CN113506173A - 一种信用风险评估方法及其相关设备 - Google Patents
一种信用风险评估方法及其相关设备 Download PDFInfo
- Publication number
- CN113506173A CN113506173A CN202110903799.5A CN202110903799A CN113506173A CN 113506173 A CN113506173 A CN 113506173A CN 202110903799 A CN202110903799 A CN 202110903799A CN 113506173 A CN113506173 A CN 113506173A
- Authority
- CN
- China
- Prior art keywords
- debt
- credit risk
- data
- analysis module
- 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.)
- Pending
Links
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开了一种信用风险评估方法及其相关设备,该方法包括:在获取到待评估债项的特征描述信息之后,可以将该特征描述信息输入预先构建的信用风险评估模型,以使该信用风险评估模型能够依据该特征描述信息,针对该待评估债项进行信用风险评估处理,得到并输出该待评估债项的信用风险评估结果。其中,因信用风险评估模型是预先根据至少一个样本债项的特征描述信息和该至少一个样本债项的实际风险评估结果进行构建的,使得该信用风险评估模型具有较好的信用风险评估性能,从而使得基于该信用风险评估模型针对该待评估债项确定的信用风险评估结果能够更准确地表示出该待评估债项的信用风险,如此能够提高针对债项的信用风险评估的准确性。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种信用风险评估方法及其相关设备。
背景技术
对于一些服务场景(例如,供应链金融等场景)来说,需要针对待评估对象(如,融资企业与核心企业之间存在的债项)进行信用风险评估。其中,“供应链金融”是指在供应链中的上、下游企业之间因正常经营而发生的贸易所产生的债项为基础而衍生的金融服务。
目前,通常由风险管理人员针对待评估对象进行信用风险评估。然而,因不同风险管理人员针对同一个待评估对象给出的评估值往往是不同的,如此导致信用风险评估的准确性较差。
发明内容
为了解决现有技术中存在的以上技术问题,本申请提供了一种信用风险评估方法及其相关设备,能够提高信用风险评估的准确性。
为了实现上述目的,本申请实施例提供的技术方案如下:
本申请实施例提供一种信用风险评估方法,所述方法包括:
获取待评估债项的特征描述信息;
将所述待评估债项的特征描述信息输入预先构建的信用风险评估模型,得到所述信用风险评估模型输出的所述待评估债项的信用风险评估结果;其中,所述信用风险评估模型是根据至少一个样本债项的特征描述信息和所述至少一个样本债项的实际风险评估结果进行构建的。
在一种可能的实施方式中,所述特征描述信息包括核心企业财务数据、宏观经济因子数据、核心企业外部支持表征数据、融资企业经营表征数据、和融资企业财务数据中的至少一个;
所述核心企业财务数据包括营业收入、毛利率、净利率、资产负债率、流动比、速动比、现金保障倍数、息税前利润保障倍数、存货周转率和市场占有率中的至少一个;
所述宏观经济因子数据包括行业平均毛利率、行业景气指数、行业集中度、国内生产总值增长率、通货膨胀率、生产价格指数、和采购经理指数中的至少一个;
所述核心企业外部支持表征数据包括核心企业可用授信余额、核心企业性质、核心企业控股股东、和核心企业债务余额中的至少一个;
所述融资企业经营表征数据包括用电量数据、购电数据、司法诉讼数据、税务数据、和物流数据中的至少一个;
所述融资企业财务数据包括存货周转率、销售毛利率、应收账款周转率、和净现比中的至少一个。
在一种可能的实施方式中,所述信用风险评估模型包括数据分析模块和信用风险评估模块;其中,所述信用风险评估模块的输入数据包括所述数据分析模块的输出数据;所述数据分析模块包括核心企业财务分析模块、宏观经济分析模块、外部支持分析模块、融资企业经营分析模块、和融资企业财务分析模块中的至少一个。
在一种可能的实施方式中,所述待评估债项是指目标融资企业和目标核心企业之间存在的债项,且所述特征描述信息包括核心企业财务数据、宏观经济因子数据、核心企业外部支持表征数据、融资企业经营表征数据、和融资企业财务数据,且所述数据分析模块包括核心企业财务分析模块、宏观经济分析模块、外部支持分析模块、融资企业经营分析模块、和融资企业财务分析模块;
所述待评估债项的信用风险评估结果的确定过程包括:
将所述待评估债项的核心企业财务数据输入所述核心企业财务分析模块,得到所述核心企业财务分析模块输出的所述目标核心企业的财务特征类别;
将所述待评估债项的宏观经济因子数据输入所述宏观经济分析模块,得到所述宏观经济分析模块输出的所述待评估债项对应的行业受影响级别;
将所述待评估债项的核心企业外部支持表征数据输入所述外部支持分析模块,得到所述外部支持分析模块输出的所述目标核心企业的外部支持强度;
将所述待评估债项的融资企业经营表征数据输入所述融资企业经营分析模块,得到所述融资企业经营分析模块输出的所述目标融资企业的经营特征得分;
将所述待评估债项的融资企业财务数据输入所述融资企业财务分析模块,得到所述融资企业财务分析模块输出的所述目标融资企业的财务表征类别;
将所述目标核心企业的财务特征类别、所述待评估债项对应的行业受影响级别、所述目标核心企业的外部支持强度、所述目标融资企业的经营特征得分、和所述目标融资企业的财务表征类别输入所述信用风险评估模块,得到所述信用风险评估模块输出的所述待评估债项的信用风险评估结果。
