实施例的企业信用评估方法的流程示意图;
图3示出了根据本发明的又一个实施例的企业信用评估方法的流程示意图;
图4示出了根据本发明的一个实施例的企业信用评估方法的流程示意图;
图5示出了根据本发明的一个实施例的企业信用评估装置的示意图;
图6示出了根据本发明的再一个实施例的企业信用评估装置的示意图;
图7示出了根据本发明的又一个实施例的企业信用评估装置的示意图;
图8示出了根据本发明的一个实施例的企业信用评估装置的示意图;
图9a示出了根据本发明的一个具体实施例的一个企业评估流程图;
图9b示出了根据本发明的一个具体实施例的一个企业评估装置部署图;
图9c示出了根据本发明的一个具体实施例的一个企业银行流水网络拓扑图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不限于下面公开的具体实施例的限制。
图1示出了根据本发明的一个实施例的企业信用评估方法的流程示意图。
如图1所示,企业信用评估方法包括:
步骤102,以预定周期采集待评估企业的所有交易记录;
步骤104,根据每个交易记录的交易对象将所有交易记录进行分类;
步骤106,分别对每类中的所有交易记录进行评估计算,得到每类评估分数;
步骤108,将每类评估分数汇总得到待评估企业的评估分数。
本发明的企业信用评估方法,需要银行对企业账户的资金进行监控,通过步骤102,以预定周期采集待评估企业的所有交易记录,步骤104,并按照交易对象进行分类,步骤106,每个交易对象再按照交易金额交易频率来进行评分,根据交易对象信用数据的好坏来判断与之资金交易的价值,最终汇总所有交易对象的银行流水信用评分,得出企业的综合评估。进而提高了企业评估的客观性、权威性,而且极大的提高了企业评估的效率。
其中,预定周期取决于企业评估的周期,如果是按月评估,则取每月的数据进行评估,如果是按年评估,则取每年的数据进行评估,以此类推。
在该实施例中,根据所有交易记录的交易对象将所有交易记录进行分类,例如,X公司的交易对象为A公司与B公司,也可以有更多不同的公司,然后将所有的交易记录分成A公司的交易记录与B公司的所有交易记录。根据A公司的交易记录得到X公司与A公司的评估分数,根据B公司的交易记录得到X公司与B公司的评估分数;将两个评估分数汇总可以得到待评估企业的评估分数。通过上述技术方案不仅极大地提高了企业评估效率,还根据对不同交易对象的交易记录进行评估,从而得到的更加准确地评估结果。
图2示出了根据本发明的再一个实施例的企业信用评估方法的流程示意图。
如图2所示,企业信用评估方法包括:
步骤202,以预定周期采集待评估企业的所有交易记录,同时采集每个交易记录的交易对象的对象信息;
步骤204,根据每个对象信息的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息。
步骤206,根据每个交易记录的交易对象将所有交易记录进行分类;
步骤208,分别对每类中的所有交易记录进行评估计算,得到每类评估分数;
步骤210,将每类评估分数汇总得到待评估企业的评估分数。
在该实施例中,步骤202,通过定期采集待评估企业的所有交易记录,同时采集每个交易记录的交易对象的对象信息,步骤204,根据每个对象信息的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息,得出所有属性信息的权重值,能够了解待评估企业的交易对象的经营情况,进而可以更准确的判断待评估企业的信用风险。步骤206,并按照交易对象进行分类,步骤208,每个交易对象再按照交易金额交易频率来进行评分,步骤210,将整个银行流水链条上的企业都进行计算评分,降低了待评估企业的信用风险,进而提高了企业评估的客观性、权威性,而且极大的提高了企业评估的效率。
图3示出了根据本发明的又一个实施例的企业信用评估方法的流程示意图。
如图3所示,企业信用评估方法包括:
步骤302,以预定周期采集待评估企业的所有交易记录,同时采集每个交易记录的交易对象的对象信息;
步骤304,根据每个对象信息的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息。
步骤306,根据每个交易记录的交易对象将所有交易记录进行分类;
步骤308,分别对每类中的所有交易记录进行评估计算,得到每类评估分数;
步骤310,将每类中的所有交易记录根据交易类型进行再分类,生成再分类结果;
步骤312,根据再分类结果,确定每类评估分数变化值;
步骤314,根据每类评估分数变化值以及预设的初始评估分数,得到每类评估分数;
步骤316,将每类评估分数汇总得到待评估企业的评估分数。
