CN114841790A - 一种基于大数据的供应链金融风险评估方法及*** - Google Patents
一种基于大数据的供应链金融风险评估方法及*** Download PDFInfo
- Publication number
- CN114841790A CN114841790A CN202210777470.3A CN202210777470A CN114841790A CN 114841790 A CN114841790 A CN 114841790A CN 202210777470 A CN202210777470 A CN 202210777470A CN 114841790 A CN114841790 A CN 114841790A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- risk
- data information
- information
- data
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及供应链金融服务的技术领域,特别是涉及一种基于大数据的供应链金融风险评估方法及***。包括:步骤S1:基于大数据信息,获取目标企业的多维度数据,并基于多维度数据构建基础数据库;步骤S2:对基础数据库中的多维度数据附加风险标签;步骤S3:基于预设综合评估模型和附加风险标签的多维度数据对金融风险进行评估;其中,多维度数据包括:企业属性数据信息、信用属性数据信息、交易特征数据信息和社交属性数据信息。本发明具有准确性、高效性,基于评估结果,可以尽早提出预警,能有效减少风险,既可以对单条供应链金融风险进行评估,也可以提前得知企业上下游以及自身的风险状况。
Description
技术领域
本发明涉及供应链金融服务的技术领域,特别是涉及一种基于大数据的供应链金融风险评估方法及***。
背景技术
供应链是指围绕核心企业,从配套零件开始,制成中间产品以及最终产品,最后由销售网络把产品送到消费者手中的,将供应商、制造商、分销商直到最终用户连成一个整体的功能网链结构。供应链管理的经营理念是从消费者的角度,通过企业间的协作,谋求供应链整体最佳化。成功的供应链管理能够协调并整合供应链中所有的活动,最终成为无缝连接的一体化过程。
供应链金融是基于现代供应链管理衍生出来的一种金融***,包括研发,采购,物流,销售等环节,开展金融服务,要看融资企业等基本信息,以及它在整个供应链网络中的贸易情况,从上下的真实交易入手,判断流动性差的资产在未来变现的可能,在现代供应链背景的管理下,才能更加客观的判断中小企业的运营能力和抗风险能力,以此来判断企业融资的规模和风险。
然而现有技术中,现阶段供应链金融机构利用多重信用支持技术,降低了行业的信息不对称性以及风险性,但作为直接承贷主体的中小企业,其公司治理结构不健全、制度不完善、技术力量薄弱、资产规模小、人员更替频繁、生产经营不稳定、抗风险能力弱等问题仍然存在。在供应链背景下,中小企业的信用风险已发生根本改变,其不仅受自身风险因素的影响,而且还受供应链整体运营绩效、上下游企业合作状况、业务交易情况等各种因素的综合影响,任何一种因素都有可能导致企业出现信用风险,造成一定的偿还能力缺失,因此,如何提供一种基于大数据的供应链金融风险评估方法及***是本领域技术人员急需解决的技术问题。
发明内容
本发明的目的是提供一种基于大数据的供应链金融风险评估方法及***,本发明所提供的基于大数据的供应链金融风险评估方法及***评估结果具有准确性、高效性,基于评估结果,可以尽早提出预警,能有效减少风险,既可以对单条供应链金融风险进行评估,也可以提前得知企业上下游以及自身的风险状况。
本发明改进了现有技术中,传统供应链金融存在的金融风险,由于上下游企业的信用以及企业发展等因素,产生的账款无法偿还,进而影响自身企业的发展的问题,本发明通过基于大数据信息以及企业信息等,建立综合评估模型,进行信用评估,判定供应链上的企业是否具有偿还能力,从而避免因财务问题导致企业发展。
本发明改进了现有技术中,对于供应链金融风险评估方法中存在 无法准确判断企业是否具有偿还能力的问题,由于企业发展需要多方融资以及资金回垄等过程,导致暂时无法对账款进行偿还,却直接被列为无法偿还,进而导致无论是自身企业还是供应链上的企业都会造成一定的经济损失,本发明通过多维度数据,对企业进行综合评估,基于多种数据因素衡量企业是否具备有一定的偿还能力,进而既可以准确判断企业是否会偿还账款,也可以避免供应链上的各方企业产生损失。
