一种发现企业金融风险的六维分析方法技术

本发明专利技术公开了一种发现企业金融风险的六维分析方法，包括以下步骤：S1、获取被监测企业的基本信息；S2、通过数据采集或接口方式获取企业的相关信息；S3、五维风险评分；S4、业务专家进行业务风险评分；S5、六维风险评分。有益效果：本发明专利技术能够从六个维度对企业进行金融风险分析，有助于国家尽早发现企业金融风险，并根据不同风险类型采取不同的风险防范及处置措施。施。施。

【技术实现步骤摘要】
一种发现企业金融风险的六维分析方法


[0001]本专利技术涉及企业金融风险监管领域，具体来说，涉及一种发现企业金融风险的六维分析方法。

技术介绍

[0002]在未来的一段时间，监管信息化、科技化、金融风险量化等工作将成为金融监管工作的主要任务，也是监管科技落地的重要场景之一。
[0003]由于每个地区金融业态的差异、非法金融活动手段多样性、监管机构之间的信息不对称、数据资源不共享的一系列的问题，各个地区监管部门的人力、技术、专业能力短时间内又很难达到监管的要求。
[0004]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005](一)解决的技术问题
[0006]针对现有技术的不足，本专利技术提供了发现企业金融风险的六维分析方法，具备针对性的防范和处置，从而有效的化解金融风险的目的，进而解决了监管部门的人力、技术、专业能力短时间内又很难达到监管的要求的问题。
[0007](二)技术方案
[0008]为实现上述针对性的防范和处置，从而有效的化解金融风险的目的，本专利技术采用的具体技术方案如下：
[0009]一种发现企业金融风险的六维分析方法，包括以下步骤：
[0010]S1、获取被监测企业的基本信息；
[0011]S2、通过数据采集或接口方式获取企业的相关信息；
[0012]S3、五维风险评分；
[0013]S4、业务专家进行业务风险评分；
[0014]S5、六维风险评分。
[0015]进一步的，所述步骤S1获取被监测企业的基本信息中，包括以下步骤：
[0016]S11、构建被监测企业库；
[0017]S12、将被监测企业的基本信息通过excel模板导入到系统中。
[0018]进一步的，所述步骤S12将被监测企业的基本信息通过excel模板导入到系统中，其中，所述企业的基本信息包含：企业名称、企业简称、所属行业、工商注册地、实际经营地。
[0019]进一步的，所述步骤S2通过数据采集或接口方式获取企业的相关信息中，包括以下步骤：
[0020]S21、获取企业相关的工商数据、招聘数据、企业APP信息、网站访问量、 ICP备案信息、三方平台信息；
[0021]S22、通过数据采集技术采集舆情信息。
[0022]进一步的，所述步骤S22通过数据采集技术采集舆情信息中，所述舆情信息包括新闻、论坛、APP新闻、微信、贴吧、博客、微博平台发布的信息。
[0023]进一步的，所述步骤S3五维风险评分中，包括以下步骤：
[0024]S31、规模风险判定；
[0025]S32、舆情风险判定；
[0026]S33、关联风险判定；
[0027]S34、运营风险判定；
[0028]S35、司法风险判定；
[0029]S36、针对步骤S31
‑
S35进行五维风险评分。
[0030]进一步的，所述步骤S31规模风险判定包括以下步骤：
[0031]S311、通过监测企业，获得企业的交易规模、投资人数、借款人数、企业的APP下载量、企业网站的访问量、企业的人员规模；
[0032]S312、针对以上规模相关数据建立基于规则的规模风险判定模型，对每个规模数据设定不同阈值区间；
[0033]S313、利用被监测企业的规模数据，使用规模风险判定模型进行判定,发现企业规模过大的风险。
[0034]所述步骤S32、舆情风险判定包括以下步骤：
[0035]S321、通过textrank算法去提取文本描述中的关键词，判定该文本是否属于要判定的公司实体名称；
[0036]S322、构建情感正负面判定的训练集，测试集和验证集；
[0037]S323、利用tenserflow神经网络框架搭建RNN神经模型模型；
[0038]S324、通过双向的RNN神经网络模型用来构建舆情正负面情感的判定，从而得到这篇舆情文章的正负面信息；
[0039]S325、如果舆情通过情感分析判定为负面舆情，则将这家企业判定为存在舆情风险。
[0040]所述步骤S33、关联风险判定包括以下步骤：
[0041]S331、首先建立问题企业库，数据来源为舆情、三方平台、工商数据，如果发现企业的状态为掉销、立案、失联、注销，则将该企业加入问题企业库；
[0042]S332、再将监控企业与问题企业库进行关联，关联路径包含：股权关联、高管关联、法人关联、分公司关联、电话关联、邮箱关联；
[0043]S333、如果能够关联到问题企业，则判定该企业存在关联风险。
[0044]所述步骤S34、运营风险判定包括以下步骤：
[0045]S341、通过工商数据发现监控企业设立的分支机构或分公司数量，如果超过阈值，则判定存在分支机构过多的风险；
[0046]S342、通过招聘数据统计招聘职位包含“理财顾问”、“投资顾问”、“理财规划师”理财销售类职位的数量，如果超过阈值，则判定存在金融风险；
