一种基于商业汇票信息的大数据风控及辅助决策分析方法技术

本发明专利技术公开了一种基于商业汇票信息的大数据风控及辅助决策分析方法，其属于供应链金融产业大数据分析技术领域。它主要包括S1大数据风控及辅助决策工作流程，包括：模型基础准备、设置模型对象、设置模型参数、编写模型规则、模型数据调通、模型配置完成；S2大数据风控模型运营及持续优化，包括：模型监控、模型评价、模型分析、模型优化。本发明专利技术通过特征提取技术，从小微企业背书链中分析出至少20种维度的特征指标，针对复杂指标设计算法，计算出指标值，识别出诸如中介户、重复背书、回头背书、金融类背书、个体工商户，精准识别资金风险。本发明专利技术主要用于大数据决策分析。明主要用于大数据决策分析。明主要用于大数据决策分析。

【技术实现步骤摘要】
一种基于商业汇票信息的大数据风控及辅助决策分析方法


[0001]本专利技术涉及供应链金融产业大数据分析
，尤其涉及一种基于商业汇票信息的大数据风控及辅助决策分析方法。

技术介绍

[0002]相较于传统企业，小微企业存在规模较小、管理水平较粗放，财务报表不规范、财务数据缺乏且可信度相对较低，企业主对于小微企业的经营管理具有绝对的掌控力等特征，这就意味着传统的信贷风控手段对小微企业并不适用，因此在目前行业中的小微金融风控，存在如下两种探索：一、人工结合评分卡风控模式：此模式主要是在针对传统的信贷评分卡基础上，参照国际商业银行的通行做法，建立并运用小微企业专项评分卡，实现对小微信贷的风险评估和主动监控，将客户评价从单纯依靠财务信息转向重点关注客户履约能力、账户结算、履约行为等方面。此模式一定程度上解决了贷款慢、贷款难的问题，但仍然主要依赖于人工调查和人工审批。结构化数据的自动收集，非结构化数据的采集、储存与加工，不同类型小微企业风险特征的模型构建，需要大量的成本和积累。二、互联网化小微信贷大数据智能风控技术：通过拓展数据来源，通过引入了工商、税务多元数据，丰富了风控的数据维度。同时引入了图计算、GBDT等大数据技术，丰富了模型体系。此模式更为有效地解决了小微企业的痛点问题，但是随着实践的深入，新模式带来的问题也逐渐显现：一方面，数据采集维度多、难度大，一些关键数据中断可能导致业务无法开办，威胁到业务的连续性。另一方面，数据或者模型出现安全、质量问题可能导致实际业务的审批结果和模型研发结果偏离，造成审批过严，流失客户或者审批变松、数据骗贷者或者资质很差的企业获得贷款，威胁信贷资产安全。
[0003]中国专利文献CN112435112A公开了“一种针对小微企业的银行互联网信贷风控方法”，该方法借助智能风险决策模型，实现贷前资信验证、贷中智能审批、贷后风险预警的信贷流程全业务、全覆盖的风险控制，通过事前预测、事中监测预警、事后关联分析，全程实时监测业务潜在威胁、精准识别资金风险。其不足之处是：一、该方法只公开了反欺诈模型校验，未涉及到贷款主体法人风控规则、小微企业风控规则、禁止准入风控规则、票据风控规则、发票仓单风控规则，也未考虑到贷款审批过程中设备欺诈模型、团伙欺诈模型、风险户模型、额度审批模型、贸易背景审查模型等情况，功能单一、实用性较差。二、该方法只注重人工智能算法中信贷风控算法实现，未涉及到训练模型完成后，为了判定算法的好坏需要对训练的模型进行评价，相对来说数据孤岛问题严重，算法可信度较差。

