发明内容
本发明提供一种能够基于企业及雇员风险传导关系,能够准确评估企业风险的企业评估方法,包括以下步骤,
获取节点信息,建立风险传导网络;
获取节点的风险初始值;
定义节点风险传导函数和关系风险传导函数;
训练风险传导模型。
进一步的,所述风险传导模型为多个,每个风险传导模型包括一个中心节点;
所述风险传导模型为多层网状结构;
建立风险传导网络具体包括,依据节点之间的股权关系和人员关系建立风险传导网络;
节点信息包括节点的股权信息、人员信息、经营信息中的一种或多种。
进一步的,获取节点的风险初始值,包括依据节点的新闻信息,财务信息,经营信息中的一种或多种获取风险初始值。
进一步的,定义节点风险传导函数和关系风险传导函数包括,
定义节点B风险传导函数RAB=fAB(rAB),为节点A向节点B输入的风险值,fAB为节点风险传导函数,RAB为节点A向节点B输入的风险值带来的节点B输出的风险;
定义节点A与节点B之间关系风险传导函数rAB=FAB(RA),rAB为节点A向节点B输入的风险值,FAB为A向B的关系风险传导函数,RA为节点A输出的风险;
完成风险传导网络中各节点风险传导函数及各节点间关系风险传导函数定义。
进一步的,训练风险传导模型包括,
对每个风险传导模型,依照各节点的风险初始值、各节点风险传导函数、各节点间关系风险传导函数计算中心节点风险值;
获取以每个节点作为中心节点得到的风险值的集合的AUC值,调整模型参数直到获取AUC值大于预设值并记录模型参数。
为了保证上述方法的实施,本发明还提供一种基于风险传导模型的企业评估***,包括以下单元,
风险传导网络建立单元,用于获取节点信息,建立风险传导网络,获取节点的风险初始值;
风险传导模型建立单元,用于定义节点风险传导函数和关系风险传导函数;
训练单元,用于训练风险传导模型。
进一步的,所述风险传导模型为多个,每个风险传导模型包括一个中心节点;
所述风险传导模型为多层网状结构;
风险传导网络建立单元建立风险传导网络具体包括,依据节点之间的股权关系和人员关系建立风险传导网络;
节点信息包括节点的股权信息、人员信息、经营信息中的一种或多种。
进一步的,风险传导网络建立单元获取节点的风险初始值,包括依据节点的新闻信息,财务信息,经营信息中的一种或多种获取风险初始值。
进一步的,风险传导模型建立单元定义节点风险传导函数和关系风险传导函数包括,
定义节点B风险传导函数RAB=fAB(rAB),为节点A向节点B输入的风险值,fAB为节点风险传导函数,RAB为节点A向节点B输入的风险值带来的节点B输出的风险;
定义节点A与节点B之间关系风险传导函数rAB=FAB(RA),rAB为节点A向节点B输入的风险值,FAB为A向B的关系风险传导函数,RA为节点A输出的风险;
完成风险传导网络中各节点风险传导函数及各节点间关系风险传导函数定义。
进一步的,训练单元训练风险传导模型包括,
对每个风险传导模型,依照各节点的风险初始值、各节点风险传导函数、各节点间关系风险传导函数计算中心节点风险值;
获取以每个节点作为中心节点得到的风险值的集合的AUC值,调整模型参数直到获取AUC值大于预设值并记录模型参数。
本发明的有益效果是:
本发明通过建立网络风险传导模型,并对模型迭代获取较优的模型参数,进而可以在评估企业风险的过程中,获取较为准确的企业风险值。
具体实施方式
如图1所示,本发明提供一种基于风险传导模型的企业评估方法,包括以下步骤,
获取节点信息,建立风险传导网络;
获取节点的风险初始值;
定义节点风险传导函数和关系风险传导函数;
训练风险传导模型。
进一步的,所述风险传导模型为多个,每个风险传导模型包括一个中心节点;
所述风险传导模型为多层网状结构;
建立风险传导网络具体包括,依据节点之间的股权关系和人员关系建立风险传导网络;
节点信息包括节点的股权信息、人员信息、经营信息中的一种或多种。
通过企业间的股权关系、股东、雇员关系可以建立一张企业关系网络图,对于每一个企业,以其为中心可以建立一个风险传导网络图,与其有直接关系的为网络第一层,除去第一层和中心企业,与第一层有直接关系的可以视为第二层,以此类推可以建立以中心节点为中心的多层网络关系图;
在风险传导计算过程中本发明定义外层的企业可以向内层企业传导风险但是内层企业不向外层企业传导风险。
进一步的,获取节点的风险初始值,包括依据节点的新闻信息,财务信息,经营信息中的一种或多种获取风险初始值。
节点信息的风险初始值可以通过网络抓取的企业信息获取,如从新闻网站抓取新闻,从销售网站如天猫或1688抓取经营信息,从工商网站抓取股权关系信息及股东任职关系信息,从职业社交网站如Linkedin抓取雇员关系信息,并通过信息对节点风险进行赋值,赋值可以有人工进行,也可以由计算机带入赋值模型计算,赋值范围在0-100之间。
在本发明一实施例中可以定义销售风险值为
XS=K*XJ
其中XS为销售风险值,K为销售风险模型系数,XJ为销售额环比下降数值,K为风险传导模型的一个参数,作为最终优化的目标,在模型迭代过程中不断调整。
在本发明一实施例中可以定义利润风险值为
LR=T*KS
其中LR为利润风险值,T为利润风险模型系数,KS为亏损额,T为风险传导模型的一个参数,作为最终优化的目标,在模型迭代过程中不断调整。
