基于物联网的金融贷后监管系统与监管方法技术方案

本发明专利技术提供一种基于物联网的金融贷后监管系统，包括：数据采集层，用于收集与企业运营相关的特征数据，作为评价企业运营状况的指标；数据存储层，用于存储所收集的与企业运营相关的特征数据至数据仓库，供数据分析层调用、分析处理；数据分析层，包括主成分分析单元和建立的多元线性回归模型；主成分分析单元，提取重要性最大的第一主成分；将第一主成分作为多元线性回归模型的因变量，收集的指标作为自变量，计算出多元线性回归模型中的回归系数，然后得到评分模型；将监测得到的特征数据代入所述评分模型，得到与统计时段相应的企业综合评分；本发明专利技术能够为金融机构贷后监管提供实时有效的数据支撑。

【技术实现步骤摘要】
基于物联网的金融贷后监管系统与监管方法
本专利技术涉及一种基于物联网的监管系统，尤其是一种基于物联网传感器数据分析建模用于企业运营状况监控和告警的贷后监管系统。
技术介绍
随着政府对于民营经济营造更好发展环境，帮助民营经济解决发展中的困难，支持民营企业改革发展的推进需求，解决好融资难问题，让民营企业“敢贷、能贷、愿贷”，以及物联网技术的飞速发展，利用物联网技术，实时准确的收集企业实际运营数据，使得金融贷款机构对于企业实时运营状况的掌握有了可能。目前金融机构贷后监管的现状主要还是通过传统的人工监控录入的方式，通过预先设计的excel表格，定期派人到相关企业收集数据，实时性以及准确性不够，人工成本大；并且通过人工观察收集的数据，格式多样，结构复杂，通过人力整理和分析，往往得不到有效实时的信息。
技术实现思路
本专利技术的目的在于克服现有技术中存在的不足，提供一种基于物联网的金融贷后监管系统与监管方法，通过安装传感器设备等手段收集与企业运营相关的特征数据，然后分析建模得出企业综合评分；为金融机构贷后监管提供实时有效的数据支撑，能够大大减少人力物力。本专利技术采用的技术方案是：一种基于物联网的金融贷后监管系统，包括：数据采集层，用于收集与企业运营相关的特征数据，作为评价企业运营状况的指标；数据存储层，用于存储所收集的与企业运营相关的特征数据至数据仓库，供数据分析层调用、分析处理；数据分析层，包括主成分分析单元和建立的多元线性回归模型；主成分分析单元，对于评价企业运营状况的各指标，将各指标的多个线性组合所构成的综合指标作为主成分，然后基于相关系数矩阵方法进行主成分提取，并且提取重要性最大的第一主成分；将第一主成分作为多元线性回归模型的因变量，收集的指标作为自变量，计算出多元线性回归模型中的回归系数，然后得到评分模型；将监测得到的特征数据代入所述评分模型，得到与统计时段相应的企业综合评分；应用层，通过web服务为金融机构提供贷后监管相关的服务。进一步地，主成分分析单元，进行主成分分析具体包括：假设有p个指标，把这p个指标看作p个随机变量，记为X1，X2，…，Xp，主成分分析就是要把这p个指标的问题，转变为讨论p个指标的线性组合的问题，而这些新的综合指标F1，F2，…，Fk(k≤p)，按照保留主要信息量的原则充分反映原指标的信息，并且相互独立；主成分分析做法是，寻求原指标的线性组合FiF1＝U11X1+U21X2+…+Up1XpF2＝U12X1+U22X2+…+Up2Xp……Fi＝U1iX1+U2iX2+…+UpiXp……Fk＝U1kX1+U2kX2+…+UpkXp每个主成分的系数平方和为1，即：主成分之间相互独立；基于相关系数矩阵方法进行主成分提取，并且提取重要性最大的第一主成分。进一步地，多元线性回归模型表示为：y＝β0+β1x1+β2x2+β3x3+······+βkxk+εβ0是回归常数，β1，β2，β3，······，βk是回归系数，ε是误差项；根据回归模型的假定，ε的期望为0；有：E(y)＝β0+β1x1+β2x2+β3x3+······+βkxkE()表示求期望；根据最小二乘法，求残差Q：其中，是yi的估计值，是βk的估计值；使残差Q最小，通过求导可得方程组：······根据微积分通过求导算极值能够得到回归系数舍去得到的评分模型为：进一步地，第一主成分在作为因变量输入多元线性回归模型前，先进行归一化处理。