应用于物流供应链平台的企业风险评估方法及装置制造方法及图纸

本发明专利技术公开了一种应用于物流供应链平台的企业风险评估方法和装置，所述方法包括数据读取、数据预处理、数据矩阵组建、相关系数矩阵计算、特征值和特征向量计算、综合变量构建、风险决策函数构建、风险值计算、聚类分析等步骤；该方法通过原始数据进行处理而得到科学的风险决策函数而计算各企业的得分并得到其最终的风险等级或参考风险等级，避免了传统方法中因经验赋权不合理或赋权过程中的人为因素而导致最终所得的风险等级偏离实际风险等级的不足；并且，对于个别企业的个别数据缺失，其亦可以基于行业平均值进行补缺并给予参考的风险等级，其结果相对于人为赋值更具有一致性，也更科学。

【技术实现步骤摘要】
应用于物流供应链平台的企业风险评估方法及装置
本专利技术属于物流
，具体涉及一种用于物流供应链平台上进行企业金融风险评估的风险评估方法及装置。
技术介绍
供应链物流是与“第一方物流”、“第二方物流”、“第三方物流”所不同的一个概念，主要是看待问题的视角不同。它不是依据从事物流活动企业或部门的身份去定义，而是从价值链的视角，充分考虑在产供销一条龙上的各个企业整体绩效最优的条件下，去经营和管理物流活动的过程。其经营者一般由专业物流公司(即第三方物流商)承担。供应链物流作为一种新的物流模式，其最显著的特点在于它的一体性、协调性和优化性。它从整个物流活动的节点链考虑，追求整个链条的效率和效益，通过信息共享，有效规避风险。互联网、大数据、云计算等信息技术的推广应用，推动了物流产业发展模式乃至中国经济的转型升级。互联网与物流的深度融合，加快了贸易流、资金流、信息流和物流“四流合一”的步伐。而2017年5月12日，WannaCry病毒在全球爆发，政府机关、银行、学校、机场、港口等机构包括个人的电脑一夜之间均惊恐万状，物流、资金流、贸易流均因信息流渠道出了问题而受殃及。这个事件再次表明，在现代“多流合一”的社会，供应链、生态链、价值链等将行业、企业和自然人紧紧地系在一起，这些链条的汇聚既提升了各链上节点抗御风险的能力，同时，若某一链条或其中的节点出了问题其他链条或节点就将被迅速波及。因此，加强多流合一的供应链金融风险的防控具有十分重要的价值。供应链平台风险的可能来自方方面面，基于国际物流的供应链金融体系的风险分布可以厘定为企业信息隐含的风险、企业法人代表隐含的风险、交易信息隐含的风险以及行业和市场动态隐含的风险。在互联网+环境下，供应链平台的地位越来越重要。多源信息融合、多渠道资源汇聚、撮合交易整体推进、平台“资金池”的作用等均在不断加强，风险防控问题的紧迫性日益强烈，对风险管理的诉求越来越大。风险管理是指如何在经营运作过程中如何在具有风险的环境里把风险可能造成的不良影响减至最低的管理过程。一般来说，对风险的管理包括风险的识别、风险的度量、风险的控制和风险的规避等环节。目前对小企业融资常用的风险识别方法主要有“要件法”和“风险评级法”；要件法是按照现行的信贷管理制度规定符合办理贷款的基本要件的一种方法，小企业要想得到金融机构的融资，就必须具备符合金融机构规定的各种要件；风险评级法是指资金提供机构设置一套风险评价指标体系，用这套体系对企业的信用进行综合评估，得出信用等级，只有高于一定等级的企业才能获得金融机构的贷款。目前我国大部分商业银行的信用评价体系是按照规范、成熟的大中型企业经营管理来设置的，和小企业的实际特点相差较大，一定程度上形成了对小企业的歧视。另一方面，很多小企业财务信息质量差、可信度不高，通过信用体系评价出的级别也得不到金融机构的认可。小企业先天的基础资料不健全、财务数据不准确、信息不透明等，导致了传统商业银行难以用常规方法评估小企业信用，从而在风险评价法下，小企业同样难获得融资。如何在错综复杂的供应链金融风险中有效识别风险，需要借助风险科学的风险识别技术。