小微企业的信用风险识别方法及装置制造方法及图纸

本发明专利技术公开一种小微企业的信用风险识别方法及装置，以提升小微企业的信用风险识别准确度。该方法包括：基于多个小微企业的财报挖掘出与财报一一对应的样本数据；针对样本数据中为空值和异常值的财务指标分类进行数据修正，和/或，根据同一财务指标分类中为空值的数量占样本数据总量的比值以及为异常值的数量占样本数据总量的比值，对财务指标分类进行初筛过滤；将每个财务指标分类按照对应财务指标值的大小划分为多段，并匹配出各样本数据中财务指标值所处的分段及对应企业违约率构建训练样本；通过构建的训练样本训练企业违约预测模型；基于待测小微企业的财报及企业违约预测模型，识别出待测小微企业的信用风险。

【技术实现步骤摘要】
小微企业的信用风险识别方法及装置
本专利技术涉及数据处理
，尤其涉及一种小微企业的信用风险识别方法及装置。
技术介绍
随着互联网技术的不断发展，针对企业进行线上信贷的技术也在不断的完善中。线上对企业开展信贷业务就需要对企业的信用进行评估，评估企业信用风险的要素有很多方面，包括：财务信息、企业主信息、工商信息、人行征信信息、司法涉诉信息等，每个方面都能一定程度体现出企业可能存在的风险。市场上有很多科技企业都开发了用于企业信用评估的风险评估模型，并逐渐形成相应的风控理论。但这类风险评估模型在训练过程虽然应用了企业的财务信息，但大多只参考了大中企业的经监管后编制的标准财务指标，也就是说，对于小微企业财报中能够准确反应小微企业风险状况的非标准财务指标没有过多考虑，进而导致利用此类风险评估模型识别出的小微企业的信用风险结果不够准确。
技术实现思路
本专利技术的目的在于提供一种小微企业的信用风险识别方法及装置，除标准财务指标外还结合了能够反映出小微企业风险状况的非标准财务指标训练企业违约预测模型，以提升小微企业的信用风险识别准确度。为了实现上述目的，本专利技术的第一方面提供一种小微企业的信用风险识别方法，包括：基于多个小微企业的财报挖掘出与所述财报一一对应的样本数据，所述样本数据中包括标准财务指标和非标准财务指标的多个财务指标分类；针对所述样本数据中为空值和异常值的财务指标分类进行数据修正，和/或，根据同一所述财务指标分类中为空值的数量占样本数据总量的比值以及为异常值的数量占样本数据总量的比值，对所述财务指标分类进行初筛过滤；将每个所述财务指标分类按照对应财务指标值的大小划分为多段，并匹配出各所述样本数据中财务指标值所处的分段及对应企业违约率构建训练样本；根据每个所述财务指标分类在逻辑回归分析中的显著性对保留下的财务指标分类进行二次过滤，之后通过构建的训练样本训练企业违约预测模型；基于所述待测小微企业的财报及所述企业违约预测模型，识别出所述待测小微企业的信用风险。示例性地，所述标准财务指标包括规模类指标、盈利类指标、杠杆类指标、流动性类指标、运营效率类指标、债务覆盖类指标和增长类指标，所述非标准财务指标包括企业实力类指标、经营管理类指标、还债能力类指标和经营稳定性类指标。优选地，针对所述样本数据中为异常值的财务指标分类进行数据修正的方法包括：从各所述样本数据中分别提取出属于同一分类的财务指标值，并将每个财务指标分类对应的财务指标值按照从小到大的顺序排序；设定每个财务指标分类的异常值阈值，所述异常值阈值的下限为所属财务指标分类中排序的第A1百分位对应的财务指标值，所述异常值阈值的上限为所属财务指标分类中排序的第A2百分位对应的财务指标值；若所述样本数据中的财务指标值低于所属财务指标分类的异常值阈值下限，则将所述财务指标值替换为所述异常值阈值的下限，若所述样本数据中的财务指标值高于所属财务指标分类的异常值阈值上限，则将所述财务指标值替换为所述异常值阈值的上限。