CN107909274A - 企业投资风险评估方法、装置及存储介质 - Google Patents
企业投资风险评估方法、装置及存储介质 Download PDFInfo
- Publication number
- CN107909274A CN107909274A CN201711141730.3A CN201711141730A CN107909274A CN 107909274 A CN107909274 A CN 107909274A CN 201711141730 A CN201711141730 A CN 201711141730A CN 107909274 A CN107909274 A CN 107909274A
- Authority
- CN
- China
- Prior art keywords
- business entity
- risk
- feature vector
- entity
- enterprise
- 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.)
- Granted
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提出一种企业投资风险评估方法，包括：爬取投资目标企业实体相关的新闻语料，提取与该企业实体相关联的其他实体；以名称为节点、该企业实体与其他实体之间的关联关系为边，构建关系网络；计算该企业实体的向量表示，生成该企业实体的第一特征向量；根据第一预设规则，对该企业实体的内部信息进行量化，生成第二特征向量；根据第二预设规则，对该企业实体的外部信息进行量化，生成第三特征向量；及，将所述第一特征向量、第二特征向量及第三特征向量输入企业风险评估模型，输出得到该企业实体对应的风险标签。本发明还提出一种电子装置及计算机可读存储介质。利用本发明，对新闻语料中透露的信息进行分析，可评估投资目标企业的风险。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种企业投资风险评估方法、电子装置及计算机可读存储介质。
背景技术
目前，在观察投资标的角度上，市面上的相关工具都相对简单，大部分停留在传统的财务分析、报表分析层面，缺乏对上下游、关联方以及市场热点、政策线索的关联量化的考虑。
随着网络的普及，每个新闻网站每天有成千上万条新闻，并且新闻会实时更新。如果能从海量的新闻语料中，提取投资目标企业相关联的大数据，例如企业内部状况：经营、财务、高管、招聘、网站更新频率等，企业外部状况，例如关联公司状况如上下游、客户等，评级机构对该企业的评级，新闻媒体相关报道等信息，将这些信息形成关系网络，分析、评估投资目标企业的风险系数，从而投资方可根据风险系数考虑能否接受该风险并决定是否投资该企业。因此，如何从新闻语料中提取投资目标企业相关联的信息，并利用该信息进行风险评估是急需解决的问题。
发明内容
本发明提供一种企业投资风险评估方法、电子装置及计算机可读存储介质，其主要目的在于通过对新闻语料中透露的信息进行分析，评估投资目标企业的风险。
为实现上述目的，本发明提供一种电子装置，该电子装置包括：存储器、处理器，所述存储器存储有可在所述处理器上运行的企业投资风险评估程序，该程序被所述处理器执行时实现如下步骤：
A1、爬取待评估风险的企业实体相关的新闻语料，对新闻语料进行预处理，从经过预处理后的新闻语料中提取与该企业实体相关联的其他实体；
A2、以名称为节点、该企业实体与其他实体之间的关联关系为边，构建该企业实体与其他实体之间的关系网络；
A3、根据关系网络计算该企业实体的向量表示，生成该企业实体的第一特征向量；
A4、根据第一预设规则，对该企业实体的内部信息进行量化，生成第二特征向量；
A5、从新闻语料中提取该企业实体的外部信息，根据第二预设规则，对该企业实体的外部信息进行量化，生成该企业实体的第三特征向量；及
A6、将所述第一特征向量、第二特征向量及第三特征向量输入预先确定的企业风险评估模型，输出得到该企业实体对应的风险标签。
此外，为实现上述目的，本发明还提供一种企业投资风险评估方法，该方法包括：
S1、爬取待评估风险的企业实体相关的新闻语料，对新闻语料进行预处理，从经过预处理后的新闻语料中提取与该企业实体相关联的其他实体；
S2、以名称为节点、该企业实体与其他实体之间的关联关系为边，构建该企业实体与其他实体之间的关系网络；
S3、根据关系网络计算该企业实体的向量表示，生成该企业实体的第一特征向量；
S4、根据第一预设规则，对该企业实体的内部信息进行量化，生成第二特征向量；
S5、从新闻语料中提取该企业实体的外部信息，根据第二预设规则，对该企业实体的外部信息进行量化，生成该企业实体的第三特征向量；及
S6、将所述第一特征向量、第二特征向量及第三特征向量输入预先确定的企业风险评估模型，输出得到该企业实体对应的风险标签。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有企业投资风险评估程序，该程序被处理器执行时实现如上所述的企业投资风险评估方法的任意步骤。
本发明提出的企业投资风险评估方法、电子装置及计算机可读存储介质，通过从新闻语料中了解企业实体与其关联实体之间的关系、企业实体的内部信息及外部信息，分别得到该企业实体的第一特征向量、第二特征向量及第三特征向量，利用风险评估模型及所述第一特征向量、第二特征向量及第三特征向量，对投资该企业实体进行风险评估，便于投资方捕捉市场投资机会，***投资风险。
附图说明
图1为本发明企业投资风险评估方法较佳实施例的应用环境示意图；
图2为企业实体A与相关联的其他实体之间的关系网络图；
图3为企业实体A的向量表示；
图4为图1中企业投资风险评估程序的模块示意图；
图5为本发明企业投资风险评估方法较佳实施例的流程图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种企业投资风险评估方法，该方法应用于一种电子装置1。参照图1所示，为本发明企业投资风险评估方法较佳实施例的应用环境示意图。
在本实施例中，所述电子装置1可以是PC(Personal Computer，个人电脑)，也可以是智能手机、平板电脑、电子书阅读器、便携计算机等终端设备。
该电子装置1包括存储器11、处理器12，通信总线13，以及网络接口14。
其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是所述电子装置1的内部存储单元，例如该电子装置1的硬盘。存储器11在另一些实施例中也可以是所述电子装置1的外部存储设备，例如该电子装置1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器11还可以既包括该电子装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于该电子装置1的应用软件及各类数据，例如企业投资风险评估程序10等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如企业投资风险评估程序10等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该装置与其他电子设备之间建立通信连接。
图1仅示出了具有组件11-14的电子装置1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
可选地，该电子装置1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。
可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以称为显示屏或显示单元，用于显示在电子装置1中处理的信息以及用于显示可视化的用户界面。
在图1所示的装置实施例中，存储器11中存储有企业投资风险评估程序10；处理器12执行存储器11中存储的企业投资风险评估程序10时实现如下步骤：
A1、爬取待评估风险的企业实体相关的新闻语料，对新闻语料进行预处理，从经过预处理后的新闻语料中提取与该企业实体相关联的其他实体；
A2、以名称为节点、该企业实体与其他实体之间的关联关系为边，构建该企业实体与其他实体之间的关系网络；
A3、根据关系网络计算该企业实体的向量表示，生成该企业实体的第一特征向量；
A4、根据第一预设规则，对该企业实体的内部信息进行量化，生成第二特征向量；
A5、从新闻语料中提取该企业实体的外部信息，根据第二预设规则，对该企业实体的外部信息进行量化，生成该企业实体的第三特征向量；及
A6、将所述第一特征向量、第二特征向量及第三特征向量输入预先确定的企业风险评估模型，输出得到该企业实体对应的风险标签。
