CN115797047A - 智能化客户经营风险评估方法及*** - Google Patents
智能化客户经营风险评估方法及*** Download PDFInfo
- Publication number
- CN115797047A CN115797047A CN202211464554.8A CN202211464554A CN115797047A CN 115797047 A CN115797047 A CN 115797047A CN 202211464554 A CN202211464554 A CN 202211464554A CN 115797047 A CN115797047 A CN 115797047A
- Authority
- CN
- China
- Prior art keywords
- data
- risk
- evaluation
- information
- early warning
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 165
- 238000013210 evaluation model Methods 0.000 claims abstract description 18
- 230000000694 effects Effects 0.000 claims abstract description 17
- 238000012163 sequencing technique Methods 0.000 claims abstract description 9
- 239000010410 layer Substances 0.000 claims description 77
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 239000002346 layers by function Substances 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了智能化客户经营风险评估方法及***,涉及风险评估技术领域,所述方法包括:获取目标客户的多维度经营数据信息,对多维度经营数据信息进行可信度排序,获得经营数据可信度优先级;基于经营数据可信度优先级对多维度经营数据信息进行偏离度计算,获得特征经营数据信息;将特征经营数据信息和经营属性信息输入经营风险评估模型中,获得经营风险评估系数;当经营风险评估系数未达到预设经营风险阈值时,发出风险预警指令;基于风险预警指令,对所述目标客户进行经营风险预警管理。达到智能化高效评估客户经营风险,提高经营风险的评估准确性和评估效率,进而及时对客户经营风险进行及时预警的技术效果。
Description
技术领域
本发明涉及风险评估技术领域,尤其涉及智能化客户经营风险评估方法及***。
背景技术
随着经济业务的发展,为保证企业客户贷款及经营业务的通过,对客户经营风险及时识别预警至关重要。客户风险预警是指通过贷后检查发现贷款风险的早期预警信号,运用定量和定性分析相结合的方法,尽早识别风险的类型、程度、原因及其发展变化趋势。
然而,现有技术对客户经营风险的评估准确性不够,导致无法对经营风险进行及时预警的技术问题。
发明内容
本申请通过提供智能化客户经营风险评估方法及***,解决了现有技术对客户经营风险的评估准确性不够,导致无法对经营风险进行及时预警的技术问题,达到以目标客户为中心,全面采集客户多维度经营数据,智能化高效评估客户经营风险,提高经营风险的评估准确性和评估效率,进而及时对客户经营风险进行及时预警的技术效果。
鉴于上述问题,本发明提供了智能化客户经营风险评估方法及***。
第一方面,本申请提供了智能化客户经营风险评估方法,所述方法包括:获取目标客户的多维度经营数据信息,所述多维度经营数据信息包括税务数据、流水数据、财报数据、资产数据;对所述税务数据、流水数据、财报数据、资产数据进行可信度排序,获得经营数据可信度优先级;基于所述经营数据可信度优先级对所述多维度经营数据信息进行偏离度计算,获得特征经营数据信息;获得所述目标客户的经营属性信息;将所述特征经营数据信息和所述经营属性信息输入经营风险评估模型中,获得经营风险评估系数;当所述经营风险评估系数超出预设经营风险阈值时,发出风险预警指令;基于所述风险预警指令,对所述目标客户进行经营风险预警管理。
