一种基于图规则引擎的信贷风险预警方法、系统及存储介质技术方案

本发明专利技术涉及信贷风险评估领域，尤其涉及一种基于图规则引擎的信贷风险预警方法、系统及存储介质。本发明专利技术通过图规则引擎，可以形成包括多个企业、自然人以及风险事件信息的图数据库，然后根据需要从图数据库中提取出子数据图，再根据设定的风险值、传导系数以及计算规则得到需要评估的企业的总风险，之后再与设定的阈值比较可以判断需要评估的企业的风险情况，这样企业当前的传导性风险可以作为信贷风控指标的补充用于贷前审核以及贷后管理环节，提升金融机构的风控水平，且使得信贷风险评估更加准确完善。更加准确完善。更加准确完善。

【技术实现步骤摘要】
一种基于图规则引擎的信贷风险预警方法、系统及存储介质


[0001]本专利技术涉及信贷风险评估领域，尤其涉及一种基于图规则引擎的信贷风险预警方法、系统及存储介质。

技术介绍

[0002]信用评估是信贷的基础，用于解决借贷过程中的还款风险度量问题，信用风险管理在资本市场上占据了重要的位置。
[0003]现有技术信贷风险评估主要是针对企业经营指标进行建模，更加关注企业本身，但是实际上企业外部事件的风险传导到企业对于企业也会存在影响，但是现有技术并没有做这方面的信贷风险评估。
[0004]图规则引擎是一种基于图数据(Graph Data)的规则引擎。图数据包括形成图的顶点及其属性数据以及边及其属性数据，其中的边可以是有向的，且可以定义权值。因此我们可以设计一种图规则引擎，利用具有一定风险值的事件作为一类顶点，在图规则引擎中，利用外部事件与企业之间的边定义风险传导系数，同时基于对事件的理解定义风险的计算模式，从而在企业信贷申请评估与贷后管理中实现风险事件传导预警功能。