语料涉及多个不同的领域，本实施例以新闻语料为例，对本发明的具体方案进行说明，但不仅仅限于新闻领域。当投资方需要了解时下的新闻，以获取投资目标企业相关联的内部数据及外部数据时，利用网络爬虫从互联网中爬取网络新闻，例如，通过爬虫爬取新浪、百度、腾讯等的网络新闻。可以理解的是，每个企业在不同的时间段内的经营情况都不一样，因此，为了使投资者更准确的了解投资目标企业的信息，在时间维度上对爬取的网络新闻进行过滤，设置预设时间区间，只爬取该时间段的网络新闻，例如，只爬取近半年的网络新闻。由于新闻语料的来源具有多样性，因此，语料中格式类型比较多，为便于对语料进行后续处理，需对新闻语料进行预处理，得到新闻语料文本数据，形成新闻语料文本集。
在其他实施例中，所述预处理可以将新闻语料的格式统一为文本格式，从新闻语料中去除广告噪声并过滤脏词和敏感词中的一种或多种。在将新闻语料的格式统一为文本格式时，可以将当前技术暂不能转换为文本格式的内容过滤掉。
接下来，利用上述分词的方法，根据预先确定的企业名称库，从经过预处理后的新闻语料中提取出所有企业名称，然后根据待评估风险的企业实体(即投资目标企业)的关联企业数据，筛选出与待评估风险的企业实体相关联的其他实体，并将企业实体和其他实体构建成关系网络。其中，所述关联企业数据可以通过第三方数据获得。可以理解的是，从新闻语料中提取与企业实体相关联的其他实体可能很多，若要将所有关联实体全部构建在关系网络不合理，因此，在构建关系网络前，对提取出的与企业实体相关联的其他实体进行过滤筛选，具体地，通过过滤筛选步骤后保留的与企业实体相关联的其他实体包括：该企业实体的股东公司、与企业实体有发生金钱往来的其他实体、供应商、客户、信用评结构等。
在本实施例中，以企业实体A为例，对从新闻语料中提取的与企业实体A相关联的其他实体进行筛选后，假设保留的其他实体分别为B1、B2、B3，其中，B1为给企业实体A进行信用评级的评级机构，从历史评级数据中可以了解到B1给企业实体A的信用评级为BBB，B2为给企业实体A提供原材料或货品的供应商，企业实体A对B2的欠款金额为30万，B3为企业实体A的客户，企业实体A曾对B3违约2次。以企业实体A、B1、B2、B3为节点，以B1、B2、B3与A的关联关系为边，构建如图2所示的企业实体与其他实体之间的关系网络图。
然后，根据上述关系网络图，计算企业实体A的向量表示，本实施例采用的是Skip-Gram方法，因为关系网络中企业实体A的向量表示与其相关联的实体B1、B2、B3的向量表示之间存在着管理关系。对于企业实体名称向量的训练，Skip-Gram方法利用当前企业实体去预测周围实体，如图3所示。图3中的An1，An2，An3，An4是没有顺序的，均表示为企业实体A的相邻实体。与利用Skip-Gram训练词向量的方法类似，设置一个固定的预测长度L，来预测企业实体A周围的L个相邻实体，若真实情况相邻实体不及L个，则输出为NULL。通过该方法，可以得到企业实体A的向量表示embedding(E1)，embedding(E2)，…，将该向量表示作为企业实体A的第一特征向量。
可以理解的是，要了解投资企业实体A的风险，必须了解企业实体A的财务、经营等方面的信息，因此，需要考虑到企业实体A的内部信息，其中，内部信息包括企业实体A的经营、财务、招聘、网站更新频率等信息，其中部分信息为数字信息，例如财务信息包括企业上一年度的净利润、股票收益等。按照规则将企业内部信息中每一个参考因素转换为数字进行量化，例如，财务信息里的数值可以转化为特征值，比如在本实施例中，净利润为30万元，取30为对应的特征值，网站更新频率、最近一年的招聘人数也是数值，也可以按预设的转换规则为相应的数值。在其他实施例中，也可以按预设的转换比例将30万元转换为其他数值。将企业实体A的内部信息中的每个参考因素量化后，生成企业实体A的第二特征向量。
需要说明的是，企业实体A的经营好坏，除了自身因素外，外界的因素也至关重要，因此还需要考虑企业实体A的外部信息，其中，外部信息包括企业实体A的上下游关系，例如供应商、客户，该企业是否对上下游关系的其他实体产生过违约、欠款，如有，违约次数、欠款周期分别为多少。此外，企业实体A的外部信息还包括评级机构对企业实体A的评级(评级级别3A，2A表示优良，A表示良好，BBB表示一般等)、新闻媒体对该企业实体A的正面/负面报道等。然后，按照规则将企业内部信息中每一个参考因素转换为数字进行量化，例如，在本实施例中，违约次数可以量化为3个数值，无违约-0，轻度违约-1，重度违约-2；欠款可以量化为2个数值，无欠款-0，有欠款-1；评级可以量化为多个数值，评级级别3A-6，评级级别2A-5，评级级别A-4，评级级别BBB-3，评级级别BB-2，评级级别B-1。根据企业实体A的具体情况，将其外部信息进行量化，违约次数-1，欠款-1，评级-3，依据量化后的信息生成企业实体A的第三特征向量。
至此，了解了与企业实体A相关联的其他实体、企业实体A的内部信息及外部信息后，接下来就可以对投资企业实体A进行风险评估。将企业实体A的名称及企业实体A的第一特征向量、第二特征向量及第三特征向量输入预先确定的风险评估模型中进行风险评估，并输出风险评估结果。其中，所述预先确定的风险评估模型的训练步骤包括：利用上述A1-A5步骤，获取大量企业实体的第一特征向量、第二特征向量及第三特征向量，其具体实施方式与上述步骤一致，这里不再赘述。然后为各个企业实体标注风险标签，对“无风险”的企业实体，标注风险标签为0，对“高风险”的企业实体，标注风险标签为1，然后将各个企业实体的第一特征向量、第二特征向量、第三特征向量及对应的风险标签作为样本数据。从样本数据中的随机抽取第一比例(例如60％)的企业实体的第一特征向量、第二特征向量、第三特征向量及该第一比例(例如60％)的企业实体对应的风险标签作为训练集，从剩下的样本集中的随机抽取第二比例(例如50％)的企业实体的第一特征向量、第二特征向量、第三特征向量及该第二比例(例如50％)的企业实体对应的风险标签作为验证集，也就是说，抽取样本数据的20％的样本数据作为验证集；利用所述50％的样本数据对支持向量机进行训练，确定风险评估模型的模型参数，确定出企业实体的关联实体、内部信息、外部信息与投资该企业实体的风险之间的关系；利用20％的样本数据对所述风险评估模型的准确性进行验证，若准确率大于或者等于预设准确率(例如90％)，则训练结束，或者，若准确率小于预设准确率(例如90％)，则增加样本数量并重新执行训练步骤。
将企业实体A的第一特征向量、第二特征向量及第三特征向量输入所述风险评估模型后，若模型输出结果为0，则表示投资企业实体A基本无风险，若模型输出结果为1，则表示投资企业实体A有较大风险。
上述实施例提出的电子装置1，通过了解企业实体与其关联实体之间的关系、企业实体的内部信息及外部信息，分别得到该企业实体的第一特征向量、第二特征向量及第三特征向量，利用风险评估模型及所述第一特征向量、第二特征向量及第三特征向量，对投资该企业实体进行风险评估，便于投资方捕捉市场投资机会。
可选地，在其他的实施例中，企业投资风险评估程序10还可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行，以完成本发明，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段。例如，参照图4所示，为图1中企业投资风险评估程序10的模块示意图，在本实施例中，该程序可以被分割为提取模块110、构建模块120、第一计算模块130、第二计算模块140、第三计算模块150以及评估模块160，所述模块110-160所实现的功能或操作步骤均与上文类似，此处不再详述，示例性地，例如其中：
提取模块110，用于爬取待评估风险的企业实体相关的新闻语料，对新闻语料进行预处理，从经过预处理后的新闻语料中提取与该企业实体相关联的其他实体；
构建模块120，用于以名称为节点、该企业实体与其他实体之间的关联关系为边，构建该企业实体与其他实体之间的关系网络；
第一计算模块130，用于根据关系网络计算该企业实体的向量表示，生成该企业实体的第一特征向量；
第二计算模块140，用于根据第一预设规则，对该企业实体的内部信息进行量化，生成第二特征向量；
第三计算模块150，用于从新闻语料中提取该企业实体的外部信息，根据第二预设规则，对该企业实体的外部信息进行量化，生成该企业实体的第三特征向量；及
评估模块160，用于将所述第一特征向量、第二特征向量及第三特征向量输入预先确定的企业风险评估模型，输出得到该企业实体对应的风险标签。
此外，本发明还提供一种企业投资风险评估方法。参照图5所示，为本发明企业投资风险评估方法较佳实施例的流程图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
在本实施例中，企业投资风险评估方法包括：
S1、爬取待评估风险的企业实体相关的新闻语料，对新闻语料进行预处理，从经过预处理后的新闻语料中提取与该企业实体相关联的其他实体；