另一方面,本申请还提供了智能化客户经营风险评估***,所述***包括:经营数据获得模块,用于获取目标客户的多维度经营数据信息,所述多维度经营数据信息包括税务数据、流水数据、财报数据、资产数据;可信度排序模块,用于对所述税务数据、流水数据、财报数据、资产数据进行可信度排序,获得经营数据可信度优先级;偏离度计算模块,用于基于所述经营数据可信度优先级对所述多维度经营数据信息进行偏离度计算,获得特征经营数据信息;经营属性获得模块,用于获得所述目标客户的经营属性信息;模型评估模块,用于将所述特征经营数据信息和所述经营属性信息输入经营风险评估模型中,获得经营风险评估系数;预警指令发出模块,用于当所述经营风险评估系数超出预设经营风险阈值时,发出风险预警指令;风险预警管理模块,用于基于所述风险预警指令,对所述目标客户进行经营风险预警管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了首先获取目标客户的多维度经营数据信息,再对多维度经营数据信息中的税务数据、流水数据、财报数据、资产数据进行可信度排序,基于排序所得的经营数据可信度优先级对多维度经营数据信息进行偏离度计算,获得特征经营数据信息,将特征经营数据信息和经营属性信息输入经营风险评估模型中,输出经营风险评估系数,当经营风险评估系数未达到预设经营风险阈值时,发出风险预警指令,基于风险预警指令,对所述目标客户进行经营风险预警管理的技术方案。进而达到了以目标客户为中心,全面采集客户多维度经营数据,智能化高效评估客户经营风险,提高经营风险的评估准确性和评估效率,进而及时对客户经营风险进行及时预警的技术效果。
附图说明
图1为本申请智能化客户经营风险评估方法的流程示意图;
图2为本申请智能化客户经营风险评估方法中获得经营数据可信度优先级的流程示意图;
图3为本申请智能化客户经营风险评估方法中获得特征经营数据信息的流程示意图;
图4为本申请智能化客户经营风险评估***的结构示意图;
附图标记说明:经营数据获得模块11,可信度排序模块12,偏离度计算模块13,经营属性获得模块14,模型评估模块15,预警指令发出模块16,风险预警管理模块17。
具体实施方式
本申请通过提供了智能化客户经营风险评估方法***,解决了现有技术对客户经营风险的评估准确性不够,导致无法对经营风险进行及时预警的技术问题,达到了以目标客户为中心,全面采集客户多维度经营数据,智能化高效评估客户经营风险,提高经营风险的评估准确性和评估效率,进而及时对客户经营风险进行及时预警的技术效果。
实施例一
如图1所示,本申请提供了智能化客户经营风险评估方法,所述方法包括:
步骤S100:获取目标客户的多维度经营数据信息,所述多维度经营数据信息包括税务数据、流水数据、财报数据、资产数据;
具体而言,随着经济业务的发展,为保证企业客户贷款及经营业务的通过,对客户经营风险及时识别预警至关重要。客户风险预警是指通过贷后检查发现贷款风险的早期预警信号,运用定量和定性分析相结合的方法,尽早识别风险的类型、程度、原因及其发展变化趋势。
为智能化准确评估客户经营风险,以待评估的目标客户为中心,通过银行流水、税务***、企业会计报表、企业自行上传等方式全面采集目标客户的税务数据、流水数据、财报数据、以及资产数据等多维度经营相关数据,以全面准确获取企业相关经营情况,为后续经营风险评估提供准确经营数据基础。
步骤S200:对所述税务数据、流水数据、财报数据、资产数据进行可信度排序,获得经营数据可信度优先级;
如图2所示,进一步而言,所述获得经营数据可信度优先级,本申请步骤S200还包括:
步骤S210:获得可信度优先特征指标,所述可信度优先特征指标包括数据来源、数据应用性、数据提供方;
步骤S220:根据所述可信度优先特征指标,构建可信度优先坐标系,所述可信度优先坐标系为三维立体坐标系;
步骤S230:将所述税务数据、流水数据、财报数据、资产数据输入至所述可信度优先坐标系中进行评价,获得经营数据优先向量集合;
步骤S240:基于所述经营数据优先向量集合中各向量的模,获得经营数据优先度;
步骤S250:按照所述经营数据优先度进行排序,确定所述经营数据可信度优先级。