技术实现思路

[0005]本专利技术所要解决的技术问题是：提供一种基于图规则引擎的信贷风险预警方法，采用这种信贷风险预警方法可以在企业信贷申请评估与贷后管理中实现风险事件传导预警功能，进而使得信贷风险评估更加准确完善。
[0006]本专利技术所采用的技术方案是：一种基于图规则引擎的信贷风险预警方法，它包括以下步骤：
[0007]S1、建立包含多个企业、自然人以及风险事件信息的图数据库，其中，图数据库包括顶点与边，企业、自然人以及风险事件均为顶点，它们之间的相互关联类型为边，并且设定不同风险事件的风险值、不同关联类型的传导系数、计算规则以及总风险阈值；
[0008]S2、针对需要进行评估的企业进行广度优先搜索，将与该企业相关的企业、自然人以及风险事件信息全部提取出来形成子数据图，其中，子数据图包括顶点与边，企业、自然人以及风险事件均为顶点，它们之间的相互关联类型为边；
[0009]S3、判断子数据图中是否存在风险事件，若没有存在，则结束；若存在风险事件，则跳转到下一步；
[0010]S4、根据步骤S1定义的风险值、传导系数以及计算规则来计算子数据图中需要评估的企业的总风险，然后再与步骤S1中设定的总风险阈值比较，若得到的总风险没有超过设定的总风险阈值，则结束；若得到的总风险超过设定的总风险阈值，则判断该企业存在风险，进行风险预警。
[0011]作为优选，总风险为内部风险加上外部风险，内部风险为需要进行评估的企业自身风险，外部风险为与需要进行评估的企业产生关联的企业或者自然人的风险。
[0012]作为优选，所述计算规则为：当判断风险事件为内部风险，则计算规则为累加，当判断风险事件为外部风险，则计算规则为取最高值或平均值。
[0013]作为优选，步骤S1中还需要设定子数据图数据量阈值，步骤S2形成子数据图后还需要统计子数据图的数据量，且然后步骤S2得到的数据量需要跟数据量阈值比较，若子数据图的数据量大于数据量阈值，则步骤S4得到的风险系数需要进行修正，若子数据图的数据量小于数据量阈值，则步骤S4得到的风险系数不需要进行修正。
[0014]作为优选，步骤S1中需要定期更新图数据库数据。
[0015]作为优选，步骤S2中广度优先搜索的搜索度数需要用户预先设定。
[0016]为了解决本申请的技术问题，本专利技术还公开了一种基于图规则引擎的信贷风险预警系统，它包括：
[0017]图数据库创建模块，用于根据现有的多个企业、自然人以及风险事件信息创建图数据库，其中，图数据库包括顶点与边，企业、自然人以及风险事件均为顶点，它们之间的相互关联类型为边；
[0018]子数据图创建模块，搜索需要进行评估的企业，将与该企业相关的企业、自然人以及风险事件信息全部提取出来形成子数据图，其中，子数据图包括顶点与边，企业、自然人以及风险事件均为顶点，它们之间的相互关联类型为边；
[0019]总风险计算模块，根据形成的子数据图计算需要进行评估的企业的总风险；
[0020]风险判断模块，根据计算出的总风险判断需要进行评估的企业是否具有风险。
[0021]作为优选，它还包括更新模块，用于定期更新图数据库创建模块创建的图数据库。
[0022]作为优选，它还包括修正模块，根据子数据图创建模块创建的子数据图的数据量修正总风险计算模块计算得到的总风险。
[0023]为了解决本申请的技术问题，本专利技术还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被执行时实现基于图规则引擎的信贷风险预警方法。
[0024]采用以上方法与现有技术相比，本专利技术具有以下优点：通过图规则引擎，可以形成包括多个企业、自然人以及风险事件信息的图数据库，然后根据需要从图数据库中提取出子数据图，再根据设定的风险值、传导系数以及计算规则得到需要评估的企业的总风险，之后再与设定的阈值比较可以判断需要评估的企业的风险情况，这样企业当前的传导性风险可以作为信贷风控指标的补充用于贷前审核以及贷后管理环节，提升金融机构的风控水平，且使得信贷风险评估更加准确完善。
附图说明
[0025]图1是本专利技术的一种基于图规则引擎的信贷风险预警方法的流程图。
[0026]图2为本专利技术实施例一中子数据图的示意图。
具体实施方式
[0027]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施
例中的特征可以相互组合。
[0028]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0029]实施例一：
[0030]一种基于图规则引擎的信贷风险预警方法，如图1所示，它包括以下步骤：
[0031]S1、建立包含多个企业、自然人以及风险事件信息的图数据库，其中，图数据库包括顶点与边，企业、自然人以及风险事件均为顶点，它们之间的相互关联类型为边，并且设定不同风险事件的风险值、不同关联类型的传导系数、计算规则以及总风险阈值；其中：
[0032]因为图数据库包括了很多企业、自然人以及风险事件信息，所以十分庞大，在本实施例的附图中并不能表示出来；
[0033]风险事件，指针对某企业或者自然人发生的可以定义风险值的重要事件，比如某企业贷款逾期或者是某自然人被限制高消费等，且每个风险事件有各自的风险值，如在本具体实施例中，贷款逾期的风险值为80，限制高消费的风险值为100；
[0034]关联，包括企业与企业本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图规则引擎的信贷风险预警方法，其特征在于，它包括以下步骤：S1、建立包含多个企业、自然人以及风险事件信息的图数据库，其中，图数据库包括顶点与边，企业、自然人以及风险事件均为顶点，它们之间的相互关联类型为边，并且设定不同风险事件的风险值、不同关联类型的传导系数、计算规则以及总风险阈值；S2、针对需要进行评估的企业进行广度优先搜索，将与该企业相关的企业、自然人以及风险事件信息全部提取出来形成子数据图，其中，子数据图包括顶点与边，企业、自然人以及风险事件均为顶点，它们之间的相互关联类型为边；S3、判断子数据图中是否存在风险事件，若没有存在，则结束；若存在风险事件，则跳转到下一步；S4、根据步骤S1定义的风险值、传导系数以及计算规则来计算子数据图中需要评估的企业的总风险，然后再与步骤S1中设定的总风险阈值比较，若得到的总风险没有超过设定的总风险阈值，则结束；若得到的总风险超过设定的总风险阈值，则判断该企业存在风险，进行风险预警。2.根据权利要求1所述的一种基于图规则引擎的信贷风险预警方法，其特征在于：总风险为内部风险加上外部风险，内部风险为需要进行评估的企业自身风险，外部风险为与需要进行评估的企业产生关联的企业或者自然人的风险。3.根据权利要求2所述的一种基于图规则引擎的信贷风险预警方法，其特征在于：所述计算规则为：当判断风险事件为内部风险，则计算规则为累加，当判断风险事件为外部风险，则计算规则为取最高值或平均值。4.根据权利要求1所述的一种基于图规则引擎的信贷风险预警方法，其特征在于：步骤S1中还需要设定子数据图数据量阈值，步骤S2形成子数据图后还需要统计子数据图的数据量，且然后步骤S2得到的数据量需要跟数...

【专利技术属性】
技术研发人员：徐啸，吕健，
申请(专利权)人：东方微银科技股份有限公司，
类型：发明
国别省市：