S2、以名称为节点、该企业实体与其他实体之间的关联关系为边，构建该企业实体与其他实体之间的关系网络；
S3、根据关系网络计算该企业实体的向量表示，生成该企业实体的第一特征向量；
S4、根据第一预设规则，对该企业实体的内部信息进行量化，生成第二特征向量；
S5、从新闻语料中提取该企业实体的外部信息，根据第二预设规则，对该企业实体的外部信息进行量化，生成该企业实体的第三特征向量；及
S6、将所述第一特征向量、第二特征向量及第三特征向量输入预先确定的企业风险评估模型，输出得到该企业实体对应的风险标签。
语料涉及多个不同的领域，本实施例以新闻语料为例，对本发明的具体方案进行说明，但不仅仅限于新闻领域。当投资方需要了解时下的新闻，以获取投资目标企业相关联的内部数据及外部数据时，利用网络爬虫从互联网中爬取网络新闻，例如，通过爬虫爬取新浪、百度、腾讯等的网络新闻。可以理解的是，每个企业在不同的时间段内的经营情况都不一样，因此，为了使投资者更准确的了解投资目标企业的信息，在时间维度上对爬取的网络新闻进行过滤，设置预设时间区间，只爬取该时间段的网络新闻，例如，只爬取近半年的网络新闻。由于新闻语料的来源具有多样性，因此，语料中格式类型比较多，为便于对语料进行后续处理，需对新闻语料进行预处理，得到新闻语料文本数据，形成新闻语料文本集。
在其他实施例中，所述预处理可以将新闻语料的格式统一为文本格式，从新闻语料中去除广告噪声并过滤脏词和敏感词中的一种或多种。在将新闻语料的格式统一为文本格式时，可以将当前技术暂不能转换为文本格式的内容过滤掉。
接下来，利用上述分词的方法，根据预先确定的企业名称库，从经过预处理后的新闻语料中提取出所有企业名称，然后根据待评估风险的企业实体(即投资目标企业)的关联企业数据，筛选出与待评估风险的企业实体相关联的其他实体，并将企业实体和其他实体构建成关系网络。其中，所述关联企业数据可以通过第三方数据获得。可以理解的是，从新闻语料中提取与企业实体相关联的其他实体可能很多，若要将所有关联实体全部构建在关系网络不合理，因此，在构建关系网络前，对提取出的与企业实体相关联的其他实体进行过滤筛选，具体地，通过过滤筛选步骤后保留的与企业实体相关联的其他实体包括：该企业实体的股东公司、与企业实体有发生金钱往来的其他实体、供应商、客户、信用评结构等。
在本实施例中，以企业实体A为例，对从新闻语料中提取的与企业实体A相关联的其他实体进行筛选后，假设保留的其他实体分别为B1、B2、B3，其中，B1为给企业实体A进行信用评级的评级机构，从历史评级数据中可以了解到B1给企业实体A的信用评级为BBB，B2为给企业实体A提供原材料或货品的供应商，企业实体A对B2的欠款金额为30万，B3为企业实体A的客户，企业实体A曾对B3违约2次。以企业实体A、B1、B2、B3为节点，以B1、B2、B3与A的关联关系为边，构建如图2所示的企业实体与其他实体之间的关系网络图。
然后，根据上述关系网络图，计算企业实体A的向量表示，本实施例采用的是Skip-Gram方法，因为关系网络中企业实体A的向量表示与其相关联的实体B1、B2、B3的向量表示之间存在着管理关系。对于企业实体名称向量的训练，Skip-Gram方法利用当前企业实体去预测周围实体，如图3所示。图3中的An1，An2，An3，An4是没有顺序的，均表示为企业实体A的相邻实体。与利用Skip-Gram训练词向量的方法类似，设置一个固定的预测长度L，来预测企业实体A周围的L个相邻实体，若真实情况相邻实体不及L个，则输出为NULL。通过该方法，可以得到企业实体A的向量表示embedding(E1)，embedding(E2)，…，将该向量表示作为企业实体A的第一特征向量。
可以理解的是，要了解投资企业实体A的风险，必须了解企业实体A的财务、经营等方面的信息，因此，需要考虑到企业实体A的内部信息，其中，内部信息包括企业实体A的经营、财务、招聘、网站更新频率等信息，其中部分信息为数字信息，例如财务信息包括企业上一年度的净利润、股票收益等。按照规则将企业内部信息中每一个参考因素转换为数字进行量化，例如，财务信息里的数值可以转化为特征值，比如在本实施例中，净利润为30万元，取30为对应的特征值，网站更新频率、最近一年的招聘人数也是数值，也可以按预设的转换规则为相应的数值。在其他实施例中，也可以按预设的转换比例将30万元转换为其他数值。将企业实体A的内部信息中的每个参考因素量化后，生成企业实体A的第二特征向量。
需要说明的是，企业实体A的经营好坏，除了自身因素外，外界的因素也至关重要，因此还需要考虑企业实体A的外部信息，其中，外部信息包括企业实体A的上下游关系，例如供应商、客户，该企业是否对上下游关系的其他实体产生过违约、欠款，如有，违约次数、欠款周期分别为多少。此外，企业实体A的外部信息还包括评级机构对企业实体A的评级(评级级别3A，2A表示优良，A表示良好，BBB表示一般等)、新闻媒体对该企业实体A的正面/负面报道等。然后，按照规则将企业内部信息中每一个参考因素转换为数字进行量化，例如，在本实施例中，违约次数可以量化为3个数值，无违约-0，轻度违约-1，重度违约-2；欠款可以量化为2个数值，无欠款-0，有欠款-1；评级可以量化为多个数值，评级级别3A-6，评级级别2A-5，评级级别A-4，评级级别BBB-3，评级级别BB-2，评级级别B-1。根据企业实体A的具体情况，将其外部信息进行量化，违约次数-1，欠款-1，评级-3，依据量化后的信息生成企业实体A的第三特征向量。
至此，了解了与企业实体A相关联的其他实体、企业实体A的内部信息及外部信息后，接下来就可以对投资企业实体A进行风险评估。将企业实体A的名称及企业实体A的第一特征向量、第二特征向量及第三特征向量输入预先确定的风险评估模型中进行风险评估，并输出风险评估结果。其中，所述预先确定的风险评估模型的训练步骤包括：利用上述S1-S5步骤，获取大量企业实体的第一特征向量、第二特征向量及第三特征向量，其具体实施方式与上述步骤一致，这里不再赘述。然后为各个企业实体标注风险标签，对“无风险”的企业实体，标注风险标签为0，对“高风险”的企业实体，标注风险标签为1，然后将各个企业实体的第一特征向量、第二特征向量、第三特征向量及对应的风险标签作为样本数据。从样本数据中的随机抽取第一比例(例如60％)的企业实体的第一特征向量、第二特征向量、第三特征向量及该第一比例(例如60％)的企业实体对应的风险标签作为训练集，从剩下的样本集中的随机抽取第二比例(例如50％)的企业实体的第一特征向量、第二特征向量、第三特征向量及该第二比例(例如50％)的企业实体对应的风险标签作为验证集，也就是说，抽取样本数据的20％的样本数据作为验证集；利用所述50％的样本数据对支持向量机进行训练，确定风险评估模型的模型参数，确定出企业实体的关联实体、内部信息、外部信息与投资该企业实体的风险之间的关系；利用20％的样本数据对所述风险评估模型的准确性进行验证，若准确率大于或者等于预设准确率(例如90％)，则训练结束，或者，若准确率小于预设准确率(例如90％)，则增加样本数量并重新执行训练步骤。
将企业实体A的第一特征向量、第二特征向量及第三特征向量输入所述风险评估模型后，若模型输出结果为0，则表示投资企业实体A基本无风险，若模型输出结果为1，则表示投资企业实体A有较大风险。
上述实施例提出的企业投资风险评估方法，通过了解企业实体与其关联实体之间的关系、企业实体的内部信息及外部信息，分别得到该企业实体的第一特征向量、第二特征向量及第三特征向量，利用风险评估模型及所述第一特征向量、第二特征向量及第三特征向量，对投资该企业实体进行风险评估，便于投资方捕捉市场投资机会。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质存储有企业投资风险评估程序，所述企业投资风险评估程序被处理器执行时实现如下操作：
A1、爬取待评估风险的企业实体相关的新闻语料，对新闻语料进行预处理，从经过预处理后的新闻语料中提取与该企业实体相关联的其他实体；
A2、以名称为节点、该企业实体与其他实体之间的关联关系为边，构建该企业实体与其他实体之间的关系网络；
A3、根据关系网络计算该企业实体的向量表示，生成该企业实体的第一特征向量；
A4、根据第一预设规则，对该企业实体的内部信息进行量化，生成第二特征向量；
A5、从新闻语料中提取该企业实体的外部信息，根据第二预设规则，对该企业实体的外部信息进行量化，生成该企业实体的第三特征向量；及
A6、将所述第一特征向量、第二特征向量及第三特征向量输入预先确定的企业风险评估模型，输出得到该企业实体对应的风险标签。
本发明计算机可读存储介质具体实施方式与上述企业投资风险评估方法和电子装置各实施例基本相同，在此不作累述。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种企业投资风险评估方法，应用于电子装置，其特征在于，该方法包括：