具体而言,对所述税务数据、流水数据、财报数据、资产数据进行可信度排序,即对各类型经营数据进行可信赖程度评定。首先获得可信度优先特征指标,所述可信度优先特征指标为对数据可信度评价指标,包括数据获取来源,例如银行、税务等;数据应用性,即数据的规范性、时效性、完整性;数据提供方,例如权威***提供、企业自行提供等。根据所述可信度优先特征指标,构建可信度优先坐标系,所述可信度优先坐标系为三维立体坐标系,用于评价数据可信度优先值,其坐标轴对应各可信度优先特征指标。
将所述税务数据、流水数据、财报数据、资产数据输入至所述可信度优先坐标系中进行评价,评价各类型数据的可信度优先特征,特征值越高,对应的该特征坐标值越高,以此获得各类型数据坐标对应的的经营数据优先向量集合。基于所述经营数据优先向量集合中各向量的模,作为经营数据优先度,优先度越高,其对应的可信度优先特征值越高,表明该类型数据可信度越高。按照所述经营数据优先度进行排序,确定所述经营数据可信度优先级,即按照优先度进行各类型数据的可信度排序,越靠前,数据可信度越高。通过构建可信度优先坐标系对经营数据可信度进行优先级排序,提高可信度排序准确性。
步骤S300:基于所述经营数据可信度优先级对所述多维度经营数据信息进行偏离度计算,获得特征经营数据信息;
如图3所示,进一步而言,所述获得特征经营数据信息,本申请步骤S300还包括:
步骤S310:基于所述经营数据可信度优先级,获得基础经营数据信息;
步骤S320:分别计算所述基础经营数据信息和所述多维度经营数据信息其余经营数据的偏离度,获得数据偏离度信息;
步骤S330:如果所述数据偏离度信息在容忍偏离度之外,舍弃所述其余经营数据;
步骤S340:如果所述数据偏离度信息在所述容忍偏离度之内,按照预设权重分配值对所述基础经营数据信息和所述其余经营数据进行加权计算,获得所述特征经营数据信息。
具体而言,基于所述经营数据可信度优先级对所述多维度经营数据信息进行偏离度计算,即数据可信度偏离值。首先基于所述经营数据可信度优先级,进行基础经营数据信息选取,示例性的,根据数据来源可信度定义优先级为税务数据、财报数据、资产数据、流水数据,则按照优先级以税务数据为基础经营数据计算偏离度。再分别计算所述基础经营数据信息和所述多维度经营数据信息其余经营数据的偏离度,示例性的,即分别计算税务数据和其余财报数据、资产数据、流水数据的偏离度,可通过数据对比获得数据偏离度信息,例如流水数据与税务数据偏离度为20%,财报数据与税务数据偏离度为150%。
如果所述数据偏离度信息在容忍偏离度之外,假定可容忍偏离度为30%,则舍弃所述其余经营数据,即舍弃财报数据。如果所述数据偏离度信息在所述容忍偏离度之内,则按照预设权重分配值对所述基础经营数据信息和所述其余经营数据进行加权计算,获得所述特征经营数据信息,所述特征经营数据信息为客户可信经营数据,其中所述预设权重分配值可自行设定。示例性的,流水数据:100万,税务数据:120万,所述预设权重分配按照4:6取,则最终所述特征经营数据信息为120*0.6+100*0.4=112万。达到以目标客户为中心,获取客户多维度经营数据,通过偏离度计算以获取反应客户经营风险特性的可信值的技术效果。
步骤S400:获得所述目标客户的经营属性信息;
具体而言,为更加全面准确对客户经营风险进行评估,通过目标客户获取其相关的经营属性信息,包括客户经营行业、经营产品、经营销售情况、行业相关政策、行业环境、行业市场情况、产品库存等与经营数据相关信息。
步骤S500:将所述特征经营数据信息和所述经营属性信息输入经营风险评估模型中,获得经营风险评估系数;
进一步而言,所述获得经营风险评估系数,本申请步骤S500还包括:
步骤S510:所述经营风险评估模型包括输入层、特征分析层、系数评估层和输出层;
步骤S520:将所述特征经营数据信息和所述经营属性信息通过所述输入层,输入至所述特征分析层中,获得经营风险特征信息;
步骤S530:基于所述系数评估层对所述经营风险特征信息进行评估,获得经营风险评估系数;
步骤S540:将所述经营风险评估系数作为模型输出结果,通过所述输出层进行输出。
进一步而言,所述基于所述系数评估层对所述经营风险特征信息进行评估,获得经营风险评估系数,本申请步骤S530还包括:
步骤S531:所述系数评估层为三维风险评估功能层,包括财务风险评估层、市场风险评估层和环境风险评估层;
步骤S532:将所述经营风险特征信息输入所述系数评估层中,基于所述财务风险评估层、市场风险评估层和环境风险评估层,分别获得财务风险评估系数、市场风险评估层系数环境风险评估系数;
