企业信用监控方法、装置、设备及存储介质制造方法及图纸

本公开提供了一种企业信用监控方法、装置、设备及存储介质，所述方法包括：获取第一指标数据，第一指标数据包括多条历史经营数据，每条历史经营数据包括一个统计周期的多个经营指标的数据；对第一指标数据进行第一清洗，得到无缺陷经营指标的第二指标数据；根据第二指标数据的逾期风险相关性，对经营指标进行降维筛选，得到决策指标；基于决策指标和第一指标数据，得到第三指标数据，第三指标数据中的每条历史经营数据仅包括所述决策指标；对第三指标数据用支持向量机进行分析，计算决策面；将当期的经营数据用所述决策面进行分类，确定是否有逾期风险。本公开实施例的方法对计算机硬件要求低，降低了计算难度，提高了算力。提高了算力。提高了算力。

【技术实现步骤摘要】
企业信用监控方法、装置、设备及存储介质


[0001]本公开涉及计算机领域，尤其涉及一种企业信用监控方法、装置、设备及存储介质。

技术介绍

[0002]及时准确掌握合作企业的信用，能够及时规避风险。例如，供应链企业信用等级低，逾期风险高。根据企业运营财务报表评价信用时效性及准确性差。采用经营数据评价信用，数据维度大，计算难度高，对计算机的硬件和算力要求高。