S1、爬取待评估风险的企业实体相关的新闻语料，对新闻语料进行预处理，从经过预处理后的新闻语料中提取与该企业实体相关联的其他实体；
S2、以名称为节点、该企业实体与其他实体之间的关联关系为边，构建该企业实体与其他实体之间的关系网络；
S3、根据关系网络计算该企业实体的向量表示，生成该企业实体的第一特征向量；
S4、根据第一预设规则，对该企业实体的内部信息进行量化，生成第二特征向量；
S5、从新闻语料中提取该企业实体的外部信息，根据第二预设规则，对该企业实体的外部信息进行量化，生成该企业实体的第三特征向量；及
S6、将所述第一特征向量、第二特征向量及第三特征向量输入预先确定的企业风险评估模型，输出得到该企业实体对应的风险标签。
2.如权利要求1所述的企业投资风险评估方法，其特征在于，所述第一预设规则为：将所述企业实体的内部信息中每一个参考因素转换为数字量化的规则。
3.如权利要求1或2所述的企业投资风险评估方法，其特征在于，所述第二预设规则为：将所述企业实体的外部信息中每一个参考因素转换为数字量化的规则。
4.如权利要求3所述的企业投资风险评估方法，其特征在于，所述预先确定的企业风险评估模型的训练步骤包括：
爬取多个企业实体相关的新闻语料，从新闻语料提取与该多个企业实体相关联的其他实体，以名称为节点、实体之间的关联关系为边，分别构建该多个企业实体与其他实体之间的关系网络；
根据关系网络分别计算所述多个企业实体的向量表示，生成所述多个企业实体的第一特征向量；
根据第一预设规则，对所述多个企业实体的内部信息进行量化，生成第二特征向量；
从新闻语料中提取该企业实体的外部信息，根据第二预设规则，对该企业实体的外部信息进行量化，生成该企业实体的第三特征向量；
根据历史风险评估记录，分别给所述多个企业实体标注风险标签，将多个企业实体的第一特征向量、第二特征向量、第三特征向量及风险标签作为样本数据；
抽取第一比例的样本数据作为训练集，抽取第二比例的样本数据作为验证集；
利用所述训练集对支持向量机进行训练，得到所述风险评估模型；及
利用所述验证集对所述风险评估模型的准确性进行验证，若准确率大于或者等于预设准确率，则训练结束，或者，若准确率小于预设准确率，则增加样本数量并重新执行训练步骤。
5.如权利要求1所述的企业投资风险评估方法，其特征在于，所述步骤S1中预处理包括：将新闻语料的格式统一为文本格式，从新闻语料中去除广告噪声。
6.一种电子装置，其特征在于，该装置包括：存储器、处理器，所述存储器存储有可在所述处理器上运行的企业投资风险评估程序，该程序被所述处理器执行时实现如下步骤：
A1、爬取待评估风险的企业实体相关的新闻语料，对新闻语料进行预处理，从经过预处理后的新闻语料中提取与该企业实体相关联的其他实体；
A2、以名称为节点、该企业实体与其他实体之间的关联关系为边，构建该企业实体与其他实体之间的关系网络；
A3、根据关系网络计算该企业实体的向量表示，生成该企业实体的第一特征向量；
A4、根据第一预设规则，对该企业实体的内部信息进行量化，生成第二特征向量；
A5、从新闻语料中提取该企业实体的外部信息，根据第二预设规则，对该企业实体的外部信息进行量化，生成该企业实体的第三特征向量；及
A6、将所述第一特征向量、第二特征向量及第三特征向量输入预先确定的企业风险评估模型，输出得到该企业实体对应的风险标签。
7.根据权利要求6所述的企业投资风险评估装置，其特征在于，所述第一预设规则为：将所述企业实体的内部信息中每一个参考因素转换为数字量化的规则。
8.根据权利要求6或7所述的企业投资风险评估装置，其特征在于，所述第二预设规则为：将所述企业实体的外部信息中每一个参考因素转换为数字量化的规则。
9.根据权利要求6所述的企业投资风险评估装置，其特征在于，所述步骤A1中预处理包括：将新闻语料的格式统一为文本格式，从新闻语料中去除广告噪声。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有企业投资风险评估程序，该程序被处理器执行时实现如权利要求1至5中任一项所述的企业投资风险评估方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711141730.3A CN107909274B (zh) | 2017-11-17 | 2017-11-17 | 企业投资风险评估方法、装置及存储介质 |
| PCT/CN2018/076169 WO2019095572A1 (zh) | 2017-11-17 | 2018-02-10 | 企业投资风险评估方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711141730.3A CN107909274B (zh) | 2017-11-17 | 2017-11-17 | 企业投资风险评估方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107909274A true CN107909274A (zh) | 2018-04-13 |
| CN107909274B CN107909274B (zh) | 2023-02-28 |
Family
ID=61845968
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711141730.3A Active CN107909274B (zh) | 2017-11-17 | 2017-11-17 | 企业投资风险评估方法、装置及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN107909274B (zh) |
| WO (1) | WO2019095572A1 (zh) |
Cited By (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985638A (zh) * | 2018-07-25 | 2018-12-11 | 腾讯科技（深圳）有限公司 | 一种用户投资风险评估方法和装置以及存储介质 |
| CN109087163A (zh) * | 2018-07-06 | 2018-12-25 | 阿里巴巴集团控股有限公司 | 信用评估的方法及装置 |
| CN109214904A (zh) * | 2018-10-11 | 2019-01-15 | 平安科技（深圳）有限公司 | 财务造假线索的获取方法、装置、计算机设备和存储介质 |
| CN109299362A (zh) * | 2018-09-21 | 2019-02-01 | 平安科技（深圳）有限公司 | 相似企业推荐方法、装置、计算机设备及存储介质 |
| CN109345089A (zh) * | 2018-09-13 | 2019-02-15 | 杭州索骥数据科技有限公司 | 基于大数据的企业发展状态评估方法及*** |
| CN109359901A (zh) * | 2018-12-13 | 2019-02-19 | 泰康保险集团股份有限公司 | 基于区块链的企业风险确定方法及装置、介质和电子设备 |
| CN109472485A (zh) * | 2018-11-01 | 2019-03-15 | 成都数联铭品科技有限公司 | 企业失信风险传播查询***及方法 |
| CN109523153A (zh) * | 2018-11-12 | 2019-03-26 | 平安科技（深圳）有限公司 | 非法集资企业的获取方法、装置、计算机设备和存储介质 |
| CN109523117A (zh) * | 2018-10-11 | 2019-03-26 | 平安科技（深圳）有限公司 | 风险预测方法、装置、计算机设备和存储介质 |
| CN109543985A (zh) * | 2018-11-15 | 2019-03-29 | 李志东 | 企业风险评估方法、***及介质 |
| CN109558592A (zh) * | 2018-11-29 | 2019-04-02 | 上海点融信息科技有限责任公司 | 基于人工智能获取客户信用风险评估信息的方法及设备 |
| CN109597894A (zh) * | 2018-09-30 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 一种关联模型生成方法及装置、一种数据关联方法及装置 |
| CN109657917A (zh) * | 2018-11-19 | 2019-04-19 | 平安科技（深圳）有限公司 | 评估对象的风险预警方法、装置、计算机设备和存储介质 |
| CN109670837A (zh) * | 2018-11-30 | 2019-04-23 | 平安科技（深圳）有限公司 | 债券违约风险的识别方法、装置、计算机设备和存储介质 |