步骤S533:基于所述财务风险评估系数、市场风险评估层系数环境风险评估系数,输出所述经营风险评估系数。
具体而言,将所述特征经营数据信息和所述经营属性信息输入经营风险评估模型中进行风险评估,所述经营风险评估模型为神经网络模型,包括输入层、特征分析层、系数评估层和输出层。将所述特征经营数据信息和所述经营属性信息通过所述输入层,输入至所述特征分析层中,所述特征分析层可通过历史数据训练获得,用于对企业经营风险特征进行分析,获得经营风险特征信息,所述经营风险特征信息包括经营风险类型以及经营风险程度等,经营风险类型一般包括市场风险、财务管理风险、法律政策风险等。
再基于所述系数评估层对所述经营风险特征信息进行评估,所述系数评估层为三维风险评估功能层,用于对企业经营风险等级进行评估,包括财务风险评估层、市场风险评估层和环境风险评估层,即经营经济调控及产业政策导向环境风险评估。将所述经营风险特征信息输入所述系数评估层中进行风险等级评估,即基于所述财务风险评估层、市场风险评估层和环境风险评估层,分别获得各层对应的财务风险评估系数、市场风险评估层系数环境风险评估系数,风险评估系数越大,表明该类型风险等级越大。
基于对所述财务风险评估系数、市场风险评估层系数环境风险评估系数进行平均值计算或加权计算,获得经营风险评估系数。所述经营风险评估系数表明该目标客户的经营风险等级,并将所述经营风险评估系数作为模型输出结果,通过所述输出层进行输出。通过经营风险评估模型对客户经营风险进行智能化高效评估,达到提高经营风险的评估准确性和评估效率的技术效果。
步骤S600:当所述经营风险评估系数超出预设经营风险阈值时,发出风险预警指令;
步骤S700:基于所述风险预警指令,对所述目标客户进行经营风险预警管理。
进一步而言,所述基于所述风险预警指令,对所述目标客户进行经营风险预警管理,本申请步骤S700还包括:
步骤S710:根据所述经营风险特征信息,获得经营风险类型信息;
步骤S720:将所述经营风险评估系数和所述预设经营风险阈值的差值,作为经营风险预警等级;
步骤S730:根据所述经营风险类型信息和所述经营风险预警等级,生成风险预警管控方案;
步骤S740:基于所述风险预警管控方案,对所述目标客户进行经营风险预警管控。
具体而言,所述预设经营风险阈值为客户安全经营风险范围标准,当所述经营风险评估系数超出预设经营风险阈值时,表明该客户经营风险过高,超出经营安全标准,发出风险预警指令。基于所述风险预警指令,对所述目标客户进行经营风险预警管理,首先根据所述经营风险特征信息,获取该客户的经营风险类型信息,再将所述经营风险评估系数和所述预设经营风险阈值的差值,作为经营风险预警等级,预警等级越高,表明该客户的经营的风险越高。
根据所述经营风险类型信息和所述经营风险预警等级,生成风险预警管控方案,所述风险预警管控方案包括对客户预警等级、限制客户部分业务通过以及加强客户经营业务监测强度等管控措施。基于所述风险预警管控方案,对所述目标客户进行经营风险预警管控,保证对客户经营风险预警的及时性和管控措施有效性。
进一步而言,本申请步骤还包括:
步骤S810:对所述经营风险评估模型进行评估效果验证,获得模型评估准确度;
步骤S820:如果所述模型评估准确度未达到预设评估准确度,基于所述模型评估准确度和所述预设评估准确度的差值,获得模型评估偏差度;
步骤S830:基于模型优化算法和所述模型评估偏差度,对所述经营风险评估模型进行迭代更新,获得经营风险优化评估模型。
具体而言,对所述经营风险评估模型进行评估效果验证,通过采集历史数据或大数据采集进行模型评估效果评价,将输出结果与实际风险等级进行比对,获得模型评估准确度,模型评估准确度越大,表明模型分析输出准确性越高。如果所述模型评估准确度未达到预设评估准确度,所述预设评估准确度可自行设定,表明模型评估准确度不达标,需要进行模型优化。
将所述模型评估准确度和所述预设评估准确度的差值,作为模型评估偏差度,评估偏差度越高,表明模型评估准确性越低。基于模型优化算法和所述模型评估偏差度,对所述经营风险评估模型进行迭代更新,常用模型优化算法包括模拟退火算法、梯度下降算法、粒子群算法等,通过模型优化算法对模型进行迭代优化,获得评估准确度达标的经营风险优化评估模型。达到了通过对经营风险评估模型进行优化更新,提高模型的输出灵敏度、准确性,保证模型评估准确率,从而提高经营风险的评估结果准确性的技术效果。