[0047]S343、查找工商数据，如果出现注册地与经营地不一致、未公示年报、频繁变动工商信息、纳税信息异常，则判定存在工商数据异常风险；
[0048]S344、通过站长工具数据查找企业的ICP备案信息，从而发现并判定ICP 未备案、
ICP备案号虚假、多个域名风险；
[0049]S345、对企业网站或app进行探测，如果能正常请求则判定为正常，否则判定为存在网站无法访问、app无法访问的风险。
[0050]所述步骤S35、司法风险判定包括以下步骤：
[0051]通过工商数据，查找被监控企业涉及司法、税务、行政处罚信息，如果存在，则按情况判定该企业存在涉诉、失信人、失信被执行人、经营异常、纳税异常、立案、严重违法、行政处罚风险。
[0052]所述步骤S36、针对步骤S31
‑
S35进行五维风险评分包括以下步骤：
[0053]S361、首先建立针对规模风险、舆情风险、关联风险、运营风险、司法风险的五维风险评分模型，不同风险项设定不同风险分值；
[0054]S362、再对这五个维度设定不同权重，将前面步骤分析出的风险数据做为五维风险评分模型的输入参数，系统自动算出这家企业的五维风险评分。
[0055]进一步的，所述步骤S4业务专家进行业务风险评分中，包括以下步骤：
[0056]针对五维风险评分大于20分的企业，系统通过后台跑批程序自动生成业务风险审核任务并分派给相关业务风险审核人员，审核人在接到任务后，根据自己的业务经验来标注该企业存在的业务风险。
[0057]进一步的，所述步骤S5六维风险评分中包括以下步骤：
[0058]S51、首先建立针对规模风险、舆情风险、关联风险、运营风险、司法风险、业务风险的六维风险评分模型，不同风险项设定不同风险分值；
[0059]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种发现企业金融风险的六维分析方法，其特征在于，包括以下步骤：S1、获取被监测企业的基本信息；S2、通过数据采集或接口方式获取企业的相关信息；S3、五维风险评分；S4、业务专家进行业务风险评分；S5、六维风险评分。2.根据权利要求1所述的一种发现企业金融风险的六维分析方法，其特征在于，所述步骤S1获取被监测企业的基本信息中，包括以下步骤：S11、构建被监测企业库；S12、将被监测企业的基本信息通过excel模板导入到系统中。3.根据权利要求2所述的一种发现企业金融风险的六维分析方法，其特征在于，所述步骤S12将被监测企业的基本信息通过excel模板导入到系统中，其中，所述企业的基本信息包含：企业名称、企业简称、所属行业、工商注册地、实际经营地。4.根据权利要求1所述的一种发现企业金融风险的六维分析方法，其特征在于，所述步骤S2通过数据采集或接口方式获取企业的相关信息中，包括以下步骤：S21、获取企业相关的工商数据、招聘数据、企业APP信息、网站访问量、ICP备案信息、三方平台信息；S22、通过数据采集技术采集舆情信息。5.根据权利要求4所述的一种发现企业金融风险的六维分析方法，其特征在于，所述步骤S22通过数据采集技术采集舆情信息中，所述舆情信息包括新闻、论坛、APP新闻、微信、贴吧、博客、微博平台发布的信息。6.根据权利要求1所述的一种发现企业金融风险的六维分析方法，其特征在于，所述步骤S3五维风险评分中，包括以下步骤：S31、规模风险判定；S32、舆情风险判定；S33、关联风险判定；S34、运营风险判定；S35、司法风险判定；S36、针对步骤S31
‑
S35进行五维风险评分。7.根据权利要求6所述的一种发现企业金融风险的六维分析方法，其特征在于，所述步骤S31规模风险判定包括以下步骤：S311、通过监测企业，获得企业的交易规模、投资人数、借款人数、企业的APP下载量、企业网站的访问量、企业的人员规模；S312、针对以上规模相关数据建立基于规则的规模风险判定模型，对每个规模数据设定不同阈值区间；S313、利用被监测企业的规模数据，使用规模风险判定模型进行判定,发现企业规模过大的风险。所述步骤S32、舆情风险判定包括以下步骤：S321、通过textrank算法去提取文本描述中的关键词，判定该文本是否属于要判定的
公司实体名称；S322、构建情感正负面判定的训练集，测试集和验证集；S323、利用tenserflow神经网络框架搭建RNN神经模型模型；S324、通过双向的RNN神经网络模型用来构建舆情正负面情感的判定，从而得到这篇舆情文章的正负面信息；S325、如果舆情通过情感分析判定为负面舆情，则将这家企业判定为存在舆情风险。所述步骤S33、关联风险判定包括以下步骤：S331、首先建立问题企业库，数据来源为舆情、三方平台、工商数据，如果发现企业的状态为掉销、立案、失联、注销，则将该企业加入问题企业库；S332、再将监控企业与问题企业库进行关联，关联路径包含：股权关联、高管关联、法人关联、分公司关联、电话关联、邮箱关联；S333、如果能够关联到问题企业，则判定该...

【专利技术属性】
技术研发人员：万磊，余智华，杜漫，李军，穆庆伟，龚晓童，祁浩然，
申请(专利权)人：中科天玑数据科技股份有限公司，
类型：发明
国别省市：