本申请实施例提供了一种中小微企业信用评估方法及装置，用以解决现有的中小微企业信用评估方法得到的评估结果不全面的技术问题。方法包括：确定待评估企业的企业类型，并根据所述企业类型确定信用评估模型；其中，所述企业类型至少包括中型企业以及小微型企业；获取所述待评估企业的信用评估数据，并通过所述信用评估数据生成所述信用评估模型对应的信用评估指标；将所述信用评估指标输入至所述信用评估模型中，以得到所述待评估企业的信用评分。本申请通过上述方法从多源数据中进行指标筛选，模型结合模糊层次分析算法以及逻辑回归算法这两种算法，全方面对企业信用进行评估，保证了评估结果的全面性及准确性。保证了评估结果的全面性及准确性。保证了评估结果的全面性及准确性。
【技术实现步骤摘要】
一种中小微企业信用评估方法及装置
[0001]本申请涉及信用评估
，尤其涉及一种中小微企业信用评估方法及装置。
技术介绍
[0002]信用风险是中小微型企业贷款过程中的主要风险，其在金融市场上是客观存在的。有效评估信用风险并对其进行有效管理规避是每家企业的核心目标。但企业与金融机构之间存在的信息不对称的问题，使企业陷入融资难的困境。建立合理的风险评估体系，有效评估企业的信用是解决问题的关键。
[0003]目前，对于中小微型企业信用的研究以单一的综合评价方法为主，这种方法容易导致得到的评价结果是片面的。
技术实现思路
[0004]本申请实施例提供了一种中小微企业信用评估方法及装置，用以解决现有的中小微企业信用评估方法得到的评估结果不全面的技术问题。
[0005]一方面，本申请实施例提供了一种中小微企业信用评估方法，包括：确定待评估企业的企业类型，并根据所述企业类型确定信用评估模型；其中，所述企业类型至少包括中型企业以及小微型企业；获取所述待评估企业的信用评估数据，并通过所述信用评估数据生成所述信用评估模型对应的信用评估指标；将所述信用评估指标输入至所述信用评估模型中，以得到所述待评估企业的信用评分。
[0006]在本申请的一种可能实现方式中，在根据所述企业类型确定信用评估模型之前，所述方法还包括：获取所述中型企业的信用评估数据，并基于所述信用评估数据建立适用于所述中型企业的信用评估模型；以及，获取所述小微型企业的信用评估数据，并基于所述信用评估数据建立适用于所述小微型企业的信用评估模型；其中，所述信用评估数据至少包括以下任一项或者多项：企业工商数据、纳税数据、项目合作数据、司法数据以及财务数据。
[0007]在本申请的一种可能实现方式中，基于所述信用评估数据建立适用于所述中型企业的信用评估模型，具体包括：构建所述中型企业的信用评估模型对应的信用评估指标体系；其中，所述信用评估指标体系中包括若干信用评估指标；所述信用评估指标至少包括以下任一项或者多项：企业偿债能力指标、盈利能力指标、发展能力指标、经营能力指标以及履约能力指标；获取所述信用评估指标体系对应的信用评估数据，并对所述信用评估数据进行预处理；通过预处理后的所述信用评估数据构建样本集；其中，所述样本集与所述信用评估指标相对应；基于所述样本集，通过模糊层次分析算法与逻辑回归算法进行建模。
[0008]在本申请的一种可能实现方式中，在通过预处理后的所述信用评估数据构建样本集之后，所述方法还包括：对所述信用评估指标进行筛选，具体包括：确定各个所述信用评估指标对应的样本集中同值及缺失值的个数，并在所述个数大于第一预设阈值的情况下，剔除所述信用评估指标，以完成所述信用评估指标的一轮筛选；对一轮筛选后的所述信用
评估指标进行IV值计算；其中，所述IV值用于指示所述信用评估指标对所述信用评分的影响程度；剔除小于第二预设阈值的所述IV值对应的信用评估指标，以完成所述信用评估指标的二轮筛选；对二轮筛选后的所述信用评估指标进行多元共线性检验，并剔除检验结果中的VIF值大于第三预设阈值的信用评估指标，以完成所述信用评估指标的三轮筛选；对三轮筛选后的所述信用评估指标进行P值显著性检验，并保留P值小于第四预设阈值的所述信用评估指标，以完成所述信用评估指标的筛选过程；通过筛选得到的所述信用评估指标对应的样本集，对所述信用评估模型进行训练。
[0009]在本申请的一种可能实现方式中，对所述信用评估模型进行训练，具体包括：基于模糊层次分析算法建立层次分析结构；其中，所述层次分析结构包括目标层、准则层以及指标层；所述目标层用于指示企业信用评估结果，所述准则层包括所述信用评估指标，所述指标层用于指示所述信用评估指标对应的二级指标；所述二级指标基于所述待评估企业的业务数据确定；构建模糊判断矩阵，并对所述模糊判断矩阵进行一致性检验；其中，所述模糊判断矩阵中的元素用于指示所述信用评估指标对应的重要性分值；在所述模糊判断矩阵通过所述一致性检验之后，计算所述模糊判断矩阵的对应权重，并基于所述对应权重，通过预设标准分值，计算得到所述信用评估指标分别对应的综合分值。
[0010]在本申请的一种可能实现方式中，在得到所述信用评估指标分别对应的综合分值之后，所述方法还包括：将所述信用评估指标对应的样本集以及所述信用评估指标分别对应的综合分值，输入至逻辑回归算法中；通过AIC准则进行逐步回归，以完成所述信用评估模型的训练过程。
[0011]在本申请的一种可能实现方式中，所述方法还包括：将所述逐步回归过程返回的概率值，转换成标准评分；通过所述信用评估模型，输出所述标准评分。