综上所述,本申请所提供的智能化客户经营风险评估方法及***具有如下技术效果:
由于采用了首先获取目标客户的多维度经营数据信息,再对多维度经营数据信息中的税务数据、流水数据、财报数据、资产数据进行可信度排序,基于排序所得的经营数据可信度优先级对多维度经营数据信息进行偏离度计算,获得特征经营数据信息,将特征经营数据信息和经营属性信息输入经营风险评估模型中,输出经营风险评估系数,当经营风险评估系数未达到预设经营风险阈值时,发出风险预警指令,基于风险预警指令,对所述目标客户进行经营风险预警管理的技术方案。进而达到了以目标客户为中心,全面采集客户多维度经营数据,智能化高效评估客户经营风险,提高经营风险的评估准确性和评估效率,进而及时对客户经营风险进行及时预警的技术效果。
实施例二
基于与前述实施例中智能化客户经营风险评估方法同样发明构思,本发明还提供了智能化客户经营风险评估***,如图4所示,所述***包括:
经营数据获得模块11,用于获取目标客户的多维度经营数据信息,所述多维度经营数据信息包括税务数据、流水数据、财报数据、资产数据;
可信度排序模块12,用于对所述税务数据、流水数据、财报数据、资产数据进行可信度排序,获得经营数据可信度优先级;
偏离度计算模块13,用于基于所述经营数据可信度优先级对所述多维度经营数据信息进行偏离度计算,获得特征经营数据信息;
经营属性获得模块14,用于获得所述目标客户的经营属性信息;
模型评估模块15,用于将所述特征经营数据信息和所述经营属性信息输入经营风险评估模型中,获得经营风险评估系数;
预警指令发出模块16,用于当所述经营风险评估系数超出预设经营风险阈值时,发出风险预警指令;
风险预警管理模块17,用于基于所述风险预警指令,对所述目标客户进行经营风险预警管理。
进一步的,所述可信度排序模块还包括:
优先特征指标获得单元,用于获得可信度优先特征指标,所述可信度优先特征指标包括数据来源、数据应用性、数据提供方;
优先坐标系构建单元,用于根据所述可信度优先特征指标,构建可信度优先坐标系,所述可信度优先坐标系为三维立体坐标系;
坐标系评价单元,用于将所述税务数据、流水数据、财报数据、资产数据输入至所述可信度优先坐标系中进行评价,获得经营数据优先向量集合;
优先度获得单元,用于基于所述经营数据优先向量集合中各向量的模,获得经营数据优先度;
优先度排序单元,用于按照所述经营数据优先度进行排序,确定所述经营数据可信度优先级。
进一步的,所述偏离度计算模块还包括:
基础经营数据获得单元,用于基于所述经营数据可信度优先级,获得基础经营数据信息;
偏离度获得单元,用于分别计算所述基础经营数据信息和所述多维度经营数据信息其余经营数据的偏离度,获得数据偏离度信息;
数据舍弃单元,用于如果所述数据偏离度信息在容忍偏离度之外,舍弃所述其余经营数据;
特征经营数据获得单元,用于如果所述数据偏离度信息在所述容忍偏离度之内,按照预设权重分配值对所述基础经营数据信息和所述其余经营数据进行加权计算,获得所述特征经营数据信息。
进一步的,所述模型评估模块还包括:
模型构成单元,用于所述经营风险评估模型包括输入层、特征分析层、系数评估层和输出层;
特征分析单元,用于将所述特征经营数据信息和所述经营属性信息通过所述输入层,输入至所述特征分析层中,获得经营风险特征信息;
系数评估单元,用于基于所述系数评估层对所述经营风险特征信息进行评估,获得经营风险评估系数;
模型输出单元,用于将所述经营风险评估系数作为模型输出结果,通过所述输出层进行输出。
进一步的,所述系数评估单元还包括:
功能层构成单元,用于所述系数评估层为三维风险评估功能层,包括财务风险评估层、市场风险评估层和环境风险评估层;
信息输入单元,用于将所述经营风险特征信息输入所述系数评估层中,基于所述财务风险评估层、市场风险评估层和环境风险评估层,分别获得财务风险评估系数、市场风险评估层系数环境风险评估系数;
风险评估系数获得单元,用于基于所述财务风险评估系数、市场风险评估层系数环境风险评估系数,输出所述经营风险评估系数。
进一步的,所述风险预警管理模块还包括:
经营风险类型获得单元,用于根据所述经营风险特征信息,获得经营风险类型信息;
预警等级获得单元,用于将所述经营风险评估系数和所述预设经营风险阈值的差值,作为经营风险预警等级;
预警管控方案生成单元,用于根据所述经营风险类型信息和所述经营风险预警等级,生成风险预警管控方案;