在该实施例中,步骤302,银行对企业账户的资金进行监控,定期采集待评估企业的所有交易记录,同时采集每个交易记录的交易对象的对象信息,步骤304,根据每个对象信息的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息,步骤306,并按照交易对象进行分类,步骤308,每个交易对象再按照交易金额交易频率来进行评分,根据交易对象信用数据的好坏来判断与之资金交易的价值,然后,步骤310,通过重新将每类中的所有交易记录根据交易类型进行再分类,步骤312,然后根据再分类结果确定每类评估分数变化值;步骤314,根据每类评估分数变化值以及预设的初始评估分数,能够得到更加准确的每类评估分数。步骤316,进而将每类评估分数汇总得到待评估企业的评估分数,对企业的评估结果更加客观。
其中,将每类中的所有交易记录根据交易类型再次分类计算,确定每类分数变化值,一方面可以判断第一次计算结果是否真实准确;另一方面能够判断企业发展是否稳定。例如:初始评估分数为80分,变化值为20,两者结合即得到准确的每类评估分数为70分。如果变化值为-20,则最终的每类评估分数为60分。步骤310至步骤314使评估结果更加客观、真实。
图4示出了根据本发明的一个实施例的企业信用评估方法的流程示意图。
如图4所示,企业信用评估方法包括:
步骤402,以预定周期采集待评估企业的所有交易记录,同时采集每个交易记录的交易对象的对象信息;
步骤404,根据每个对象信息的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息。
步骤406,根据每个交易记录的交易对象将所有交易记录进行分类;
步骤408,分别对每类中的所有交易记录进行评估计算,得到每类评估分数;
步骤410,将每类中的所有交易记录根据交易类型进行再分类,生成再分类结果;
步骤412,根据再分类结果,确定每类评估分数变化值;
步骤414,根据每类评估分数变化值以及预设的初始评估分数,得到每类评估分数;
步骤416,将每类权重信息分别与对应的每类评估分数相乘,得到每类的加权评估分数;
步骤418,将每类的加权评估分数汇总得到待评估企业的评估分数。
在该实施例中,步骤402,银行对企业账户的资金进行监控,定期采集待评估企业的所有交易记录,同时采集每个交易记录的交易对象的对象信息,步骤404,根据每个对象信息的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息,步骤406,并按照交易对象进行分类,步骤408,每个交易对象再按照交易金额交易频率来进行评分,根据交易对象信用数据的好坏来判断与之资金交易的价值,然后,步骤410,通过重新将每类中的所有交易记录根据交易类型进行再分类,步骤412,然后根据再分类结果确定每类评估分数变化值;步骤414,根据每类评估分数变化值以及预设的初始评估分数,能够得到更加准确的每类评估分数。通过步骤416,根据每个交易对象的评估分数再分别乘以对应的每类权重信息的权重值,这样每个交易对象的评估分数会进行信用加权,步骤418,最后汇总所有交易对象的加权后的评分,得到待评估企业的评估分数,能够更加科学的评估企业银行流水数据,避免银行流水作假,同时,也杜绝了企业的信用风险。
其中,属性信息可以为注册资金,可以根据最终得分设定不同的信用等级,即:最终得分200分以上为信用白金级企业,最终得分200分以下为普通级企业,1000万注册资金权重值为1,5000万注册资金权重值为5,依此类推。如果A公司的交易对象B公司的每类评估分数为70分,注册资金为5000万,则最终得分为=70*5=350分,相应的,如果A公司的交易对象C公司负债2000万,则C公司的权重值为-2,若C公司的每类评估分数为60分,则最终得分为=60*-2=-120分,那么A公司所有银行流水加权评分通过企业信用评估的最终得分为350+(-120)=230分,即A公司的信用等级为白金级企业。
根据本发明的上述实施例的企业信用评估方法,优选地,属性信息包括:注册资金、利润率、市盈率、资本金利润率;交易类型包括:资金借贷类型、资金交易类型、交易时间、交易金额。
在该实施例中,通过根据每个交易对象的注册资金、利润率、市盈率、资本金利润率,分别计算每个交易对象与待评估企业之间的每类权重信息。然后,再根据资金借贷类型、资金交易类型、交易时间、交易金额等不同交易类型的银行流水数据,进行分类计算。最后,将每个交易对象的评估分数再分别乘以对应的每类权重信息的权重值,这样每个交易对象的评估分数会进行信用加权,最后汇总所有交易对象的加权后的评分,得到待评估企业的评估分数。不同的属性信息和交易类型,使得企业信用评估条件充足,评估结果更准确、客观。进而避免了银行流水作假,降低了待评估企业的信用风险。
图5示出了根据本发明的一个实施例的企业信用评估装置的示意图。
如图5所示,企业信用评估装置500包括:
记录采集单元502,用于以预定周期采集待评估企业的所有交易记录;
分类单元504,用于根据每个交易记录的交易对象将所有交易记录进行分类;