技术实现思路

[0003]本公开提供了一种企业信用监控方法、装置、设备及存储介质，以至少解决现有技术中存在的以上技术问题。
[0004]根据本公开的第一方面，提供了一种企业信用监控方法，所述方法包括：
[0005]获取第一指标数据，所述第一指标数据包括多条历史经营数据，每条所述历史经营数据包括一个统计周期的多个经营指标的数据；
[0006]对所述第一指标数据进行第一清洗，得到无缺陷经营指标的第二指标数据；
[0007]根据所述第二指标数据的逾期风险相关性，对所述经营指标进行降维筛选，得到决策指标；
[0008]基于所述决策指标和所述第一指标数据，得到第三指标数据，所述第三指标数据中的每条历史经营数据仅包括所述决策指标；
[0009]对所述第三指标数据用支持向量机进行分析，计算决策面；
[0010]将当期的经营数据用所述决策面进行分类，确定是否有逾期风险。
[0011]在一可实施方式中，所述缺陷经营指标包括数据缺失、数据异常或数据错误的所述经营指标；
[0012]对所述第一指标数据进行第一清洗，包括：
[0013]删除包括数据缺失或数据错误的历史经营数据条；
[0014]删除数据缺失和数据错误的比例达到阈值的所述经营指标。
[0015]在一可实施方式中，对所述第一指标数据进行第一清洗，还包括：删除包括数据异常的历史经营数据条；
[0016]其中，用DBSCAN聚类算法基于距离对所述第一指标数据进行聚类分析，确定所述经营指标是否数据异常。
[0017]在一可实施方式中，根据所述第二指标数据的逾期风险相关性，对所述经营指标进行降维筛选，包括：
[0018]采用逻辑回归对所述第二指标数据处理，进行所述经营指标降维筛选，所述逻辑回归的公式如下：
[0019][0020]式中，p表示逾期率，自变量Xm为所述第二指标数据中的所述经营指标，β
m
对应每个所述经营指标在计算逾期率时的权重，权重越大，对应的所述经营指标与逾期率相关性越大。
[0021]在一可实施方式中，采用逻辑回归对所述第二指标数据处理，进行所述经营指标降维筛选时，引入贝叶斯信息准则惩罚机制，
[0022]BIC＝kln(n)
‑
2ln(L)
[0023]式中，k为所述第二指标数据中的指标个数，n为所述第二指标数据中所述历史经营数据的条数，L为似然函数；
[0024]选择BIC最小的所述经营指标组合为决策指标组。
[0025]在一可实施方式中，根据逾期风险相关性对所述第二指标数据中的所述经营指标进行降维筛选，还包括：
[0026]对所述第二指标数据中的所述经营指标的值进行标准化转换，得到经营指标标准值，转换公式如下，
[0027]经营指标标准值＝(经营指标原数值
‑
经营指标最小值)/(经营指标最大值
‑
经营指标最小值)；
[0028]所述逻辑回归的公式中，自变量Xm为所述经营指标标准值。
[0029]在一可实施方式中，基于所述决策指标和所述第一指标数据，得到第三指标数据，包括：
[0030]提取所述第一指标数据中的决策指标的数据，对提取的所述数据进行第二清洗，得到无缺陷经营指标的所述第三指标数据，所述缺陷经营指标包括数据缺失、数据异常或数据错误的所述经营指标。
[0031]在一可实施方式中，对提取的所述数据进行第二清洗，包括：
[0032]删除包括数据缺失或数据错误的历史经营数据条；
[0033]删除包括数据异常的历史经营数据条。
[0034]在一可实施方式中，对所述第三指标数据用支持向量机进行分析，计算决策面，包括：
[0035]将自变量X＝{X1,X2,...,X
n
}和二元变量y＝{
‑
1,1}输入所述支持向量机，其中自变量x
i
分别对应所述决策指标，i＝1,2,
…
,n，y＝
±
1分别对应正类和负类，所述第三指标数据所在的特征空间存在的决策边界将第三指标数据按正类和负类分开，并使得第三指标数据点到决策边界的距离大于1，
[0036]W
T
X+b>1时，y＝1
[0037]W
T
X+b<
‑
1时，y＝
‑1[0038]决策边界为：W
T
X+b＝0。
[0039]根据本公开的第二方面，提供了一种企业信用监控装置，所述装置包括：
[0040]获取模块，其用于获取第一指标数据，所述第一指标数据包括多条历史经营数据，每条所述历史经营数据包括一个统计周期的多个经营指标的数据；
[0041]预处理模块，其用于对所述第一指标数据进行第一清洗，得到无缺陷经营指标的
第二指标数据；
[0042]筛选模块，其用于根据所述第二指标数据的逾期风险相关性，对所述经营指标进行降维筛选，得到决策指标；
[0043]所述筛选模块还用于基于所述决策指标和所述第一指标数据，得到第三指标数据，所述第三指标数据中的每条历史经营数据仅包括所述决策指标；
[0044]分析模块，其用于对所述第三指标数据用支持向量机进行分析，计算决策面；将当期的经营数据用所述决策面进行分类，确定是否有逾期风险。
[0045]根据本公开的第三方面，提供了一种电子设备，包括：
[0046]至少一个处理器；以及
[0047]与所述至少一个处理器通信连接的存储器；其中，
[0048]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开所述的方法。
[0049]根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开所述的方法。
[0050]本公开的企业信用监控方法、装置、设备及存储介质，通过对第一指标数据进行清洗，得到无缺陷经营指标的第二指标数据，避免影响后的决策指标的筛选，进而影响信用评价结果，根据所述第二指标数据的逾期风险相关性对经营指标进行降维筛选，得到决策指标，降低了指标维度，降低了计算难度，对计算机硬件要求低，而且避免丢失重要指标，进而影响评价结果。基于所述决策指标和所述第一指标数据得到第三指标数据，能够得到尽可能多的可用数据，对第三指标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种企业信用监控方法，其特征在于，所述方法包括：获取第一指标数据，所述第一指标数据包括多条历史经营数据，每条所述历史经营数据包括一个统计周期的多个经营指标的数据；对所述第一指标数据进行第一清洗，得到无缺陷经营指标的第二指标数据；根据所述第二指标数据的逾期风险相关性，对所述经营指标进行降维筛选，得到决策指标；基于所述决策指标和所述第一指标数据，得到第三指标数据，所述第三指标数据中的每条历史经营数据仅包括所述决策指标；对所述第三指标数据用支持向量机进行分析，计算决策面；将当期的经营数据用所述决策面进行分类，确定是否有逾期风险。2.根据权利要求1所述的方法，其特征在于，所述缺陷经营指标包括数据缺失、数据异常或数据错误的所述经营指标；对所述第一指标数据进行第一清洗，包括：删除包括数据缺失或数据错误的历史经营数据条；删除数据缺失和数据错误的比例达到阈值的所述经营指标。3.根据权利要求2所述的方法，其特征在于，对所述第一指标数据进行第一清洗，还包括：删除包括数据异常的历史经营数据条；其中，用DBSCAN聚类算法基于距离对所述第一指标数据进行聚类分析，确定所述经营指标是否数据异常。4.根据权利要求1所述的方法，其特征在于，根据所述第二指标数据的逾期风险相关性，对所述经营指标进行降维筛选，包括：采用逻辑回归对所述第二指标数据处理，进行所述经营指标降维筛选，所述逻辑回归的公式如下：式中，p表示逾期率，自变量Xm为所述第二指标数据中的所述经营指标，β
m
对应每个所述经营指标在计算逾期率时的权重，权重越大，对应指标与逾期率相关性越大。5.根据权利要求4所述的方法，其特征在于，采用逻辑回归对所述第二指标数据处理，进行所述经营指标降维筛选时，引入贝叶斯信息准则惩罚机制，BIC＝kln(n)
‑
2ln(L)式中，k为所述第二指标数据中的指标个数，n为所述第二指标数据中所述历史经营数据的条数，L为似然函数；选择BIC最小的所述经营指标组合为决策指标组。6.根据权利要求4所述的方法，其特征在于，根据逾期风险相关性对所述第二指标数据中的所述经营指标进行降维筛选，还包括：对所述第二指标数据中的所述经营指标的值进行标准化转换，得到经营指标标准值，转换公式如下，经营指标标准值＝(经营指标原数值
‑
经营指标最小值)/(经营指标最大值
‑
经营指标最小值)；
所述逻辑回归的公式中，自变量Xm为所述经营指标标准值。7.根据权利要求1所述的方法，其特征在于，基于所述决策指标...

【专利技术属性】
技术研发人员：郜燕军，芦淑娟，
申请(专利权)人：北京联想海纳支付有限公司，
类型：发明
国别省市：