为了实现上述目的,本发明提供了如下的技术方案:
一种基于大数据的供应链金融风险评估方法,应用于大数据平台,包括:
步骤S1:基于大数据信息,获取目标企业的多维度数据,并基于所述多维度数据构建基础数据库;
步骤S2:对所述基础数据库中的所述多维度数据附加风险标签;
步骤S3:基于预设综合评估模型和附加风险标签的所述多维度数据对金融风险进行评估;
其中,所述多维度数据包括:企业属性数据信息、信用属性数据信息、交易特征数据信息和社交属性数据信息。
在本申请的一些实施例中,所述预设综合评估模型通过以下方法获得,包括:
步骤a:基于大数据信息,获取企业的市场数据信息以及企业外部数据信息;
步骤b:将所述市场数据信息和所述企业外部数据信息转化为标准结构化数据源信息;
步骤c:基于所述数据源信息提取金融风险特征,并将所述金融风险特征录入历史数据库中;
步骤d:基于所述历史数据库中的历史数据信息形成外部评分维度结构模型;
步骤e:获取企业内部数据信息,并将所述企业内部数据信息转化为量化模型,基于所述量化模型形成内部评分维度结构模型;
步骤f:基于所述外部评分维度结构模型和所述内部评分维度结构模型形成所述预设综合评估模型。
在本申请的一些实施例中,在所述步骤S2中,对所述基础数据库中的所述多维度数据附加风险标签,
当所述目标企业的所述多维度数据中的所述企业属性数据信息存在异常时,对所述基础数据库中的所述多维度数据不附加风险标签,并直接将所述目标企业滤除;
当所述目标企业的所述多维度数据中的所述企业属性数据信息不存在异常时,对所述基础数据库中的所述多维度数据附加风险标签。
在本申请的一些实施例中,在所述步骤S3中,基于预设综合评估模型对金融风险进行评估,包括:
基于所述预设综合评估模型对所述目标企业是否具有偿还能力进行金融风险评估,并得到风险评估等级,所述风险评估等级由高到低划分为:一级风险等级、二级风险等级和三级风险等级,其中,所述一级风险等级为高危风险,所述二级风险等级为中危风险,所述三级风险等级为低危风险;
当所述风险评估等级为三级风险等级时,判定所述目标企业具有偿还能力;
当所述风险评估等级为二级风险等级时,判定所述目标企业的所述交易特征数据信息是否存在异常,当所述目标企业的所述交易特征数据信息存在异常时,依据所述社交属性数据信息,判断所述目标企业是否具有偿还能力,当所述目标企业的所述社交属性数据信息中的合作企业不存在异常时,判定所述目标企业具有偿还能力,当所述目标企业的所述社交属性数据信息中的合作企业存在异常时,判定所述目标企业不具有偿还能力;
当所述风险评估等级为三级风险等级时,判定所述目标企业的所述信用属性数据信息是否存在异常,当所述目标企业的所述信用属性数据信息存在异常时,依据所述企业属性数据信息,判断所述目标企业是否具有偿还能力,当所述目标企业的所述企业属性数据信息中的融资轮数大于第一预设数值时,判定所述目标企业具有偿还能力,当所述目标企业的所述企业属性数据信息中的融资轮数小于等于第一预设数值时,判定所述目标企业不具有偿还能力。
在本申请的一些实施例中,所述市场数据信息包括:产品行情数据信息、国情舆论信息和相关法律信息;
所述企业外部数据信息包括:企业声誉信息和企业经营信息;
所述企业内部数据信息包括:企业财务信息和企业核心人员信息。
为了实现上述目的,本发明还相应地提供了一种基于大数据的供应链金融风险评估***,应用于大数据平台,包括:
数据获取模块,所述数据获取模块用于基于大数据信息,获取目标企业的多维度数据,并基于所述多维度数据构建基础数据库;
数据处理模块,所述数据处理模块用于对所述基础数据库中的所述多维度数据附加风险标签;
风险评估模块,所述风险评估模块用于基于预设综合评估模型和附加风险标签的所述多维度数据对金融风险进行评估;
其中,所述多维度数据包括:企业属性数据信息、信用属性数据信息、交易特征数据信息和社交属性数据信息。
在本申请的一些实施例中,所述预设综合评估模型用于基于大数据信息获取企业的市场数据信息以及企业外部数据信息,将所述市场数据信息和所述企业外部数据信息转化为标准结构化数据源信息,基于所述数据源信息提取金融风险特征,并将所述金融风险特征录入历史数据库中,基于所述历史数据库中的历史数据信息形成外部评分维度结构模型;
所述预设综合评估模型还用于获取企业内部数据信息,并将所述企业内部数据信息转化为量化模型,基于所述量化模型形成内部评分维度结构模型,基于所述外部评分维度结构模型和所述内部评分维度结构模型对金融风险进行评估。