对于“四流合一”的平台而言(即集成了贸易、金融、信息和物流，例如海空网)，其金融风险防控体系需要考虑了企业信息、法人信息、交易信息和行业及市场动态等4个一级指标，每个一级指标包含了若干变量，共63变量，每个变量记录了若干历史数据；风险函数的构建一般是利用数据的内敛性并采用聚类分析，将不同风险等级的数据聚类，从而判断未来数据属于哪一类，进而判断未来数据的风险等级，但这种方法相对于具有63维数据的风险评估具有一定困难，尤其是在距离函数的选择上，选用不同的距离函数会导致不同的风险等级评估结果。因此，传统的风险评估方法在应对“四流合一”的物流供应链平台的多维数据的风险评估时在计算量以及结果稳定性等方面均不能很好地胜任。
技术实现思路
本专利技术的目的在于提供可应用于“四流合一”的物流供应链平台的多维数据分析，并且具有总体计算量小、计算精度和一致性好的风险评估方法及装置。为了达到上述目的，本专利技术所采用的方案是：一种应用于物流供应链平台的企业风险评估方法，所述方法包括以下步骤：数据读取的步骤：将样本的基本信息和业务信息数据以格式化的数据格式读入；更佳地，所述基本信息包括企业名称、营业期限开始日期、成立时间、营业期限结束日期、注册资金、经营异常次数、行政处罚次数、严重违法次数、失信次数、被执行次数、芝麻信用分数、合作时间；业务信息包括实际开航日、TEU、申报单价、申报总值、报关单总值、币种、运杂费、账期、实际付款天数、超期付款天数、超期付款金额；传统的63个变量全面计算其计算量是极其巨大的，因此，需要在其基础上精减但又不能影响最终计算得到的风险等级的精确度；上述的各项具体信息很好地平衡了这两者间的关系。数据预处理的步骤：对样本的数据进行清洗、整合，形成p项数据，其中，p为正整数。数据矩阵组建的步骤：将预处理后的数据组建为样本数据矩阵X其中，p＝13，p为风险要素个数，n表示样本个数；若个别数据缺失，则使用其他所有样本的该项数据的平均值填充该缺失值，并在评估结果中予以注明。更佳地，在数据矩阵组建的步骤之后还包括标准化处理的步骤，对经过预处理的数据矩阵中的数据进行标准化处理，将各指标值转换成标准化指标；具体来说，其中标准化处理可以减弱某一样本数据偏差或误差而导致的计算结果偏离。相关系数矩阵计算的步骤：按以下公式计算样本的相关系数r并将得到的各相关系数组建为相关系数矩阵R特征值和特征向量计算的步骤：求相关系数矩阵R的特征值λ1,λ2…λp和相应的特征向量ai＝(ai1,ai2,…aip),i＝1,2…p。综合变量构建的步骤：根据特征向量ai＝(ai1,ai2,…aip),i＝1,2…p将变量(x1,x2,…xp)构建为综合变量Fp风险决策函数构建的步骤：根据特征值λ1,λ2…λp和综合变量构建风险决策函数Z即，其中，为第j个指标赋的权重。风险值计算的步骤：按构建的风险决策函数计算各样本的综合得分。聚类分析的步骤：对各样本的综合得分进行聚类分析分级从而得到各样本的风险等级或参考风险等级。该方法通过原始数据进行处理而得到科学的风险决策函数而计算各样本(即各企业)的综合得分并经聚类分析而得到其最终的风险等级或参考风险等级，避免了传统方法中因经验赋权不合理或赋权过程中的人为因素而导致最终所得的风险等级偏离实际风险等级的不足；并且，对于个别企业的个别数据缺失，其亦可以基于行业平均值进行补缺并给予参考的风险等级；该方法所得的结果相对于人为赋值更具有一致性，也更科学。优选地，所述特征值和特征向量计算的步骤包括以下步骤：步骤1)：令k＝0,R(k)＝R；步骤2)：求整数pk,qk，使得步骤3)：计算旋转矩阵，由计算并得到旋转矩阵步骤4)：计算R(k+1)：步骤5)：令若E(r(k+1))＜ε，则为特征值，Q＝U(0)U(1)…U(m)的各列为相应的特征向量；否则，k++后返回步骤2)并不断重复步骤2)至步骤5)直至得到特征值和特征向量。优选地，所述聚类分析包括以下步骤：1)从n个样本的综合得分中任意选择m个对象作为初始聚类中心，而对于所剩下的其它样本的综合得分，则根据它们与这些聚本文档来自技高网...