分类评估单元506,用于分别对每类中的所有交易记录进行评估计算,得到每类评估分数;
汇总单元508,用于将每类评估分数汇总得到待评估企业的评估分数。
本发明的企业信用评估装置,需要银行对企业账户的资金进行监控,通过记录采集单元502定期采集待评估企业的所有交易记录,可以每个月采集一次A公司的所有交易记录,也可以每年采集一次A公司的所有交易记录,然后分类单元504和分类评估单元506按照交易对象进行分类,对每个交易对象再按照交易金额交易频率来进行评分,根据交易对象信用数据的好坏来判断与之资金交易的价值,最终汇总单元508将所有交易对象的银行流水信用评分进行汇总,得出企业的综合评估。进而提高了企业评估的客观性、权威性,而且极大的提高了企业评估的效率。
其中,记录采集单元502设定的预定周期取决于企业评估的周期,如果是按月评估,则取每月的数据进行评估,如果是按年评估,则取每年的数据进行评估,以此类推。
在该实施例中,根据所有交易记录的交易对象将所有交易记录进行分类,例如,X公司的交易对象为A公司与B公司,也可以有更多不同的公司,然后将所有的交易记录分成A公司的交易记录与B公司的所有交易记录。根据A公司的交易记录得到X公司与A公司的评估分数,根据B公司的交易记录得到X公司与B公司的评估分数;将两个评估分数汇总可以得到待评估企业的评估分数。通过上述技术方案不仅极大地提高了企业评估效率,还根据对不同交易对象的交易记录进行评估,从而得到的更加准确地评估结果。
图6示出了根据本发明的一个实施例的企业信用评估装置的示意图。
如图6所示,企业信用评估装置600包括:
记录采集单元602,用于以预定周期采集待评估企业的所有交易记录,同时采集每个交易记录的交易对象的对象信息;
分类单元604,用于根据每个交易记录的交易对象将所有交易记录进行分类;
分类评估单元606,用于分别对每类中的所有交易记录进行评估计算,得到每类评估分数;
汇总单元608,用于将每类评估分数汇总得到待评估企业的评估分数。
采集单元610,用于在以预定周期采集待评估企业的所有交易记录的同时,采集每个交易记录的交易对象的对象信息;
权重计算单元612,用于根据每个对象信息的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息。
在该实施例中,通过记录采集单元602定期采集待评估企业的所有交易记录,同时采集单元610采集每个交易记录的交易对象的对象信息,然后,权重计算单元612根据每个对象信息的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息,得出所有属性信息的权重值,能够了解待评估企业的交易对象的经营情况,进而可以更准确的判断待评估企业的信用风险。
图7示出了根据本发明的一个实施例的企业信用评估装置的示意图。
如图7所示,企业信用评估装置700包括:
记录采集单元702,用于以预定周期采集待评估企业的所有交易记录,同时采集每个交易记录的交易对象的对象信息;
分类单元704,用于根据每个交易记录的交易对象将所有交易记录进行分类;
分类评估单元706,用于分别对每类中的所有交易记录进行评估计算,得到每类评估分数;
汇总单元708,用于将每类评估分数汇总得到待评估企业的评估分数;
采集单元710,用于在以预定周期采集待评估企业的所有交易记录的同时,采集每个交易记录的交易对象的对象信息;
权重计算单元712,用于根据每个对象信息的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息。
再分类单元714,用于将每类中的所有交易记录根据交易类型进行再分类,生成再分类结果;
变化单元716,用于根据再分类结果,确定每类评估分数变化值;
每类计算单元718,用于根据每类评估分数变化值以及预设的初始评估分数,得到每类评估分数。
在该实施例中,通过再分类单元714重新将每类中的所有交易记录根据交易类型进行再分类,然后变化单元716根据再分类结果确定每类评估分数变化值;每类计算单元718根据每类评估分数变化值以及预设的初始评估分数,能够得到更加准确的每类评估分数。进而得到待评估企业的评估分数,对企业的评估结果更加客观。
首先,A公司通过记录采集单元702每个月采集一次A公司的所有交易记录,然后分类单元704和分类评估单元706按照交易对象进行分类,对每个交易对象再按照交易金额交易频率来进行评分,接着,再分类单元714、变化单元716和每类计算单元718,将每类中的所有交易记录根据交易类型再次分类计算,确定每类分数变化值,一方面可以判断第一次计算结果是否真实准确;另一方面能够判断企业发展是否稳定。例如:初始评估分数为80分,变化值为20,两者结合即得到准确的每类评估分数为70分。如果变化值为-20,则最终的每类评估分数为60分。通过再分类计算变化值,进而确定最终评估分数,使评估结果更加客观、真实。