在本申请的一些实施例中,所述数据处理模块还用于当所述目标企业的所述多维度数据中的所述企业属性数据信息存在异常时,对所述基础数据库中的所述多维度数据不附加风险标签,并直接将所述目标企业滤除;
所述数据处理模块还用于当所述目标企业的所述多维度数据中的所述企业属性数据信息不存在异常时,对所述基础数据库中的所述多维度数据附加风险标签。
在本申请的一些实施例中,所述风险评估模块还用于基于所述预设综合评估模型对所述目标企业是否具有偿还能力进行金融风险评估,并得到风险评估等级,所述风险评估等级由高到低划分为:一级风险等级、二级风险等级和三级风险等级,其中,所述一级风险等级为高危风险,所述二级风险等级为中危风险,所述三级风险等级为低危风险;
当所述风险评估等级为三级风险等级时,判定所述目标企业具有偿还能力;
当所述风险评估等级为二级风险等级时,判定所述目标企业的所述交易特征数据信息是否存在异常,当所述目标企业的所述交易特征数据信息存在异常时,依据所述社交属性数据信息,判断所述目标企业是否具有偿还能力,当所述目标企业的所述社交属性数据信息中的合作企业不存在异常时,判定所述目标企业具有偿还能力,当所述目标企业的所述社交属性数据信息中的合作企业存在异常时,判定所述目标企业不具有偿还能力;
当所述风险评估等级为三级风险等级时,判定所述目标企业的所述信用属性数据信息是否存在异常,当所述目标企业的所述信用属性数据信息存在异常时,依据所述企业属性数据信息,判断所述目标企业是否具有偿还能力,当所述目标企业的所述企业属性数据信息中的融资轮数大于第一预设数值时,判定所述目标企业具有偿还能力,当所述目标企业的所述企业属性数据信息中的融资轮数小于等于第一预设数值时,判定所述目标企业不具有偿还能力。
在本申请的一些实施例中,所述市场数据信息包括:产品行情数据信息、国情舆论信息和相关法律信息;
所述企业外部数据信息包括:企业声誉信息和企业经营信息;
所述企业内部数据信息包括:企业财务信息和企业核心人员信息。
本发明提供的一种基于大数据的供应链金融风险评估方法及***,与现有技术相比,其有益效果在于:
本发明通过引入大数据信息,基于大数据获取目标企业的多维度数据,并基于多维度数据构建基础数据库,从多个维度对企业信息进行综合收集,通过对基础数据库中的多维度数据附加风险标签,并基于预设综合评估模型和附加风险标签的多维度数据对金融风险进行评估,可以有效的提高信用评估结果,基于评估结果对风险及时提前准备,防止造成经济损失。此外,综合评估模型是基于大数据所建立的,基于大数据信息的持续更新,综合评估模型也可以不断地完成更新,可以实时提高评估结果的准确性,适用于企业长期发展的需求。
附图说明
图1是本发明的基于大数据的供应链金融风险评估方法的流程图;
图2是本发明的基于大数据的供应链金融风险评估***的功能框图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
在本申请的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内侧的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
现有技术中,现阶段供应链金融机构利用多重信用支持技术,降低了行业的信息不对称性以及风险性,但作为直接承贷主体的中小企业,其公司治理结构不健全、制度不完善、技术力量薄弱、资产规模小、人员更替频繁、生产经营不稳定、抗风险能力弱等问题仍然存在。在供应链背景下,中小企业的信用风险已发生根本改变,其不仅受自身风险因素的影响,而且还受供应链整体运营绩效、上下游企业合作状况、业务交易情况等各种因素的综合影响,任何一种因素都有可能导致企业出现信用风险,造成一定的偿还能力缺失。
因此,本发明提供了一种基于大数据的供应链金融风险评估方法及***,本发明所提供的基于大数据的供应链金融风险评估方法及***评估结果具有准确性、高效性,基于评估结果,可以尽早提出预警,能有效减少风险,既可以对单条供应链金融风险进行评估,也可以提前得知企业上下游以及自身的风险状况。
参阅图1所示,本发明公开实施例提供了一种基于大数据的供应链金融风险评估方法,应用于大数据平台,包括:
步骤S1:基于大数据信息,获取目标企业的多维度数据,并基于多维度数据构建基础数据库;
步骤S2:对基础数据库中的多维度数据附加风险标签;
步骤S3:基于预设综合评估模型和附加风险标签的多维度数据对金融风险进行评估;