进一步地，在应用层，提供企业每天和每周的基本信息、评分统计图及运营数据统计图；在应用层，若工作日的企业综合评分超出设定合理波动范围，则应用层会发出监控预警。一种基于物联网的金融贷后监管方法，包括：S1，收集与企业运营相关的特征数据，作为评价企业运营状况的指标；S2，存储所收集的与企业运营相关的特征数据；S3，进行主成分分析：对于评价企业运营状况的各指标，将各指标的多个线性组合所构成的综合指标作为主成分，然后基于相关系数矩阵方法进行主成分提取，并且提取重要性最大的第一主成分；建立多元线性回归模型，将第一主成分作为多元线性回归模型的因变量，收集的指标作为自变量，计算出多元线性回归模型中的回归系数，然后得到评分模型；将监测得到的特征数据代入所述评分模型，得到与统计时段相应的企业综合评分；S4，通过web服务为金融机构提供贷后监管相关的服务。进一步地，主成分分析具体包括：假设有p个指标，把这p个指标看作p个随机变量，记为X1，X2，…，Xp，主成分分析就是要把这p个指标的问题，转变为讨论p个指标的线性组合的问题，而这些新的综合指标F1，F2，…，Fk(k≤p)，按照保留主要信息量的原则充分反映原指标的信息，并且相互独立；主成分分析做法是，寻求原指标的线性组合FiF1＝U11X1+U21X2+…+Up1XpF2＝U12X1+U22X2+…+Up2Xp……Fi＝U1iX1+U2iX2+…+UpiXp……Fk＝U1kX1+U2kX2+…+UpkXp每个主成分的系数平方和为1，即：主成分之间相互独立；基于相关系数矩阵方法进行主成分提取，并且提取重要性最大的第一主成分。进一步地，多元线性回归模型表示为：y＝β0+β1x1+β2x2+β3x3+······+βkxk+εβ0是回归常数，β1，β2，β3，······，βk是回归系数，ε是误差项；根据回归模型的假定，ε的期望为0；有：E(y)＝β0+β1x1+β2x2+β3x3+······+βkxkE()表示求期望；根据最小二乘法，求残差Q：其中，是yi的估计值，是βk的估计值；使残差Q最小，通过求导可得方程组：······根据微积分通过求导算极值能够得到回归系数舍去得到的评分模型为：进一步地，第一主成分在作为因变量输入多元线性回归模型前，先进行归一化处理。进一步地，提供的贷后监管相关的服务包括：在应用层，提供企业每天和每周的基本信息、评分统计图及运营数据统计图；在应用层，若工作日的企业综合评分超出设定合理波动范围，则应用层会发出监控预警。本专利技术的优点在于：1)通过传感器设备或接入第三方数据收集企业各种维度的经营相关的特征数据，可以通过新增传感器类型，扩展特征数据，不断充实完善企业运营数据。2)通过主成分分析对原始的特征数据进行降维处理，力求数据信息丢失最少。3)通过建立多元线性回归模型以得到评分模型，能够科学高效的对企业运营状况进行评分，直观简明地评价企业运行状况，并能设置监控预警。附图说明图1为本专利技术的结构组成示意图。具体实施方式下面结合具体附图和实施例对本专利技术作进一步说明。本专利技术提出的一种基于物联网的金融贷后监管系统，如图1所示，包括：数据采集层、数据存储层、数据分析层和应用层；(一)数据采集层用于收集与企业运营相关的特征数据，作为评价企业运营状况的指标；特征数据的收集可以采用传感器设备采集，或者通过接入第三方数据获得；例如，对于制造型企业安装电流传感器，监控企业电流变化情况；或者安装振动传感器，收集企业核心产线设备运行数据；或者安装视频识别传感设备，收集企业出入口的人流和/或车流数据；或者安装噪音传感器，收集企业运行时相应的噪声数据；对于科创型企业，可以安装神经节设备，神经节设备可以看做多传感器设备的一个集合体，可以收集温度、湿度、光照、二氧化碳、pm2.5、噪声等本文档来自技高网...