在一种可能的实施方式中,所述信用风险评估模型的构建过程,包括:
利用所述至少一个样本债项的特征描述信息,构建所述数据分析模块;
根据构建好的所述数据分析模块和所述至少一个样本债项的特征描述信息,确定所述至少一个样本债项的数据分析结果;
利用所述至少一个样本债项的数据分析结果和所述至少一个样本债项的实际风险评估结果,训练所述信用风险评估模块;
将构建好的所述数据分析模块和训练好的所述信用风险评估模块按照预设方式进行连接,得到所述信用风险评估模型。
在一种可能的实施方式中,所述待评估债项的信用风险评估结果包括所述待评估债项的信用风险等级和/或所述待评估债项对应的违约概率。
本申请实施例还提供了一种信用风险确定装置,包括:
信息获取单元,用于获取待评估债项的特征描述信息;
风险评估单元,用于将所述待评估债项的特征描述信息输入预先构建的信用风险评估模型,得到所述信用风险评估模型输出的所述待评估债项的信用风险评估结果;其中,所述信用风险评估模型是根据至少一个样本债项的特征描述信息和所述至少一个样本债项的实际风险评估结果进行构建的。
本申请实施例还提供了一种设备,所述设备包括处理器以及存储器:
所述存储器用于存储计算机程序;
所述处理器用于根据所述计算机程序执行本申请实施例提供的信用风险评估方法的任一实施方式。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行本申请实施例提供的信用风险评估方法的任一实施方式。
本申请实施例还提供了一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行本申请实施例提供的信用风险评估方法的任一实施方式。
与现有技术相比,本申请实施例至少具有以下优点:
本申请实施例提供的技术方案中,在获取到待评估债项的特征描述信息之后,可以将该特征描述信息输入预先构建的信用风险评估模型,以使该信用风险评估模型能够依据该特征描述信息,针对该待评估债项进行信用风险评估处理,得到并输出该待评估债项的信用风险评估结果。其中,因信用风险评估模型是预先根据至少一个样本债项的特征描述信息和该至少一个样本债项的实际风险评估结果进行构建的,使得该信用风险评估模型具有较好的信用风险评估性能,从而使得基于该信用风险评估模型针对该待评估债项确定的信用风险评估结果能够更准确地表示出该待评估债项的信用风险,如此能够提高针对债项的信用风险评估的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,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它的附图。
图1为本申请实施例提供的一种信用风险评估方法的流程图;
图2为本申请实施例提供的一种信用风险评估模型的结构示意图;
图3为本申请实施例提供的一种编码方法示意图;
图4为本申请实施例提供的一种信用风险评估装置的结构示意图。
具体实施方式
发明人在针对供应链金融下信用风险评估的研究中发现,对于供应链金融来说,由供应链中的上、下游企业贸易产生的债项作为信用风险缓释的融资业务中,风险管理人员通常可以采用债项信用评级及核心企业主体信用评级的方式来判断违约风险,上述判断方式面临人为主观因素起主要作用而使信用风险评估结果因评价人的不同而出现差异。其中,“信用风险”是指债务人因各种原因未能及时、足额偿还债务本息而违约的可能性。
基于上述发现,为了解决背景技术部分的技术问题,本申请实施例提供了一种信用风险评估方法,该方法包括:在获取到待评估债项的特征描述信息之后,可以将该特征描述信息输入预先构建的信用风险评估模型,以使该信用风险评估模型能够依据该特征描述信息,针对该待评估债项进行信用风险评估处理,得到并输出该待评估债项的信用风险评估结果。其中,因信用风险评估模型是预先根据至少一个样本债项的特征描述信息和该至少一个样本债项的实际风险评估结果进行构建的,使得该信用风险评估模型具有较好的信用风险评估性能,从而使得基于该信用风险评估模型针对该待评估债项确定的信用风险评估结果能够更准确地表示出该待评估债项的信用风险,如此能够提高针对债项的信用风险评估的准确性。
另外,本申请实施例不限定信用风险评估方法的执行主体,例如,本申请实施例提供的信用风险评估方法可以应用于终端设备或服务器等数据处理设备。其中,终端设备可以为智能手机、计算机、个人数字助理(Personal Digital Assitant,PDA)或平板电脑等。服务器可以为独立服务器、集群服务器或云服务器。
为了使本技术领域的人员更好地理解本申请方案,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,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
方法实施例
参见图1,该图为本申请实施例提供的一种信用风险评估方法的流程图。
本申请实施例提供的信用风险评估方法,包括S1-S2:
S1:获取待评估债项的特征描述信息。
其中,“待评估债项”用于表示任意两个企业之间存在的债项。例如,“待评估债项”可以是指目标融资企业和目标核心企业之间存在的债项。也就是,当“目标融资企业”将其经营的商品销售给“目标核心企业”,且该“目标核心企业”仍未针对该商品向“目标融资企业”进行支付时,“目标融资企业”和“目标核心企业”之间就可以形成一种关于该商品的债项,使得该“目标融资企业”可以利用该债项参与融资业务。
“特征描述信息”用于描述与该待评估债项相关的信息;而且,本申请实施例不限定“特征描述信息”,例如,其具体可以包括核心企业财务数据、宏观经济因子数据、核心企业外部支持表征数据、融资企业经营表征数据、和融资企业财务数据中的至少一个。
