基于GRA的动态中小企业信用评分方法及系统技术方案

本发明专利技术公开了基于GRA的动态中小企业信用评分方法及系统，属于信用评估技术领域，本发明专利技术要解决的技术问题为针对中小企业信用状况难以准确评估的现状，如何实现运用多源中小企业信息，综合分析中小企业发展趋势，产生准确、稳健信用评分，技术方案为：该方法具体如下：获取时间序列特征数据：获取受评企业所在行业以及受评企业在采样时间点上的时间序列信用特征数据；分箱转换特征数据：运用基于决策树分类器与信息熵评价的特征分箱模型，得到每个时间序列信用特征在每个采集时间点对应的信用特征数据分箱编码结果；计算信用特征评分；计算参考序列；生成信用评判值序列；动态预测信用风险。本发明专利技术还公开了基于GRA的动态中小企业信用评分系统。

【技术实现步骤摘要】
基于GRA的动态中小企业信用评分方法及系统
本专利技术涉及信用评估
，具体地说是一种基于GRA的动态中小企业信用评分方法及系统。
技术介绍
近年来，得益于普惠金融政策支持，中小企业贷款成本降低、贷款量持续上升。然而，由于中小企业存续时间普遍较短、财务数据不规范、容易受到宏观环境与经济周期影响等特点，仅运用财务指标分析难以形成准确的信用评价。信用评分是一种对客户特征数据进行严谨分析，运用特定信用评分模型计算出一个能够反映客户履行经济责任的能力及其可信任程度的分数值的技术。通常，信用评分模型采用企业孤立时间点上的财务指标、历史信贷记录、银行流水信息等数据，产生针对当前时刻的信用评分。专利号为CN110796539A公开了一种征信评估方法及装置，包括：获取待评估企业的征信相关数据，所述征信相关数据包括多个征信指标；根据所述多个征信指标以及各自对应的征信指标评分规则，获得所述待评估企业的征信评分；其中，每个征信指标对应的评分规则是预设的；若判断获知所述征信评分大于评分阈值，则将所述多个征信指标输入至征信评估模型，获得所述待评估企业本文档来自技高网...

【技术保护点】
1.一种基于GRA的动态中小企业信用评分方法，其特征在于，该方法具体如下：/n获取时间序列特征数据：获取受评企业所在行业以及受评企业在采样时间点上的时间序列信用特征数据；/n分箱转换特征数据：运用基于决策树分类器与信息熵评价的特征分箱模型，得到每个时间序列信用特征在每个采集时间点对应的信用特征数据分箱编码结果；/n计算信用特征评分：运用逻辑回归分类器及信用评分卡模型，将受评企业每个特征分箱编码结果转换为与其对应的信用特征评分分值；/n计算参考序列：使用受评企业所在行业中各信用特征对应的信用评分最高分值作为GRA参考序列；/n生成信用评判值序列：将受评企业信用特征分值与参考序列标准化，计算受评企...

【技术特征摘要】
1.一种基于GRA的动态中小企业信用评分方法，其特征在于，该方法具体如下：
获取时间序列特征数据：获取受评企业所在行业以及受评企业在采样时间点上的时间序列信用特征数据；
分箱转换特征数据：运用基于决策树分类器与信息熵评价的特征分箱模型，得到每个时间序列信用特征在每个采集时间点对应的信用特征数据分箱编码结果；
计算信用特征评分：运用逻辑回归分类器及信用评分卡模型，将受评企业每个特征分箱编码结果转换为与其对应的信用特征评分分值；
计算参考序列：使用受评企业所在行业中各信用特征对应的信用评分最高分值作为GRA参考序列；
生成信用评判值序列：将受评企业信用特征分值与参考序列标准化，计算受评企业在各个采样时间点上每个信用特征分值与参考序列之间的灰色关联度，形成受评企业信用评判值序列；
动态预测信用风险：以受评企业信用评判值序列为基础，使用Holt-Winters三次指数平滑法拟合时间序列预测模型并仿真预测受评企业未来三期的信用评分值。