根据交易对象信用数据的好坏来判断与之资金交易的价值,最终汇总单元508将所有交易对象的银行流水信用评分进行汇总,得出企业的综合评估。进而提高了企业评估的客观性、权威性,而且极大的提高了企业评估的效率。
图8示出了根据本发明的一个实施例的企业信用评估装置的示意图。
如图8所示,企业信用评估装置800包括:
记录采集单元802,用于以预定周期采集待评估企业的所有交易记录,同时采集每个交易记录的交易对象的对象信息;
分类单元804,用于根据每个交易记录的交易对象将所有交易记录进行分类;
分类评估单元806,用于分别对每类中的所有交易记录进行评估计算,得到每类评估分数;
加权计算单元808,用于将每类权重信息分别与对应的每类评估分数相乘,得到每类的加权评估分数;
加权汇总单元810,用于将每类的加权评估分数汇总得到待评估企业的评估分数。
采集单元812,用于在以预定周期采集待评估企业的所有交易记录的同时,采集每个交易记录的交易对象的对象信息;
权重计算单元814,用于根据每个对象信息的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息。
再分类单元816,用于将每类中的所有交易记录根据交易类型进行再分类,生成再分类结果;
变化单元818,用于根据再分类结果,确定每类评估分数变化值;
每类计算单元820,用于根据每类评估分数变化值以及预设的初始评估分数,得到每类评估分数。
在该实施例中,通过加权计算单元808根据每个交易对象的评估分数再分别乘以对应的每类权重信息的权重值,这样每个交易对象的评估分数会进行信用加权,最后加权汇总单元810将所有交易对象的加权后的评分汇总,得到待评估企业的评估分数,能够更加科学的评估企业银行流水数据,避免银行流水作假,同时,也杜绝了企业的信用风险。
根据本发明的上述实施例的企业信用评估装置,优选地,属性信息包括:注册资金、利润率、市盈率、资本金利润率。交易类型包括:资金借贷类型、资金交易类型、交易时间、交易金额。
在该实施例中,通过根据每个交易对象的注册资金、利润率、市盈率、资本金利润率,分别计算每个交易对象与待评估企业之间的每类权重信息。然后,再根据资金借贷类型、资金交易类型、交易时间、交易金额等不同交易类型的银行流水数据,进行分类计算。最后,将每个交易对象的评估分数再分别乘以对应每类权重信息的权重值,这样每个交易对象的评估分数会进行信用加权,最后汇总所有交易对象的加权后的评分,得到待评估企业的评估分数。不同的属性信息和交易类型,使得企业信用评估条件充足,评估结果更准确、客观。进而避免了银行流水作假,降低了待评估企业的信用风险。
本发明所提供的技术方案,通过如下具体实施例结合图9a、图9b和图9c进行进一步的阐述:
具体实施例一,根据本发明提供的企业信用评估方法,如图9a所示,首先在评估企业前,银行需要预先记录完整的银行流水,银行流水采集***获取整个银行的银行流水数据,不仅是待评估企业的,也包括相关联的交易对象的交易流水数据,还可以包括相关联的交易对象的交易对象的交易流水数据,形成银行流水大数据,这样可以更好的、更全面的评估企业。然后,根据交易对象进行分类,每个交易对象再按照交易金额交易频率来进行评分,接着将每个交易对象的交易类型进行再分类,并按照金额大小频率进行评分,根据再分类结果确定每类评估分数变化值,根据每类评估分数变化值以及预设的初始评估分数,能够得到更加准确的每类评估分数。另外,根据每个交易对象的属性信息,分别计算每个交易对象与待评估企业之间的每类权重信息,进行阈值分析,得到权重值,最后,根据每个交易对象评估模型计算的分数再分别乘以对应权重模型各信用指标的权重值,这样每个交易对象的评估分数会进行信用加权,最后汇总所有交易对象的加权后的评分,得到待评估企业的评估汇总分数,能够更加科学的评估企业银行流水数据,避免银行流水作假,同时,也杜绝了企业的信用风险。
具体实施例二,如图9b所示,假设A为待评估企业,B、C、D等公司为交易对象,A与B、C、D等公司分别有资金交易。首先通过银行流水采集***912将A公司的所有交易记录及对应的交易对象提取出来,通过数据筛选分类***908将A公司的银行流水按B、C、D进行分类,并根据分类结果通过交易指标评估模型***910评估分数,然后将A与B的资金交易流水按照交易类型进行再分类,对于分类后的数据进行评估模型计算得出每项交易类型的评分并确定变化值,进而得到更准确的评估分数,比如A公司在每月5日给B公司支付50万元用于货款,连续3个月每个月支付货款超过30万,结合最初评估分数及其变化着,确定评分为80分,如果是连续增长则会有加分,这里可以根据需要进行多种模型设计,假设A与B只评估了银行流水中的货款,得分为80分,其中,可以增加其他交易指标评估,取决于模型的设计,A与C、A与D同理分别为70分、90分。