CN111915155A - 小微企业风险等级识别方法、装置及计算机设备 - Google Patents
小微企业风险等级识别方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN111915155A CN111915155A CN202010669346.6A CN202010669346A CN111915155A CN 111915155 A CN111915155 A CN 111915155A CN 202010669346 A CN202010669346 A CN 202010669346A CN 111915155 A CN111915155 A CN 111915155A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- identified
- enterprises
- score
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012502 risk assessment Methods 0.000 claims abstract description 56
- 230000008569 process Effects 0.000 claims abstract description 33
- 238000012549 training Methods 0.000 claims description 39
- 230000002159 abnormal effect Effects 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000006854 communication Effects 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000010410 layer Substances 0.000 description 5
- 239000002131 composite material Substances 0.000 description 4
- 210000001061 forehead Anatomy 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
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
- 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
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供的小微企业风险等级识别方法、装置及计算机设备,涉及网络信息技术领域。首先,通过对待识别企业的规模识别,确定待识别企业是否为小微企业;接着,在待识别企业为小微企业时,基于待识别企业的企业名称获取待识别企业的多个维度信息,并采用基于层次分析法的维度模型得到各个维度信息的维度子分;最后,将各个维度子分输入综合风险评估模型,得到该待识别企业的综合风险评分,并基于该综合风险评分确定待识别企业的风险等级。在上述方案中,通过维度模型基于小微企业自身及与其关联的关联企业的业务信息可以最大限度的提高维度模型的鲁棒性,使得维度模型在不同的应用场景中均表现良好,从而确保小微企业的综合信用风险评估准确。
Description
技术领域
本发明涉及网络信息技术领域,具体而言,涉及一种小微企业风险等级识别方法、装置及计算机设备。
背景技术
作为普惠金融扶持重点的小微企业,因企业风险评估准确度不高成为阻拦普惠金融的一大难题,如何精准的确定小微企业的风险成为本领域技术人员的迫切需求。
发明内容
为了改善上述问题,本发明提供了一种小微企业风险等级识别方法、装置及计算机设备。
本发明的第一方面,提供一种小微企业风险等级识别方法,应用于计算机设备,所述方法包括:
获取待识别企业的企业名称;
根据所述企业名称在企业工商信息数据库中对该待识别企业的规模进行识别;
在识别到所述待识别企业为小微企业时,根据所述企业名称,获取所述待识别企业的多个维度信息,所述多个维度信息包括:企业工商信息、企业履约维度信息、企业经营维度信息及与该待识别企业存在关联的关联企业的维度信息,其中,所述关联企业包括所述待识别企业的法人对外投资或任职的企业、所述待识别企业的董监高对外投资或任职的企业、所述待识别企业对外投资的企业;
基于所述待识别企业的多个维度信息,采用基于层次分析法的维度模型计算得到所述待识别企业在每个对应的维度信息上的维度子分;
将所述待识别企业的各个维度子分输入训练好的综合风险评估模型中,得到所述待识别企业的综合风险评分;
根据所述待识别企业的综合风险评分确定所述待识别企业的风险等级。
进一步地,所述多个维度信息包括企业工商信息,所述采用基于层次分析法的维度模型计算得到所述待识别企业在每个对应的维度信息上的维度子分的步骤,包括:
获取所述待识别企业的企业工商信息,其中,所述企业工商信息包括企业所属行业、企业类型、企业成立时间、企业所属区域及企业近三年注册资本变更次数;
根据所述待识别企业的企业工商信息,结合层次分析法计算得到所述待识别企业在企业工商信息维度的维度子分。
进一步地,所述多个维度信息包括企业履约维度信息,所述采用基于层次分析法的维度模型计算得到所述待识别企业在每个对应的维度信息上的维度子分的步骤,包括:
获取所述待识别企业的企业履约维度信息,其中,所述企业履约维度信息包括企业近三年税务处罚数、企业近5年失信被执行次数、企业近3年司法诉讼数、企业近两年被执行总金额及企业近两年行政处罚数;
根据所述待识别企业的企业履约维度信息,结合层次分析法计算得到所述待识别企业在企业履约维度的维度子分。
进一步地,所述多个维度信息包括企业经营维度信息,所述采用基于层次分析法的维度模型计算得到所述待识别企业在每个对应的维度信息上的维度子分的步骤,包括:
获取所述待识别企业的企业经营维度信息,其中,所述企业经营维度信息包括企业近三年行政许可数、企业近三年专利数、企业经营相关司法数、企业近三年获得行政嘉奖数、企业近三年劳务纠纷数;
根据所述待识别企业的企业经营维度信息,结合层次分析法计算得到所述待识别企业在企业经营维度的维度子分。
进一步地,所述多个维度信息包括与该待识别企业存在关联的关联企业的维度信息,所述采用基于层次分析法的维度模型计算得到所述待识别企业在每个对应的维度信息上的维度子分的步骤,包括:
获取与该待识别企业存在关联的关联企业的维度信息,所述关联企业的维度信息包括关联企业平均年龄、关联企业平均被执行次数、关联企业对外投资企业行业数、关联企业数、关联企业中异常企业占比;
根据所述关联企业的维度信息,结合层次分析法计算得到所述待识别企业在关联企业维度子分。
进一步地,所述方法还包括预先训练所述综合风险评估模型的步骤,该步骤包括:
获取训练样本,每个训练样本均包括样本企业的各个维度子分,其中,所述样本企业包括正常样本企业和异常样本企业,所述异常样本企业包括在金融借贷类纠纷中作为被告的企业、命中失信被执行名单的企业、命中被执行名单且被执行金额占注册资本的比例超过设定比例的企业;
将所述训练样本输入所述综合风险评估模型中进行训练,在所述综合风险评估模型的损失函数值低于预设阈值时,结束对所述综合风险评估模型的训练,得到训练好的综合风险评估模型,将训练好的综合风险评估模型输出的分数作为企业的综合风险评分。
进一步地,所述综合风险评估模型包括:逻辑回归模型、随机森林模型、决策树模型及支持向量机模型。
本发明的第二方面,提供了一种小微企业风险等级识别装置,应用于计算机设备,所述装置包括:
企业名称获取模块,用于获取待识别企业的企业名称;
企业规模识别模块,用于根据所述企业名称在企业工商信息数据库中对该待识别企业的规模进行识别;
维度信息获取模块,用于在识别到所述待识别企业为小微企业时,根据所述企业名称,获取所述待识别企业的多个维度信息,所述多个维度信息包括:企业工商信息、企业履约维度信息、企业经营维度信息及与该待识别企业存在关联的关联企业的维度信息,其中,所述关联企业包括所述待识别企业的法人对外投资或任职的企业、所述待识别企业的董监高对外投资或任职的企业、所述待识别企业对外投资的企业;
维度子分计算模块,用于基于所述待识别企业的多个维度信息,采用基于层次分析法的维度模型计算得到所述待识别企业在对应维度信息上的维度子分;
综合风险评分获取模块,用于将所述待识别企业的各个维度子分输入训练好的综合风险评估模型中,得到所述待识别企业的综合风险评分;
风险等级确定模块,用于根据所述待识别企业的综合风险评分确定所述待识别企业的风险等级。
进一步地,所述装置还包括模型训练模块,所述模型训练模块用于:
获取训练样本,每个训练样本均包括样本企业的各个维度子分,其中,所述样本企业包括正常样本企业和异常样本企业,所述异常样本企业包括在金融借贷类纠纷中作为被告的企业、标命中失信被执行名单的企业、命中被执行名单且被执行金额占注册设定比例的企业;
将所述训练样本输入所述综合风险评估模型中进行资本的比例超过训练,在所述综合风险评估模型的损失函数值低于预设阈值时,结束对所述综合风险评估模型的训练,得到训练好的综合风险评估模型,将训练好的综合风险评估模型输出的分数作为企业的综合风险评分。
本发明的第三方面,提供一种计算机设备,所述计算机设备包括处理器及存储有若干计算机指令的非易失性存储器,其特征在于,所述计算机指令被所述计算机设备执行时,所述计算机设备执行本发明第一方面所述的小微企业风险等级识别方法。
本发明提供的小微企业风险等级识别方法、装置及计算机设备,首先,通过对待识别企业的规模识别,确定待识别企业是否为小微企业;接着,在待识别企业为小微企业时,基于待识别企业的企业名称获取待识别企业的多个维度信息,并采用基于层次分析法的维度模型得到各个维度信息的维度子分;最后,将各个维度子分输入综合风险评估模型,得到该待识别企业的综合风险评分,并基于该综合风险评分确定待识别企业的风险等级。在上述方案中,通过维度模型基于小微企业自身及与其关联的关联企业的业务信息可以最大限度的提高维度模型的鲁棒性,使得维度模型在不同的应用场景中均表现良好,从而确保小微企业的综合信用风险评估准确。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所提供的一种计算机设备的结构示意图。
图2为本发明实施例所提供的一种小微企业风险等级识别方法的流程图。
图3为本发明实施例所提供的一种小微企业风险等级识别装置的模块框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请实施例的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其它操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,可以理解地是,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例,都属于本申请保护的范围。
金融机构会对小微企业进行评级,以便针对不同小微企业输出不同的风险等级,便于在实施普惠金融政策时,为这些小微企业提供差异化的定额定价。然而,发明人发现,现有的小微企业风险评估,仅考虑企业自身风险,没有考虑到企业间的风险会相互传导,导致现有小微企业的风险评估并不准确。
为了解决上述技术问题,发明人创新性的提出以下技术方案。
请参照图1,图1为本发明实施例提供的一种计算机设备100的结构示意图。计算机设备100包括小微企业风险等级识别装置210、存储器111及处理器112。
存储器111及处理器112各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中,存储器111用于存储程序,处理器112在接收到执行指令后,执行程序。
小微企业风险等级识别装置210包括至少一个可以软件或固件的形式存储于存储器111中或固化在所述服务器100的操作***中的软件功能模块。处理器112用于执行存储器111中存储的可执行模块,例如小微企业风险等级识别装置210所包括的软件功能模块及计算机程序等。
请再次参照图1,在本发明实施例中,计算机设备100还可以包括通信单元113,通信单元113可以与存储器111及处理器112直接或间接地电性连接。通信单元113用于通过网络建立计算机设备100与其它设备(比如云端服务器)之间的通信连接,并用于通过网络进行数据的接收和发送。比如,在本发明实施例中,在企业工商信息数据库存储在云端服务器时,计算机设备100可以通过通信单元113与云端服务器通信,具体通信过程在后续对应步骤中介绍。
应当理解的是,图1所示的结构仅为示意,计算机设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
请参照图2,图2为本发明实施例提供的小微企业风险等级识别方法的流程示意图,该小微企业风险等级识别方法具体可以包括以下步骤。
步骤S210,获取待识别企业的企业名称。
在该步骤中,可以通过人为输入的方式,在计算机设备的可视化界面上输入待识别企业的企业名称;也可以通过点选可视化界面呈现的企业名称获得待识别企业的企业名称。
步骤S220,基于企业名称在企业工商信息数据库中对该待识别企业的规模进行识别。
企业工商信息数据库可以包括各个企业的规模信息,企业规模包括特大型、大型、中型、小型及微型,在本发明实施例中,小微企业是指企业规模为小型或微型的企业。
在本发明实施例的一种实施方式中,企业工商信息数据库可以保存在计算机设备100本地,计算机设备100在本地端实现对与待识别企业的规模识别。在本发明实施例的另一种实施方式中,企业工商信息数据库也可以保存在云端服务器设备上。在企业工商信息数据库保存在云端服务器设备时,计算机设备100通过通信单元113将待识别知识企业的企业名称发送给云端服务器设备,云端服务器设备在接收到该企业名称后,从企业工商信息数据库中查找该待识别企业对应的企业规模,并将找到的企业规模反馈给所述计算机设备100。
步骤S230,在识别到待识别企业为小微企业时,根据企业名称,获取待识别企业的多个维度信息。
在本发明实施例中,多个维度信息包括:企业工商信息、企业履约维度信息、企业经营维度信息及与该待识别企业存在关联的关联企业的维度信息。关联企业包括待识别企业的法人对外投资或任职的企业、待识别企业的董监高对外投资或任职的企业、待识别企业对外投资的企业。
步骤S240,基于待识别企业的多个维度信息,采用基于层次分析法的维度模型计算得到待识别企业在每个对应的维度信息上的维度子分。
层次分析法是指将一个复杂的多目标决策问题作为一个***,将目标分解为多个目标或准则,进而分解为多指标(或准则、约束)的若干层次,通过定性指标模糊量化方法算出层次单排序(权数)和总排序,以作为目标(多指标)、多方案优化决策的***方法。
层次分析法是将决策问题按总目标、各层子目标、评价准则直至具体的备投方案的顺序分解为不同的层次结构,然后用求解判断矩阵特征向量的办法,求得每一层次的各元素对上一层次某元素的优先权重,最后再加权和的方法递阶归并各备择方案对总目标的最终权重,此最终权重最大者即为最优方案。
在本发明实施例中,针对每一个维度信息均对应创建一个维度模型,基于各个维度信息对应的维度模型计算维度子分。
步骤S250,将待识别企业的各个维度子分输入训练好的综合风险评估模型中,得到待识别企业的综合风险评分。
步骤S260,根据待识别企业的综合风险评分确定待识别企业的风险等级。
在本发明实施例中,可以预先设定企业的综合评分与风险等级之间的映射关系,在获得待识别企业的综合风险评分后,通过该映射关系即可确定待识别企业的风险等级。具体地,待识别企业的综合风险评分越高,该识别企业的综合风险越低。
请参照表1,表1示例了本发明实施例提供的一种可能的综合评分与风险等级之间
的映射关系。
等级 | 分数范围 |
A | [90,100) |
B | [80,90) |
C | [70,80) |
D | [60,70) |
E | [0,60) |
表1
在表1中,风险等级为A的企业的综合风险最低,风险等级为E的企业的综合风险最高。
上述方案,通过维度模型基于小微企业自身及与其关联的关联企业的业务信息可以最大限度的提高维度模型的鲁棒性,使得维度模型在不同的应用场景中均表现良好,从而确保小微企业的综合信用风险评估准确。
进一步地,在本发明实施例中,多个维度信息包括企业工商信息,步骤S240可以通过以下方式实现。
获取待识别企业的企业工商信息;将企业工商信息中的企业所属行业、企业类型、企业成立时间、企业所属区域及企业近三年注册资本变更次数作为企业工商信息维度模型的特征向量。
请参照表2,表2示出了企业工商信息对应维度模型的比较矩阵。
企业所属行业 | 企业类型 | 企业成立时间 | 企业所属区域 | 企业近三年注册资本变更次数 | 权重 | |
企业所属行业 | 1 | 0.33 | 0.2 | 0.5 | 3 | 0.082 |
企业类型 | 3 | 1 | 0.5 | 1.5 | 2 | 0.175 |
企业成立时间 | 5 | 2 | 1 | 3 | 4 | 0.337 |
企业所属区域 | 2 | 0.67 | 0.33 | 1 | 2 | 0.126 |
企业近三年注册资本变更次数 | 3 | 2 | 4 | 2 | 1 | 0.28 |
表2
在上述比较矩阵中,基于层次分析法确定各个特征向量的权重,并基于该维度模型输出企业工商信息对应的维度子分。
进一步地,在本发明实施例中,多个维度信息包括企业履约维度信息,步骤S240可以通过以下方式实现。
获取待识别企业的企业履约维度信息,将企业履约维度信息中的企业近三年税务处罚数、企业近5年失信被执行次数、企业近3年司法诉讼数、企业近两年被执行总金额及企业近两年行政处罚数作为维度模型的特征向量。
请参照表3,表3示出了企业履约维度信息对应维度模型的比较矩阵。
企业近三年税务处罚数 | 企业近5年失信被执行次数 | 企业近3年司法诉讼数 | 企业近两年被执行总金额 | 企业近2年行政处罚数 | 权重 | |
企业近三年税务处罚数 | 1 | 0.125 | 0.2 | 0.25 | 1 | 0.0562 |
企业近5年失信被执行次数 | 8 | 1 | 1.6 | 2 | 8 | 0.5336 |
企业近3年司法诉讼数 | 5 | 0.625 | 1 | 3 | 5 | 0.0263 |
企业近两年被执行总金额 | 4 | 0.5 | 0.33 | 1 | 4 | 0.2104 |
企业近2年行政处罚数 | 1 | 0.25 | 0.2 | 0.25 | 1 | 0.0526 |
表3
在上述比较矩阵中,根据待识别企业的企业履约维度信息,结合层次分析法计算得到所述待识别企业在企业履约维度的维度子分。
进一步地,在本发明实施例中,多个维度信息包括企业经营维度信息,步骤S240可以通过以下方式实现。
获取待识别企业的企业经营维度信息,将企业经营维度信息中的企业近三年行政许可数、企业近三年专利数、企业经营相关司法数、企业近三年获得行政嘉奖数、企业近三年劳务纠纷数作为维度模型的特征向量。
请参照表4,表4示出了企业经营维度信息对应维度模型的比较矩阵。
企业近三年行政许可数 | 企业近三年专利数 | 企业经营相关司法数 | 企业近三年获得行政嘉奖数 | 企业近三年劳务纠纷数 | 权重 | |
企业近三年行政许可数 | 1 | 0.166667 | 0.25 | 0.25 | 1 | 0.0625 |
企业近三年专利数 | 6 | 1 | 1.6 | 1.5 | 6 | 0.375 |
企业经营相关司法数 | 4 | 0.625 | 1 | 3 | 5 | 0.025 |
企业近三年获得行政嘉奖数 | 4 | 0.666667 | 0.33 | 1 | 4 | 0.25 |
企业近三年劳务纠纷数 | 1 | 0.166667 | 0.2 | 0.25 | 1 | 0.0625 |
表4
在上述比较矩阵中,根据待识别企业的企业经营维度信息,结合层次分析法计算得到所述待识别企业在企业经营维度的维度子分。
进一步地,在本发明实施例中,多个维度信息包括与该待识别企业存在关联的关联企业的维度信息,步骤S240可以通过以下方式实现。
获取与该待识别企业存在关联的关联企业的维度信息,将关联企业的维度信息中的关联企业平均年龄、关联企业平均被执行次数、关联企业对外投资企业行业数、关联企业数、关联企业中异常企业占比作为维度模型的特征向量。
请参照表5,表5示出了关联企业的维度信息所对应维度模型的比较矩阵。
关联企业平均年龄 | 企业关联企业平均被执行次数 | 企业对外投资企业行业数 | 关联企业异常企业占比 | 关联企业数 | 权重 | |
关联企业平均年龄 | 1 | 0.25 | 0.25 | 0.25 | 1 | 0.0714 |
企业关联企业平均被执行次数 | 4 | 1 | 1 | 1 | 4 | 0.2856 |
企业对外投资企业行业数 | 4 | 1 | 1 | 1 | 4 | 0.2856 |
关联企业异常企业占比 | 4 | 1 | 1 | 1 | 4 | 0.2856 |
关联企业数 | 1 | 0.25 | 0.25 | 0.25 | 1 | 0.0714 |
表5
在上述比较矩阵中,根据关联企业的维度信息,结合层次分析法计算得到待识别企业在关联企业维度子分。
在本发明实施例中,小微企业风险等级识别方法还包括对综合风险评估模型进行训练的步骤。
首先,获取训练样本,其中,每个训练样本均包括样本企业的各个维度子分。
具体地,样本企业包括正常样本企业和异常样本企业,现有技术中,在进行模型训练时,所选取的异常样本企业一般为失信被执行的企业,这与金融机构实际业务中对异常样本企业的定义有一定的差异,金融机构更希望找到贷款会出现不良或者贷款逾期不还超过60天的企业,目前基于失信被执行人的异常企业样本,不能客观反映金融机构的实际需求。采用该异常企业样本进行模型训练,会导致最终得到的综合风险评估模型并不能准确对小微企业实际风险进行评估。
为此,本发明实施例,以金融机构实际业务风险为准,采用以下企业作为异常样本企业,具体地,异常样本企业包括在金融借贷类纠纷中作为被告的企业、命中失信被执行名单的企业、命中被执行名单且被执行金额占注册资本的比例超过设定比例的企业。
接着,将训练样本输入综合风险评估模型中进行训练,在综合风险评估模型的损失函数值低于预设阈值时,结束对综合风险评估模型的训练,得到训练好的综合风险评估模型,将训练好的综合风险评估模型输出的分数作为企业的综合风险评分。
在上述过程中,基于金融机构的实际业务需求确定异常企业样本,并对综合风险评估模型进行训练,可以确保最终输出的综合风险评分与金融机构实际业务中的风险等级匹配,以便更加真实、准确的反应小微企业的风险等级,以便金融机构基于该风险等级采取相应的定额定价策略,推动普惠金融政策能公平、公正、安全的实施推广。
在本发明实施例中,综合风险评估模型可以采用逻辑回归模型实现,也可以采用随机森林模型、决策树模型及支持向量机模型实现。
上述技术方案,首先,通过对待识别企业的规模识别,确定待识别企业是否为小微企业;接着,在待识别企业为小微企业时,基于待识别企业的企业名称获取待识别企业的多个维度信息,并采用基于层次分析法的维度模型得到各个维度信息的维度子分;最后,将各个维度子分输入综合风险评估模型,得到该待识别企业的综合风险评分,并基于该综合风险评分确定待识别企业的风险等级。在上述方案中,通过维度模型基于小微企业自身及与其关联的关联企业的业务信息可以最大限度的提高维度模型的鲁棒性,使得维度模型在不同的应用场景中均表现良好,从而确保小微企业的综合信用风险评估准确。
在上述基础上,请结合参阅图3,为本发明实施例所提供的小微企业风险等级识别装置210的模块框图,所述小微企业风险等级识别装置210可以包括企业名称获取模块2101、企业规模识别模块2102、维度信息获取模块2103、维度子分计算模块2104、综合风险评分获取模块2105及风险等级确定模块2106。
企业名称获取模块2101,用于获取待识别企业的企业名称。
企业名称获取模块2101可以通过人为输入的方式,在计算机设备的可视化界面上输入待识别企业的企业名称;也可以通过点选可视化界面呈现的企业名称获得待识别企业的企业名称。
企业规模识别模块2102,用于根据所述企业名称在企业工商信息数据库中对该待识别企业的规模进行识别。
在本发明实施例的一种实施方式中,企业工商信息数据库可以保存在计算机设备100本地,企业规模识别模块2102在本地端实现对与待识别企业的规模识别。在本发明实施例的另一种实施方式中,企业工商信息数据库也可以保存在云端服务器设备上。在企业工商信息数据库保存在云端服务器设备时,企业规模识别模块2102通过通信单元113将待识别知识企业的企业名称发送给云端服务器设备,云端服务器设备在接收到该企业名称后,从企业工商信息数据库中查找该待识别企业对应的企业规模,并将找到的企业规模反馈给企业规模识别模块2102。
维度信息获取模块2103,用于在识别到所述待识别企业为小微企业时,根据所述企业名称,获取所述待识别企业的多个维度信息。
在本发明实施例中,多个维度信息包括:企业工商信息、企业履约维度信息、企业经营维度信息及与该待识别企业存在关联的关联企业的维度信息。关联企业包括待识别企业的法人对外投资或任职的企业、待识别企业的董监高对外投资或任职的企业、待识别企业对外投资的企业。
维度子分计算模块2104,用于基于所述待识别企业的多个维度信息,采用基于层次分析法的维度模型计算得到所述待识别企业在对应维度信息上的维度子分。
在本发明实施例中,针对每一个维度信息均对应创建一个维度模型,基于各个维度信息对应的维度模型计算维度子分。
综合风险评分获取模块2105,用于将所述待识别企业的各个维度子分输入训练好的综合风险评估模型中,得到所述待识别企业的综合风险评分。
风险等级确定模块2106,用于根据所述待识别企业的综合风险评分确定所述待识别企业的风险等级。
请再次参照图3,小微企业风险等级识别装置210还可以包括模型训练模块2107,所述模型训练模块2107用于:
获取训练样本,每个训练样本均包括样本企业的各个维度子分,其中,所述样本企业包括正常样本企业和异常样本企业,所述异常样本企业包括在金融借贷类纠纷中作为被告的企业、标命中失信被执行名单的企业、命中被执行名单且被执行金额占注册设定比例的企业;
将所述训练样本输入所述综合风险评估模型中进行资本的比例超过训练,在所述综合风险评估模型的损失函数值低于预设阈值时,结束对所述综合风险评估模型的训练,得到训练好的综合风险评估模型,将训练好的综合风险评估模型输出的分数作为企业的综合风险评分。
综上所述,本发明实施例提供的小微企业风险等级识别方法、装置及计算机设备,首先,通过对待识别企业的规模识别,确定待识别企业是否为小微企业;接着,在待识别企业为小微企业时,基于待识别企业的企业名称获取待识别企业的多个维度信息,并采用基于层次分析法的维度模型得到各个维度信息的维度子分;最后,将各个维度子分输入综合风险评估模型,得到该待识别企业的综合风险评分,并基于该综合风险评分确定待识别企业的风险等级。在上述方案中,通过维度模型基于小微企业自身及与其关联的关联企业的业务信息可以最大限度的提高维度模型的鲁棒性,使得维度模型在不同的应用场景中均表现良好,从而确保小微企业的综合信用风险评估准确。
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)
1.一种小微企业风险等级识别方法,其特征在于,应用于计算机设备,所述方法包括:
获取待识别企业的企业名称;
根据所述企业名称在企业工商信息数据库中对该待识别企业的规模进行识别;
在识别到所述待识别企业为小微企业时,根据所述企业名称,获取所述待识别企业的多个维度信息,所述多个维度信息包括:企业工商信息、企业履约维度信息、企业经营维度信息及与该待识别企业存在关联的关联企业的维度信息,其中,所述关联企业包括所述待识别企业的法人对外投资或任职的企业、所述待识别企业的董监高对外投资或任职的企业、所述待识别企业对外投资的企业;
基于所述待识别企业的多个维度信息,采用基于层次分析法的维度模型计算得到所述待识别企业在每个对应的维度信息上的维度子分;
将所述待识别企业的各个维度子分输入训练好的综合风险评估模型中,得到所述待识别企业的综合风险评分;
根据所述待识别企业的综合风险评分确定所述待识别企业的风险等级。
2.如权利要求1所述的小微企业风险等级识别方法,其特征在于,所述多个维度信息包括企业工商信息,所述采用基于层次分析法的维度模型计算得到所述待识别企业在每个对应的维度信息上的维度子分的步骤,包括:
获取所述待识别企业的企业工商信息,其中,所述企业工商信息包括企业所属行业、企业类型、企业成立时间、企业所属区域及企业近三年注册资本变更次数;
根据所述待识别企业的企业工商信息,结合层次分析法计算得到所述待识别企业在企业工商信息维度的维度子分。
3.如权利要求1所述的小微企业风险等级识别方法,其特征在于,所述多个维度信息包括企业履约维度信息,所述采用基于层次分析法的维度模型计算得到所述待识别企业在每个对应的维度信息上的维度子分的步骤,包括:
获取所述待识别企业的企业履约维度信息,其中,所述企业履约维度信息包括企业近三年税务处罚数、企业近5年失信被执行次数、企业近3年司法诉讼数、企业近两年被执行总金额及企业近两年行政处罚数;
根据所述待识别企业的企业履约维度信息,结合层次分析法计算得到所述待识别企业在企业履约维度的维度子分。
4.如权利要求1所述的小微企业风险等级识别方法,其特征在于,所述多个维度信息包括企业经营维度信息,所述采用基于层次分析法的维度模型计算得到所述待识别企业在每个对应的维度信息上的维度子分的步骤,包括:
获取所述待识别企业的企业经营维度信息,其中,所述企业经营维度信息包括企业近三年行政许可数、企业近三年专利数、企业经营相关司法数、企业近三年获得行政嘉奖数、企业近三年劳务纠纷数;
根据所述待识别企业的企业经营维度信息,结合层次分析法计算得到所述待识别企业在企业经营维度的维度子分。
5.如权利要求1所述的小微企业风险等级识别方法,其特征在于,所述多个维度信息包括与该待识别企业存在关联的关联企业的维度信息,所述采用基于层次分析法的维度模型计算得到所述待识别企业在每个对应的维度信息上的维度子分的步骤,包括:
获取与该待识别企业存在关联的关联企业的维度信息,所述关联企业的维度信息包括关联企业平均年龄、关联企业平均被执行次数、关联企业对外投资企业行业数、关联企业数、关联企业中异常企业占比;
根据所述关联企业的维度信息,结合层次分析法计算得到所述待识别企业在关联企业维度子分。
6.如权利要求1-5中任意一项所述的小微企业风险等级识别方法,其特征在于,所述方法还包括预先训练所述综合风险评估模型的步骤,该步骤包括:
获取训练样本,每个训练样本均包括样本企业的各个维度子分,其中,所述样本企业包括正常样本企业和异常样本企业,所述异常样本企业包括在金融借贷类纠纷中作为被告的企业、命中失信被执行名单的企业、命中被执行名单且被执行金额占注册资本的比例超过设定比例的企业;
将所述训练样本输入所述综合风险评估模型中进行训练,在所述综合风险评估模型的损失函数值低于预设阈值时,结束对所述综合风险评估模型的训练,得到训练好的综合风险评估模型,将训练好的综合风险评估模型输出的分数作为企业的综合风险评分。
7.如权利要求6所述的小微企业风险等级识别方法,其特征在于,所述综合风险评估模型包括:逻辑回归模型、随机森林模型、决策树模型及支持向量机模型。
8.一种小微企业风险等级识别装置,其特征在于,应用于计算机设备,所述装置包括:
企业名称获取模块,用于获取待识别企业的企业名称;
企业规模识别模块,用于根据所述企业名称在企业工商信息数据库中对该待识别企业的规模进行识别;
维度信息获取模块,用于在识别到所述待识别企业为小微企业时,根据所述企业名称,获取所述待识别企业的多个维度信息,所述多个维度信息包括:企业工商信息、企业履约维度信息、企业经营维度信息及与该待识别企业存在关联的关联企业的维度信息,其中,所述关联企业包括所述待识别企业的法人对外投资或任职的企业、所述待识别企业的董监高对外投资或任职的企业、所述待识别企业对外投资的企业;
维度子分计算模块,用于基于所述待识别企业的多个维度信息,采用基于层次分析法的维度模型计算得到所述待识别企业在对应维度信息上的维度子分;
综合风险评分获取模块,用于将所述待识别企业的各个维度子分输入训练好的综合风险评估模型中,得到所述待识别企业的综合风险评分;
风险等级确定模块,用于根据所述待识别企业的综合风险评分确定所述待识别企业的风险等级。
9.如权利要求8所述的小微企业风险等级识别装置,其特征在于,所述装置还包括模型训练模块,所述模型训练模块用于:
获取训练样本,每个训练样本均包括样本企业的各个维度子分,其中,所述样本企业包括正常样本企业和异常样本企业,所述异常样本企业包括在金融借贷类纠纷中作为被告的企业、标命中失信被执行名单的企业、命中被执行名单且被执行金额占注册设定比例的企业;
将所述训练样本输入所述综合风险评估模型中进行资本的比例超过训练,在所述综合风险评估模型的损失函数值低于预设阈值时,结束对所述综合风险评估模型的训练,得到训练好的综合风险评估模型,将训练好的综合风险评估模型输出的分数作为企业的综合风险评分。
10.一种计算机设备,所述计算机设备包括处理器及存储有若干计算机指令的非易失性存储器,其特征在于,所述计算机指令被所述计算机设备执行时,所述计算机设备执行权利要求1-7中任意一项所述的小微企业风险等级识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010669346.6A CN111915155A (zh) | 2020-07-13 | 2020-07-13 | 小微企业风险等级识别方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010669346.6A CN111915155A (zh) | 2020-07-13 | 2020-07-13 | 小微企业风险等级识别方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111915155A true CN111915155A (zh) | 2020-11-10 |
Family
ID=73227034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010669346.6A Pending CN111915155A (zh) | 2020-07-13 | 2020-07-13 | 小微企业风险等级识别方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915155A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836964A (zh) * | 2021-02-02 | 2021-05-25 | 曹洪 | 一种企业异常的评估***及评估方法 |
CN112862468A (zh) * | 2021-02-01 | 2021-05-28 | 湖南大学 | 一种基于区块链的出口退税融资方法、设备及介质 |
CN113222255A (zh) * | 2021-05-17 | 2021-08-06 | 上海生腾数据科技有限公司 | 一种合同履约表现量化及短期违约预测的方法及装置 |
CN113269412A (zh) * | 2021-05-08 | 2021-08-17 | 深圳微众信用科技股份有限公司 | 风险评估方法及相关装置 |
CN113469483A (zh) * | 2021-02-23 | 2021-10-01 | 杭州有数金融信息服务有限公司 | 一种自然人经营风险评分方法及***和设备 |
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 |
CN113592366A (zh) * | 2021-09-27 | 2021-11-02 | 上海冰鉴信息科技有限公司 | 一种基于人工智能的业务策略制定方法及装置 |
CN113673870A (zh) * | 2021-08-23 | 2021-11-19 | 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 |
CN114021898A (zh) * | 2021-10-13 | 2022-02-08 | 成都寻道数财科技有限公司 | 识别校外合作企业风险等级的*** |
CN114613189A (zh) * | 2022-03-07 | 2022-06-10 | 重庆高技术创业中心有限公司 | 一种园区企业孵化管理*** |
CN114693282A (zh) * | 2022-06-01 | 2022-07-01 | 万联易达物流科技有限公司 | 一种基于非特定SaaS平台的企业间合同共享方法和*** |
CN115879819A (zh) * | 2022-12-30 | 2023-03-31 | 企查查科技有限公司 | 企业信用评估方法及装置 |
CN117557106A (zh) * | 2024-01-02 | 2024-02-13 | 广东浩迪智云技术有限公司 | 企业经营健康度检测方法、装置、设备及介质 |
CN112836964B (zh) * | 2021-02-02 | 2024-06-28 | 曹洪 | 一种企业异常的评估***及评估方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798390A (zh) * | 2017-11-22 | 2018-03-13 | 阿里巴巴集团控股有限公司 | 一种机器学习模型的训练方法、装置以及电子设备 |
CN109359818A (zh) * | 2018-09-20 | 2019-02-19 | 重庆誉存大数据科技有限公司 | 一种对企业进行风险量化评估的方法及六棱星模型 |
CN109409677A (zh) * | 2018-09-27 | 2019-03-01 | 深圳壹账通智能科技有限公司 | 企业信用风险评估方法、装置、设备及存储介质 |
CN109492945A (zh) * | 2018-12-14 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 企业风险识别监控方法、装置、设备及存储介质 |
CN109543925A (zh) * | 2019-01-07 | 2019-03-29 | 平安科技(深圳)有限公司 | 基于机器学习的风险预测方法、装置、计算机设备和存储介质 |
CN109858762A (zh) * | 2018-12-29 | 2019-06-07 | 重庆誉存大数据科技有限公司 | 一种企业风险预测方法及装置 |
CN109993412A (zh) * | 2019-03-01 | 2019-07-09 | 百融金融信息服务股份有限公司 | 风险评估模型的构建方法及装置、存储介质、计算机设备 |
CN110033159A (zh) * | 2019-02-27 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 风险识别方法、装置及设备 |
CN110298389A (zh) * | 2019-06-11 | 2019-10-01 | 上海冰鉴信息科技有限公司 | 训练模型时的多轮循环特征选择方法和装置 |
CN110930250A (zh) * | 2020-02-12 | 2020-03-27 | 成都数联铭品科技有限公司 | 企业信用风险的预测方法及***、存储介质及电子设备 |
CN111191921A (zh) * | 2019-12-27 | 2020-05-22 | 安徽科讯金服科技有限公司 | 一种小微企业经营状况风控分析*** |
-
2020
- 2020-07-13 CN CN202010669346.6A patent/CN111915155A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798390A (zh) * | 2017-11-22 | 2018-03-13 | 阿里巴巴集团控股有限公司 | 一种机器学习模型的训练方法、装置以及电子设备 |
CN109359818A (zh) * | 2018-09-20 | 2019-02-19 | 重庆誉存大数据科技有限公司 | 一种对企业进行风险量化评估的方法及六棱星模型 |
CN109409677A (zh) * | 2018-09-27 | 2019-03-01 | 深圳壹账通智能科技有限公司 | 企业信用风险评估方法、装置、设备及存储介质 |
CN109492945A (zh) * | 2018-12-14 | 2019-03-19 | 深圳壹账通智能科技有限公司 | 企业风险识别监控方法、装置、设备及存储介质 |
CN109858762A (zh) * | 2018-12-29 | 2019-06-07 | 重庆誉存大数据科技有限公司 | 一种企业风险预测方法及装置 |
CN109543925A (zh) * | 2019-01-07 | 2019-03-29 | 平安科技(深圳)有限公司 | 基于机器学习的风险预测方法、装置、计算机设备和存储介质 |
CN110033159A (zh) * | 2019-02-27 | 2019-07-19 | 阿里巴巴集团控股有限公司 | 风险识别方法、装置及设备 |
CN109993412A (zh) * | 2019-03-01 | 2019-07-09 | 百融金融信息服务股份有限公司 | 风险评估模型的构建方法及装置、存储介质、计算机设备 |
CN110298389A (zh) * | 2019-06-11 | 2019-10-01 | 上海冰鉴信息科技有限公司 | 训练模型时的多轮循环特征选择方法和装置 |
CN111191921A (zh) * | 2019-12-27 | 2020-05-22 | 安徽科讯金服科技有限公司 | 一种小微企业经营状况风控分析*** |
CN110930250A (zh) * | 2020-02-12 | 2020-03-27 | 成都数联铭品科技有限公司 | 企业信用风险的预测方法及***、存储介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
纪宏: "《企业统计》", 中央广播电视大学出版社, pages: 38 - 39 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112862468A (zh) * | 2021-02-01 | 2021-05-28 | 湖南大学 | 一种基于区块链的出口退税融资方法、设备及介质 |
CN112862468B (zh) * | 2021-02-01 | 2024-03-22 | 湖南大学 | 一种基于区块链的出口退税融资方法、设备及介质 |
CN112836964A (zh) * | 2021-02-02 | 2021-05-25 | 曹洪 | 一种企业异常的评估***及评估方法 |
CN112836964B (zh) * | 2021-02-02 | 2024-06-28 | 曹洪 | 一种企业异常的评估***及评估方法 |
CN113469483A (zh) * | 2021-02-23 | 2021-10-01 | 杭州有数金融信息服务有限公司 | 一种自然人经营风险评分方法及***和设备 |
CN113269412A (zh) * | 2021-05-08 | 2021-08-17 | 深圳微众信用科技股份有限公司 | 风险评估方法及相关装置 |
CN113222255B (zh) * | 2021-05-17 | 2024-03-05 | 上海生腾数据科技有限公司 | 一种合同履约表现量化及短期违约预测的方法及装置 |
CN113222255A (zh) * | 2021-05-17 | 2021-08-06 | 上海生腾数据科技有限公司 | 一种合同履约表现量化及短期违约预测的方法及装置 |
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 |
CN113673870A (zh) * | 2021-08-23 | 2021-11-19 | 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 |
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 |
CN113592366A (zh) * | 2021-09-27 | 2021-11-02 | 上海冰鉴信息科技有限公司 | 一种基于人工智能的业务策略制定方法及装置 |
CN114021898A (zh) * | 2021-10-13 | 2022-02-08 | 成都寻道数财科技有限公司 | 识别校外合作企业风险等级的*** |
CN114613189B (zh) * | 2022-03-07 | 2023-12-26 | 重庆高技术创业中心有限公司 | 一种园区企业孵化管理*** |
CN114613189A (zh) * | 2022-03-07 | 2022-06-10 | 重庆高技术创业中心有限公司 | 一种园区企业孵化管理*** |
CN114693282B (zh) * | 2022-06-01 | 2022-08-23 | 万联易达物流科技有限公司 | 一种基于非特定SaaS平台的企业间合同共享方法和*** |
CN114693282A (zh) * | 2022-06-01 | 2022-07-01 | 万联易达物流科技有限公司 | 一种基于非特定SaaS平台的企业间合同共享方法和*** |
CN115879819A (zh) * | 2022-12-30 | 2023-03-31 | 企查查科技有限公司 | 企业信用评估方法及装置 |
CN117557106A (zh) * | 2024-01-02 | 2024-02-13 | 广东浩迪智云技术有限公司 | 企业经营健康度检测方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111915155A (zh) | 小微企业风险等级识别方法、装置及计算机设备 | |
Sun et al. | Chief financial officer demographic characteristics and fraudulent financial reporting in China | |
CN111383101B (zh) | 贷后风险监控方法、装置、设备及计算机可读存储介质 | |
US9075848B2 (en) | Methods, systems, and computer program products for generating data quality indicators for relationships in a database | |
US20130179314A1 (en) | Risk Based Data Assessment | |
CN111985937A (zh) | 交易商价值信息评估方法、***、存储介质、计算机设备 | |
Jovanović et al. | Financial indicators as predictors of illiquidity | |
CN112561685B (zh) | 客户的分类方法和装置 | |
CN111353901A (zh) | 风险识别监控方法、装置以及电子设备 | |
KR100974342B1 (ko) | 전문단체의 추천을 이용한 기업신용평가 시스템 및 그 방법 | |
CN112232950A (zh) | 针对借贷风险的评估方法及装置、设备、计算机可读存储介质 | |
CN113743816A (zh) | 车辆租赁的风险控制方法、装置、计算机设备及存储介质 | |
CN113935844A (zh) | 一种基于大数据和人工智能的金融风控*** | |
CN113643115A (zh) | 基于期权定价模型的商业承兑汇票信用评分方法及*** | |
US20050159992A1 (en) | Process for identifying potential customers for business outsourcing | |
CN115809930A (zh) | 基于数据融合匹配的反欺诈分析方法、装置、设备及介质 | |
CN115564591A (zh) | 一种融资产品的确定方法及相关设备 | |
CN110659981A (zh) | 企业依存关系识别方法、装置及电子设备 | |
CN110533528A (zh) | 评估企业信用的方法及设备 | |
CN112632197B (zh) | 基于知识图谱的业务关系处理方法及装置 | |
CN115099986A (zh) | 车险续保的处理方法、装置及相关设备 | |
CN114140245A (zh) | 机构风险评估方法、装置、设备及计算机存储介质 | |
CN112991034B (zh) | 基于模型的小微企业信贷评估方法、设备及存储介质 | |
CN111932368B (zh) | 一种***发卡***及其构建方法、装置 | |
KR102308098B1 (ko) | 매출 채권과 입출금 정보간 자동화된 매칭 서비스에 기초한 사용자 인터페이스 제공 방법 및 그 장치 |
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 |