“核心企业财务数据”用于描述上述待评估债项对应的核心企业(如,目标核心企业)的企业财务特征;而且本申请实施例不限定“核心企业财务数据”,例如,其具体可以包括营业收入、毛利率、净利率、资产负债率、流动比、速动比、现金保障倍数、息税前利润保障倍数、存货周转率和市场占有率中的至少一个。
“宏观经济因子数据”用于描述利用上述待评估债项参与融资时所具有的宏观经济特征;而且本申请实施例不限定“宏观经济因子数据”,例如,其可以包括行业平均毛利率、行业景气指数、行业集中度(例如,CR5)、国内生产总值(Gross Domestic Product,GDP)增长率、通货膨胀率、生产价格指数(Producer Price Index,PPI)、和采购经理指数(Purchasing Managers'Index,PMI)中的至少一个。其中,上述“行业”是指待评估债项所涉及企业(例如,目标融资企业和目标核心企业等)所处的行业。
“核心企业外部支持表征数据”用于描述上述待评估债项对应的核心企业(如,目标核心企业)的外部支持特征;而且本申请实施例不限定“核心企业外部支持表征数据”,例如,其具体可以包括核心企业可用授信余额、核心企业性质(例如,央企、国企、上市公司、民营企业等)、核心企业控股股东、和核心企业债务余额(例如,其可以包括申请中的融资额度)中的至少一个。
“融资企业经营表征数据”用于描述上述待评估债项对应的融资企业(例如,目标融资企业)的经营状态特征;而且本申请实施例不限定“融资企业经营表征数据”,例如,其具体可以包括用电量数据、购电数据、司法诉讼数据(如,涉及目标融资企业的司法执行记录、失信记录等)、税务数据(如,涉及目标融资企业的欠税记录、涉税处罚等)、和物流数据(如,涉及目标融资企业的物流历史单据、物流费用***等)中的至少一个。
“融资企业财务数据”用于描述上述待评估债项对应的融资企业(例如,目标融资企业)的财务状态特征;而且本申请实施例不限定“融资企业财务数据”,例如,其具体可以包括存货周转率、销售毛利率、应收账款周转率、和净现比中的至少一个。
另外,本申请实施例不限定上述“待评估债项的特征描述信息”的获取方式,例如,在获取到该待评估债项的原始描述信息之后,可以针对该原始描述信息进行预设数据处理(如,数据缺失值的填充、异常数据样本的处理、数据的归一化等),得到该待评估债项的特征描述信息,以使该特征描述信息能够更好地描述与该待评估债项相关的信息。
S2:将待评估债项的特征描述信息输入预先构建的信用风险评估模型,得到该信用风险评估模型输出的该待评估债项的信用风险评估结果。
其中,“信用风险评估模型”用于针对该信用风险评估模型的输入数据进行信用风险评估处理。
另外,本申请实施例不限定“信用风险评估模型”的模型结构,例如,如图2所示,信用风险评估模型200具体可以包括数据分析模块201和信用风险评估模块202;而且信用风险评估模块202的输入数据包括数据分析模块201的输出数据。
数据分析模块201用于针对该数据分析模块201的输入数据进行预设分析处理;而且本申请实施例不限定数据分析模块201,例如,其具体可以包括核心企业财务分析模块、宏观经济分析模块、外部支持分析模块、融资企业经营分析模块、和融资企业财务分析模块中的至少一个。需要说明的是,这些模块的相关信息请参见下文。
信用风险评估模块202用于针对该信用风险评估模块202的输入数据进行评分处理。
为了便于理解信用风险评估模型200的工作原理,下面结合一个示例进行说明。
假设,待评估债项是指目标融资企业和目标核心企业之间存在的债项,且数据分析模块201包括核心企业财务分析模块、宏观经济分析模块、外部支持分析模块、融资企业经营分析模块、和融资企业财务分析模块,且上述“特征描述信息”包括核心企业财务数据、宏观经济因子数据、核心企业外部支持表征数据、融资企业经营表征数据、和融资企业财务数据。
作为示例,基于上述假设可知,利用信用风险评估模型200确定上述“待评估债项的信用风险评估结果”的过程具体可以包括步骤11-步骤16:
步骤11:将待评估债项的核心企业财务数据输入核心企业财务分析模块,得到该核心企业财务分析模块输出的目标核心企业的财务特征类别。
其中,“核心企业财务分析模块”用于针对该核心企业财务分析模块的输入数据进行财务特征分析;而且本申请实施例不限定“核心企业财务分析模块”的工作原理,例如,其具体可以采用预设聚类算法(如,k近邻(k-nearest neighbor,KNN)聚类机器学习算法)进行实施。
另外,“目标核心企业的财务特征类别”用于表示该目标核心企业的财务特征;而且本申请实施例不限定“目标核心企业的财务特征类别”,例如,其可以是1类、2类、……。
步骤12:将待评估债项的宏观经济因子数据输入宏观经济分析模块,得到该宏观经济分析模块输出的该待评估债项对应的行业受影响级别。
其中,“宏观经济分析模块”用于针对该宏观经济分析模块的输入数据进行行业受影响特征分析;而且本申请实施例不限定“宏观经济分析模块”的工作原理,例如,其可以采用逻辑回归分类算法进行分类处理。
另外,“待评估债项对应的行业受影响级别”用于表示宏观经济针对该待评估债项所属行业的影响级别;而且本申请实施例不限定“待评估债项对应的行业受影响级别”,例如,其可以是-2级、-1级、0级、1级、或者2级等。
步骤13:将待评估债项的核心企业外部支持表征数据输入外部支持分析模块,得到该外部支持分析模块输出的目标核心企业的外部支持强度。
其中,“外部支持分析模块”用于针对该外部支持分析模块的输入数据进行外部支持特征分析;而且本申请实施例不限定“外部支持分析模块”的工作原理,例如,其可以采用公式(1)-(4)进行实施。
ES=(Scredit+SNature+Sholder)/30 (1)
式中,ES表示目标核心企业的外部支持强度。
需要说明的是,在一些情况下,目标核心企业的核心企业性质可以包括多个企业性质(如,可以是国企、央企),此时,上述“SNature”可以按照具有最高得分的企业性质(例如,央企)进行确定。