再次通过网络爬虫***902在国家工商信用网906和法院失信网等网站采集B公司的信用指标数据,然后通过信用指标权重模型***904算出每项指标的权重,比如B公司注册资金1000万,与A公司不是同一股东,没有相同高管,但有法院诉讼,那么A与B银行流水的评分需要加权B公司的信用指标,最终得分=80*2*(-2)=-320分,A-B得分为-320分,其中,注册资金500万权重为1,1000万权重为2,有2个作为被告的法院诉讼官司,有一个被告的案子权重为-1,然后累加。同理A-C得分为350分,A-D得分为90分,那么A公司所有银行流水加权评分通过企业综合评级***912最终得分为-320+350+90=120分,假设,评级***设置为200分以下是普通级,因此A公司为普通级企业,只能享受小额贷款,贷款利率较高,而且需要有担保。
如图9c所示,根据具体实施例二,接着将B、C、D公司的银行流水数据进行分析,最后画出所有企业的银行流水交易网络拓扑图,根据资金流向得出企业上下游关系,以及关系是否频繁、是否密切等信息,经常进行大额交易表明关系频繁、密切,对于处于资金链上游的企业,而且经常交易的公司是注册资金比较雄厚的大公司,说明该企业处于行业核心地位,公司经营稳健并向好,对企业需要增加评分或提高企业评估等级。
以上详细说明了本发明的技术方案,本发明提出了一种企业信用评估方法,更加科学的评估企业银行流水数据,避免了银行流水作假,也杜绝了企业的信用风险,而且通过银行流水交易对象的信用数据以及交易对象的交易对象的信用数据对企业进行评估更全面,能够了解整个与该企业关联的上下游企业的评估情况。提高了企业评估的客观性、权威性,而且极大的提高了企业评估的效率。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种企业信用评估方法,其特征在于,包括:
以预定周期采集待评估企业的所有交易记录;
根据每个所述交易记录的交易对象将所有所述交易记录进行分类;
分别对每类中的所有交易记录进行评估计算,得到每类评估分数;
将所述每类评估分数汇总得到所述待评估企业的评估分数。
2.根据权利要求1所述的企业信用评估方法,其特征在于,还包括:
在以预定周期采集待评估企业的所有所述交易记录的同时,采集每个所述交易记录的交易对象的对象信息;
根据每个所述对象信息的属性信息,分别计算每个交易对象与所述待评估企业之间的每类权重信息。
3.根据权利要求2所述的企业信用评估方法,其特征在于,还包括:
将所述每类中的所有交易记录根据交易类型进行再分类,生成再分类结果;
根据所述再分类结果,确定每类评估分数变化值;
根据所述每类评估分数变化值以及预设的初始评估分数,得到所述每类评估分数。
4.根据权利要求3所述的企业信用评估方法,其特征在于,所述将所述每类评估分数汇总得到所述待评估企业的评估分数具体包括:
将所述每类权重信息分别与对应的每类评估分数相乘,得到每类的加权评估分数,以及
将每类的所述加权评估分数汇总得到所述待评估企业的评估分数。
5.根据权利要求3或4所述的企业信用评估方法,其特征在于,所述属性信息包括:注册资金、利润率、市盈率、资本金利润率;
所述交易类型包括:
资金借贷类型、资金交易类型、交易时间、交易金额。
6.一种企业信用评估装置,其特征在于,包括:
记录采集单元,用于以预定周期采集待评估企业的所有交易记录;
分类单元,用于根据每个所述交易记录的交易对象将所有所述交易记录进行分类;
分类评估单元,用于分别对每类中的所有交易记录进行评估计算,得到每类评估分数;
汇总单元,用于将所述每类评估分数汇总得到所述待评估企业的评估分数。
7.根据权利要求6所述的企业信用评估装置,其特征在于,还包括:
采集单元,用于在以预定周期采集待评估企业的所有所述交易记录的同时,采集每个所述交易记录的交易对象的对象信息;
权重计算单元,用于根据每个所述对象信息的属性信息,分别计算每个交易对象与所述待评估企业之间的每类权重信息。
8.根据权利要求7所述的企业信用评估装置,其特征在于,还包括
再分类单元,用于将所述每类中的所有交易记录根据交易类型进行再分类,生成再分类结果;
变化单元,用于根据所述再分类结果,确定每类评估分数变化值;
每类计算单元,用于根据所述每类评估分数变化值以及预设的初始评估分数,得到所述每类评估分数。
9.根据权利要求8所述的企业信用评估装置,其特征在于,所述汇总单元具体包括:
加权计算单元,用于将所述每类权重信息分别与对应的每类评估分数相乘,得到每类的加权评估分数;
加权汇总单元,用于将每类的所述加权评估分数汇总得到所述待评估企业的评估分数。
10.根据权利要求8或9所述的企业信用评估装置,其特征在于,所述属性信息包括:注册资金、利润率、市盈率、资本金利润率;
所述交易类型包括:
资金借贷类型、资金交易类型、交易时间、交易金额。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611039361.2A CN106780005A (zh) | 2016-11-21 | 2016-11-21 | 企业信用评估方法和企业信用评估装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611039361.2A CN106780005A (zh) | 2016-11-21 | 2016-11-21 | 企业信用评估方法和企业信用评估装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106780005A true CN106780005A (zh) | 2017-05-31 |
Family
ID=58974961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611039361.2A Pending CN106780005A (zh) | 2016-11-21 | 2016-11-21 | 企业信用评估方法和企业信用评估装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106780005A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107766311A (zh) * | 2017-09-27 | 2018-03-06 | 武汉达策信息技术有限公司 | 基于OnlineBox***自动生成风投数据报告方法及*** |
CN108416664A (zh) * | 2018-01-29 | 2018-08-17 | 广州越秀金融科技有限公司 | 基于消费信贷场景的风险评估方法及***实现 |
CN109191279A (zh) * | 2018-08-01 | 2019-01-11 | 西安日间结算登记有限公司 | 基于线上供应链金融的中小企业信用风险评估平台 |
CN110009487A (zh) * | 2019-04-10 | 2019-07-12 | 湖北风口网络科技有限公司 | 一种金融借贷风险评估方法及*** |
CN113177700A (zh) * | 2021-04-15 | 2021-07-27 | 国任财产保险股份有限公司 | 一种风险评估方法、***、电子设备及存储介质 |
-
2016
- 2016-11-21 CN CN201611039361.2A patent/CN106780005A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107766311A (zh) * | 2017-09-27 | 2018-03-06 | 武汉达策信息技术有限公司 | 基于OnlineBox***自动生成风投数据报告方法及*** |
CN108416664A (zh) * | 2018-01-29 | 2018-08-17 | 广州越秀金融科技有限公司 | 基于消费信贷场景的风险评估方法及***实现 |
CN109191279A (zh) * | 2018-08-01 | 2019-01-11 | 西安日间结算登记有限公司 | 基于线上供应链金融的中小企业信用风险评估平台 |
CN110009487A (zh) * | 2019-04-10 | 2019-07-12 | 湖北风口网络科技有限公司 | 一种金融借贷风险评估方法及*** |
CN113177700A (zh) * | 2021-04-15 | 2021-07-27 | 国任财产保险股份有限公司 | 一种风险评估方法、***、电子设备及存储介质 |
CN113177700B (zh) * | 2021-04-15 | 2022-09-13 | 国任财产保险股份有限公司 | 一种风险评估方法、***、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780005A (zh) | 企业信用评估方法和企业信用评估装置 | |
Patton et al. | Change you can believe in? Hedge fund data revisions | |
Wagner | From estimation results to stylized facts twelve recommendations for empirical research in international activities of heterogeneous firms | |
Srivastava et al. | Evidential reasoning for WebTrust assurance services | |