技术实现思路

[0004]针对现有技术存在的不足，本专利技术的目的是提供一种基于商业汇票信息的大数据风控及辅助决策分析方法，该方法通过特征提取技术，从小微企业背书链中分析出至少20种维度的特征指标，针对复杂指标设计算法，计算出指标值，识别出诸如中介户、重复背书、回头背书、金融类背书、个体工商户，精准识别资金风险。
[0005]其技术方案如下：一种基于商业汇票信息的大数据风控及辅助决策分析方法，包括如下步骤：S1大数据风控及辅助决策工作流程，包括：模型基础准备、设置模型对象、设置模型参数、编写模型规则、模型数据调通、模型配置完成；S1.1所述模型基础准备，包括模型接口、模型因子、模型函数；其操作顺序为：首先开通模型接口，其次开通模型因子，第三创建模型函数；S1.2所述设置模型对象，是指模型计算过程中用到的一些变量，包括定性指标、定量指标、基础信息；S1.3所述设置模型参数，是指将在模型进行内部运算所需的数值进行赋值，参数的赋值是在模型算法内部进行的，不需要通过外部传入或输入进行赋值，同时也不需要将参数值进行外部输出；S1.4所述编写模型规则，是指将模型因子、模型条件、模型结果组合成模型规则，包括评分卡、决策表、决策树、脚本、规则流，通过编写规则可将不同对象之间的内在关系、对象与参数之间的内在关系串联起来；其操作顺序是：首先配置规则，其次配置评分卡，第三配置决策流；S1.5所述模型数据调通，包括单笔测试、API对接、分析日志，其操作顺序是：首先单笔测试，其次API对接，第三分析日志；S1.6所述模型配置完成，包括预发布版、灰度发布版、正式发布版，其操作顺序是：首先配置预发布版，其次配置发布灰度版，第三配置正式发布版，第四模型发布；S2大数据风控模型运营及持续优化，包括：模型监控、模型评价、模型分析、模型优化，其操作顺序是：首先模型监控，其次模型评价，第三模型分析，第四模型优化。
[0006]进一步地，S1.1所述模型接口，是指数据获取都是通过调用接口实现，包括内部接口和外部接口，内部接口包括企业黑名单接口、交易频率统计数据接口、票据统计数据接口，外部接口包括发票核验接口、企业工商信息查询接口、企业司法风险查询接口；每个接口都有入参和出参，前者称为启动因子，后者称为外部因子，启动因子属于特殊的内部因子；S1.1所述模型因子，分为内部因子和外部因子，前者是业务调用方提供的数据，后者是需要从第三方数据源获取的数据；每个因子都有标签，便于快速查找；S1.1所述模型函数，是对因子进行二次加工后再参与运算，包括加、减、乘、除、求和、平均、最大值、最小值等，函数可以嵌套。
[0007]进一步地，所述企业黑名单接口，包括查询企业是否在风控黑名单中，入参为企业名称或者证件号码；所述交易频率统计数据接口，包括查询企业每个月交易总笔数，交易总金额，便于后续评分；所述票据统计数据接口包括查询企业近两年收到或支付的票据种类、张数、金额，用于反映出企业的经营情况；所述发票核验接口包括对企业提交的贸易真实性进行核对；所述企业工商信息查询接口，包括查询企业的注册资本、成立日期、所属行业，法人，股东信息，核验企业的真实性；所述企业司法风险查询接口，包括查询企业是否涉案、涉诉、是否是被执行人。
[0008]进一步地，S1.2所述设置模型对象，首先需对模型中用到的变量进行归类分析，将同种类型的变量设置在同一对象中，以增加整个模型的可读性。
[0009]进一步地，S1.4所述编写模型规则，包括法人风控规则、小微企业风控规则、禁止准入风控规则、票据风控规则、发票仓单风控规则、识别中介户风控规则、识别异常背书风控规则、产业链判断风控规则；其运算结果包括布尔型和数值型，前者表示只会得到两种结果True、False，用于组成决策模型，后者表示结果为一个数值，用于组成评分模型；S1.4所述评分卡，是指将数值型规则经过求和，汇总得到一个分值，称为评分卡，可以设置权重以
体现不同规则的重要程度；S1.4所述评级，是指将评分卡经过求和，汇总得到一个分值，称为评级，可以设置权重以体现不同评分卡的重要程度，评级是对评分卡再进行一次加权求和；S1.4所述决策流，是指将布尔型规则按照一定的先后顺序串联起来，前面的规则通过后，后面的规则才继续执行，一旦某个规则不通过，称为“命中”规则，直接返回该条决策为不通过，只有全部规则都通过，才返回该条决策通过。
