企业信用风险评价方法、装置及电子设备制造方法及图纸

本发明专利技术提供了一种企业信用风险评价方法、装置及电子设备，涉及数据处理技术领域，在对目标企业进行企业信用风险评价时，先获取目标企业的风险评估数据；然后根据风险评估数据和预先构建的指标体系，确定目标内生风险特征和目标外生风险特征；其中，该指标体系包括内生风险指标和基于知识图谱得到的外生风险指标；根据目标内生风险特征、目标外生风险特征、训练后的内生风险评价模型和训练后的外生风险评价模型，确定目标企业的信用风险评价结果。与现有的基于规则的评价方式相比，这种基于数理统计和机器学习的评价方式，以数据的统计规律为主，受人为的主观风险偏好影响较小，且运行相对稳定，使得效果更加稳定，提高了风险评价结果的可靠性。

【技术实现步骤摘要】
企业信用风险评价方法、装置及电子设备
本专利技术涉及数据处理
，尤其是涉及一种企业信用风险评价方法、装置及电子设备。
技术介绍
企业信用风险又称违约风险，是指企业因种种原因，不愿或无力履行合同条件而构成违约，致使银行、投资者或交易对方遭受损失的可能性。目前的企业信用风险评价方案通常是基于专家制定的相关规则，也即根据人工设定的风险传播规则来进行企业信用风险的评价。由于该类方案受专家主观影响较大，因此容易出现人为偏差，且效果不稳定，导致风险评价结果的可靠性较差。
技术实现思路
本专利技术的目的在于提供一种企业信用风险评价方法、装置及电子设备，以提高风险评价结果的可靠性。本专利技术实施例提供了一种企业信用风险评价方法，包括：获取目标企业的风险评估数据；根据所述风险评估数据和预先构建的指标体系，确定目标内生风险特征和目标外生风险特征；其中，所述指标体系包括内生风险指标和基于知识图谱得到的外生风险指标；根据所述目标内生风险特征、所述目标外生风险特征、训练后的内生风险评价模型和训练后的外生风险评价模型，确定所述目标企业的信用风险评价结果。进一步地，获取目标企业的风险评估数据的步骤，包括：通过预设的数据服务商采购目标企业的风险评估数据，所述风险评估数据包括工商数据、司法数据、股市债市交易数据、公告数据、企业经营数据、财务数据、企业关系数据、企业担保数据和评级数据。进一步地，根据所述风险评估数据和预先构建的指标体系，确定目标内生风险特征和目标外生风险特征的步骤，包括：通过预设的关系型数据库对所述风险评估数据进行数据加工和整合，得到数据报表；所述数据报表包括企业基础信息表、关系类报表、财务类报表、经营类报表、公告类报表、舆情类报表、担保类报表、金融市场交易类报表、外部评级类报表、司法类报表和企业信贷类报表；根据所述数据报表，生成与所述内生风险指标对应的目标内生风险特征和与所述外生风险指标对应的目标外生风险特征；其中，所述内生风险指标包括管理结构、企业属性、违法信息、信用记录、盈利能力、资产结构评价、偿债能力、现金流量、收益质量、成长能力和司法涉诉；所述外生风险指标包括结构指标、规模指标、衰减因子和免疫因子，所述结构指标与内部成员数和平均出入度有关，所述规模指标与总资产、总负债、总收入、总利润和利润为负的客户数量有关，所述衰减因子与不良客户数量和存量授信余额的客户数量有关，所述免疫因子与违约概率成负相关。进一步地，根据所述目标内生风险特征、所述目标外生风险特征、训练后的内生风险评价模型和训练后的外生风险评价模型，确定所述目标企业的信用风险评价结果的步骤，包括：将所述目标内生风险特征和所述目标外生风险特征分别输入训练后的内生风险评价模型和训练后的外生风险评价模型，得到所述内生风险评价模型输出的内生风险违约概率和所述外生风险评价模型输出的外生风险违约概率；根据所述内生风险违约概率和所述外生风险违约概率，确定所述目标企业的信用风险评价结果。进一步地，根据所述内生风险违约概率和所述外生风险违约概率，确定所述目标企业的信用风险评价结果的步骤，包括：将所述内生风险违约概率和所述外生风险违约概率分别与预设概率阈值进行比较，得到比较结果；根据所述比较结果，确定所述目标企业的信用风险评价结果。进一步地，所述方法还包括：获取训练集样本，所述训练集样本包括历史信贷企业在预测窗口内的历史评估数据和预测时间点的实际信贷违约结果；根据所述历史评估数据和所述指标体系，确定样本内生风险特征和样本外生风险特征；根据所述样本内生风险特征和所述实际信贷违约结果，对初始内生风险评价模型进行训练，得到训练后的内生风险评价模型；根据所述样本外生风险特征和所述实际信贷违约结果，对初始外生风险评价模型进行训练，得到训练后的外生风险评价模型。进一步地，根据所述样本内生风险特征和所述实际信贷违约结果，对初始内生风险评价模型进行训练，得到训练后的内生风险评价模型的步骤，包括：根据所述样本内生风险特征和所述实际信贷违约结果，通过K折交叉验证和网格搜索算法对预设的多种初始机器学习模型进行训练，得到多种训练后的机器学习模型；将多种所述机器学习模型中的最优模型确定为训练后的内生风险评价模型。本专利技术实施例还提供了一种企业信用风险评价装置，包括：数据获取模块，用于获取目标企业的风险评估数据；特征确定模块，用于根据所述风险评估数据和预先构建的指标体系，确定目标内生风险特征和目标外生风险特征；其中，所述指标体系包括内生风险指标和基于知识图谱得到的外生风险指标；结果确定模块，用于根据所述目标内生风险特征、所述目标外生风险特征、训练后的内生风险评价模型和训练后的外生风险评价模型，确定所述目标企业的信用风险评价结果。本专利技术实施例还提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的企业信用风险评价方法。本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述的企业信用风险评价方法。本专利技术实施例提供的企业信用风险评价方法、装置及电子设备，在对目标企业进行企业信用风险评价时，先获取目标企业的风险评估数据；然后根据风险评估数据和预先构建的指标体系，确定目标内生风险特征和目标外生风险特征；其中，该指标体系包括内生风险指标和基于知识图谱得到的外生风险指标；根据目标内生风险特征、目标外生风险特征、训练后的内生风险评价模型和训练后的外生风险评价模型，确定目标企业的信用风险评价结果。这样利用机器学习和知识图谱理论工具，构建了可以做到分时频率更新企业信用风险评价结果。与现有的基于规则的评价方式相比，这种基于数理统计和机器学习的评价方式，以数据的统计规律为主，受人为的主观风险偏好影响较小，且运行相对稳定，使得效果更加稳定，提高了风险评价结果的可靠性。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种企业信用风险评价方法的流程示意图；图2为本专利技术实施例提供的一种模型训练的流程示意图；图3为本专利技术实施例提供的一种企业信用风险评价方法的实施架构示意图；图4为本专利技术实施例提供的一种企业信用风险评价方法的结果展示示意图；图5为本专利技术实施例提供的一种企业信用风险评价装置的结构示意图；图6为本专利技术实施例提供的一种电子设备的结构示意图。具体实施方式下面将结合实施例对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分本文档来自技高网...