其中,多维度数据包括:企业属性数据信息、信用属性数据信息、交易特征数据信息和社交属性数据信息。
在本申请的一种具体实施例中,企业属性数据信息包括:公司的注册总额以及融资轮数;信用属性数据信息包括:收入潜力,偿还能力,资产状况;交易特征数据信息包括:上下游企业的交易流水,交易频次;社交属性数据信息包括:合作企业经营是否存在异常。
在本申请的一种具体实施例中,预设综合评估模型通过以下方法获得,包括:
步骤a:基于大数据信息,获取企业的市场数据信息以及企业外部数据信息;
步骤b:将市场数据信息和企业外部数据信息转化为标准结构化数据源信息;
步骤c:基于数据源信息提取金融风险特征,并将金融风险特征录入历史数据库中;
步骤d:基于历史数据库中的历史数据信息形成外部评分维度结构模型;
步骤e:获取企业内部数据信息,并将企业内部数据信息转化为量化模型,基于量化模型形成内部评分维度结构模型;
步骤f:基于外部评分维度结构模型和内部评分维度结构模型形成预设综合评估模型。
其有益效果在于:基于获取到的海量非结构化数据处理、大数据分析、大数据计算等,通过分析行业各方面数据信息的特点,建立行业数据模型,以提高最终风险评估结果的准确性。
在本申请的一种具体实施例中,在步骤S2中,对基础数据库中的多维度数据附加风险标签,
当目标企业的多维度数据中的企业属性数据信息存在异常时,对基础数据库中的多维度数据不附加风险标签,并直接将目标企业滤除;
当目标企业的多维度数据中的企业属性数据信息不存在异常时,对基础数据库中的多维度数据附加风险标签。
其有效效果在于:企业属性数据信息包括公司的注册总额以及融资轮数,当企业属性数据出现异常时,可以直接表明企业存在经营异常的现象,通过直接将目标企业滤除避免后续过程中对经营异常的企业再次进行评估,进而提高了本申请的高效性。
在本申请的一种具体实施例中,在步骤S3中,基于预设综合评估模型对金融风险进行评估,包括:
基于预设综合评估模型对目标企业是否具有偿还能力进行金融风险评估,并得到风险评估等级,风险评估等级由高到低划分为:一级风险等级、二级风险等级和三级风险等级,其中,一级风险等级为高危风险,二级风险等级为中危风险,三级风险等级为低危风险;
当风险评估等级为三级风险等级时,判定目标企业具有偿还能力;
当风险评估等级为二级风险等级时,判定目标企业的交易特征数据信息是否存在异常,当目标企业的交易特征数据信息存在异常时,依据社交属性数据信息,判断目标企业是否具有偿还能力,当目标企业的社交属性数据信息中的合作企业不存在异常时,判定目标企业具有偿还能力,当目标企业的社交属性数据信息中的合作企业存在异常时,判定目标企业不具有偿还能力;
当风险评估等级为三级风险等级时,判定目标企业的信用属性数据信息是否存在异常,当目标企业的信用属性数据信息存在异常时,依据企业属性数据信息,判断目标企业是否具有偿还能力,当目标企业的企业属性数据信息中的融资轮数大于第一预设数值时,判定目标企业具有偿还能力,当目标企业的企业属性数据信息中的融资轮数小于等于第一预设数值时,判定目标企业不具有偿还能力。
在本申请的一种具体实施例中,市场数据信息包括:产品行情数据信息、国情舆论信息和相关法律信息;
企业外部数据信息包括:企业声誉信息和企业经营信息;
企业内部数据信息包括:企业财务信息和企业核心人员信息。
基于相同的技术构思,参阅图2所示,本发明公开实施例还相应地提供了一种基于大数据的供应链金融风险评估***,应用于大数据平台,包括:
数据获取模块,数据获取模块用于基于大数据信息,获取目标企业的多维度数据,并基于多维度数据构建基础数据库;
数据处理模块,数据处理模块用于对基础数据库中的多维度数据附加风险标签;
风险评估模块,风险评估模块用于基于预设综合评估模型和附加风险标签的多维度数据对金融风险进行评估;
其中,多维度数据包括:企业属性数据信息、信用属性数据信息、交易特征数据信息和社交属性数据信息。
在本申请的一种具体实施例中,预设综合评估模型用于基于大数据信息获取企业的市场数据信息以及企业外部数据信息,将市场数据信息和企业外部数据信息转化为标准结构化数据源信息,基于数据源信息提取金融风险特征,并将金融风险特征录入历史数据库中,基于历史数据库中的历史数据信息形成外部评分维度结构模型;
预设综合评估模型还用于获取企业内部数据信息,并将企业内部数据信息转化为量化模型,基于量化模型形成内部评分维度结构模型,基于外部评分维度结构模型和内部评分维度结构模型对金融风险进行评估。