风险预警管控单元,用于基于所述风险预警管控方案,对所述目标客户进行经营风险预警管控。
进一步的,所述***还包括:
模型效果验证单元,用于对所述经营风险评估模型进行评估效果验证,获得模型评估准确度;
评估偏差度获得单元,用于如果所述模型评估准确度未达到预设评估准确度,基于所述模型评估准确度和所述预设评估准确度的差值,获得模型评估偏差度;
模型更新单元,用于基于模型优化算法和所述模型评估偏差度,对所述经营风险评估模型进行迭代更新,获得经营风险优化评估模型。
本申请提供了智能化客户经营风险评估方法,所述方法包括:获取目标客户的多维度经营数据信息,所述多维度经营数据信息包括税务数据、流水数据、财报数据、资产数据;对所述税务数据、流水数据、财报数据、资产数据进行可信度排序,获得经营数据可信度优先级;基于所述经营数据可信度优先级对所述多维度经营数据信息进行偏离度计算,获得特征经营数据信息;获得所述目标客户的经营属性信息;将所述特征经营数据信息和所述经营属性信息输入经营风险评估模型中,获得经营风险评估系数;当所述经营风险评估系数超出预设经营风险阈值时,发出风险预警指令;基于所述风险预警指令,对所述目标客户进行经营风险预警管理。解决了现有技术对客户经营风险的评估准确性不够,导致无法对经营风险进行及时预警的技术问题。达到以目标客户为中心,全面采集客户多维度经营数据,智能化高效评估客户经营风险,提高经营风险的评估准确性和评估效率,进而及时对客户经营风险进行及时预警的技术效果。
本说明书和附图仅仅是本申请的示例性说明,如果本发明的修改和变型属于本发明及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.智能化客户经营风险评估方法,其特征在于,所述方法包括:
获取目标客户的多维度经营数据信息,所述多维度经营数据信息包括税务数据、流水数据、财报数据、资产数据;
对所述税务数据、流水数据、财报数据、资产数据进行可信度排序,获得经营数据可信度优先级;
基于所述经营数据可信度优先级对所述多维度经营数据信息进行偏离度计算,获得特征经营数据信息;
获得所述目标客户的经营属性信息;
将所述特征经营数据信息和所述经营属性信息输入经营风险评估模型中,获得经营风险评估系数;
当所述经营风险评估系数超出预设经营风险阈值时,发出风险预警指令;
基于所述风险预警指令,对所述目标客户进行经营风险预警管理。
2.如权利要求1所述的方法,其特征在于,所述获得经营数据可信度优先级,包括:
获得可信度优先特征指标,所述可信度优先特征指标包括数据来源、数据应用性、数据提供方;
根据所述可信度优先特征指标,构建可信度优先坐标系,所述可信度优先坐标系为三维立体坐标系;
将所述税务数据、流水数据、财报数据、资产数据输入至所述可信度优先坐标系中进行评价,获得经营数据优先向量集合;
基于所述经营数据优先向量集合中各向量的模,获得经营数据优先度;
按照所述经营数据优先度进行排序,确定所述经营数据可信度优先级。
3.如权利要求1所述的方法,其特征在于,所述获得特征经营数据信息,包括:
基于所述经营数据可信度优先级,获得基础经营数据信息;
分别计算所述基础经营数据信息和所述多维度经营数据信息其余经营数据的偏离度,获得数据偏离度信息;
如果所述数据偏离度信息在容忍偏离度之外,舍弃所述其余经营数据;
如果所述数据偏离度信息在所述容忍偏离度之内,按照预设权重分配值对所述基础经营数据信息和所述其余经营数据进行加权计算,获得所述特征经营数据信息。
4.如权利要求1所述的方法,其特征在于,所述获得经营风险评估系数,包括:
所述经营风险评估模型包括输入层、特征分析层、系数评估层和输出层;
将所述特征经营数据信息和所述经营属性信息通过所述输入层,输入至所述特征分析层中,获得经营风险特征信息;
基于所述系数评估层对所述经营风险特征信息进行评估,获得经营风险评估系数;
将所述经营风险评估系数作为模型输出结果,通过所述输出层进行输出。
5.如权利要求4所述的方法,其特征在于,所述基于所述系数评估层对所述经营风险特征信息进行评估,获得经营风险评估系数,包括:
所述系数评估层为三维风险评估功能层,包括财务风险评估层、市场风险评估层和环境风险评估层;
将所述经营风险特征信息输入所述系数评估层中,基于所述财务风险评估层、市场风险评估层和环境风险评估层,分别获得财务风险评估系数、市场风险评估层系数环境风险评估系数;