2.根据权利要求1所述的基于GRA的动态中小企业信用评分方法，其特征在于，所述获取时间序列特征数据具体如下：
按照企业唯一标识，将属于同一受评企业的特征数据存储在同一集合中；
获取受评企业所在行业数据，存储为行业特征；
获取受评企业最近若干个采样时间点上的时间序列信用特征数据，存储为时间序列信用特征；其中，最近若干个采样时间点为最近若干个季度，每个季度的最后一天。


3.根据权利要求1或2所述的基于GRA的动态中小企业信用评分方法，其特征在于，所述时间序列特征数据划分为五种类型的企业信用信息，具体如下：
①、企业经营稳定性类：企业信用信息包括企业存续时长、企业历史变更次数、企业经营异常次数、企业雇佣员工个数、企业公共缴费情况以及企业社保与公积金缴纳金额；
②、企业履约状况类：企业信用信息包括企业历史贷款履约率、企业历史履约金额、企业历史最大超期天数、企业商业往来履约率、企业合同履约率、企业信贷类涉诉次数以及企业信贷类罚款金额；
③、企业产品信誉类：企业信用信息包括产品抽检合格率、电商产品好评率、电商产品退货率以及店铺交易投诉比率；
④、企业财务状况类：企业信用信息包括净资产收益率、总资产报酬率、资产负债率、速动比率、现金流负债比率、营业收入增长率以及净利润增长率；
⑤、企业纳税情况类：企业信用信息包括企业应纳税额、减免税额、增值税已缴税额、所得税已交税额、税务开票金额、欠税金额以及税收违法与行政处罚次数。


4.根据权利要求1所述的基于GRA的动态中小企业信用评分方法，其特征在于，构建所述基于决策树分类器与信息熵评价的特征分箱模型具体如下：
(一)、以C4.5决策树分类器作为基础分箱模型；
(二)、使用信息熵Entrophy作为决策树分叉衡量标准；
(三)、利用python中的HyperOpt方法进行自动化的贝叶斯优化方法来调整基础分箱模型参数，并以AUC值作为基础分箱模型的效果检验标准，生成基于决策树分类器与信息熵评价的特征分箱模型；
(四)、将每个特征运用基于决策树分类器与信息熵评价的特征分箱模型产生的决策树叶子节点分别对应的该特征最大值及最小值作为连续特征分箱截断依据；
(五)、针对分箱后的特征数据，使用该特征所在分箱的WOE值作为编码代替原始特征数据值；
其中，基于决策树分类器与信息熵评价的特征分箱模型训练具体如下：
(1)、获取归属于统一行业的中小企业样本集信用特征数据；
(2)、按照企业唯一标识，将属于同一企业的信用特征数据存储在同一集合中；
(3)、按照信用特征数据分布特点，将属于同一集合的信用特征数据划分为定量分析类与定性分析类；
(4)、对定性分析类信用特征进行定量化处理；
(5)、将中小企业样本集中的特征逐个作为训练数据训练其对应的以信息熵作为分类标准的C4.5决策树分类器；
(6)、通过HyperOpt方法调整模型参数；
(7)、判断是否满足分类性能要求：
①、若是，则执行步骤(8)；
②、若否，则跳转至步骤(6)；
(8)、输出每个特征对应的基于决策树分类器与信息熵评分的特征分箱模型叶子节点作为分箱结果。


5.根据权利要求1所述的基于GRA的动态中小企业信用评分方法，其特征在于，所述计算信用特征评分具体如下：
将受评企业信用特征数据分箱编码结果依次输入逻辑回归分类器及信用评分卡模型中，计算得到其对应的受评企业信用特征评分分值；其中，逻辑回归分类器以加入10折交叉验证的逻辑回归算法...

【专利技术属性】
技术研发人员：崔光裕，边松华，崔乐乐，
申请(专利权)人：天元大数据信用管理有限公司，
类型：发明
国别省市：山东;37