企业关联风险识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种企业关联风险识别方法，所述方法包括：获取目标企业的待识别风险数据，所述待识别风险数据包括与目标企业对应的企业名称、风险事件、风险事件发生时间；基于预设的关联风险识别模型和全量企业图谱对所述待识别风险数据进行分析，获取风险分析结果，其中，所述风险分析结果包括与所述目标企业对应的至少一个目标风险传导企业和与每一个目标风险传导企业对应的传导影响分值、与每一个目标风险传导企业对应的目标风险归因因子；其中，所述全量企业图谱至少包括目标企业的企业节点以及关联企业节点。此外，本发明专利技术实施例还公开了一种企业风险识别装置、设备及可读存储介质。采用本发明专利技术，可提高企业风险识别的准确性以及可解释性。别的准确性以及可解释性。别的准确性以及可解释性。

【技术实现步骤摘要】
企业关联风险识别方法、装置、设备及存储介质


[0001]本专利技术涉及计算机
，尤其涉及一种企业关联风险识别方法、装置、计算机设备及计算机可读存储介质。

技术介绍

[0002]在信用风险高发、监管要求加码的背景下，对信用预警的诉求愈发强烈。而仅聚焦企业主体本身，忽略风险在关键企业主体间的传导效应，不仅会对企业主体的信用水平产生误判，也会错过关联风险处置的宝贵窗口期。然而资本市场主体关系错综复杂，风险类型及发生机制多变，投资和风控人员很难在风险发生时，快速对其传导范围和程度做出准确判断，故关联风险的识别与分析刻不容缓。
[0003]在相关的信用预警以及风险识别的技术方案中，仅可以根据企业的关系数据、关联收益、投资比例等确定其对应的风险传导关系，从而对企业之间的风险传导进行预警。但是，信用风险的发生因素复杂，如何有效的进行风险预警还需要进行进一步的研究，并且，如何判断相应的风险预警是否可信这一问题还没有较好的解决方案。