其有益效果在于:基于获取到的海量非结构化数据处理、大数据分析、大数据计算等,通过分析行业各方面数据信息的特点,建立行业数据模型,以提高最终风险评估结果的准确性。
在本申请的一种具体实施例中,数据处理模块还用于当目标企业的多维度数据中的企业属性数据信息存在异常时,对基础数据库中的多维度数据不附加风险标签,并直接将目标企业滤除;
数据处理模块还用于当目标企业的多维度数据中的企业属性数据信息不存在异常时,对基础数据库中的多维度数据附加风险标签。
其有效效果在于:企业属性数据信息包括公司的注册总额以及融资轮数,当企业属性数据出现异常时,可以直接表明企业存在经营异常的现象,通过直接将目标企业滤除避免后续过程中对经营异常的企业再次进行评估,进而提高了本申请的高效性。
在本申请的一种具体实施例中,风险评估模块还用于基于预设综合评估模型对目标企业是否具有偿还能力进行金融风险评估,并得到风险评估等级,风险评估等级由高到低划分为:一级风险等级、二级风险等级和三级风险等级,其中,一级风险等级为高危风险,二级风险等级为中危风险,三级风险等级为低危风险;
当风险评估等级为三级风险等级时,判定目标企业具有偿还能力;
当风险评估等级为二级风险等级时,判定目标企业的交易特征数据信息是否存在异常,当目标企业的交易特征数据信息存在异常时,依据社交属性数据信息,判断目标企业是否具有偿还能力,当目标企业的社交属性数据信息中的合作企业不存在异常时,判定目标企业具有偿还能力,当目标企业的社交属性数据信息中的合作企业存在异常时,判定目标企业不具有偿还能力;
当风险评估等级为三级风险等级时,判定目标企业的信用属性数据信息是否存在异常,当目标企业的信用属性数据信息存在异常时,依据企业属性数据信息,判断目标企业是否具有偿还能力,当目标企业的企业属性数据信息中的融资轮数大于第一预设数值时,判定目标企业具有偿还能力,当目标企业的企业属性数据信息中的融资轮数小于等于第一预设数值时,判定目标企业不具有偿还能力。
在本申请的一种具体实施例中,市场数据信息包括:产品行情数据信息、国情舆论信息和相关法律信息;
企业外部数据信息包括:企业声誉信息和企业经营信息;
企业内部数据信息包括:企业财务信息和企业核心人员信息。
根据本发明的第一构思,本发明通过基于大数据信息以及企业信息等,建立综合评估模型,进行信用评估,判定供应链上的企业是否具有偿还能力,从而避免因财务问题导致企业发展。
根据本发明的第二构思,本发明通过多维度数据,对企业进行综合评估,基于多种数据因素衡量企业是否具备有一定的偿还能力,进而既可以准确判断企业是否会偿还账款,也可以避免供应链上的各方企业产生损失。
综上所述,本发明提出基于大数据对企业风险进行评估,结合了数据信息以及计算机算法,随着企业发展,获取到的大数据信息也不断在增多,本发明的综合评估模型通过运行算法,每次都要获取基于大数据的多维度信息,可以使得模型本身不断完成自我更新迭代。本发明通过引入大数据信息,基于大数据获取目标企业的多维度数据,并基于多维度数据构建基础数据库,从多个维度对企业信息进行综合收集,通过对基础数据库中的多维度数据附加风险标签,并基于预设综合评估模型和附加风险标签的多维度数据对金融风险进行评估,可以有效的提高信用评估结果,基于评估结果对风险及时提前准备,防止造成经济损失。
以上所述仅为本发明的一个实施例子,但不能以此限制本发明的范围,凡依据本发明所做的结构上的变化,只要不失本发明的要义所在,都应视为落入本发明保护范围之内受到制约。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,上述实施例提供的***,仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块来完成,即将本发明实施例中的模块或者步骤再分解或者组合,例如,上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称,仅仅是为了区分各个模块或者步骤,不视为对本发明的不当限定。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的模块、方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (10)
1.一种基于大数据的供应链金融风险评估方法,应用于大数据平台,其特征在于,包括:
步骤S1:基于大数据信息,获取目标企业的多维度数据,并基于所述多维度数据构建基础数据库;
步骤S2:对所述基础数据库中的所述多维度数据附加风险标签;