【技术保护点】
1.一种基于物联网的金融贷后监管系统，其特征在于，包括：数据采集层，用于收集与企业运营相关的特征数据，作为评价企业运营状况的指标；数据存储层，用于存储所收集的与企业运营相关的特征数据至数据仓库，供数据分析层调用、分析处理；数据分析层，包括主成分分析单元和建立的多元线性回归模型；主成分分析单元，对于评价企业运营状况的各指标，将各指标的多个线性组合所构成的综合指标作为主成分，然后基于相关系数矩阵方法进行主成分提取，并且提取重要性最大的第一主成分；将第一主成分作为多元线性回归模型的因变量，收集的指标作为自变量，计算出多元线性回归模型中的回归系数，然后得到评分模型；将监测得到的特征数据代入所述评分模型，得到与统计时段相应的企业综合评分；应用层，通过web服务为金融机构提供贷后监管相关的服务。

【技术特征摘要】
1.一种基于物联网的金融贷后监管系统，其特征在于，包括：数据采集层，用于收集与企业运营相关的特征数据，作为评价企业运营状况的指标；数据存储层，用于存储所收集的与企业运营相关的特征数据至数据仓库，供数据分析层调用、分析处理；数据分析层，包括主成分分析单元和建立的多元线性回归模型；主成分分析单元，对于评价企业运营状况的各指标，将各指标的多个线性组合所构成的综合指标作为主成分，然后基于相关系数矩阵方法进行主成分提取，并且提取重要性最大的第一主成分；将第一主成分作为多元线性回归模型的因变量，收集的指标作为自变量，计算出多元线性回归模型中的回归系数，然后得到评分模型；将监测得到的特征数据代入所述评分模型，得到与统计时段相应的企业综合评分；应用层，通过web服务为金融机构提供贷后监管相关的服务。2.如权利要求1所述的基于物联网的金融贷后监管系统，其特征在于，主成分分析单元，进行主成分分析具体包括：假设有p个指标，把这p个指标看作p个随机变量，记为X1，X2，…，Xp，主成分分析就是要把这p个指标的问题，转变为讨论p个指标的线性组合的问题，而这些新的综合指标F1，F2，…，Fk(k≤p)，按照保留主要信息量的原则充分反映原指标的信息，并且相互独立；主成分分析做法是，寻求原指标的线性组合FiF1＝U11X1+U21X2+…+Up1XpF2＝U12X1+U22X2+…+Up2Xp……Fi＝U1iX1+U2iX2+…+UpiXp……Fk＝U1kX1+U2kX2+…+UpkXp每个主成分的系数平方和为1，即：主成分之间相互独立；基于相关系数矩阵方法进行主成分提取，并且提取重要性最大的第一主成分。3.如权利要求1所述的基于物联网的金融贷后监管系统，其特征在于，多元线性回归模型表示为：y＝β0+β1x1+β2x2+β3x3+······+βkxk+εβ0是回归常数，β1,β2,β3,······,βk是回归系数，ε是误差项；根据回归模型的假定，ε的期望为0；有：E(y)＝β0+β1x1+β2x2+β3x3+······+βkxkE()表示求期望；根据最小二乘法，求残差Q：其中，是yi的估计值，是βk的估计值；使残差Q最小，通过求导可得方程组：······根据微积分通过求导算极值能够得到回归系数舍去得到的评分模型为：4.如权利要求1所述的基于物联网的金融贷后监管系统，其特征在于，第一主成分在作为因变量输入多元线性回归模型前，先进行归一化处理。5.如权利要求1所述的基于物联网的金融贷后监管系统，其特征在于，在应用层，提供企业每天和每周的基本信息、评分统计图及运营数据统计图；在应用层，若工作日的企业综合评分超出设定...

【专利技术属性】
技术研发人员：席斐，王尊城，邬正国，
申请(专利权)人：江苏云脑数据科技有限公司，
类型：发明
国别省市：江苏,32