【技术保护点】
1.一种企业信用风险评价方法，其特征在于，包括：/n获取目标企业的风险评估数据；/n根据所述风险评估数据和预先构建的指标体系，确定目标内生风险特征和目标外生风险特征；其中，所述指标体系包括内生风险指标和基于知识图谱得到的外生风险指标；/n根据所述目标内生风险特征、所述目标外生风险特征、训练后的内生风险评价模型和训练后的外生风险评价模型，确定所述目标企业的信用风险评价结果。/n

【技术特征摘要】
1.一种企业信用风险评价方法，其特征在于，包括：
获取目标企业的风险评估数据；
根据所述风险评估数据和预先构建的指标体系，确定目标内生风险特征和目标外生风险特征；其中，所述指标体系包括内生风险指标和基于知识图谱得到的外生风险指标；
根据所述目标内生风险特征、所述目标外生风险特征、训练后的内生风险评价模型和训练后的外生风险评价模型，确定所述目标企业的信用风险评价结果。


2.根据权利要求1所述的企业信用风险评价方法，其特征在于，获取目标企业的风险评估数据的步骤，包括：
通过预设的数据服务商采购目标企业的风险评估数据，所述风险评估数据包括工商数据、司法数据、股市债市交易数据、公告数据、企业经营数据、财务数据、企业关系数据、企业担保数据和评级数据。


3.根据权利要求2所述的企业信用风险评价方法，其特征在于，根据所述风险评估数据和预先构建的指标体系，确定目标内生风险特征和目标外生风险特征的步骤，包括：
通过预设的关系型数据库对所述风险评估数据进行数据加工和整合，得到数据报表；所述数据报表包括企业基础信息表、关系类报表、财务类报表、经营类报表、公告类报表、舆情类报表、担保类报表、金融市场交易类报表、外部评级类报表、司法类报表和企业信贷类报表；
根据所述数据报表，生成与所述内生风险指标对应的目标内生风险特征和与所述外生风险指标对应的目标外生风险特征；其中，所述内生风险指标包括管理结构、企业属性、违法信息、信用记录、盈利能力、资产结构评价、偿债能力、现金流量、收益质量、成长能力和司法涉诉；所述外生风险指标包括结构指标、规模指标、衰减因子和免疫因子，所述结构指标与内部成员数和平均出入度有关，所述规模指标与总资产、总负债、总收入、总利润和利润为负的客户数量有关，所述衰减因子与不良客户数量和存量授信余额的客户数量有关，所述免疫因子与违约概率成负相关。


4.根据权利要求1所述的企业信用风险评价方法，其特征在于，根据所述目标内生风险特征、所述目标外生风险特征、训练后的内生风险评价模型和训练后的外生风险评价模型，确定所述目标企业的信用风险评价结果的步骤，包括：
将所述目标内生风险特征和所述目标外生风险特征分别输入训练后的内生风险评价模型和训练后的外生风险评价模型，得到所述内生风险评价模型输出的内生风险违约概率和所述外生风险评价模型输出的外生风险违约概率；
根据所述内生风险违约概率和所述外生风险违约概率，确定所述目标企业的信...

【专利技术属性】
技术研发人员：任亮，傅雨梅，王璞，
申请(专利权)人：北京知因智慧科技有限公司，
类型：发明
国别省市：北京;11