较佳地，针对所述样本数据中为空值的财务指标分类进行数据修正的方法包括：从各所述样本数据中分别提取出属于同一分类的财务指标值，并将每个财务指标分类对应的财务指标值按照从小到大的顺序排序；若空值产生原因在于财报缺失引起的，则将所述空值替换为所属财务指标分类中排序的第B1百分位对应的财务指标值；若空值产生原因在于变量计算引起的，则将所述空值替换为所属财务指标分类中排序的第B2百分位对应的财务指标值。优选地，根据同一所述财务指标分类中为空值的数量占样本数据总量的比值以及为异常值的数量占样本数据总量的比值，对所述财务指标分类进行初筛过滤的方法包括：当同一分类的财务指标值为空值的数量占样本数据总量的比值超过第一阈值时，初筛过滤掉对应的财务指标分类；当同一分类的财务指标值为异常值的数量占样本数据总量的比值超过第二阈值时，初筛过滤掉对应的财务指标分类。优选地，将所述财务指标分类按照对应财务指标值的大小划分为多段，并匹配出各所述样本数据中财务指标值所处的分段及对应企业违约率构建训练样本的方法包括：获取全部样本数据中每个所述财务指标分类对应的最大财务指标值和最小财务指标值，将每个所述财务指标分类对应的财务指标值划分为多段；基于每个所述财务指标分类对应财务指标值所处分段计算出对应的企业违约率，并根据每个所述财务指标分类及对应的企业违约率构建训练样本。优选地，根据每个所述财务指标分类在逻辑回归分析中的显著性对保留下的财务指标分类进行二次过滤，之后通过构建的训练样本训练企业违约预测模型的方法包括：计算每个所述财务指标分类对训练样本的KS值或AUC值，剔除掉低于KS阈值或低于AUC阈值的财务指标分类；计算逻辑回归分析方法中所述财务指标分类的显著性值，剔除掉低于显著性阈值的财务指标分类；基于保留下财务指标分类的训练样本训练企业违约预测模型。优选地，基于所述待测小微企业的财报及所述企业违约预测模型，识别出所述待测小微企业的信用风险的方法包括：基于所述待测小微企业的财报及所述企业违约预测模型，得到所述待测小微企业的初步预测违约概率P1；采用公式P＝P2*P1计算所述待测小微企业的预测违约概率，并基于所述预测违约概率从预设的映射关系中匹配出所述待测小微企业的信用风险；其中，所述P2为调整系数。优选地，基于所述待测小微企业的财报及所述企业违约预测模型，识别出所述待测小微企业的信用风险之后还包括：汇总所述样本数据中被过滤掉的属于非标准财务指标类型的财务指标分类，并将每个财务指标分类对应的财务指标值按照从小到大的顺序排序；若任一所述财务指标分类对应的财务指标值介于第一区间百分位，将所述待测小微企业的信用风险下调一级，直至信用风险下调至准入级为止；若任一所述财务指标分类对应的财务指标值低于最低值百分位，将所述待测小微企业的信用风险下调为准入级；若任一所述财务指标分类对应的财务指标值介于第二区间百分位，将所述待测小微企业的信用风险上调一级，直至信用风险上调至最高级为止。与现有技术相比，本专利技术提供的小微企业的信用风险识别方法具有以下有益效果：本专利技术提供的小微企业的信用风险识别方法中，由于采用的样本数据不仅包括了属于标准财务指标的财务指标分类，还包括了能够体现小微企业风险特点的非标准财务指标对应的财务指标分类，在通过后续的数据修正以及过滤筛选后得到训练样本，最终基于这些训练样本训练出的企业违约预测模型，能够准确识别出小微企业的信用风险。本专利技术的第二方面提供一种小微企业的信用风险识别装置，应用于上述技术方案所述的小微企业的信用风险识别方法中，所述装置包括：数据获取单元，基于多个小微企业的财报挖掘出与所述财报一一对应的样本数据，所述样本数据中包括标准财务指标和非标准财务指标的多个财务指标分类；数据处理单元，用于针对所述样本数据中为空值和异常值本文档来自技高网...