基于所述财务风险评估系数、市场风险评估层系数环境风险评估系数,输出所述经营风险评估系数。
6.如权利要求4所述的方法,其特征在于,所述基于所述风险预警指令,对所述目标客户进行经营风险预警管理,包括:
根据所述经营风险特征信息,获得经营风险类型信息;
将所述经营风险评估系数和所述预设经营风险阈值的差值,作为经营风险预警等级;
根据所述经营风险类型信息和所述经营风险预警等级,生成风险预警管控方案;
基于所述风险预警管控方案,对所述目标客户进行经营风险预警管控。
7.如权利要求1所述的方法,其特征在于,所述方法包括:
对所述经营风险评估模型进行评估效果验证,获得模型评估准确度;
如果所述模型评估准确度未达到预设评估准确度,基于所述模型评估准确度和所述预设评估准确度的差值,获得模型评估偏差度;
基于模型优化算法和所述模型评估偏差度,对所述经营风险评估模型进行迭代更新,获得经营风险优化评估模型。
8.智能化客户经营风险评估***,其特征在于,所述***包括:
经营数据获得模块,用于获取目标客户的多维度经营数据信息,所述多维度经营数据信息包括税务数据、流水数据、财报数据、资产数据;
可信度排序模块,用于对所述税务数据、流水数据、财报数据、资产数据进行可信度排序,获得经营数据可信度优先级;
偏离度计算模块,用于基于所述经营数据可信度优先级对所述多维度经营数据信息进行偏离度计算,获得特征经营数据信息;
经营属性获得模块,用于获得所述目标客户的经营属性信息;
模型评估模块,用于将所述特征经营数据信息和所述经营属性信息输入经营风险评估模型中,获得经营风险评估系数;
预警指令发出模块,用于当所述经营风险评估系数超出预设经营风险阈值时,发出风险预警指令;
风险预警管理模块,用于基于所述风险预警指令,对所述目标客户进行经营风险预警管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211464554.8A CN115797047A (zh) | 2022-11-22 | 2022-11-22 | 智能化客户经营风险评估方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211464554.8A CN115797047A (zh) | 2022-11-22 | 2022-11-22 | 智能化客户经营风险评估方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115797047A true CN115797047A (zh) | 2023-03-14 |
Family
ID=85439913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211464554.8A Pending CN115797047A (zh) | 2022-11-22 | 2022-11-22 | 智能化客户经营风险评估方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115797047A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013080456A (ja) * | 2011-09-21 | 2013-05-02 | Norihide Noda | 企業評価システム、企業評価方法及び企業評価プログラム |
CN104966227A (zh) * | 2015-06-11 | 2015-10-07 | 安徽融信金模信息技术有限公司 | 一种基于多种经营数据的企业风险评估*** |
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 |
CN111275319A (zh) * | 2020-01-19 | 2020-06-12 | 普华云创科技(北京)有限公司 | 一种数字化智能风控预警方法及*** |
CN114638695A (zh) * | 2022-04-07 | 2022-06-17 | 中国工商银行股份有限公司 | 信用评估方法、装置、设备及介质 |
-
2022
- 2022-11-22 CN CN202211464554.8A patent/CN115797047A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013080456A (ja) * | 2011-09-21 | 2013-05-02 | Norihide Noda | 企業評価システム、企業評価方法及び企業評価プログラム |