Gurrib et al. | The implementation of an adjusted relative strength index model in foreign currency and energy markets of emerging and developed economies | |
CN107038511A (zh) | 一种确定风险评估参数的方法及装置 | |
Franceschetti | Financial crises and earnings management behavior: arguments and evidence against causality | |
Paskevicius et al. | The evaluation of the impact of financial technologies innovations on CEECs capital markets | |
Kusuma et al. | Implementation of Financial Strategy Business Plan Arena Corner | |
Mahotra et al. | Analyzing financial statements using data envelopment analysis | |
Cumming et al. | Misconduct risks, legal enforcement and venture capital networks | |
Plumlee et al. | Voluntary environmental disclosure quality and firm value: roles of venue and industry type | |
Salah | Earnings management in the years following the integrated corporate income tax within Dutch housing associations | |
Lin et al. | The application of decision tree and artificial neural network to income tax audit: the examples of profit-seeking enterprise income tax and individual income tax in Taiwan | |
Nguyen et al. | Analyzing dependence structure of equity, bond and money markets by using time-varying copulas | |
Maroyi | Capital budgeting practices: a South African perspective | |
Jain et al. | Are Returns Conditional upon the Beneish M score? | |
Karp et al. | Suggestions for the Road to Copenhagen | |
Fazlzadeh et al. | The Study of Relationship Between Market Share and Profitability in Tehran Stock Exchange | |
Hansson | Investment in project preventing deforestation of the Brazilian Amazonas | |
Park et al. | Assessing Bank Climate Disclosures and Their Relationship to Bank Lending | |
Chung et al. | Performance of Active and Passive Management of Korea's NPS Funds | |
Küçükbay et al. | A new methodology for credit evaluation process of Turk Eximbank | |
Adão et al. | The Impacts of Monetary Policy on Banks' Loan Portfolio Risk-taking | |
Sahore | CAPITAL-BUDGETING DECISIONS USING SAW AND TOPSIS METHODS OF MULTI-CRITERIA DECISION-MAKING. |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |