CN110533525A - 用于评估实体风险的方法及装置 - Google Patents

Abstract

本公开提供了一种用于评估实体风险的方法及装置，其中所述用于评估实体风险的方法包括：从第三方服务端接收待评估实体的包括至少一个维度数据的实体评估数据，调用风险评分模型确定实体评估数据所对应的风险评分，然后判断实体评估数据中是否存在用于指示存在实体风险的风险维度数据，使得能够根据判断结果和风险评分来确定待评估实体的风险等级。利用该方法，综合考虑了风险评分和实体评估数据中的风险维度数据，保障了所确定的风险等级的可靠性，在一些应用场景下可更加适用。

Description

用于评估实体风险的方法及装置

技术领域

本公开涉及互联网技术领域，具体地，涉及一种用于评估实体风险的 方法及装置。

背景技术

随着互联网金融的快速发展，针对个体或企业进行信用等级评估的应 用服务(例如鹏远征信、前海征信等)被广泛应用和参考。

目前的个人或企业的信用评价体系一般是针对商业场景下的企业进行 的信用等级评价，也就是评估个人或企业是否能够按时按量完成商业约定 (如是否按时归还贷款)，但由于现有信用评价体系的模型计算过程中存在 较多的随机复杂因素，导致预测结果不稳定。举例来说，一个企业没有任 何一项客观负面事实，但经模型所得出的针对该企业的评分也有可能会较 低，导致无法适用于对评价结果的稳定可靠性要求较高的应用业务场景， 并还会导致企业用户质疑评价体系的公平性。

发明内容

鉴于上述问题，本公开提供了一种用于评估实体风险的方法及装置， 利用该方法及装置，应用实体评估数据来确定风险评分并综合实体评估数 据中是否存在指示存在实体风险的维度数据的结果来评估实体的风险等 级，避免了出现实体无风险维度数据而误将实体归属于高风险等级的情况， 保障所确定的实体风险等级的可靠性，在一些应用业务场景(例如信用风 险管理应用场景)中更加适用。

根据本公开的一个方面，提供了一种用于评估实体风险的方法，包括： 获取待评估实体的实体评估数据，所述实体评估数据具有至少一个维度数 据；基于所述实体评估数据，确定所述待评估实体的风险评分；判断所述 实体评估数据中是否存在用于指示存在实体风险的维度数据；以及根据所 述判断结果和所述风险评分，确定所述待评估实体的风险等级。

可选地，在上述方面的一个示例中，根据所述判断结果和所述风险评 分，确定所述实体的风险等级包括：根据所述风险评分确定所述待评估实 体的初始风险等级；在所述实体评估数据中不存在用于指示实体风险的维 度数据且所述初始风险等级属于低风险类等级时，将所述初始风险等级确 定为所述实体的风险等级；在所述实体评估数据中不存在用于指示实体风 险的维度数据且所述初始风险等级属于高风险类等级时，基于预定降级规 则对所述初始风险等级进行降级，并将降级后的初始风险等级确定为所述 实体的风险等级；或者在所述实体评估数据中存在用于指示实体风险的维 度数据时，将所述初始风险等级确定为所述实体的风险等级。

可选地，在上述方面的一个示例中，所述预定降级规则包括：将所述 初始风险等级降级为所述低风险类等级中的风险级别最高的风险等级；或 者将所述初始风险等级降级预定级别跨度。

可选地，在上述方面的一个示例中，在基于所述实体评估数据确定所 述待评估实体的风险评分之前，所述方法还包括：判断所述实体评估数据 中是否存在与风险等级分类规则匹配的维度数据；以及在存在与风险等级 分类规则匹配的维度数据时，基于所述风险等级分类规则确定所述待评估 实体的风险等级。

可选地，在上述方面的一个示例中，基于所述实体评估数据，确定所 述待评估实体的风险评分包括：使用风险评分模型来基于所述实体评估数 据确定所述待评估实体的风险评分。

可选地，在上述方面的一个示例中，所述风险评分模型包括评分卡模 型。

可选地，在上述方面的一个示例中，所述实体评估数据的维度是基于 应用场景确定。

可选地，在上述方面的一个示例中，所述应用场景包括实体信用风险 管理。

可选地，在上述方面的一个示例中，所述实体评估数据的维度包括： 管理事项类维度；管理对象基础信息类维度；管理行为类维度；管理抽查 计划信息类维度；实体经营信息类维度。

可选地，在上述方面的一个示例中，获取待评估实体的实体评估数据 包括：从第三方服务端获取所述待评估实体的实体评估数据，所述方法还 包括：在所述风险等级超过预设等级阈值时，或在所述风险等级相对于前 一评估周期时的风险等级的等级上升跨度大于预设跨度阈值时，向所述第 三方服务端发送实体风险预警通知。

根据本公开的另一方面，提供一种用于评估实体风险的方法，包括： 获取待评估实体的实体评估数据，所述实体评估数据具有至少一个维度数 据，并且所述实体评估数据的维度数据是与实体信用管理风险相关联的维 度数据；使用评分卡模型来基于所述实体评估数据确定所述待评估实体的 风险评分，所述评分卡模型的目标变量是基于实体信用管理风险事件集确 定的；判断所述实体评估数据中是否存在用于指示存在实体信用管理风险 的维度数据；根据所述判断结果和所述风险评分，确定所述待评估实体的 风险等级。

可选地，在上述方面的一个示例中，所述实体评估数据的维度包括： 管理事项类维度；管理对象基础信息类维度；管理行为类维度；管理抽查 计划信息类维度；实体经营信息类维度。