| CN109740865A (zh) * | 2018-12-13 | 2019-05-10 | 平安科技（深圳）有限公司 | 风险评估方法、***、设备及存储介质 |
| CN109800976A (zh) * | 2019-01-07 | 2019-05-24 | 平安科技（深圳）有限公司 | 项目投资决策方法、装置、计算机设备和存储介质 |
| CN109829640A (zh) * | 2019-01-23 | 2019-05-31 | 平安科技（深圳）有限公司 | 企业违约风险的识别方法、装置、计算机设备和存储介质 |
| CN110009229A (zh) * | 2019-04-04 | 2019-07-12 | 泰康保险集团股份有限公司 | 基于区块链的供应链管理方法、装置、存储介质与设备 |
| CN110033120A (zh) * | 2019-03-06 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 用于为商户提供风险预测赋能服务的方法及装置 |
| CN110188980A (zh) * | 2019-04-15 | 2019-08-30 | 深圳壹账通智能科技有限公司 | 企业风险评分方法、装置、计算机设备及存储介质 |
| CN110533528A (zh) * | 2019-08-30 | 2019-12-03 | 北京市天元网络技术股份有限公司 | 评估企业信用的方法及设备 |
| CN111104442A (zh) * | 2019-11-06 | 2020-05-05 | 杭州绿程网络科技有限公司 | 一种企业综合数据的预处理方法 |
| CN111291932A (zh) * | 2020-02-12 | 2020-06-16 | 徐佳慧 | 面向投融资关系网络链路预测的方法、装置和设备 |
| CN111311105A (zh) * | 2020-02-28 | 2020-06-19 | 深圳前海微众银行股份有限公司 | 组合产品评分方法、装置、设备及可读存储介质 |
| CN111340246A (zh) * | 2020-02-26 | 2020-06-26 | 未来地图(深圳)智能科技有限公司 | 用于企业智能决策分析的处理方法、装置和计算机设备 |
| CN111353728A (zh) * | 2020-05-06 | 2020-06-30 | 支付宝(杭州)信息技术有限公司 | 一种风险分析方法和*** |
| CN111459961A (zh) * | 2020-03-31 | 2020-07-28 | 深圳前海微众银行股份有限公司 | 业务数据的更新方法、装置、设备及存储介质 |
| CN111602157A (zh) * | 2018-12-17 | 2020-08-28 | 持续可能发展所 | 供应商供应链风险分析方法 |
| CN111626887A (zh) * | 2019-02-27 | 2020-09-04 | 北京奇虎科技有限公司 | 一种社交关系评估方法及装置 |
| CN112016850A (zh) * | 2020-09-14 | 2020-12-01 | 支付宝(杭州)信息技术有限公司 | 业务评估方法以及装置 |
| CN112053021A (zh) * | 2019-06-05 | 2020-12-08 | 国网信息通信产业集团有限公司 | 一种用于企业经营管理风险识别的特征编码方法及装置 |
| CN112598302A (zh) * | 2020-12-25 | 2021-04-02 | 北京知因智慧科技有限公司 | 企业数据的评估方法、装置及服务器 |
| CN112732804A (zh) * | 2020-12-23 | 2021-04-30 | 北京金堤征信服务有限公司 | 合作数据评估方法及装置、电子设备和可读存储介质 |
| CN112884496A (zh) * | 2021-05-06 | 2021-06-01 | 达而观数据(成都)有限公司 | 计算企业信用因子分数的方法、装置及计算机存储介质 |
| CN113592519A (zh) * | 2020-04-30 | 2021-11-02 | 景德镇陶瓷大学 | 一种利于企业发展的市场营销数据分析评估*** |
| CN114168757A (zh) * | 2022-02-11 | 2022-03-11 | 子长科技(北京)有限公司 | 公司事件风险预测方法、装置、存储介质及电子设备 |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110443459A (zh) * | 2019-07-05 | 2019-11-12 | 深圳壹账通智能科技有限公司 | 预警信息推送方法、装置、计算机设备和存储介质 |
| CN110414806B (zh) * | 2019-07-10 | 2024-05-14 | 平安科技（深圳）有限公司 | 员工风险预警方法及相关装置 |
| CN110532357B (zh) * | 2019-09-04 | 2024-03-12 | 深圳前海微众银行股份有限公司 | Esg评分体系的生成方法、装置、设备及可读存储介质 |
| CN113643035A (zh) * | 2020-05-11 | 2021-11-12 | 阿里巴巴集团控股有限公司 | 信息处理方法、信息展示方法、装置、设备及存储介质 |
| CN111951079B (zh) * | 2020-08-14 | 2024-04-02 | 国网数字科技控股有限公司 | 一种基于知识图谱的信用评级方法、装置及电子设备 |
| CN113743111B (zh) * | 2020-08-25 | 2024-06-04 | 国家计算机网络与信息安全管理中心 | 基于文本预训练和多任务学习的金融风险预测方法及装置 |
| CN112418320B (zh) * | 2020-11-24 | 2024-01-19 | 杭州未名信科科技有限公司 | 一种企业关联关系识别方法、装置及存储介质 |
| CN112365194A (zh) * | 2020-12-01 | 2021-02-12 | 未鲲(上海)科技服务有限公司 | 企业数据处理方法、装置、设备及计算机存储介质 |
| CN113837517A (zh) * | 2020-12-01 | 2021-12-24 | 北京沃东天骏信息技术有限公司 | 事件的触发方法及装置、介质及电子设备 |
| CN112598496B (zh) * | 2020-12-15 | 2024-04-30 | 深圳前海微众银行股份有限公司 | 风控黑名单设置方法、装置、终端设备及可读存储介质 |
| CN112579773A (zh) * | 2020-12-16 | 2021-03-30 | 中国建设银行股份有限公司 | 风险事件分级方法及装置 |
| CN112613762B (zh) * | 2020-12-25 | 2024-04-16 | 北京知因智慧科技有限公司 | 基于知识图谱的集团评级方法、装置和电子设备 |
| CN113283806A (zh) * | 2021-06-22 | 2021-08-20 | 中国平安财产保险股份有限公司 | 企业信息评估方法、装置、计算机设备及存储介质 |
| CN113506173A (zh) * | 2021-08-06 | 2021-10-15 | 国网电子商务有限公司 | 一种信用风险评估方法及其相关设备 |
| CN113673870B (zh) * | 2021-08-23 | 2024-04-30 | 杭州安恒信息技术股份有限公司 | 一种企业数据分析方法及相关组件 |
| CN113689288B (zh) * | 2021-08-25 | 2024-05-14 | 深圳前海微众银行股份有限公司 | 基于实体列表的风险识别方法、装置、设备及存储介质 |
| CN113962568A (zh) * | 2021-10-26 | 2022-01-21 | 天元大数据信用管理有限公司 | 基于支持向量机的模型标签标注方法、设备及介质 |
| CN114118816A (zh) * | 2021-11-30 | 2022-03-01 | 建信金融科技有限责任公司 | 一种风险评估方法、装置、设备及计算机存储介质 |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040215551A1 (en) * | 2001-11-28 | 2004-10-28 | Eder Jeff S. | Value and risk management system for multi-enterprise organization |