步骤S3:基于预设综合评估模型和附加风险标签的所述多维度数据对金融风险进行评估;
其中,所述多维度数据包括:企业属性数据信息、信用属性数据信息、交易特征数据信息和社交属性数据信息。
2.根据权利要求1所述的一种基于大数据的供应链金融风险评估方法,其特征在于,所述预设综合评估模型通过以下方法获得,包括:
步骤a:基于大数据信息,获取企业的市场数据信息以及企业外部数据信息;
步骤b:将所述市场数据信息和所述企业外部数据信息转化为标准结构化数据源信息;
步骤c:基于所述数据源信息提取金融风险特征,并将所述金融风险特征录入历史数据库中;
步骤d:基于所述历史数据库中的历史数据信息形成外部评分维度结构模型;
步骤e:获取企业内部数据信息,并将所述企业内部数据信息转化为量化模型,基于所述量化模型形成内部评分维度结构模型;
步骤f:基于所述外部评分维度结构模型和所述内部评分维度结构模型形成所述预设综合评估模型。
3.根据权利要求1所述的一种基于大数据的供应链金融风险评估方法,在所述步骤S2中,对所述基础数据库中的所述多维度数据附加风险标签,其特征在于,
当所述目标企业的所述多维度数据中的所述企业属性数据信息存在异常时,对所述基础数据库中的所述多维度数据不附加风险标签,并直接将所述目标企业滤除;
当所述目标企业的所述多维度数据中的所述企业属性数据信息不存在异常时,对所述基础数据库中的所述多维度数据附加风险标签。
4.根据权利要求1所述的一种基于大数据的供应链金融风险评估方法,在所述步骤S3中,基于预设综合评估模型对金融风险进行评估,其特征在于,包括:
基于所述预设综合评估模型对所述目标企业是否具有偿还能力进行金融风险评估,并得到风险评估等级,所述风险评估等级由高到低划分为:一级风险等级、二级风险等级和三级风险等级,其中,所述一级风险等级为高危风险,所述二级风险等级为中危风险,所述三级风险等级为低危风险;
当所述风险评估等级为三级风险等级时,判定所述目标企业具有偿还能力;
当所述风险评估等级为二级风险等级时,判定所述目标企业的所述交易特征数据信息是否存在异常,当所述目标企业的所述交易特征数据信息存在异常时,依据所述社交属性数据信息,判断所述目标企业是否具有偿还能力,当所述目标企业的所述社交属性数据信息中的合作企业不存在异常时,判定所述目标企业具有偿还能力,当所述目标企业的所述社交属性数据信息中的合作企业存在异常时,判定所述目标企业不具有偿还能力;
当所述风险评估等级为三级风险等级时,判定所述目标企业的所述信用属性数据信息是否存在异常,当所述目标企业的所述信用属性数据信息存在异常时,依据所述企业属性数据信息,判断所述目标企业是否具有偿还能力,当所述目标企业的所述企业属性数据信息中的融资轮数大于第一预设数值时,判定所述目标企业具有偿还能力,当所述目标企业的所述企业属性数据信息中的融资轮数小于等于第一预设数值时,判定所述目标企业不具有偿还能力。
5.根据权利要求2所述的一种基于大数据的供应链金融风险评估方法,其特征在于,
所述市场数据信息包括:产品行情数据信息、国情舆论信息和相关法律信息;
所述企业外部数据信息包括:企业声誉信息和企业经营信息;
所述企业内部数据信息包括:企业财务信息和企业核心人员信息。
6.一种基于大数据的供应链金融风险评估***,应用于大数据平台,其特征在于,包括:
数据获取模块,所述数据获取模块用于基于大数据信息,获取目标企业的多维度数据,并基于所述多维度数据构建基础数据库;
数据处理模块,所述数据处理模块用于对所述基础数据库中的所述多维度数据附加风险标签;
风险评估模块,所述风险评估模块用于基于预设综合评估模型和附加风险标签的所述多维度数据对金融风险进行评估;
其中,所述多维度数据包括:企业属性数据信息、信用属性数据信息、交易特征数据信息和社交属性数据信息。
7.根据权利要求6所述的一种基于大数据的供应链金融风险评估***,其特征在于,
所述预设综合评估模型用于基于大数据信息获取企业的市场数据信息以及企业外部数据信息,将所述市场数据信息和所述企业外部数据信息转化为标准结构化数据源信息,基于所述数据源信息提取金融风险特征,并将所述金融风险特征录入历史数据库中,基于所述历史数据库中的历史数据信息形成外部评分维度结构模型;
所述预设综合评估模型还用于获取企业内部数据信息,并将所述企业内部数据信息转化为量化模型,基于所述量化模型形成内部评分维度结构模型,基于所述外部评分维度结构模型和所述内部评分维度结构模型对金融风险进行评估。