进一步的,定义节点风险传导函数和关系风险传导函数包括,
定义节点B风险传导函数RAB=fAB(rAB),为节点A向节点B输入的风险值,fAB为节点风险传导函数,RAB为节点A向节点B输入的风险值带来的节点B输出的风险;
在本发明一实施例中为节点A发送亏损后向节点B传导的风险,显然RAB与节点B的经营数据尤其是利润总额有明显的关系。故本发明在这各节点函数中映入参数W
W是一个与B的经营数据相关的参数,为风险传导模型的一个参数作为最终优化的目标,在模型迭代过程中不断调整。
t为时间变量,α是fAB(rAB)包含的一个与时间相关的参数,反应A发送亏损后向节点B传导的风险随时间变化,α为风险传导模型的一个参数作为最终优化的目标,在模型迭代过程中不断调整。
α参数的加入反应了风险随时间变化的关系,更加准确的体现了节点之间的风险传导关系。
定义节点A与节点B之间关系风险传导函数rAB=FAB(RA),rAB为节点A向节点B输入的风险值,FAB为A向B的关系风险传导函数,RA为节点A输出的风险;
在本发明一实施例中公司B持有公司A总股份的20%,
公司A发生亏损量化风险值为既RA=100,则公司A向公司B输出的风险值
rAB=100*0.2=20
在另一实施例中,公司B的董事长在公司A任职总经理,在这个关系链中风险传导关系不像股权关系一样明显,故本发明在FAB()引入一个参数Q,公司A发生亏损量化风险值为既RA=100,则公司A向公司B输出的风险值
rAB=Q*100
Q为风险传导模型的一个参数作为最终优化的目标,在模型迭代过程中不断调整。
完成风险传导网络中各节点风险传导函数及各节点间关系风险传导函数定义。
风险传导模型中某一节点对外输出的风险为其本身的初始风险和其他节点通过关系风险传导函数向其传导的风险进过该节点的节点风险传导函数输出的风险汇总的总值。
进一步的,训练风险传导模型包括,
对每个风险传导模型,依照各节点的风险初始值、各节点风险传导函数、各节点间关系风险传导函数计算中心节点风险值;
图4为本发明一实施例风险传导网络示意图,图中A为中心节点,BCD为与A有风险关系的第二层网络节点,EFGH为与第二层网络节点有风险关系的第三层网络节点,在计算节点A的风险时,采用以下步骤:
第一步:带入第三层网络节点EFGH的初始风险值,并通过第三层网络各节点与第二层网络各节点之间的关系风险传导函数计算第三层网络向第二层网络BCD传导的风险,以及BCD接收这些风险后通过各自节点风险传导函数输出的风险。
第二步:将第一步中第二层网络BCD通过各自节点风险传导函数输出的风险与其自身的风险汇总后计算各第二次网络节点经过第二层网络各节点与中心节点间的风险传导函数向中心节点传导的风险及中心节点接收第二层各节点输入风险经过中心节点的节点风险传导函数输出的总值与中心节点初始风险汇总后的中心节点总风险。
以每一个节点为中心,可以建立一张风险关系传导网络,结合风险关系网络中的每个节点的节点风险传导函数和节点之间的关系风险传导函数形成风险传导模型,将每个节点风险的初始值带入风险网络模型后可以计算得出中心节点的风险值。
获取以每个节点作为中心节点得到的风险值的集合的AUC值,调整模型参数直到AUC值大于预设值并记录模型参数。
调整模型参数包括调整节点风险传导函数和节点之间的关系风险传导函数的参数以及对每个节点初始风险值进行量化的函数的参数。
AUC(Area Under roc Curve)是一种用来度量分类模型好坏的一个标准,AUC值为ROC曲线所覆盖的区域面积,显然,AUC越大,分类器分类效果越好。
AUC=1,是完美分类器,采用这个预测模型时,不管设定什么阈值都能得出完美预测。绝大多数预测的场合,不存在完美分类器。
0.5<AUC<1,优于随机猜测。这个分类器(模型)妥善设定阈值的话,能有预测价值。
AUC=0.5,跟随机猜测一样(例:丢铜板),模型没有预测价值。
AUC<0.5,比随机猜测还差;但只要总是反预测而行,就优于随机猜测。
预设值由操作人员依据项目要求预先设置,不断调整风险传导参数,实现AUC值的不断优化,当AUC值大于或等于预设值时,代表风险传导模型达到了预设的质量要求。此时记录风险传导模型中各参数。
当需要计算目标企业风险时,以目标企业为中心节点建立风险传导模型,并带入网络中各企业的风险初始值和记录的模型参数计算目标企业的风险。
本发明基于复杂网络理论的风险传导模型是可以研究企业和人构成的网络中当某些节点发生风险后对网络中其他节点产生的影响。
企业的风险不只是跟自身的经营情况相关,也跟他的直接关联企业和间接关联企业相关。企业和企业之间,企业和人之间可以形成一个非常复杂的网络。本发明将全国企业,企业管理人员以及他们之间的关系构造成一个非常巨大的网络图,拥有约10亿个节点,约40亿条边。针对如此复杂的网络,本发明应用复杂网络和风险传导的理论和技术研究企业和企业之间的风险传递关系,量化一个企业产生风险对其他企业产生多大影响。
本发明可以实现从网络结构研究企业风险。
本发明可以实现从风险传导的角度研究企业风险。
本发明建立多层次的网络模型,量化网络图中节点发生风险以后对其他直接或者间接连接的节点的影响。风险传导模型的建立解决了企业风险评估中风险量化,风险随时间的变化,以及节点之间风险传递等问题。