根据本公开的另一方面，提供一种用于评估实体风险的装置，包括： 评估数据获取单元，获取待评估实体的实体评估数据，所述实体评估数据 具有至少一个维度数据；风险评分确定单元，基于所述实体评估数据，确 定所述待评估实体的风险评分；风险数据判断单元，判断所述实体评估数 据中是否存在用于指示存在实体风险的维度数据；以及风险等级确定单元， 根据所述判断结果和所述风险评分，确定所述待评估实体的风险等级。

可选地，在上述方面的一个示例中，所述风险等级确定单元包括：初 始风险等级确定模块，根据所述风险评分确定所述待评估实体的初始风险 等级；风险等级确定模块，在所述实体评估数据中不存在用于指示实体风 险的维度数据且所述初始风险等级属于低风险类等级时，将所述初始风险 等级确定为所述实体的风险等级；在所述实体评估数据中不存在用于指示 实体风险的维度数据且所述初始风险等级属于高风险类等级时，基于预定 降级规则对所述初始风险等级进行降级，并将降级后的初始风险等级确定 为所述实体的风险等级；或者在所述实体评估数据中存在用于指示实体风 险的维度数据时，将所述初始风险等级确定为所述实体的风险等级。

可选地，在上述方面的一个示例中，还包括：分类规则匹配单元，在 基于所述实体评估数据确定所述待评估实体的风险评分之前，判断所述实 体评估数据中是否存在与风险等级分类规则匹配的维度数据；以及在存在 与风险等级分类规则匹配的维度数据时，所述风险等级确定单元进一步基 于所述风险等级分类规则确定所述待评估实体的风险等级。

可选地，在上述方面的一个示例中，所述风险评分单元进一步使用风 险评分模型来基于所述实体评估数据确定所述待评估实体的风险评分。

可选地，在上述方面的一个示例中，所述实体评估数据的维度是基于 应用场景确定。

可选地，在上述方面的一个示例中，所述应用场景包括实体信用风险 管理。

可选地，在上述方面的一个示例中，所述实体评估数据的维度包括： 管理事项类维度；管理对象基础信息类维度；管理行为类维度；管理抽查 计划信息类维度；实体经营信息类维度。

可选地，所述评估数据获取单元进一步：从第三方服务端获取所述待 评估实体的实体评估数据，所述装置还包括：风险预警通知单元，在所述 风险等级超过预设等级阈值时，或在所述风险等级相对于前一评估周期时 的风险等级的等级上升跨度大于预设跨度阈值时，向所述第三方服务端发 送实体风险预警通知。

根据本公开的另一方面，提供一种计算设备，包括：至少一个处理器； 以及存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执 行时，使得所述至少一个处理器执行如上所述的用于评估实体风险的方法。

根据本公开的另一方面，提供一种机器可读存储介质，其存储有可执 行指令，所述指令当被执行时使得所述机器执行如上所述的用于评估实体 风险的方法。

附图说明

通过参照下面的附图，可以实现对于本公开内容的本质和优点的进一 步理解。在附图中，类似组件或特征可以具有相同的附图标注。附图是用 来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面 的具体实施方式一起用于解释本公开的实施例，但并不构成对本公开的实 施例的限制。在附图中：

图1示出了根据本公开的实施例的用于评估实体风险的***的***架 构示意图；

图2示出了根据本公开的一实施例的用于评估实体风险的方法的流程 图；

图3示出了根据本公开的一实施例的确定风险等级过程的流程图；

图4示出了根据本公开的一实施例的用于评估实体风险的方法在实体 信用风险管理应用场景下的流程图；

图5示出了根据本公开的实施例的用于评估实体风险的装置的结构框 图；

图6示出了根据本公开的实施例的用于评估实体风险的计算设备的方 框图。

具体实施方式

以下将参考示例实施方式讨论本文描述的主题。应该理解，讨论这些 实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述 的主题，并非是对权利要求书中所阐述的保护范围、适用性或者示例的限 制。可以在不脱离本公开内容的保护范围的情况下，对所讨论的元素的功 能和排列进行改变。各个示例可以根据需要，省略、替代或者添加各种过 程或组件。另外，相对一些示例所描述的特征在其它例子中也可进行组合。

如本文中使用的，术语“包括”及其变型表示开放的术语，含义是“包 括但不限于”。术语“基于”表示“至少部分地基于”。术语“一个实施例” 和“一实施例”表示“至少一个实施例”。术语“另一个实施例”表示“至 少一个其他实施例”。术语“第一”、“第二”等可以指代不同的或相同的对 象。下面可以包括其他的定义，无论是明确的还是隐含的。除非上下文中 明确地指明，否则一个术语的定义在整个说明书中是一致的。

此外，如本文中使用的，术语“实体”表示企业(或在一些应用场景 下，实体也可包括个人)。术语“实体信用管理风险”表示在信用管理(例 如信用监管)领域中所涉及的风险，其不同于一般的商业信用风险，目的 是为了保障企业不会出现重大风险变故而导致社会问题，而不旨在考察企 业是否能如约履行商业约定。

在本文中，术语“评分卡模型”是使用逻辑回归算法进行建模的风险 评分模型，其具有可解释性强和模型结果稳定的特点。术语“目标变量” 表示评分卡模型中用于对所输入的变量数据进行衡量的评价标准，例如在 商业信用场景下的目标变量包括用户近期是否有逾期行为。

现在结合附图来描述本公开的用于评估实体风险的方法及装置。

图1示出的是本公开的实施例的用于评估实体风险的***(下文也称 为实体风险评估***)的***架构示意图。

如图1所示，实体风险评估***10包括客户端101、102和103，和服 务器106、108。其中，客户端101、客户端102和客户端103可以是诸如 台式机、笔记本电脑和手机之类的终端设备。并且，终端设备与服务器之 间可以是通过网络进行通信互联。在本公开的一个示例中，各个实体需要 定期上报各自的实体评估数据，以便于各个实体及时获知各自所对应的风 险等级。在本公开的另一示例中，服务端会定期或不定期地收集各个实体 的实体评估数据，以使得服务端能够主动对各个实体所存在的风险等级进 行评估。在一些应用业务场景中，服务器106可以表示第三方服务端(或 监管端)，用于收集各个实体的实体评估数据，而服务器108可以表示风险 评估服务器，用于通过对服务器106所收集的实体评估数据进行实体风险 分析以评估出对应的风险等级。虽然图1中所描述的106和108的类型是 服务器，但其也可以具有或被替换为诸如电脑或手机之类的终端。

应理解的是，图1所示出的终端设备或服务器的数量并不旨在对本公 开的实施例进行限制。另外，服务器106和服务器108可表示由多个服务 器组合而形成的服务器集群，例如服务器106可表示对应监管端的服务器 集群，以及服务器108可表示对应实施风险评估操作的服务器集群。这里， 服务器106可收集关于不同实体的实体评估数据，并实时或定期地向服务 器108传递这些实体评估数据以确定各个实体所对应的实体风险，从而协 同完成对实体的风险监管。这里，服务器108(或风险评估服务器)可以配 置有各种算法或模型，以提供针对实体的风险评估服务。

图2示出了根据本公开的一实施例的用于评估实体风险的方法(下文 也称为实体风险评估方法)的流程图。

如图2所示的流程200，在块210中，获取待评估实体的实体评估数据， 该实体评估数据具有至少一个维度数据。

如上文所描述的，风险评估服务器可以从第三方服务端接收实体评估 数据，并且实体评估数据中的数据维度可随着应用业务场景的不同而变化， 例如在信用风险管理(例如监管)业务场景下实体评估数据包括诸如涉诉 信息和行政管理信息之类的多个维度数据。在本公开的一个示例中，在得 到实体评估数据之后，还可对实体评估数据进行数据预处理操作，例如通 过数据预处理操作将实体评估数据转换成特定格式的特征数据。

接着，在块220中，基于实体评估数据，确定待评估实体的风险评分。 这里，可应用各种算法或模型来计算实体评估数据所对应的风险评分。

具体地，可以使用风险评分模型来基于实体评估数据确定待评估实体 的风险评分。这里，风险评分模型的类型可以是多样化的，例如可采用随 机森林模型、梯度提升决策树模型、深度学习模型和评分卡模型等来确定 实体评估数据所对应的风险评分。作为示例，在信用风险管理应用场景下， 信用管理风险为对实体来说是比较敏感的风控指标(可表示实体是否被重 点管理)，需求针对信用管理风险的评估结果具有较高的可靠性和可解释 性。因此，可推荐使用稳定性较高和结果可解释性强的模型，例如评分卡 模型。应理解的是，上述信用管理应用场景仅为针对本公开的实施例的其 中一个应用业务场景，本公开的实施例可适用于更多的应用业务场景。

接着，在块230中，判断实体评估数据中是否存在用于指示存在实体 风险的维度数据(下文中也称为风险维度数据)。这样，完成了对实体评估 数据针对实体风险的核实操作。示例性地，在信用管理应用场景下，如果 实体评估数据中一个维度“行政管理信息”所对应的维度数据是“被执行 管理”，则表示该维度数据是存在风险或较大概率是指示风险的，反之，若 “行政管理信息”所对应的维度数据是“未被执行管理”，则表示该维度数 据是不存在风险或较小概率是指示风险的。

接着，根据判断结果和风险评分，确定待评估实体的风险等级。在本 公开的一个示例中，预设了多个不同级别的实体风险等级，并根据判断结 果和风险评分来在上述多个实体风险等级中选择针对待评估实体的风险等 级。这里，实体评估数据是否包含维度数据会直接影响到最终所确定的风 险等级。具体地，在块241中，若实体评估数据中存在风险维度数据，则 确定实体为第一风险等级。以及在块242中，若实体评估数据中不存在风 险维度数据，则确定实体为第二风险等级。这里，第二风险等级(例如至 少在一些应用业务场景或一些情况下)可以是小于第一风险等级的。

相比之下，假如直接利用风险评分来确定实体风险等级，则可能会出 现在实体评估数据下所有的维度数据中均不指示风险(例如没有任何处罚 信息)，但因风险评分模型模型所确定的风险评分较低而依然将实体归入了 高风险等级的情况，故容易导致实体对所确定的风险等级的公平性的质疑。

在本公开的实施例中，通过综合考虑针对风险维度数据的判断结果和 风险评分来确定风险等级，避免了因模型计算过程中的随机复杂因素导致 风险评分或风险评级不稳定的情况，提高了所确定的风险等级的可靠性， 在一些应用场景(例如信用管理应用场景)下更加适用。

图3示出了根据本公开的一实施例的确定风险等级过程的流程图。

如图3所示的流程300，在块310中，根据风险评分确定待评估实体的 初始风险等级。示例性地，可参照如表1所示的评分等级映射表来确定针 对风险评分的风险等级(或风险类别)。

表1

如表1所示，针对实体的风险评分越低，对应的风险等级越高，并说 明实体在未来一定时间发生实体风险事件的概率就越高。应理解的是，表1 所示的内容仅用作示例，风险评分和风险等级都可以是以其他的形式而存 在。示例性地，风险评分的对应分数区间可以是1-10，将A和B合并而变 为四类风险等级或者共扩展为十类风险等级等，对此应不加限制。

接着，在块320中，判断实体评估数据中是否存在用于指示实体风险 的维度数据。关于块320的操作可以参照参考图2的块230中的操作。

在块330中，若实体评估数据中存在风险维度数据，则将初始风险等 级确定为实体的风险等级。

另外，在块341中，若实体评估数据中不存在风险维度数据，则判断 初始风险等级是否属于低风险类等级。这里，低风险类等级和高风险类等 级可以是预定的至少一个等级。结合如表1的示例，低风险类等级可以是 A-C的风险等级，而高风险类等级可以是D或E的风险等级。

接着，在块342中，若初始风险等级属于低风险类等级，则将初始风 险等级确定为实体的风险等级。

或者，在块343中，若初始风险等级属于高风险类等级，则对初始风 险等级进行降级。

接着，在块344中，将降级后的初始风险等级确定为实体的风险等级。

继续结合如表1的示例进行说明，如果根据风险评分所确定的初始风 险等级为D级，而在实体评估数据中不存在用于指示实体风险的维度数据， 则应当进行降级处理，例如降低至A-C的其中一个风险等级。具体地，在 本公开的一个示例中，可将初始风险等级降级为低风险类等级中的风险级 别最高的风险等级，相应地，可由上述实体评估数据确定实体所对应的风 险等级为C。在本公开的另一个示例中，还可将初始风险等级降级预定级 别跨度，假如预定级别跨度为2级，则相应地，可由上述实体评估数据确 定实体所对应的风险等级为B。因此，在实体评估数据中不存在风险维度 数据时，即使实体评估数据具有很低的风险评分(或较高的初始风险等级)， 也能够通过上述降级处理而降低实体所对应风险等级，保障了预测结果的 可靠性。

在一些实施方式，可通过实施规则匹配操作而不使用风险评分，来直 接确定实体评估数据所对应的风险等级。具体地，在得到待评估实体的实 体评估数据之后，可判断实体评估数据中是否存在与风险等级分类规则匹 配的维度数据。这里，风险等级分类规则可以包括预先设置的一个或多个 对应于设定风险等级的风险维度数据，而在实体评估数据中存在与风险等 级分类规则匹配的维度数据时，可基于风险等级分类规则确定待评估实体 的风险等级，例如确定待评估实体的风险等级为风险等级分类规则所对应 的设定风险等级，或者确定待评估实体的风险等级不能归属于低风险类等 级。示例性地，在信用管理应用场景下，风险等级分类规则为对应于风险 等级E级的“被列入失信实体黑名单”，而如果通过分析实体评估数据的信 息确定对应实体已被列入失信实体黑名单，则可确定实体所对应的风险等 级为E级。

作为本公开的实施例的优选实施方式，风险评估服务器从第三方服务 端(或监管端)接收到实体评估数据并基于该实体评估数据确定出对应的 实体的风险等级之后，风险评估服务器可根据风险等级来确定是否执行关 于一个或多个实体的风险预警操作。具体地，在实体的风险等级超过预设 等级阈值时，或在风险等级相对于前一评估周期时的风险等级的等级上升 跨度大于预设跨度阈值时，风险评估服务器向第三方服务端发送针对该实 体的实体风险预警通知，以提示第三方服务端应当主要针对哪些特定实体 重点进行风控措施。结合表1的示例，在实体a所对应的风险等级为D或 E时，可向第三服务端发送关于实体a的实体风险预警通知，或者当实体b 在上一评估周期所对应的风险等级为A且当前评估周期所对应的风险等级 为C，风险等级上升跨度为2(假定预设等级阈值1)，则也可向第三服务 端发送关于实体b的实体风险预警通知。应理解的是，评估周期的时长可 以是一个月或其他时间，在此应不加限制。

需说明的是，本公开的实施例可应用于多种应用业务场景，并且所采 用的实体评估数据的维度可以是基于应用场景而确定的。示例性地，在商 业信用场景下，实体评估数据的维度可以是与实体商业信用风险相关联的 维度，例如社保信息和年报信息等。另外，在信用风险管理(例如监管) 的应用场景下，实体评估数据的维度可以是与实体信用管理风险相关联的 数据维度。

在本公开的一个示例中，在信用风险管理应用场景下的实体评估数据 的维度可包括：管理事项类维度、管理对象基础信息类维度、管理行为类 维度、管理抽查计划信息类维度和实体经营信息类维度。进而，风险评估 服务器可调用风险评分模型或风险评分算法确定对应的风险评分，并结合 针对风险维度数据的判断结果来确定待评估实体的风险等级，有利于针对 不同信用管理风险等级的实体进行区别化的信用风险管理操作。

图4示出了本公开的一实施例的实体风险评估方法在实体信用风险管 理应用场景下的流程图。

在实体信用风险管理的应用场景下，通过评估不同实体各自的风险等 级，以实体信用为基础的进行管理，信用管理(例如信用监管)的目的是 能够根据不同实体所具有的风险等级实行差别化监管措施，以实现对有低 风险等级的实体较少打扰，并对高风险等级的实体重点管理。需说明的是， 在图4中将实体限制为企业实体进行了示例性的展开描述，但其并不视作 对实体的类型的限制。

如图4所示的流程400，在块410中，获取待评估企业的企业评估数据。 其中，评估数据具有至少一个维度数据，并且所述评估数据的维度数据是 与企业信用管理风险相关联的维度数据。

如上文所描述的，企业信用管理风险不同于一般的商业信用风险。在 企业信用风险管理应用场景下的企业评估数据的维度可包括：管理事项类 维度、管理对象基础信息类维度、管理行为类维度、管理抽查计划信息类 维度和企业经营信息类维度。

这里，管理事项类维度包括管理事项清单信息维度和管理上报信息维 度(例如监管投诉信息或举报信息)。在管理事项清单信息维度中包括各管 理部门或各地区的管理事项的基本目录清单和管理事项检查实施清单。另 外，管理对象基础信息类维度包括行政相对人基础信息、特种设备基础信 息、特定产品基础信息和场地场所信息等。另外，管理行为类维度包括行 政检查行为信息、行政处罚行为信息和行政强制行为等信息等。另外，管 理抽查计划信息类维度可包括“双随机一公开”的计划信息等。另外，企 业经营信息类维度包括海关信息、税务信息、司法涉诉信息、知识产权信 息、年报信息、社保公积金信息、金融借贷信息、黑名单信息和互联网舆 情信息等。

接着，在块420中，使用评分卡模型来基于企业评估数据确定待评估 企业的风险评分，该评分卡模型的目标变量是基于企业信用管理风险事件 集确定的。

在本公开的示例中，采用了具有性能稳定且结果高度可解释特点的评 分卡模型，可让第三方服务端(或监管端)不仅能知道结果，还能明晰地 了解结果的计算过程，满足了监管端的个性化需求体验。这里，作为监督 模型的评分卡模型，其目标变量可以是基于企业信用管理风险事件集而确 定的。

应理解的是，企业管理风险事件可表示企业发生信用管理风险的代表 性事件，在一些情况下，企业信用管理风险事件集也可以是企业违规操作 事项集。示例性地，企业信用管理风险事件包括企业破产事件、企业税务 异常事件、涉案事件、股权冻结事件、企业列入失信名单事件、企业吊销 营业执照事件、企业停业事件、设定金融借贷逾期事件和设定商业违约事 件。这里，失信名单可包括海关失信名单，设定金融借贷逾期事件可表示 严重的金融借贷逾期事件(例如逾期超过6个月)，以及设定商业违约事件 可表示严重的商业违约事件(例如商业违约标的额巨大)。

在本公开的示例中，评分卡模型采用二分类的监督学习，以是否出现 目标变量所指示的企业信用管理风险事件为目标，确定企业评估数据中各 个维度数据分别针对目标变量的相应概率，进而得出针对企业评估数据的 风险评分。因此，企业评估数据中数据维度的丰富多样性有利于评分卡模 型所得出的风险评分的高精确度。

接着，在块430中，判断企业评估数据中是否存在用于指示存在企业 信用管理风险的维度数据(也被称为信用管理风险维度数据)。具体地，可 以将企业评估数据中的各个维度数据与指示存在企业信用管理风险的负面 事实数据集进行匹配，而当相匹配时，确定在企业评估数据中存在信用管 理风险维度数据。这里，负面事实数据集的定义与评分卡模型的目标变量 所对应的企业信用管理风险事件集的定义相类似，并且在一个示例中，企业信用管理风险事件集是负面事实数据集的一个子集。示例性地，企业信 用管理风险事件可以是严重的超过6个月的金融借贷逾期事件，而对应的 负面事实可以是金融借贷逾期事件而并不限制逾期时间。

接着，根据判断结果和风险评分，确定待评估企业的风险等级。具体 地，在块441中，若企业评估数据中存在风险维度数据，则确定企业为第 一信用管理风险等级。以及在块442中，若企业评估数据中不存在风险维 度数据，则确定企业为第二信用管理风险等级。

具体地，不同的风险评分具有对应的风险等级，但并不是依据风险评 分来直接确定风险等级的，还需要对是否存在风险事实进行考量。如果企 业评估数据不具有任何一个对应负面事实的维度数据，则不应为该企业评 估数据所对应的企业评定高风险等级。示例性地，在企业因风险评分而被 归类至高风险类等级时，企业必须有客观负面事实才成功将该企业归类至 高风险类级别，否则就只能被其判定为低风险类级别。

接着，在块450中，在风险等级超过预设等级阈值时，或在风险等级 相对于前一评估周期时的风险等级的等级上升跨度大于预设跨度阈值时， 向监管端发送企业风险预警通知。这样，基于企业风险预警通知产出信用 管理风险预警线索，便于监管部门基于企业风险预警通知作出有针对性的 企业信用监管策略。

在一些实施方式中，当风险评估服务器通过分析企业评估数据而确定 企业存在特定负面事实，或企业评估数据中存在与风险等级分类规则匹配 的维度数据时，可基于风险等级分类规则确定待评估企业的风险等级。

具体地，结合如表1的示例，在本公开的一个示例中，提供了以下三 种风险等级分类规则。

第一风险等级分类规则。企业有以下任一情况的，不会被判定为A级 别：过去两年存在客观负面事实的，成立不满一年的，以及上一评估周期 中被判定为D级别或E级别的。

第二风险等级分类规则。企业有以下任一情况的，可直接被判定为D 级别：过去两年发生股权冻结事件，过去两年发生税务异常事件(例如税 务非正常户或欠税)，以及过去两年发生企业为被执行人且未完全履行义务 的事件。

第三风险等级分类规则。企业有以下任一情况的，可直接被判定E级 别：已宣告破产的，过去五年发生重大税收违规事件，过去五年被列入严 重违法失信企业名单(黑名单)且未移除的，过去五年发生企业为失信被 执行人且未完全履行义务的，过去两年企业发生判决犯罪事件，以及过去 两年企业发生海关认定失信事件。

进一步地，若待评估企业既满足第二风险等级分类规则又满足第三风 险等级分类规则，则依然会将该企业判定为E级别。应理解的是，上述各 个风险等级分类规则中所包含的内容为非限制性的示例描述，并且对上述 各个风险等级分类规则的内容所作出的简单修改或变形也应被视为在本公 开的实施例的范围内。

另外，以下客观负面事实不影响信用评价：客观负面事实经相关机构 认定为误判、错误、笔误等与真实情况有偏差的；或者客观负面事实已撤 销、无效或情节特别轻微的。所以，在周期性获取企业评估数据并确定企 业的风险等级时，可更新针对待评估企业下的客观负面事实或客观负面事 实的状态，并相应地更新该企业的风险等级。

需说明的是，目前国内外的评估体系都是在商业场景的应用，其强调 企业是否能履约。然而，在预测企业在将来是否会出现诸如破产或违规操 作之类的重大变故风险或企业信用管理风险时，要求预测结果具有很高的 可靠性，而使得现有的评价体系无法被适用。另外，一旦企业出现了企业 信用管理风险事件(例如P2P平台暴雷事件)，则可能会导致比较严重的社 会问题，影响行业秩序的和谐发展。

鉴于此，在本公开的实施例中，提出了适用于评分卡模型在信用监管 领域的有效的数据维度和目标变量定义，并结合针对信用管理风险维度数 据的识别操作来确定企业的风险等级，使得风险评价结果更加可靠也更加 直观。另外，提出了有效的信用风险预警方案，能够及时将风险企业向监 管端进行上报以作为监管线索，便于监管部门采取有针对性的监管措施。

图5示出了根据本公开的实施例的用于评估实体风险的装置(下文中 也称为实体风险评估装置)的结构框图。

如图5所示，实体风险评估装置500包括评估数据获取单元510、风险 评分确定单元520、风险数据判断单元530、风险等级确定单元540、分类 规则匹配单元550和风险预警通知单元560。

评估数据获取单元510获取待评估实体的实体评估数据，所述实体评 估数据具有至少一个维度数据。评估数据获取单元510的操作可以参照上 面参考图2描述的块210的操作。

风险评分确定单元520基于所述实体评估数据，确定所述待评估实体 的风险评分。风险评分确定单元520的操作可以参照上面参考图2描述的 块220的操作。

风险数据判断单元530判断所述实体评估数据中是否存在用于指示存 在实体风险的维度数据。风险评分确定单元530的操作可以参照上面参考 图2描述的块230的操作。

风险等级确定单元540根据所述判断结果和所述风险评分，确定所述 待评估实体的风险等级。风险评分确定单元540的操作可以参照上面参考 图2描述的块241和块242的相关操作。

分类规则匹配单元550在基于所述实体评估数据确定所述待评估实体 的风险评分之前，判断所述实体评估数据中是否存在与风险等级分类规则 匹配的维度数据。这样，在存在与风险等级分类规则匹配的维度数据时， 风险等级确定单元540进一步基于所述风险等级分类规则确定所述待评估 实体的风险等级。分类规则匹配单元550的操作可参照上面针对风险等级 分类规则的相关操作。

进一步地，评估数据获取单元510从第三方服务端获取所述待评估实 体的实体评估数据，风险预警通知单元560在所述风险等级超过预设等级 阈值时，或在所述风险等级相对于前一评估周期时的风险等级的等级上升 跨度大于预设跨度阈值时，向所述第三方服务端发送实体风险预警通知。 风险预警通知单元560的操作可参照上面参考图4描述的块450的操作。

这里要说明的是，图5中的描述的部分块也可以是可选的，比如块550 和块560等。在本公开的其它示例中，也可以删除上述可选块中的部分或 全部。此外，在本公开的其它示例中，也可以对图5中描述的块所指示的 操作进行修改。

进一步地，风险等级确定单元540包括：初始风险等级确定模块(未 示出)，根据所述风险评分确定所述待评估实体的初始风险等级；风险等级 确定模块(未示出)，在所述实体评估数据中不存在用于指示实体风险的维 度数据且所述初始风险等级属于低风险类等级时，将所述初始风险等级确 定为所述实体的风险等级；在所述实体评估数据中不存在用于指示实体风 险的维度数据且所述初始风险等级属于高风险类等级时，基于预定降级规则对所述初始风险等级进行降级，并将降级后的初始风险等级确定为所述 实体的风险等级；或者在所述实体评估数据中存在用于指示实体风险的维 度数据时，将所述初始风险等级确定为所述实体的风险等级。初始风险等 级确定模块和风险等级确定模块的操作可参照上面参考图3描述的块的操 作。

进一步地，风险评分单元520还使用风险评分模型来基于所述实体评 估数据确定所述待评估实体的风险评分。具体可参照上面参考图4中参考 块420的操作。

进一步地，所述实体评估数据的维度是基于应用场景确定。

进一步地，所述应用场景包括实体信用风险管理。

进一步地，所述实体评估数据的维度包括：管理事项类维度；管理对 象基础信息类维度；管理行为类维度；管理抽查计划信息类维度；以及实 体经营信息类维度。具体地，可参照上面结合图4针对信用管理风险的相 关操作。

如上参照图1到图5，对根据本公开的用于评估实体风险的方法及装置 的实施例进行了描述。在以上对方法实施例的描述中所提及的细节，同样 适用于本公开的装置的实施例。上面的用于评估实体风险的装置可以采用 硬件实现，也可以采用软件或者硬件和软件的组合来实现。

图6示出了根据本公开的实施例的用于评估实体风险的计算设备600 的硬件结构图。如图6所示，计算设备600可以包括至少一个处理器610、 存储器(例如，非易失性存储器)620、内存630和通信接口640，并且至 少一个处理器610、存储器620、内存630和通信接口640经由总线660连 接在一起。至少一个处理器610执行在存储器中存储或编码的至少一个计 算机可读指令(即，上述以软件形式实现的元素)。

在一个实施例中，在存储器中存储计算机可执行指令，其当执行时使 得至少一个处理器610：获取待评估实体的实体评估数据，所述实体评估数 据具有至少一个维度数据；基于所述实体评估数据，确定所述待评估实体 的风险评分；判断所述实体评估数据中是否存在用于指示存在实体风险的 维度数据；以及根据所述判断结果和所述风险评分，确定所述待评估实体 的风险等级。

应该理解，在存储器620中存储的计算机可执行指令当执行时使得至 少一个处理器610进行本公开的各个实施例中以上结合图1-5描述的各种操 作和功能。

在本公开中，计算设备600可以包括但不限于：个人计算机、服务器 计算机、工作站、桌面型计算机、膝上型计算机、笔记本计算机、移动计 算设备、智能电话、平板计算机、蜂窝电话、个人数字助理(PDA)、手持 装置、消息收发设备、可佩戴计算设备、消费电子设备等等。

根据一个实施例，提供了一种比如机器可读介质的程序产品。机器可 读介质可以具有指令(即，上述以软件形式实现的元素)，该指令当被机器 执行时，使得机器执行本公开的各个实施例中以上结合图1-6描述的各种操 作和功能。具体地，可以提供配有可读存储介质的***或者装置，在该可 读存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代 码，且使该***或者装置的计算机或处理器读出并执行存储在该可读存储 介质中的指令。

在这种情况下，从可读介质读取的程序代码本身可实现上述实施例中 任何一项实施例的功能，因此机器可读代码和存储机器可读代码的可读存 储介质构成了本发明的一部分。

可读存储介质的实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、 CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD-RW)、磁带、 非易失性存储卡和ROM。可选择地，可以由通信网络从服务器计算机上或 云上下载程序代码。

本领域技术人员应当理解，上面公开的各个实施例可以在不偏离发明 实质的情况下做出各种变形和修改。因此，本发明的保护范围应当由所附 的权利要求书来限定。

需要说明的是，上述各流程和各***结构图中不是所有的步骤和单元 都是必须的，可以根据实际的需要忽略某些步骤或单元。各步骤的执行顺 序不是固定的，可以根据需要进行确定。上述各实施例中描述的装置结构 可以是物理结构，也可以是逻辑结构，即，有些单元可能由同一物理实体 实现，或者，有些单元可能分由多个物理实体实现，或者，可以由多个独 立设备中的某些部件共同实现。

以上各实施例中，硬件单元或模块可以通过机械方式或电气方式实现。 例如，一个硬件单元、模块或处理器可以包括永久性专用的电路或逻辑(如 专门的处理器，FPGA或ASIC)来完成相应操作。硬件单元或处理器还可 以包括可编程逻辑或电路(如通用处理器或其它可编程处理器)，可以由软 件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用 的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。

上面结合附图阐述的具体实施方式描述了示例性实施例，但并不表示 可以实现的或者落入权利要求书的保护范围的所有实施例。在整个本说明 书中使用的术语“示例性”意味着“用作示例、实例或例示”，并不意味着 比其它实施例“优选”或“具有优势”。出于提供对所描述技术的理解的目 的，具体实施方式包括具体细节。然而，可以在没有这些具体细节的情况 下实施这些技术。在一些实例中，为了避免对所描述的实施例的概念造成难以理解，公知的结构和装置以框图形式示出。

本公开内容的上述描述被提供来使得本领域任何普通技术人员能够实 现或者使用本公开内容。对于本领域普通技术人员来说，对本公开内容进 行的各种修改是显而易见的，并且，也可以在不脱离本公开内容的保护范 围的情况下，将本文所定义的一般性原理应用于其它变型。因此，本公开 内容并不限于本文所描述的示例和设计，而是与符合本文公开的原理和新 颖性特征的最广范围相一致。

Claims (22)

1.一种用于评估实体风险的方法，包括：

获取待评估实体的实体评估数据，所述实体评估数据具有至少一个维度数据；

基于所述实体评估数据，确定所述待评估实体的风险评分；

判断所述实体评估数据中是否存在用于指示存在实体风险的维度数据；以及

根据所述判断结果和所述风险评分，确定所述待评估实体的风险等级。

2.如权利要求1所述的方法，其中，根据所述判断结果和所述风险评分，确定所述实体的风险等级包括：

根据所述风险评分确定所述待评估实体的初始风险等级；

在所述实体评估数据中不存在用于指示实体风险的维度数据且所述初始风险等级属于低风险类等级时，将所述初始风险等级确定为所述实体的风险等级；

在所述实体评估数据中不存在用于指示实体风险的维度数据且所述初始风险等级属于高风险类等级时，基于预定降级规则对所述初始风险等级进行降级，并将降级后的初始风险等级确定为所述实体的风险等级；或者

在所述实体评估数据中存在用于指示实体风险的维度数据时，将所述初始风险等级确定为所述实体的风险等级。

3.如权利要求2所述的方法，其中，所述预定降级规则包括：

将所述初始风险等级降级为所述低风险类等级中的风险级别最高的风险等级；或者

将所述初始风险等级降级预定级别跨度。

4.如权利要求1所述的方法，其中，在基于所述实体评估数据确定所述待评估实体的风险评分之前，所述方法还包括：

判断所述实体评估数据中是否存在与风险等级分类规则匹配的维度数据；以及

在存在与风险等级分类规则匹配的维度数据时，基于所述风险等级分类规则确定所述待评估实体的风险等级。

5.如权利要求1所述的方法，其中，基于所述实体评估数据，确定所述待评估实体的风险评分包括：

使用风险评分模型来基于所述实体评估数据确定所述待评估实体的风险评分。

6.如权利要求5所述的方法，其中，所述风险评分模型包括评分卡模型。

7.如权利要求1所述的方法，其中，所述实体评估数据的维度是基于应用场景确定。

8.如权利要求7所述的方法，其中，所述应用场景包括实体信用风险管理。

9.如权利要求8所述的方法，其中，所述实体评估数据的维度包括：

管理事项类维度；

管理对象基础信息类维度；

管理行为类维度；

管理抽查计划信息类维度；

实体经营信息类维度。

10.如权利要求1到9中任一所述的方法，其中，获取待评估实体的实体评估数据包括：

从第三方服务端获取所述待评估实体的实体评估数据，

所述方法还包括：

在所述风险等级超过预设等级阈值时，或在所述风险等级相对于前一评估周期时的风险等级的等级上升跨度大于预设跨度阈值时，向所述第三方服务端发送实体风险预警通知。

11.一种用于评估实体风险的方法，包括：

获取待评估实体的实体评估数据，所述实体评估数据具有至少一个维度数据，并且所述实体评估数据的维度数据是与实体信用管理风险相关联的维度数据；

使用评分卡模型来基于所述实体评估数据确定所述待评估实体的风险评分，所述评分卡模型的目标变量是基于实体信用管理风险事件集确定的；

判断所述实体评估数据中是否存在用于指示存在实体信用管理风险的维度数据；

根据所述判断结果和所述风险评分，确定所述待评估实体的风险等级。

12.如权利要求11所述的方法，其中，所述实体评估数据的维度包括：

管理事项类维度；

管理对象基础信息类维度；

管理行为类维度；

管理抽查计划信息类维度；

实体经营信息类维度。

13.一种用于评估实体风险的装置，包括：

评估数据获取单元，获取待评估实体的实体评估数据，所述实体评估数据具有至少一个维度数据；

风险评分确定单元，基于所述实体评估数据，确定所述待评估实体的风险评分；

风险数据判断单元，判断所述实体评估数据中是否存在用于指示存在实体风险的维度数据；以及

风险等级确定单元，根据所述判断结果和所述风险评分，确定所述待评估实体的风险等级。

14.如权利要求13所述的装置，其中，所述风险等级确定单元包括：

初始风险等级确定模块，根据所述风险评分确定所述待评估实体的初始风险等级；

风险等级确定模块，在所述实体评估数据中不存在用于指示实体风险的维度数据且所述初始风险等级属于低风险类等级时，将所述初始风险等级确定为所述实体的风险等级；在所述实体评估数据中不存在用于指示实体风险的维度数据且所述初始风险等级属于高风险类等级时，基于预定降级规则对所述初始风险等级进行降级，并将降级后的初始风险等级确定为所述实体的风险等级；或者在所述实体评估数据中存在用于指示实体风险的维度数据时，将所述初始风险等级确定为所述实体的风险等级。

15.如权利要求13所述的装置，还包括：

分类规则匹配单元，在基于所述实体评估数据确定所述待评估实体的风险评分之前，判断所述实体评估数据中是否存在与风险等级分类规则匹配的维度数据；以及

在存在与风险等级分类规则匹配的维度数据时，所述风险等级确定单元进一步基于所述风险等级分类规则确定所述待评估实体的风险等级。

16.如权利要求13所述的装置，其中，所述风险评分单元进一步：

使用风险评分模型来基于所述实体评估数据确定所述待评估实体的风险评分。

17.如权利要求13所述的装置，其中，所述实体评估数据的维度是基于应用场景确定。

18.如权利要求17所述的装置，其中，所述应用场景包括实体信用风险管理。

19.如权利要求18所述的装置，其中，所述实体评估数据的维度包括：

管理事项类维度；

管理对象基础信息类维度；

管理行为类维度；

管理抽查计划信息类维度；以及

实体经营信息类维度。

20.如权利要求13到19中任一所述的装置，其中，所述评估数据获取单元进一步：从第三方服务端获取所述待评估实体的实体评估数据，

所述装置还包括：

风险预警通知单元，在所述风险等级超过预设等级阈值时，或在所述风险等级相对于前一评估周期时的风险等级的等级上升跨度大于预设跨度阈值时，向所述第三方服务端发送实体风险预警通知。

21.一种计算设备，包括：

至少一个处理器；以及

存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如权利要求1到10中任一所述的方法。

22.一种机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如权利要求1到10中任一所述的方法。