8.根据权利要求6所述的一种基于大数据的供应链金融风险评估***,其特征在于,
所述数据处理模块还用于当所述目标企业的所述多维度数据中的所述企业属性数据信息存在异常时,对所述基础数据库中的所述多维度数据不附加风险标签,并直接将所述目标企业滤除;
所述数据处理模块还用于当所述目标企业的所述多维度数据中的所述企业属性数据信息不存在异常时,对所述基础数据库中的所述多维度数据附加风险标签。
9.根据权利要求6所述的一种基于大数据的供应链金融风险评估***,其特征在于,
所述风险评估模块还用于基于所述预设综合评估模型对所述目标企业是否具有偿还能力进行金融风险评估,并得到风险评估等级,所述风险评估等级由高到低划分为:一级风险等级、二级风险等级和三级风险等级,其中,所述一级风险等级为高危风险,所述二级风险等级为中危风险,所述三级风险等级为低危风险;
当所述风险评估等级为三级风险等级时,判定所述目标企业具有偿还能力;
当所述风险评估等级为二级风险等级时,判定所述目标企业的所述交易特征数据信息是否存在异常,当所述目标企业的所述交易特征数据信息存在异常时,依据所述社交属性数据信息,判断所述目标企业是否具有偿还能力,当所述目标企业的所述社交属性数据信息中的合作企业不存在异常时,判定所述目标企业具有偿还能力,当所述目标企业的所述社交属性数据信息中的合作企业存在异常时,判定所述目标企业不具有偿还能力;
当所述风险评估等级为三级风险等级时,判定所述目标企业的所述信用属性数据信息是否存在异常,当所述目标企业的所述信用属性数据信息存在异常时,依据所述企业属性数据信息,判断所述目标企业是否具有偿还能力,当所述目标企业的所述企业属性数据信息中的融资轮数大于第一预设数值时,判定所述目标企业具有偿还能力,当所述目标企业的所述企业属性数据信息中的融资轮数小于等于第一预设数值时,判定所述目标企业不具有偿还能力。
10.根据权利要求7所述的一种基于大数据的供应链金融风险评估***,其特征在于,
所述市场数据信息包括:产品行情数据信息、国情舆论信息和相关法律信息;
所述企业外部数据信息包括:企业声誉信息和企业经营信息;
所述企业内部数据信息包括:企业财务信息和企业核心人员信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210777470.3A CN114841790A (zh) | 2022-07-04 | 2022-07-04 | 一种基于大数据的供应链金融风险评估方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210777470.3A CN114841790A (zh) | 2022-07-04 | 2022-07-04 | 一种基于大数据的供应链金融风险评估方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114841790A true CN114841790A (zh) | 2022-08-02 |
Family
ID=82574147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210777470.3A Pending CN114841790A (zh) | 2022-07-04 | 2022-07-04 | 一种基于大数据的供应链金融风险评估方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114841790A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375352A (zh) * | 2022-08-09 | 2022-11-22 | 木链网财务服务有限公司 | 一种基于物联网的供应链财务数据监测服务管理*** |
CN116523659A (zh) * | 2023-03-13 | 2023-08-01 | 武汉凌禹信息科技有限公司 | 一种具备实时提醒的金融数据风险监控平台 |
-
2022
- 2022-07-04 CN CN202210777470.3A patent/CN114841790A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375352A (zh) * | 2022-08-09 | 2022-11-22 | 木链网财务服务有限公司 | 一种基于物联网的供应链财务数据监测服务管理*** |