| US20050027645A1 (en) * | 2002-01-31 | 2005-02-03 | Wai Shing Lui William | Business enterprise risk model and method |
| US20070208600A1 (en) * | 2006-03-01 | 2007-09-06 | Babus Steven A | Method and apparatus for pre-emptive operational risk management and risk discovery |
| JP2013080456A (ja) * | 2011-09-21 | 2013-05-02 | Norihide Noda | 企業評価システム、企業評価方法及び企業評価プログラム |
| CN103942718A (zh) * | 2014-04-14 | 2014-07-23 | 中国人民银行征信中心 | 企业信贷信息采集整合方法 |
| WO2014160296A1 (en) * | 2013-03-13 | 2014-10-02 | Guardian Analytics, Inc. | Fraud detection and analysis |
| US9087088B1 (en) * | 2012-11-13 | 2015-07-21 | American Express Travel Related Services Company, Inc. | Systems and methods for dynamic construction of entity graphs |
| CN105528465A (zh) * | 2016-02-03 | 2016-04-27 | 天弘基金管理有限公司 | 信用状况评估方法及装置 |
| CN105740335A (zh) * | 2016-01-22 | 2016-07-06 | 山东合天智汇信息技术有限公司 | 一种基于titan的企业信息分析平台及其构建方法 |
| CN105913195A (zh) * | 2016-04-29 | 2016-08-31 | 浙江汇信科技有限公司 | 基于全行业数据的企业金融风险评分方法 |
| CN105975491A (zh) * | 2016-04-26 | 2016-09-28 | 重庆誉存企业信用管理有限公司 | 企业新闻分析方法及*** |
| CN106126614A (zh) * | 2016-06-21 | 2016-11-16 | 山东合天智汇信息技术有限公司 | 一种追溯两个企业多层级关联路径的方法及*** |
| CN106203808A (zh) * | 2016-07-01 | 2016-12-07 | 中国民生银行股份有限公司 | 企业信用风险评估方法和装置 |
| CN106445988A (zh) * | 2016-06-01 | 2017-02-22 | 上海坤士合生信息科技有限公司 | 一种大数据的智能处理方法和*** |
| CN106447066A (zh) * | 2016-06-01 | 2017-02-22 | 上海坤士合生信息科技有限公司 | 一种大数据的特征提取方法和装置 |
| CN106934712A (zh) * | 2017-03-16 | 2017-07-07 | 深圳微众税银信息服务有限公司 | 一种企业画像数据处理方法及*** |
| CN107133732A (zh) * | 2017-04-27 | 2017-09-05 | 青岛格兰德信用管理咨询有限公司 | 基于大数据分析的关系圈挖掘方法及其应用 |
| CN107220237A (zh) * | 2017-05-24 | 2017-09-29 | 南京大学 | 一种基于卷积神经网络的企业实体关系抽取的方法 |
| CN107239882A (zh) * | 2017-05-10 | 2017-10-10 | 平安科技（深圳）有限公司 | 风险评估方法、装置、计算机设备及存储介质 |
| CN107301493A (zh) * | 2017-05-19 | 2017-10-27 | 四川新网银行股份有限公司 | 一种基于深度神经网络的互金企业评级模型 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SG11201402420VA (en) * | 2013-05-02 | 2015-02-27 | Dun & Bradstreet Corp | A system and method using multi-dimensional rating to determine an entity's future commercial viability |
| CN107229756A (zh) * | 2017-06-30 | 2017-10-03 | 山东合天智汇信息技术有限公司 | 一种直观展现企业关系图谱的设计方法及*** |
-
2017
- 2017-11-17 CN CN201711141730.3A patent/CN107909274B/zh active Active
-
2018
- 2018-02-10 WO PCT/CN2018/076169 patent/WO2019095572A1/zh active Application Filing
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040215551A1 (en) * | 2001-11-28 | 2004-10-28 | Eder Jeff S. | Value and risk management system for multi-enterprise organization |
| US20050027645A1 (en) * | 2002-01-31 | 2005-02-03 | Wai Shing Lui William | Business enterprise risk model and method |
| US20070208600A1 (en) * | 2006-03-01 | 2007-09-06 | Babus Steven A | Method and apparatus for pre-emptive operational risk management and risk discovery |
| JP2013080456A (ja) * | 2011-09-21 | 2013-05-02 | Norihide Noda | 企業評価システム、企業評価方法及び企業評価プログラム |
| US9087088B1 (en) * | 2012-11-13 | 2015-07-21 | American Express Travel Related Services Company, Inc. | Systems and methods for dynamic construction of entity graphs |
| WO2014160296A1 (en) * | 2013-03-13 | 2014-10-02 | Guardian Analytics, Inc. | Fraud detection and analysis |
| CN103942718A (zh) * | 2014-04-14 | 2014-07-23 | 中国人民银行征信中心 | 企业信贷信息采集整合方法 |
| CN105740335A (zh) * | 2016-01-22 | 2016-07-06 | 山东合天智汇信息技术有限公司 | 一种基于titan的企业信息分析平台及其构建方法 |
| CN105528465A (zh) * | 2016-02-03 | 2016-04-27 | 天弘基金管理有限公司 | 信用状况评估方法及装置 |
| CN105975491A (zh) * | 2016-04-26 | 2016-09-28 | 重庆誉存企业信用管理有限公司 | 企业新闻分析方法及*** |
| CN105913195A (zh) * | 2016-04-29 | 2016-08-31 | 浙江汇信科技有限公司 | 基于全行业数据的企业金融风险评分方法 |
| CN106445988A (zh) * | 2016-06-01 | 2017-02-22 | 上海坤士合生信息科技有限公司 | 一种大数据的智能处理方法和*** |
| CN106447066A (zh) * | 2016-06-01 | 2017-02-22 | 上海坤士合生信息科技有限公司 | 一种大数据的特征提取方法和装置 |
| CN106126614A (zh) * | 2016-06-21 | 2016-11-16 | 山东合天智汇信息技术有限公司 | 一种追溯两个企业多层级关联路径的方法及*** |