“目标核心企业的外部支持强度”用于表示该目标核心企业的外部支持能力。
步骤14:将待评估债项的融资企业经营表征数据输入融资企业经营分析模块,得到该融资企业经营分析模块输出的目标融资企业的经营特征得分。
其中,“融资企业经营分析模块”用于针对该融资企业经营分析模块的输入数据进行贸易经营分析处理。
另外,本申请实施例不限定“融资企业经营分析模块”的工作原理,例如,其具体可以包括:先针对上述“待评估债项的融资企业经营表征数据”进行特征编码处理(如,采用图3所示的编码方法进行编码处理),得到该待评估债项对应的融资企业经营特征,以使该融资企业经营特征能够准确地表示出目标融资企业的贸易经营特征;再针对该待评估债项对应的融资企业经营特征进行预设评分处理(如,将各项融资企业经营特征进行加权求和处理),得到该目标融资企业的经营特征得分,以使该经营特征得分能够准确地表示出该目标融资企业在贸易经营方面所具有的特点。
此外,“目标融资企业的经营特征得分”用于表示目标融资企业在贸易经营方面所呈现的特点。
步骤15:将待评估债项的融资企业财务数据输入融资企业财务分析模块,得到该融资企业财务分析模块输出的目标融资企业的财务表征类别。
其中,“融资企业财务分析模块”用于针对该融资企业财务分析模块的输入数据进行财务分析处理;而且本申请实施例不限定“融资企业财务分析模块”的工作原理,例如,其可以采用逻辑回归算法(如公式(5)所示)进行分类处理。
式中,p(Y=k|x)表示利用上述“待评估债项的融资企业财务数据”确定的“目标融资企业的财务表征类别”属于第k个财务类别的可能性;Y表示目标融资企业的财务表征类别;x表示待评估债项的融资企业财务数据;wk表示第k个财务类别对应的权重向量;k=1,2,3,……,N;N为正整数,且N表示财务类别的个数。
“目标融资企业的财务表征类别”用于表示该目标融资企业的财务特征;而且本申请实施例不限定“目标融资企业的财务表征类别”,例如,其具体可以为-2、-1、0、1、2等类别中任意一个。
步骤16:将目标核心企业的财务特征类别、待评估债项对应的行业受影响级别、该目标核心企业的外部支持强度、目标融资企业的经营特征得分、和该目标融资企业的财务表征类别输入信用风险评估模块202,得到该信用风险评估模块202输出的待评估债项的信用风险评估结果。
其中,“信用风险评估模块202”用于针对该信用风险评估模块202的输入数据进行评分处理;而且本申请实施例不限定“信用风险评估模块202”的工作原理,例如,其可以采用梯度提升决策树(Gradient Boosting Decision Tree,GBDT)算法进行实施。
另外,本申请实施例不限定“信用风险评估模块202”的模型参数,例如,其具体可以包括以下内容:损失函数(loss)采用平方损失函数(ls);学习率(learning_rate)为0.1;最大迭代次数(n_estimators)取50;子采样(subsample)设为0.70;内部节点再划分所需最小样本数(min_samples_split)参数值为2;叶子节点最少样本数(min_samples_leaf)值为1;决策树最大深度为2;其它参数采用***默认值(或者,预先设定也行)。
“待评估债项的信用风险评估结果”用于表示该待评估债项的信用风险。另外,本申请实施例不限定“待评估债项的信用风险评估结果”,例如,其具体可以包括该待评估债项的信用风险等级和/或该待评估债项对应的违约概率。其中,“待评估债项的信用风险等级”用于表示该待评估债项的信用风险所达到的等级信息。“待评估债项对应的违约概率”用于表示该待评估债项发生违约的可能性。
基于上述步骤11至步骤16的相关内容可知,对于信用风险评估模型200来说,在将待评估债项对应的各项数据(如,核心企业财务数据、宏观经济因子数据、核心企业外部支持表征数据、融资企业经营表征数据、和融资企业财务数据等)输入到该信用风险评估模型200之后,可以先由该信用风险评估模型200分别针对各项数据进行分析处理,得到各项数据对应的分析结果(如,目标核心企业的财务特征类别、待评估债项对应的行业受影响级别、目标核心企业的外部支持强度、目标融资企业的经营特征得分、目标融资企业的财务表征类别等);再由该信用风险评估模型200针对这些数据对应的分析结果进行评分处理,得到该待评估债项的信用风险评估结果,以使该信用风险评估结果能够准确地表示出该待评估债项所呈现的信用风险。
另外,“信用风险评估模型”可以预先根据至少一个样本债项的特征描述信息和至少一个样本债项的实际风险评估结果进行构建。其中,“样本债项的实际风险评估结果”用于表示该样本债项所呈现的实际信用风险。
此外,本申请实施例不限定“信用风险评估模型”的构建过程,例如,其具体可以包括步骤21-步骤24:
步骤21:利用至少一个样本债项的特征描述信息,构建数据分析模块。
本申请实施例不限定步骤21的构建方式,例如,若数据分析模块包括核心企业财务分析模块、宏观经济分析模块、和融资企业财务分析模块,则步骤21具体可以包括步骤211-步骤213:
步骤211:利用预设聚类算法对至少一个样本债项的核心企业财务数据进行聚类处理,得到数据分析模块,以使后续该数据分析模块能够按照该预设聚类算法进行财务特征分析。
步骤212:利用至少一个样本债项的宏观经济因子数据以及该至少一个样本债项对应的实际行业受影响级别,训练宏观经济分析模块,以使训练好的宏观经济分析模块具有较好的行业受影响级别分类性能。其中,“样本债项对应的实际行业受影响级别”是指宏观经济针对该样本债项所属行业的实际影响级别。
步骤213:利用至少一个样本债项的融资企业财务数据以及该至少一个样本债项的实际财务表征类别,训练融资企业财务分析模块,以使训练好的融资企业财务分析模块具有较好的财务表征类别分类性能。其中,“样本债项的实际财务表征类别”是指该样本债项的融资企业财务数据实际所属的财务类别。