【技术保护点】
1.一种应用于物流供应链平台的企业风险评估方法，其特征在于，所述方法包括以下步骤：数据读取的步骤：将样本的基本信息和业务信息数据以格式化的数据形式读入；数据预处理的步骤：对样本的数据进行清洗、整合，形成p项数据；数据矩阵组建的步骤：将预处理后的数据组建为样本数据矩阵X

【技术特征摘要】
1.一种应用于物流供应链平台的企业风险评估方法，其特征在于，所述方法包括以下步骤：数据读取的步骤：将样本的基本信息和业务信息数据以格式化的数据形式读入；数据预处理的步骤：对样本的数据进行清洗、整合，形成p项数据；数据矩阵组建的步骤：将预处理后的数据组建为样本数据矩阵X其中，p为风险要素个数，n表示样本个数；若个别数据缺失，则使用其他所有样本的该项数据的平均值填充该缺失值，并在评估结果中予以注明；相关系数矩阵计算的步骤：按以下公式计算样本的相关系数r并将得到的各相关系数组建为相关系数矩阵R特征值和特征向量计算的步骤：求相关系数矩阵R的特征值λ1,λ2…λp和相应的特征向量ai＝(ai1,ai2,…aip),i＝1,2…p；综合变量构建的步骤：根据特征向量ai＝(ai1,ai2,…aip),i＝1,2…p将变量(x1,x2,…xp)构建为综合变量Fp风险决策函数构建的步骤：根据特征值λ1,λ2…λp和综合变量构建风险决策函数Z风险值计算的步骤：按构建的风险决策函数计算各样本的综合得分；聚类分析的步骤：对各样本的综合得分进行聚类分析分级从而得到各样本的风险等级或参考风险等级。2.根据权利要求1所述的风险评估方法，其特征在于，所述特征值和特征向量计算的步骤包括以下步骤：步骤1)：令k＝0,R(k)＝R；步骤2)：求整数pk,qk，使得步骤3)：计算旋转矩阵，由计算并得到旋转矩阵步骤4)：计算R(k+1)：步骤5)：令若E(r(k+1))＜ε，则为特征值，Q＝U(0)U(1)…U(m)的各列为相应的特征向量；否则，k++后返回步骤2)并不断重复步骤2)至步骤5)直至得到特征值和特征向量。3.根据权利要求1所述的风险评估方法，其特征在于，所述聚类分析包括以下步骤：1)从n个样本的综合得分中任意选择m个对象作为初始聚类中心，而对于所剩下的其它样本的综合得分，则根据它们与这些聚类中心的距离，分别将其分配给与其最相似的聚类中心所代表的聚类；2)计算每个所获新聚类的聚类中心中所有对象的均值；不断重复这一过程直到标准测度函数开始收敛为止。4.根据权利要求3所述的风险评估方法，其特征在于，所述标准测度函数为均方差。5.根据权利要求1所述的风险评估方法，其特征在于，所述数据预处理的步骤包括：将读入的样本的基本信息和业务信息清洗、整合成13项数据的步骤，所述的13项数据包括：存续年数、合作年数、注册资金、经营异常次数、行政处罚次数、失信次数、被执行次数、总货量teu、出货次数、出货月份数、运杂费总金额、超期付款金额、超期付款次数。6.一种应用于物流...

【专利技术属性】
技术研发人员：朱占峰，陆玥，汪保，闫森，张晓东，贾春梅，朱耿，郭诚，朱一青，虞凌宏，
申请(专利权)人：宁波工程学院，宁波海空网企业服务有限公司，
类型：发明
国别省市：浙江,33