CN115375352B (zh) * | 2022-08-09 | 2023-09-22 | 木链网财务服务有限公司 | 一种基于物联网的供应链财务数据监测服务管理*** |
CN116523659A (zh) * | 2023-03-13 | 2023-08-01 | 武汉凌禹信息科技有限公司 | 一种具备实时提醒的金融数据风险监控平台 |
CN116523659B (zh) * | 2023-03-13 | 2023-10-24 | 武汉凌禹信息科技有限公司 | 一种具备实时提醒的金融数据风险监控平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114841790A (zh) | 一种基于大数据的供应链金融风险评估方法及*** | |
KR100914307B1 (ko) | 신용 위험 모형 구축 시스템, 신용 위험 모형 구축을 통한 신용 위험 관리 방법 및 이를 기록한 기록매체 | |
CN107993143A (zh) | 一种信贷风险评估方法及*** | |
EP1361526A1 (en) | Electronic data processing system and method of using an electronic processing system for automatically determining a risk indicator value | |
CN104321794B (zh) | 一种使用多维评级来确定一实体的未来商业可行性的***和方法 | |
CN111476660A (zh) | 一种基于数据分析的智能风控***及方法 | |
CN110991441A (zh) | 基于图像识别的资产评估方法、装置以及计算机存储介质 | |
Teplická et al. | New approach of costs of quality according their trend of during long period in industrial enterprises in SMEs | |
CN113449964A (zh) | 一种企业金融风险监测预警***及监测预警方法 | |
CN112801529A (zh) | 财务数据分析方法及装置、电子设备及介质 | |
CN110675078A (zh) | 上市公司风险诊断方法、***、计算机终端及存储介质 | |
CN113962514A (zh) | 一种经营风险识别的方法 | |
CN113283806A (zh) | 企业信息评估方法、装置、计算机设备及存储介质 | |
CN112884291A (zh) | 一种企业供应链的分析方法、装置、计算机装置和存储介质 | |
KR100850785B1 (ko) | 지능형 상시 감사 시스템 및 감사 방법 | |
CN116843346A (zh) | 一种基于云平台的异常订单监控预警方法及*** | |
CN115481938A (zh) | 地区电商发展水平的评价方法及*** | |
CN112348220A (zh) | 一种基于企业行为模式的信用风险评估预测方法及*** | |
CN115689386A (zh) | 一种基于知识图谱和fp增长算法的企业运营监测方法 | |
AU2020101902A4 (en) | Framework for business intelligence adoption in banks for performance enhancement | |
CN113298575A (zh) | 一种商标价值批量评估的方法、***、设备及存储介质 | |
KR100738899B1 (ko) | 신용카드 결제 시스템을 이용한 창업 및 경영 지원 서비스제공 시스템 | |
CN111612602A (zh) | 上市公司疑似财务风险判别方法及装置 | |
CN117787816B (zh) | 用于工业企业的物料数据质量检测方法及*** | |
CN114913020A (zh) | 一种多维度分类标识的量化模型和选股方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220802 |
|
RJ01 | Rejection of invention patent application after publication |