基于上述步骤21的相关内容可知,在获取到至少一个样本债项的特征描述信息之后,可以借助该至少一个样本债项的特征描述信息构建数据分析模块,以使构建好的数据分析模块具有较好的数据分析性能。
步骤22:根据构建好的数据分析模块和至少一个样本债项的特征描述信息,确定该至少一个样本债项的数据分析结果。
其中,“样本债项的数据分析结果”是指由数据分析模块针对该样本债项的特征描述信息进行数据分析处理得到的。
另外,本申请实施例不限定“样本债项的数据分析结果”,例如,若数据分析模块包括核心企业财务分析模块、宏观经济分析模块、外部支持分析模块、融资企业经营分析模块、和融资企业财务分析模块,则“样本债项的数据分析结果”可以包括该样本债项所涉及的核心企业的财务特征类别、该样本债项对应的行业受影响级别、该样本债项所涉及的核心企业的外部支持强度、该样本债项所涉及的融资企业的经营特征得分、以及该样本债项所涉及的融资企业的财务表征类别。
步骤23:利用至少一个样本债项的数据分析结果和该至少一个样本债项的实际风险评估结果,训练信用风险评估模块。
本申请实施例中,在获取到至少一个样本债项的数据分析结果之后,可以利用该至少一个样本债项的数据分析结果、以及该至少一个样本债项的实际风险评估结果,对信用风险评估模块进行训练,以使训练好的信用风险评估模块能够针对各个样本债项的数据分析结果得到的评分处理结果十分接近于(甚至等于)各个样本债项的实际风险评估结果,如此使得训练好的信用风险评估模块具有较好的评分性能。
步骤24:将构建好的数据分析模块和训练好的信用风险评估模块按照预设方式进行连接,得到信用风险评估模型。其中,预设方式可以预先设定的连接方式(如图2所示的连接方式)。
基于上述步骤21至步骤24的相关内容可知,可以借助至少一个样本债项的特征描述信息和该至少一个样本债项的实际风险评估结果,构建信用风险评估模型,以使构建好的信用风险评估模型具有较好的信用风险评估性能,以便后续能够借助构建好的信用风险评估模型进行信用风险评估处理。
基于上述S1至S2的相关内容可知,对于本申请实施例提供的信用风险评估方法来说,在获取到待评估债项的特征描述信息之后,可以将该特征描述信息输入预先构建的信用风险评估模型,以使该信用风险评估模型能够依据该特征描述信息,针对该待评估债项进行信用风险评估处理,得到并输出该待评估债项的信用风险评估结果。其中,因信用风险评估模型是预先根据至少一个样本债项的特征描述信息和该至少一个样本债项的实际风险评估结果进行构建的,使得该信用风险评估模型具有较好的信用风险评估性能,从而使得基于该信用风险评估模型针对该待评估债项确定的信用风险评估结果能够更准确地表示出该待评估债项的信用风险,如此能够提高针对债项的信用风险评估的准确性。
基于上述方法实施例提供的信用风险评估方法,本申请实施例还提供了一种信用风险评估装置,下面结合附图进行解释和说明。
装置实施例
装置实施例提供的信用风险评估装置的技术详情,请参照上述方法实施例。
参见图4,该图为本申请实施例提供的一种信用风险评估装置的结构示意图。
本申请实施例提供的信用风险评估装置400,包括:
信息获取单元401,用于获取待评估债项的特征描述信息;
风险评估单元402,用于将所述待评估债项的特征描述信息输入预先构建的信用风险评估模型,得到所述信用风险评估模型输出的所述待评估债项的信用风险评估结果;其中,所述信用风险评估模型是根据至少一个样本债项的特征描述信息和所述至少一个样本债项的实际风险评估结果进行构建的。
在一种可能的实施方式中,所述特征描述信息包括核心企业财务数据、宏观经济因子数据、核心企业外部支持表征数据、融资企业经营表征数据、和融资企业财务数据中的至少一个;
所述核心企业财务数据包括营业收入、毛利率、净利率、资产负债率、流动比、速动比、现金保障倍数、息税前利润保障倍数、存货周转率和市场占有率中的至少一个;
所述宏观经济因子数据包括行业平均毛利率、行业景气指数、行业集中度、国内生产总值增长率、通货膨胀率、生产价格指数、和采购经理指数中的至少一个;
所述核心企业外部支持表征数据包括核心企业可用授信余额、核心企业性质、核心企业控股股东、和核心企业债务余额中的至少一个;
所述融资企业经营表征数据包括用电量数据、购电数据、司法诉讼数据、税务数据、和物流数据中的至少一个;
所述融资企业财务数据包括存货周转率、销售毛利率、应收账款周转率、和净现比中的至少一个。
在一种可能的实施方式中,所述信用风险评估模型包括数据分析模块和信用风险评估模块;其中,所述信用风险评估模块的输入数据包括所述数据分析模块的输出数据;所述数据分析模块包括核心企业财务分析模块、宏观经济分析模块、外部支持分析模块、融资企业经营分析模块、和融资企业财务分析模块中的至少一个。
在一种可能的实施方式中,所述待评估债项是指目标融资企业和目标核心企业之间存在的债项,且所述特征描述信息包括核心企业财务数据、宏观经济因子数据、核心企业外部支持表征数据、融资企业经营表征数据、和融资企业财务数据,且所述数据分析模块包括核心企业财务分析模块、宏观经济分析模块、外部支持分析模块、融资企业经营分析模块、和融资企业财务分析模块;
所述风险评估单元402,具体用于:
将所述待评估债项的核心企业财务数据输入所述核心企业财务分析模块,得到所述核心企业财务分析模块输出的所述目标核心企业的财务特征类别;
将所述待评估债项的宏观经济因子数据输入所述宏观经济分析模块,得到所述宏观经济分析模块输出的所述待评估债项对应的行业受影响级别;
将所述待评估债项的核心企业外部支持表征数据输入所述外部支持分析模块,得到所述外部支持分析模块输出的所述目标核心企业的外部支持强度;
将所述待评估债项的融资企业经营表征数据输入所述融资企业经营分析模块,得到所述融资企业经营分析模块输出的所述目标融资企业的经营特征得分;
将所述待评估债项的融资企业财务数据输入所述融资企业财务分析模块,得到所述融资企业财务分析模块输出的所述目标融资企业的财务表征类别;