[0010]进一步地，所述法人风控规则，包括法人年龄满24周岁，且不超过55周岁，非港澳台或外籍人士；通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于商业汇票信息的大数据风控及辅助决策分析方法，其特征在于，包括：S1大数据风控及辅助决策工作流程，包括：模型基础准备、设置模型对象、设置模型参数、编写模型规则、模型数据调通、模型配置完成；S1.1所述模型基础准备，包括模型接口、模型因子、模型函数；其操作顺序为：首先开通模型接口，其次开通模型因子，第三创建模型函数；S1.2所述设置模型对象，是指模型计算过程中用到的一些变量，包括定性指标、定量指标、基础信息；S1.3所述设置模型参数，是指将在模型进行内部运算所需的数值进行赋值，参数的赋值是在模型算法内部进行的，不需要通过外部传入或输入进行赋值，同时也不需要将参数值进行外部输出；S1.4所述编写模型规则，是指将模型因子、模型条件、模型结果组合成模型规则，包括评分卡、决策表、决策树、脚本、规则流，通过编写规则可将不同对象之间的内在关系、对象与参数之间的内在关系串联起来；其操作顺序是：首先配置规则，其次配置评分卡，第三配置决策流；S1.5所述模型数据调通，包括单笔测试、API对接、分析日志，其操作顺序是：首先单笔测试，其次API对接，第三分析日志；S1.6所述模型配置完成，包括预发布版、灰度发布版、正式发布版，其操作顺序是：首先配置预发布版，其次配置灰度发布版，第三配置正式发布版，第四模型发布；S2大数据风控模型运营及持续优化，包括：模型监控、模型评价、模型分析、模型优化，其操作顺序是：首先模型监控，其次模型评价，第三模型分析，第四模型优化。2.根据权利要求1所述的基于商业汇票信息的大数据风控及辅助决策分析方法，其特征在于：S1.1所述模型接口，是指数据获取都是通过调用接口实现，包括内部接口和外部接口，内部接口包括企业黑名单接口、交易频率统计数据接口、票据统计数据接口，外部接口包括发票核验接口、企业工商信息查询接口、企业司法风险查询接口；每个接口都有入参和出参，前者称为启动因子，后者称为外部因子，启动因子属于特殊的内部因子；S1.1所述模型因子，分为内部因子和外部因子，前者是业务调用方提供的数据，后者是需要从第三方数据源获取的数据；每个因子都有标签，便于快速查找；S1.1所述模型函数，是对因子进行二次加工后再参与运算，包括加、减、乘、除、求和、平均、最大值、最小值等，函数可以嵌套。3.根据权利要求2所述的基于商业汇票信息的大数据风控及辅助决策分析方法，其特征在于：所述企业黑名单接口，包括查询企业是否在风控黑名单中，入参为企业名称或者证件号码；所述交易频率统计数据接口，包括查询企业每个月交易总笔数，交易总金额，便于后续评分；所述票据统计数据接口包括查询企业近两年收到或支付的票据种类、张数、金额，用于反映出企业的经营情况；所述发票核验接口包括对企业提交的贸易真实性进行核对；
所述企业工商信息查询接口，包括查询企业的注册资本、成立日期、所属行业，法人，股东信息，核验企业的真实性；所述企业司法风险查询接口，包括查询企业是否涉案、涉诉、是否是被执行人。4.根据权利要求1所述的基于商业汇票信息的大数据风控及辅助决策分析方法，其特征在于：S1.2所述设置模型对象，首先需对模型中用到的变量进行归类分析，将同种类型的变量设置在同一对象中，以增加整个模型的可读性。5.根据权利要求1所述的基于商业汇票信息的大数据风控及辅助决策分析方法，其特征在于：S1.4所述编写模型规则，包括法人风控规则、小微企业风控规则、禁止准入风控规则、票据风控规则、发票仓单风控规则、识别中介户风控规则、识别异常背书风控规则、产业链判断风控规则；其运算结果包括布尔型和数值型，前者表示只会得到两种结果True、False，用于组成决策模型，后者表示结果为一个数值，用于组成评分模型；S1.4所述评分卡，是指将数值型规则经过求和，汇总得到一个分值，称为评分卡，可以设置权重以体现不同规则的重要程度；S1.4所述评级，是指将评分卡经过求和，汇总得到一个分值，称为评级，可以设置权重以体现不同评分卡的重要程度，评级是对评分卡再进行一次加权求和；S1.4所述决策流，是指将布尔型规则按照一定的先后顺序串联起来，前面的规则通过后，后面的规则才继续执行，一旦某个规则不通过，称为“命中”规则，直接返回该条决策为不通过，只有全部规则都通过，才返回该条决策通过。6.根据权利要求5所述的基于商业汇票信息的大数据风控及辅助决策分析方法，其特征在于：所述法人风控规则，包括法人年龄满24周岁，且不超过55周岁，非港澳台或外籍人士；通过中国人民银行个人征信系统查询，近2年内逾期或欠息，在30天以内的次数累计不超过6次，且不存在逾期或欠息大于60天的信用记录，近3年内不存在逾期或欠息大于90天的信...

【专利技术属性】
技术研发人员：全传晓，李大岩，周力，刘启哲，
申请(专利权)人：深度山东数字科技集团有限公司，
类型：发明
国别省市：