[0012]在本申请的一种可能实现方式中，将所述信用评估指标输入至所述信用评估模型中，以得到所述待评估企业的信用评分，具体包括：将所述信用评估指标输入至所述信用评估模型的模糊层次分析算法中，得到所述信用评估指标分别对应的评分；将所述信用评估指标分别对应的评分输入至所述信用评估模型的逻辑回归算法中，得到所述待评估企业的信用评分。
[0013]在本申请的一种可能实现方式中，在得到所述待评估企业的信用评分之后，所述方法还包括：将所述信用评分与预设信用分值进行比较；其中，所述预设信用分值为所述中型企业或者所述小微型企业所能接受的最小信用分值；在所述信用评分低于所述预设信用分值的情况下，触发风险应对策略。
[0014]另一方面，本申请实施例还提供了一种中小微企业信用评估装置，包括：确定模块，用于确定待评估企业的企业类型，并根据所述企业类型确定信用评估模型；其中，所述企业类型至少包括中型企业以及小微型企业；获取模块，用于获取所述待评估企业的信用评估数据，并通过所述信用评估数据生成所述信用评估模型对应的信用评估指标；评估模块，用于将所述信用评估指标输入至所述信用评估模型中，以得到所述待评估企业的信用评分。
[0015]本申请实施例提供的一种中小微企业信用评估方法及装置，具有以下有益效果：
[0016](1)相较于单一数据源的企业信用评估方法，本申请实施例基于企业的多源数据融合，包含全面丰富的数据维度和评估指标，从多源数据中进行指标筛选，实现全方面对企
业信用进行评估。
[0017](2)提出客群分层，针对中小微型企业之间的差异将企业区分为中型企业和小微型企业分别建立评估模型，解决了中型企业和小微型企业侧重点不同的问题，使得评估更加准确。
[0018](3)相较于传统的专家评价法、Z
‑
Score模型、层次分析法评估方法，本申请实施例旨在将两种不同原理的评估方法(模糊层次分析法以及逻辑回归法)进行结合，并根据企业实际情况构建信用评估模型，在一定程度上合理的评价企业的信用风险，克服了单一的综合评价方法容易导致评价结果片面的技术问题。
[0019](4)应用大数据技术进行信用评估分析，根据企业海量的数据丰富的企业评估指标以及多种算法的融合，本申请实施例提出的评估方法会更适用于大数据海量企业数据的风控建模，其应用前景极为广本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种中小微企业信用评估方法，其特征在于，所述方法包括：确定待评估企业的企业类型，并根据所述企业类型确定信用评估模型；其中，所述企业类型至少包括中型企业以及小微型企业；获取所述待评估企业的信用评估数据，并通过所述信用评估数据生成所述信用评估模型对应的信用评估指标；将所述信用评估指标输入至所述信用评估模型中，以得到所述待评估企业的信用评分。2.根据权利要求1所述的一种中小微企业信用评估方法，其特征在于，在根据所述企业类型确定信用评估模型之前，所述方法还包括：获取所述中型企业的信用评估数据，并基于所述信用评估数据建立适用于所述中型企业的信用评估模型；以及，获取所述小微型企业的信用评估数据，并基于所述信用评估数据建立适用于所述小微型企业的信用评估模型；其中，所述信用评估数据至少包括以下任一项或者多项：企业工商数据、纳税数据、项目合作数据、司法数据以及财务数据。3.根据权利要求2所述的一种中小微企业信用评估方法，其特征在于，基于所述信用评估数据建立适用于所述中型企业的信用评估模型，具体包括：构建所述中型企业的信用评估模型对应的信用评估指标体系；其中，所述信用评估指标体系中包括若干信用评估指标；所述信用评估指标至少包括以下任一项或者多项：企业偿债能力指标、盈利能力指标、发展能力指标、经营能力指标以及履约能力指标；获取所述信用评估指标体系对应的信用评估数据，并对所述信用评估数据进行预处理；通过预处理后的所述信用评估数据构建样本集；其中，所述样本集与所述信用评估指标相对应；基于所述样本集，通过模糊层次分析算法与逻辑回归算法进行建模。4.根据权利要求3所述的一种中小微企业信用评估方法，其特征在于，在通过预处理后的所述信用评估数据构建样本集之后，所述方法还包括：对所述信用评估指标进行筛选，具体包括：确定各个所述信用评估指标对应的样本集中同值及缺失值的个数，并在所述个数大于第一预设阈值的情况下，剔除所述信用评估指标，以完成所述信用评估指标的一轮筛选；对一轮筛选后的所述信用评估指标进行IV值计算；其中，所述IV值用于指示所述信用评估指标对所述信用评分的影响程度；剔除小于第二预设阈值的所述IV值对应的信用评估指标，以完成所述信用评估指标的二轮筛选；对二轮筛选后的所述信用评估指标进行多元共线性检验，并剔除检验结果中的VIF值大于第三预设阈值的信用评估指标，以完成所述信用评估指标的三轮筛选；对三轮筛选后的所述信用评估指标进行P值显著性检验，并保留P值小于第四预设阈值的所述信用评估指标，以完成所述信用评估指标的筛选过程；通过筛选得到的所述信用评估指标对应的样本集...
【专利技术属性】
技术研发人员：宋亚南，崔乐乐，边松华，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。