将所述目标核心企业的财务特征类别、所述待评估债项对应的行业受影响级别、所述目标核心企业的外部支持强度、所述目标融资企业的经营特征得分、和所述目标融资企业的财务表征类别输入所述信用风险评估模块,得到所述信用风险评估模块输出的所述待评估债项的信用风险评估结果。
在一种可能的实施方式中,所述信用风险评估装置400,还包括:
模型构建单元,用于利用所述至少一个样本债项的特征描述信息,构建所述数据分析模块;根据构建好的所述数据分析模块和所述至少一个样本债项的特征描述信息,确定所述至少一个样本债项的数据分析结果;利用所述至少一个样本债项的数据分析结果和所述至少一个样本债项的实际风险评估结果,训练所述信用风险评估模块;将构建好的所述数据分析模块和训练好的所述信用风险评估模块按照预设方式进行连接,得到所述信用风险评估模型。
在一种可能的实施方式中,所述待评估债项的信用风险评估结果包括所述待评估债项的信用风险等级和/或所述待评估债项对应的违约概率。
基于上述信用风险评估装置400的相关内容可知,对于信用风险评估装置400来说,在获取到待评估债项的特征描述信息之后,可以将该特征描述信息输入预先构建的信用风险评估模型,以使该信用风险评估模型能够依据该特征描述信息,针对该待评估债项进行信用风险评估处理,得到并输出该待评估债项的信用风险评估结果。其中,因信用风险评估模型是预先根据至少一个样本债项的特征描述信息和该至少一个样本债项的实际风险评估结果进行构建的,使得该信用风险评估模型具有较好的信用风险评估性能,从而使得基于该信用风险评估模型针对该待评估债项确定的信用风险评估结果能够更准确地表示出该待评估债项的信用风险,如此能够提高针对债项的信用风险评估的准确性。
进一步地,本申请实施例还提供了一种设备,所述设备包括处理器以及存储器:
所述存储器用于存储计算机程序;
所述处理器用于根据所述计算机程序执行本申请实施例提供的信用风险评估方法的任一实施方式。
进一步地,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行本申请实施例提供的信用风险评估方法的任一实施方式。
进一步地,本申请实施例还提供了一种计算机程序产品,其特征在于,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行本申请实施例提供的信用风险评估方法的任一实施方式。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (10)
1.一种信用风险评估方法,其特征在于,所述方法包括:
获取待评估债项的特征描述信息;
将所述待评估债项的特征描述信息输入预先构建的信用风险评估模型,得到所述信用风险评估模型输出的所述待评估债项的信用风险评估结果;其中,所述信用风险评估模型是根据至少一个样本债项的特征描述信息和所述至少一个样本债项的实际风险评估结果进行构建的。
2.根据权利要求1所述的方法,其特征在于,所述特征描述信息包括核心企业财务数据、宏观经济因子数据、核心企业外部支持表征数据、融资企业经营表征数据、和融资企业财务数据中的至少一个;
所述核心企业财务数据包括营业收入、毛利率、净利率、资产负债率、流动比、速动比、现金保障倍数、息税前利润保障倍数、存货周转率和市场占有率中的至少一个;
所述宏观经济因子数据包括行业平均毛利率、行业景气指数、行业集中度、国内生产总值增长率、通货膨胀率、生产价格指数、和采购经理指数中的至少一个;
所述核心企业外部支持表征数据包括核心企业可用授信余额、核心企业性质、核心企业控股股东、和核心企业债务余额中的至少一个;
所述融资企业经营表征数据包括用电量数据、购电数据、司法诉讼数据、税务数据、和物流数据中的至少一个;
所述融资企业财务数据包括存货周转率、销售毛利率、应收账款周转率、和净现比中的至少一个。
3.根据权利要求1所述的方法,其特征在于,所述信用风险评估模型包括数据分析模块和信用风险评估模块;其中,所述信用风险评估模块的输入数据包括所述数据分析模块的输出数据;所述数据分析模块包括核心企业财务分析模块、宏观经济分析模块、外部支持分析模块、融资企业经营分析模块、和融资企业财务分析模块中的至少一个。
4.根据权利要求3所述的方法,其特征在于,所述待评估债项是指目标融资企业和目标核心企业之间存在的债项,且所述特征描述信息包括核心企业财务数据、宏观经济因子数据、核心企业外部支持表征数据、融资企业经营表征数据、和融资企业财务数据,且所述数据分析模块包括核心企业财务分析模块、宏观经济分析模块、外部支持分析模块、融资企业经营分析模块、和融资企业财务分析模块;
所述待评估债项的信用风险评估结果的确定过程包括:
将所述待评估债项的核心企业财务数据输入所述核心企业财务分析模块,得到所述核心企业财务分析模块输出的所述目标核心企业的财务特征类别;
将所述待评估债项的宏观经济因子数据输入所述宏观经济分析模块,得到所述宏观经济分析模块输出的所述待评估债项对应的行业受影响级别;
将所述待评估债项的核心企业外部支持表征数据输入所述外部支持分析模块,得到所述外部支持分析模块输出的所述目标核心企业的外部支持强度;
将所述待评估债项的融资企业经营表征数据输入所述融资企业经营分析模块,得到所述融资企业经营分析模块输出的所述目标融资企业的经营特征得分;
将所述待评估债项的融资企业财务数据输入所述融资企业财务分析模块,得到所述融资企业财务分析模块输出的所述目标融资企业的财务表征类别;
将所述目标核心企业的财务特征类别、所述待评估债项对应的行业受影响级别、所述目标核心企业的外部支持强度、所述目标融资企业的经营特征得分、和所述目标融资企业的财务表征类别输入所述信用风险评估模块,得到所述信用风险评估模块输出的所述待评估债项的信用风险评估结果。
5.根据权利要求3所述的方法,其特征在于,所述信用风险评估模型的构建过程,包括:
利用所述至少一个样本债项的特征描述信息,构建所述数据分析模块;
根据构建好的所述数据分析模块和所述至少一个样本债项的特征描述信息,确定所述至少一个样本债项的数据分析结果;
利用所述至少一个样本债项的数据分析结果和所述至少一个样本债项的实际风险评估结果,训练所述信用风险评估模块;
将构建好的所述数据分析模块和训练好的所述信用风险评估模块按照预设方式进行连接,得到所述信用风险评估模型。
6.根据权利要求1所述的方法,其特征在于,所述待评估债项的信用风险评估结果包括所述待评估债项的信用风险等级和/或所述待评估债项对应的违约概率。
7.一种信用风险确定装置,其特征在于,包括:
信息获取单元,用于获取待评估债项的特征描述信息;
风险评估单元,用于将所述待评估债项的特征描述信息输入预先构建的信用风险评估模型,得到所述信用风险评估模型输出的所述待评估债项的信用风险评估结果;其中,所述信用风险评估模型是根据至少一个样本债项的特征描述信息和所述至少一个样本债项的实际风险评估结果进行构建的。
8.一种设备,其特征在于,所述设备包括处理器以及存储器:
所述存储器用于存储计算机程序;
所述处理器用于根据所述计算机程序执行权利要求1-6中任一项所述的方法。
9.一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用于存储计算机程序,所述计算机程序用于执行权利要求1-6中任一项所述的方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110903799.5A CN113506173A (zh) | 2021-08-06 | 2021-08-06 | 一种信用风险评估方法及其相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110903799.5A CN113506173A (zh) | 2021-08-06 | 2021-08-06 | 一种信用风险评估方法及其相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113506173A true CN113506173A (zh) | 2021-10-15 |
Family
ID=78015723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110903799.5A Pending CN113506173A (zh) | 2021-08-06 | 2021-08-06 | 一种信用风险评估方法及其相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113506173A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801529A (zh) * | 2021-02-05 | 2021-05-14 | 北京同邦卓益科技有限公司 | 财务数据分析方法及装置、电子设备及介质 |
CN115082225A (zh) * | 2022-07-21 | 2022-09-20 | 天津金城银行股份有限公司 | 一种企业融资风险的评估方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409641A (zh) * | 2018-09-03 | 2019-03-01 | 平安科技(深圳)有限公司 | 风险评价方法、装置、计算机设备和存储介质 |
WO2019095572A1 (zh) * | 2017-11-17 | 2019-05-23 | 平安科技(深圳)有限公司 | 企业投资风险评估方法、装置及存储介质 |
CN110264085A (zh) * | 2019-06-21 | 2019-09-20 | 黄河科技学院 | 一种工商管理企业风险评估及预警*** |
CN110766541A (zh) * | 2019-09-25 | 2020-02-07 | 平安科技(深圳)有限公司 | 贷款风险评估方法、装置、设备及计算机可读存储介质 |
CN111915155A (zh) * | 2020-07-13 | 2020-11-10 | 上海冰鉴信息科技有限公司 | 小微企业风险等级识别方法、装置及计算机设备 |
CN112734559A (zh) * | 2020-12-30 | 2021-04-30 | 北京知因智慧科技有限公司 | 企业信用风险评价方法、装置及电子设备 |
CN112991043A (zh) * | 2021-03-02 | 2021-06-18 | 北京同邦卓益科技有限公司 | 债项评级数据的处理方法和装置、电子设备和存储介质 |
-
2021
- 2021-08-06 CN CN202110903799.5A patent/CN113506173A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019095572A1 (zh) * | 2017-11-17 | 2019-05-23 | 平安科技(深圳)有限公司 | 企业投资风险评估方法、装置及存储介质 |
CN109409641A (zh) * | 2018-09-03 | 2019-03-01 | 平安科技(深圳)有限公司 | 风险评价方法、装置、计算机设备和存储介质 |
CN110264085A (zh) * | 2019-06-21 | 2019-09-20 | 黄河科技学院 | 一种工商管理企业风险评估及预警*** |
CN110766541A (zh) * | 2019-09-25 | 2020-02-07 | 平安科技(深圳)有限公司 | 贷款风险评估方法、装置、设备及计算机可读存储介质 |