CN104966227A (zh) * | 2015-06-11 | 2015-10-07 | 安徽融信金模信息技术有限公司 | 一种基于多种经营数据的企业风险评估*** |
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 |
CN111275319A (zh) * | 2020-01-19 | 2020-06-12 | 普华云创科技(北京)有限公司 | 一种数字化智能风控预警方法及*** |
CN114638695A (zh) * | 2022-04-07 | 2022-06-17 | 中国工商银行股份有限公司 | 信用评估方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564286B (zh) | 一种基于大数据征信的人工智能金融风控授信评定方法和*** | |
CN107633265B (zh) | 用于优化信用评估模型的数据处理方法及装置 | |
US20190180379A1 (en) | Life insurance system with fully automated underwriting process for real-time underwriting and risk adjustment, and corresponding method thereof | |
CN112053233B (zh) | 基于gra的动态中小企业信用评分方法及*** | |
WO2020257782A1 (en) | Factory risk estimation using historical inspection data | |
CN106164896B (zh) | 用于发现对手方关系的多维递归方法及*** | |
CN110866832A (zh) | 一种风险控制方法、***、存储介质及计算设备 | |
CN113554310A (zh) | 基于智能合约的企业信用动态评估模型 | |
CN114118793A (zh) | 一种地方交易所风险预警方法、装置及设备 | |
US20060248096A1 (en) | Early detection and warning systems and methods | |
CN115907837B (zh) | 基于机器学习的期货数据分析、风险预测方法及*** | |
CN117132383A (zh) | 一种信贷数据处理方法、装置、设备及可读存储介质 | |
CN116596674A (zh) | 基于大数据分析的对外贸易风险评估方法 | |
CN112348220A (zh) | 一种基于企业行为模式的信用风险评估预测方法及*** | |
CN115797047A (zh) | 智能化客户经营风险评估方法及*** | |
CN115860747A (zh) | 一种基于大数据的海关进出口商品风险管理方法及*** | |
CN114092216A (zh) | 企业信贷评级方法、装置、计算机设备和存储介质 | |
CN117455681A (zh) | 业务风险预测方法和装置 | |
CN114049205A (zh) | 异常交易识别方法、装置、计算机设备和存储介质 | |
CN115063143A (zh) | 账户数据处理方法、装置、计算机设备和存储介质 | |
CN114612239A (zh) | 基于算法、大数据、人工智能的股票舆情监测和风控*** | |
CN114565457A (zh) | 风险数据识别方法、装置、存储介质及电子设备 | |
CN113420909A (zh) | 一种用户响应信息预测模型建立方法及信息预测方法 | |
US11625788B1 (en) | Systems and methods to evaluate application data | |
CN113298575A (zh) | 一种商标价值批量评估的方法、***、设备及存储介质 |
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 |