技术实现思路

[0004]基于此，有必要针对上述问题，提出了一种企业关联风险识别方法、装置、计算机设备及计算机可读存储介质。
[0005]在本专利技术的第一部分，提供了一种企业关联风险识别方法，所述方法包括：获取目标企业的待识别风险数据，所述待识别风险数据包括与目标企业对应的企业名称、风险事件、风险事件发生时间；基于预设的关联风险识别模型和全量企业图谱对所述待识别风险数据进行分析，获取风险分析结果，其中，所述风险分析结果包括与所述目标企业对应的至少一个目标风险传导企业和与每一个目标风险传导企业对应的传导影响分值、与每一个目标风险传导企业对应的目标风险归因因子；其中，所述全量企业图谱至少包括目标企业的企业节点以及关联企业节点。
[0006]可选的，所述风险分析结果还包括与每一个目标风险传导企业对应的风险等级；所述基于预设的关联风险识别模型对所述待识别风险数据进行分析，获取风险分析结果的步骤，还包括：针对每一个目标风险传导企业，根据传导影响分值确定对应的风险等级。
[0007]可选的，所述方法还包括：基于预设的关联风险识别模型和全量企业图谱对所述待识别风险数据进行分析，确定与所述目标企业对应的风险传导企业列表，所述风险传导企业列表包括至少一个风险传导企业以及对应的传导影响分值；根据传导影响分值在所述风险传导企业列表中确定一个或多个目标风险传导企业，其中，所述目标风险传导企业对应的传导影响分值大于或等于所述风险传导企业列表
中包含的除所述目标风险传导企业之外的其他风险传导企业的传导影响分值。
[0008]可选的，所述方法还包括：针对每一个目标风险传导企业，确定每一个目标风险传导企业对应的一个或多个风险归因因子以及每一个风险归因因子对应的贡献度分值；根据贡献度分值在所述一个或多个风险归因因子中确定目标风险归因因子，所述目标风险归因因子的数量为一个或多个，所述目标风险归因因子对应的贡献度分值大于其他风险归因因子的贡献度分值。
[0009]可选的，所述方法还包括：根据各个企业之间的关联关系，构建全量企业图谱，其中，所述全量企业图谱包含多个企业节点，所述企业节点包含风险数据，所述风险数据包括风险属性标签；根据企业节点之间的关联关系，确定企业节点之间的风险传导机制；获取预设的风险样本，根据所述风险样本确定企业之间的风险传导范围；根据全量企业图谱、企业之间的风险传导机制和风险传导范围，提取预设维度下的特征数据，所述特征数据包括主体特征、传导动因、网络重要性中的一个或多个；根据所述特征数据，对预设的风险识别模型进行训练，以训练所述风险识别模型输出一个或多个企业的传导影响分值，其中，所述风险识别模型为有监督模型；确定每一个特征数据对应的SHAP值，根据SHAP值确定每一个特征数据的贡献度分值所述SHAP值用于标识特征数据的重要性。
[0010]可选的，所述根据全量企业图谱、企业之间的风险传导机制和风险传导范围，提取预设维度下的特征数据的步骤，还包括：通过PageRank算法模拟企业节点向全量企业图谱中的其他企业节点传递的风险当量，根据企业节点之间的风险传导机制确定链接方向和链接权重，以确定企业节点的网络重要性。
[0011]在本专利技术的第二部分，提供了一种企业关联风险识别装置，所述装置包括：待识别风险数据获取模块，用于获取目标企业的待识别风险数据，所述待识别风险数据包括与目标企业对应的企业名称、风险事件、风险事件发生时间；关联风险分析模块，用于基于预设的关联风险识别模型和全量企业图谱对所述待识别风险数据进行分析，获取风险分析结果，其中，所述风险分析结果包括与所述目标企业对应的至少一个目标风险传导企业和与每一个目标风险传导企业对应的传导影响分值、与每一个目标风险传导企业对应的目标风险归因因子；其中，所述全量企业图谱至少包括目标企业的企业节点以及关联企业节点。
[0012]可选的，所述装置还包括模型构建模块，用于：根据各个企业之间的关联关系，构建全量企业图谱，其中，所述全量企业图谱包含多个企业节点，所述企业节点包含风险数据，所述风险数据包括风险属性标签；根据企业节点之间的关联关系，确定企业节点之间的风险传导机制；获取预设的风险样本，根据所述风险样本确定企业之间的风险传导范围；根据全量企业图谱、企业之间的风险传导机制和风险传导范围，提取预设维度下的特征数据，所述特征数据包括主体特征、传导动因、网络重要性中的一个或多个；根据所述特征数据，对预设的风险识别模型进行训练，以训练所述风险识别模型
输出一个或多个企业的传导影响分值，其中，所述风险识别模型为有监督模型；确定每一个特征数据对应的SHAP值，根据SHAP值确定每一个特征数据的贡献度分值所述SHAP值用于标识特征数据的重要性。
[0013]在本专利技术的第三部分，提供了一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器有可执行代码，当所述可执行代码在所述处理器上运行以实现如前所述的企业关联风险识别方法。
[0014]在本专利技术的第四部分，提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如前所述的企业关联风险识别方法的步骤。
[0015]采用本专利技术实施例，具有如下有益效果：采用了上述企业关联风险识别方法、装置、计算机设备及计算机可读存储介质之后，基于企业之间的关联关系构建全量企业图谱，并对企业之间的关联关系以及风险传导机制和范围进行分析，以确定企业之间的风险传导相关的多个特征因子，然后基于相应的特征因子进行关联风险分析模型的构建，以使得该模型可以对企业之间关联风险传导影响得分进行预测；并且，还进一步的可以对企业之间关联风险传导影响得分进行模型解释，以确定与之对应的一个或多个风险归因因子，从而对关联企业所存在的关联风险进行归因分析。
[0016]在需要对目标企业进行关联企业风险识别的情况下，根据目标企业的待识别风险数据以及基于全量企业图谱构建的关联风险识别模型确定一个或多个存在关联风险的目标风险传导企业以及对应的传导影响得分，并且确定每一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种企业关联风险识别方法，其特征在于，所述方法包括：获取目标企业的待识别风险数据，所述待识别风险数据包括与目标企业对应的企业名称、风险事件、风险事件发生时间；基于预设的关联风险识别模型和全量企业图谱对所述待识别风险数据进行分析，获取风险分析结果，其中，所述风险分析结果包括与所述目标企业对应的至少一个目标风险传导企业和与每一个目标风险传导企业对应的传导影响分值、与每一个目标风险传导企业对应的目标风险归因因子；其中，所述全量企业图谱至少包括目标企业的企业节点以及关联企业节点。2.根据权利要求1所述的企业关联风险识别方法，其特征在于，所述风险分析结果还包括与每一个目标风险传导企业对应的风险等级；所述基于预设的关联风险识别模型对所述待识别风险数据进行分析，获取风险分析结果的步骤，还包括：针对每一个目标风险传导企业，根据传导影响分值确定对应的风险等级。3.根据权利要求1所述的企业关联风险识别方法，其特征在于，所述方法还包括：基于预设的关联风险识别模型和全量企业图谱对所述待识别风险数据进行分析，确定与所述目标企业对应的风险传导企业列表，所述风险传导企业列表包括至少一个风险传导企业以及对应的传导影响分值；根据传导影响分值在所述风险传导企业列表中确定一个或多个目标风险传导企业，其中，所述目标风险传导企业对应的传导影响分值大于或等于所述风险传导企业列表中包含的除所述目标风险传导企业之外的其他风险传导企业的传导影响分值。4.根据权利要求3所述的企业关联风险识别方法，其特征在于，所述方法还包括：针对每一个目标风险传导企业，确定每一个目标风险传导企业对应的一个或多个风险归因因子以及每一个风险归因因子对应的贡献度分值；根据贡献度分值在所述一个或多个风险归因因子中确定目标风险归因因子，所述目标风险归因因子的数量为一个或多个，所述目标风险归因因子对应的贡献度分值大于其他风险归因因子的贡献度分值。5.根据权利要求1所述的企业关联风险识别方法，其特征在于，所述方法还包括：根据各个企业之间的关联关系，构建全量企业图谱，其中，所述全量企业图谱包含多个企业节点，所述企业节点包含风险数据，所述风险数据包括风险属性标签；根据企业节点之间的关联关系，确定企业节点之间的风险传导机制；获取预设的风险样本，根据所述风险样本确定企业之间的风险传导范围；根据全量企业图谱、企业之间的风险传导机制和风险传导范围，提取预设维度下的特征数据，所述特征数据包括主体特征、传导动因、网络重要性中的一个或多个；根据所述特征数据，对预设的风险识别模型进行训练，以训练所述风险识别模型输出一个或多...

【专利技术属性】
技术研发人员：傅瑜强，刘镭，詹翔，李耕樵，彭鹏，蔡晓旭，赵姮娟，郭慧慧，施达安，黄泽赟，陈威任，马园园，
申请(专利权)人：中证数智科技深圳有限公司，
类型：发明
国别省市：