| CN106203808A (zh) * | 2016-07-01 | 2016-12-07 | 中国民生银行股份有限公司 | 企业信用风险评估方法和装置 |
| CN106934712A (zh) * | 2017-03-16 | 2017-07-07 | 深圳微众税银信息服务有限公司 | 一种企业画像数据处理方法及*** |
| CN107133732A (zh) * | 2017-04-27 | 2017-09-05 | 青岛格兰德信用管理咨询有限公司 | 基于大数据分析的关系圈挖掘方法及其应用 |
| CN107239882A (zh) * | 2017-05-10 | 2017-10-10 | 平安科技（深圳）有限公司 | 风险评估方法、装置、计算机设备及存储介质 |
| CN107301493A (zh) * | 2017-05-19 | 2017-10-27 | 四川新网银行股份有限公司 | 一种基于深度神经网络的互金企业评级模型 |
| CN107220237A (zh) * | 2017-05-24 | 2017-09-29 | 南京大学 | 一种基于卷积神经网络的企业实体关系抽取的方法 |
Non-Patent Citations (3)
| Title |
|---|
| 余步雷: "基于灰色综合关联分析的企业集团信用风险研究", 《中国博士学位论文全文数据库经济与管理科学辑》 * |
| 刘堃 等: "中国信用风险预警模型及实证研究——基于企业关联关系和信贷行为的视角", 《财经研究》 * |
| 杨扬等: "基于文本大数据的企业信用风险评估", 《大数据》 * |
Cited By (46)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109087163A (zh) * | 2018-07-06 | 2018-12-25 | 阿里巴巴集团控股有限公司 | 信用评估的方法及装置 |
| CN109087163B (zh) * | 2018-07-06 | 2021-07-09 | 创新先进技术有限公司 | 信用评估的方法及装置 |
| CN108985638B (zh) * | 2018-07-25 | 2020-07-24 | 腾讯科技（深圳）有限公司 | 一种用户投资风险评估方法和装置以及存储介质 |
| CN108985638A (zh) * | 2018-07-25 | 2018-12-11 | 腾讯科技（深圳）有限公司 | 一种用户投资风险评估方法和装置以及存储介质 |
| CN109345089A (zh) * | 2018-09-13 | 2019-02-15 | 杭州索骥数据科技有限公司 | 基于大数据的企业发展状态评估方法及*** |
| CN109299362A (zh) * | 2018-09-21 | 2019-02-01 | 平安科技（深圳）有限公司 | 相似企业推荐方法、装置、计算机设备及存储介质 |
| CN109299362B (zh) * | 2018-09-21 | 2023-04-14 | 平安科技（深圳）有限公司 | 相似企业推荐方法、装置、计算机设备及存储介质 |
| CN109597894A (zh) * | 2018-09-30 | 2019-04-09 | 阿里巴巴集团控股有限公司 | 一种关联模型生成方法及装置、一种数据关联方法及装置 |
| CN109597894B (zh) * | 2018-09-30 | 2023-10-03 | 创新先进技术有限公司 | 一种关联模型生成方法及装置、一种数据关联方法及装置 |
| CN109523117A (zh) * | 2018-10-11 | 2019-03-26 | 平安科技（深圳）有限公司 | 风险预测方法、装置、计算机设备和存储介质 |
| CN109214904A (zh) * | 2018-10-11 | 2019-01-15 | 平安科技（深圳）有限公司 | 财务造假线索的获取方法、装置、计算机设备和存储介质 |
| CN109472485A (zh) * | 2018-11-01 | 2019-03-15 | 成都数联铭品科技有限公司 | 企业失信风险传播查询***及方法 |
| CN109523153A (zh) * | 2018-11-12 | 2019-03-26 | 平安科技（深圳）有限公司 | 非法集资企业的获取方法、装置、计算机设备和存储介质 |
| CN109543985A (zh) * | 2018-11-15 | 2019-03-29 | 李志东 | 企业风险评估方法、***及介质 |
| CN109657917A (zh) * | 2018-11-19 | 2019-04-19 | 平安科技（深圳）有限公司 | 评估对象的风险预警方法、装置、计算机设备和存储介质 |
| CN109657917B (zh) * | 2018-11-19 | 2022-04-29 | 平安科技（深圳）有限公司 | 评估对象的风险预警方法、装置、计算机设备和存储介质 |
| CN109558592A (zh) * | 2018-11-29 | 2019-04-02 | 上海点融信息科技有限责任公司 | 基于人工智能获取客户信用风险评估信息的方法及设备 |
| CN109670837A (zh) * | 2018-11-30 | 2019-04-23 | 平安科技（深圳）有限公司 | 债券违约风险的识别方法、装置、计算机设备和存储介质 |
| CN109740865A (zh) * | 2018-12-13 | 2019-05-10 | 平安科技（深圳）有限公司 | 风险评估方法、***、设备及存储介质 |
| CN109359901A (zh) * | 2018-12-13 | 2019-02-19 | 泰康保险集团股份有限公司 | 基于区块链的企业风险确定方法及装置、介质和电子设备 |
| CN111602157B (zh) * | 2018-12-17 | 2023-12-01 | 持续可能发展所 | 供应商供应链风险分析方法 |
| CN111602157A (zh) * | 2018-12-17 | 2020-08-28 | 持续可能发展所 | 供应商供应链风险分析方法 |
| CN109800976A (zh) * | 2019-01-07 | 2019-05-24 | 平安科技（深圳）有限公司 | 项目投资决策方法、装置、计算机设备和存储介质 |
| CN109829640A (zh) * | 2019-01-23 | 2019-05-31 | 平安科技（深圳）有限公司 | 企业违约风险的识别方法、装置、计算机设备和存储介质 |
| CN111626887A (zh) * | 2019-02-27 | 2020-09-04 | 北京奇虎科技有限公司 | 一种社交关系评估方法及装置 |
| CN110033120A (zh) * | 2019-03-06 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 用于为商户提供风险预测赋能服务的方法及装置 |
| CN110009229A (zh) * | 2019-04-04 | 2019-07-12 | 泰康保险集团股份有限公司 | 基于区块链的供应链管理方法、装置、存储介质与设备 |
| CN110188980A (zh) * | 2019-04-15 | 2019-08-30 | 深圳壹账通智能科技有限公司 | 企业风险评分方法、装置、计算机设备及存储介质 |
| CN112053021A (zh) * | 2019-06-05 | 2020-12-08 | 国网信息通信产业集团有限公司 | 一种用于企业经营管理风险识别的特征编码方法及装置 |
| CN110533528A (zh) * | 2019-08-30 | 2019-12-03 | 北京市天元网络技术股份有限公司 | 评估企业信用的方法及设备 |
| CN111104442A (zh) * | 2019-11-06 | 2020-05-05 | 杭州绿程网络科技有限公司 | 一种企业综合数据的预处理方法 |
| CN111291932A (zh) * | 2020-02-12 | 2020-06-16 | 徐佳慧 | 面向投融资关系网络链路预测的方法、装置和设备 |
| CN111340246A (zh) * | 2020-02-26 | 2020-06-26 | 未来地图(深圳)智能科技有限公司 | 用于企业智能决策分析的处理方法、装置和计算机设备 |
| CN111311105A (zh) * | 2020-02-28 | 2020-06-19 | 深圳前海微众银行股份有限公司 | 组合产品评分方法、装置、设备及可读存储介质 |