CN111915155A (zh) * | 2020-07-13 | 2020-11-10 | 上海冰鉴信息科技有限公司 | 小微企业风险等级识别方法、装置及计算机设备 |
CN112734559A (zh) * | 2020-12-30 | 2021-04-30 | 北京知因智慧科技有限公司 | 企业信用风险评价方法、装置及电子设备 |
CN112991043A (zh) * | 2021-03-02 | 2021-06-18 | 北京同邦卓益科技有限公司 | 债项评级数据的处理方法和装置、电子设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
张永春;陈岩;: "大数据背景下的中小企业信用风险评价与应用研究", 电子商务, no. 12, pages 34 - 36 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112801529A (zh) * | 2021-02-05 | 2021-05-14 | 北京同邦卓益科技有限公司 | 财务数据分析方法及装置、电子设备及介质 |
CN112801529B (zh) * | 2021-02-05 | 2024-05-17 | 北京同邦卓益科技有限公司 | 财务数据分析方法及装置、电子设备及介质 |
CN115082225A (zh) * | 2022-07-21 | 2022-09-20 | 天津金城银行股份有限公司 | 一种企业融资风险的评估方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20130117278A1 (en) | Methods, computer-accessible medium and systems for construction of and interference with networked data, for example, in a financial setting | |
CN112801529B (zh) | 财务数据分析方法及装置、电子设备及介质 | |
CN111401600A (zh) | 基于关联关系的企业信用风险评价方法和*** | |
CN107609771A (zh) | 一种供应商价值评价方法 | |
CN113506173A (zh) | 一种信用风险评估方法及其相关设备 | |
CN109815480B (zh) | 一种数据处理方法和装置、及存储介质 | |
CN110796539A (zh) | 一种征信评估方法及装置 | |
CN112750029A (zh) | 信用风险预测方法、装置、电子设备及存储介质 | |
Boguslauskas et al. | The selection of financial ratios as independent variables for credit risk assessment | |
CN110689437A (zh) | 一种基于随机森林的通信施工项目财务风险预测方法 | |
Séverin et al. | Can earnings management information improve bankruptcy prediction models? | |
CN115545886A (zh) | 逾期风险识别方法、装置、设备及存储介质 | |
Liu et al. | Financial credit risk assessment of online supply chain in construction industry with a hybrid model chain | |
Moedjahedy et al. | Stock price forecasting on telecommunication sector companies in Indonesia Stock Exchange using machine learning algorithms | |
CN111177581A (zh) | 一种基于多平台的社交电商网站商品推荐方法及装置 | |
Wei | [Retracted] A Machine Learning Algorithm for Supplier Credit Risk Assessment Based on Supply Chain Management | |
CN113112186A (zh) | 一种企业评估方法、装置及设备 | |
CN114331671A (zh) | 借贷风险监控方法、装置、服务器及存储介质 | |
CN113988459A (zh) | 一种基于电力营销数据的中小企业成长性评估方法及*** | |
CN117114812A (zh) | 一种针对企业的金融产品推荐方法及装置 | |
CN110866829A (zh) | 一种基于集成学习模型的股价预测方法 | |
Alfonso-Sánchez et al. | Optimizing credit limit adjustments under adversarial goals using reinforcement learning | |
Huang | Big data application in exchange rate financial prediction platform based on FPGA and human-computer interaction. | |
CN114119107A (zh) | 一种钢贸企业交易测评方法、装置、设备及存储介质 | |
CN113421014A (zh) | 一种目标企业确定方法、装置、设备和存储介质 |
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 |