【技术保护点】
1.一种小微企业的信用风险识别方法，其特征在于，包括：/n基于多个小微企业的财报挖掘出与所述财报一一对应的样本数据，所述样本数据中包括标准财务指标和非标准财务指标的多个财务指标分类；/n针对所述样本进行数据处理，以对所述财务指标分类进行初筛过滤；/n将每个所述财务指标分类按照对应财务指标值的大小划分为多段，并匹配出各所述样本数据中财务指标值所处的分段及对应企业违约率构建训练样本；/n根据每个所述财务指标分类在逻辑回归分析中的显著性对保留下的财务指标分类进行二次过滤，之后通过构建的训练样本训练企业违约预测模型；/n基于待测小微企业的财报及所述企业违约预测模型，识别出所述待测小微企业的信用风险。/n

【技术特征摘要】
1.一种小微企业的信用风险识别方法，其特征在于，包括：
基于多个小微企业的财报挖掘出与所述财报一一对应的样本数据，所述样本数据中包括标准财务指标和非标准财务指标的多个财务指标分类；
针对所述样本进行数据处理，以对所述财务指标分类进行初筛过滤；
将每个所述财务指标分类按照对应财务指标值的大小划分为多段，并匹配出各所述样本数据中财务指标值所处的分段及对应企业违约率构建训练样本；
根据每个所述财务指标分类在逻辑回归分析中的显著性对保留下的财务指标分类进行二次过滤，之后通过构建的训练样本训练企业违约预测模型；
基于待测小微企业的财报及所述企业违约预测模型，识别出所述待测小微企业的信用风险。


2.根据权利要求1所述的方法，其特征在于，针对所述样本进行数据处理，以对所述财务指标分类进行初筛过滤的方法包括：
针对所述样本数据中为空值和异常值的财务指标分类进行数据修正，和/或，根据同一所述财务指标分类中为空值的数量占样本数据总量的比值以及为异常值的数量占样本数据总量的比值，对所述财务指标分类进行初筛过滤。


3.根据权利要求2所述的方法，其特征在于，针对所述样本数据中为异常值的财务指标分类进行数据修正的方法包括：
从各所述样本数据中分别提取出属于同一分类的财务指标值，并将每个财务指标分类对应的财务指标值按照从小到大的顺序排序；
设定每个财务指标分类的异常值阈值，所述异常值阈值的下限为所属财务指标分类中排序的第A1百分位对应的财务指标值，所述异常值阈值的上限为所属财务指标分类中排序的第A2百分位对应的财务指标值；
若所述样本数据中的财务指标值低于所属财务指标分类的异常值阈值下限，则将所述财务指标值替换为所述异常值阈值的下限，若所述样本数据中的财务指标值高于所属财务指标分类的异常值阈值上限，则将所述财务指标值替换为所述异常值阈值的上限。


4.根据权利要求2所述的方法，其特征在于，针对所述样本数据中为空值的财务指标分类进行数据修正的方法包括：
从各所述样本数据中分别提取出属于同一分类的财务指标值，并将每个财务指标分类对应的财务指标值按照从小到大的顺序排序；
若空值产生原因在于财报缺失引起的，则将所述空值替换为所属财务指标分类中排序的第B1百分位对应的财务指标值；
若空值产生原因在于变量计算引起的，则将所述空值替换为所属财务指标分类中排序的第B2百分位对应的财务指标值。


5.根据权利要求1所述的方法，其特征在于，根据同一所述财务指标分类中为空值的数量占样本数据总量的比值以及为异常值的数量占样本数据总量的比值，对所述财务指标分类进行初筛过滤的方法包括：
当同一分类的财务指标值为空值的数量占样本数据总量的比值超过第一阈值时，初筛过滤掉对应的财务指标分类；
当同一分类的财务指标值为异常值的数量占样本数据总量的比值超过第二阈值时，初筛过滤掉对应的财务指标分类。


6.根据权利要求1所述的方法，其特征在于，将所述财务指标分类按照对应财务指标值的大小划分为多段，并匹配出各所述样本数据中财务指标值所处的分段及对应企业违约率构建训练...

【专利技术属性】
技术研发人员：钱杭，
申请(专利权)人：苏宁金融科技南京有限公司，
类型：发明
国别省市：江苏;32