| CN111459961A (zh) * | 2020-03-31 | 2020-07-28 | 深圳前海微众银行股份有限公司 | 业务数据的更新方法、装置、设备及存储介质 |
| CN113592519A (zh) * | 2020-04-30 | 2021-11-02 | 景德镇陶瓷大学 | 一种利于企业发展的市场营销数据分析评估*** |
| CN111353728A (zh) * | 2020-05-06 | 2020-06-30 | 支付宝(杭州)信息技术有限公司 | 一种风险分析方法和*** |
| CN112016850A (zh) * | 2020-09-14 | 2020-12-01 | 支付宝(杭州)信息技术有限公司 | 业务评估方法以及装置 |
| CN112732804A (zh) * | 2020-12-23 | 2021-04-30 | 北京金堤征信服务有限公司 | 合作数据评估方法及装置、电子设备和可读存储介质 |
| CN112732804B (zh) * | 2020-12-23 | 2024-04-26 | 北京金堤征信服务有限公司 | 合作数据评估方法及装置、电子设备和可读存储介质 |
| CN112598302A (zh) * | 2020-12-25 | 2021-04-02 | 北京知因智慧科技有限公司 | 企业数据的评估方法、装置及服务器 |
| CN112598302B (zh) * | 2020-12-25 | 2024-03-26 | 北京知因智慧科技有限公司 | 企业数据的评估方法、装置及服务器 |
| CN112884496B (zh) * | 2021-05-06 | 2021-08-20 | 达而观数据(成都)有限公司 | 计算企业信用因子分数的方法、装置及计算机存储介质 |
| CN112884496A (zh) * | 2021-05-06 | 2021-06-01 | 达而观数据(成都)有限公司 | 计算企业信用因子分数的方法、装置及计算机存储介质 |
| CN114168757A (zh) * | 2022-02-11 | 2022-03-11 | 子长科技(北京)有限公司 | 公司事件风险预测方法、装置、存储介质及电子设备 |
| CN114168757B (zh) * | 2022-02-11 | 2022-04-29 | 子长科技(北京)有限公司 | 公司事件风险预测方法、装置、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107909274B (zh) | 2023-02-28 |
| WO2019095572A1 (zh) | 2019-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107909274A (zh) | 企业投资风险评估方法、装置及存储介质 | |
| Choi et al. | Optimizing enterprise risk management: a literature review and critical analysis of the work of Wu and Olson | |
| CN104137128B (zh) | 用于使用数据和情绪分析来生成绿色分数的方法及*** | |
| CN104995650B (zh) | 用于使用源于社交媒体的数据和情绪分析来生成复合索引的方法及*** | |
| WO2017117230A1 (en) | Method and apparatus for facilitating on-demand building of predictive models | |
| KR20110056502A (ko) | 기업 성과 분석 엔진 | |
| CA2987838A1 (en) | Risk identification and risk register generation system and engine | |
| US20110137848A1 (en) | General prediction market | |
| Izzo et al. | The role of digital transformation in enabling continuous accounting and the effects on intellectual capital: the case of Oracle | |
| US20180025428A1 (en) | Methods and systems for analyzing financial risk factors for companies within an industry | |
| Wu et al. | Political connection, ownership, and post-crisis industrial upgrading investment: evidence from China | |
| CN113723737A (zh) | 一种基于企业画像的政策匹配方法、装置、设备及介质 | |
| Zhao et al. | Revolutionizing finance with llms: An overview of applications and insights | |
| Javid et al. | Sectoral investment analysis for Saudi Arabia | |
| Glova et al. | Analysis of bonds with embedded options/Analyza dlhopisov s vlozenymi opciami | |
| Houy et al. | Business process frameworks | |
| Rahahleh et al. | The artificial intelligence in the audit on reliability of accounting information and earnings manipulation detection | |
| Barjaktarovic et al. | Possibilities of financial support to small and medium hotel companies in Serbie | |
| Kumar et al. | Natural Language Generation and Artificial Intelligence in Financial Reporting: Transforming Financial Data into Strategic Insights for Executive Leadership | |
| Shang et al. | The Impacts of the Infectious Disease Epidemic on the Permanent Volatility of Precious Metal and Crude Oil Futures Markets: A Long‐Term Perspective | |
| Lipitakis et al. | On the e-valuation of certain e-business strategies on firm performance by adaptive algorithmic modeling: An alternative strategic managerial approach | |
| Sun | Accounting Information Systems outputs: XBRL, AI and in-memory technologies | |
| Karanovic et al. | Techniques for managing projects risk in capital budgeting process | |
| Kuzmenko et al. | Implementation of information technologies in the international accounting system of fuel and energy sector enterprises | |
| Hoyt et al. | Computing Value at Risk: a simulation assignment to illustrate the value of enterprise risk management |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |