一种大数据比对应收账款确权的风险评估系统技术方案

本申请提供一种大数据比对应收账款确权的风险评估系统，包括：数据获取单元，用于获取待评估企业的目标企业数据

【技术实现步骤摘要】
一种大数据比对应收账款确权的风险评估系统


[0001]本申请涉及应收账款确权风险
，具体而言，涉及一种大数据比对应收账款确权的风险评估系统
。

技术介绍

[0002]当今商业环境中，应收账款作为企业财务管理的重要组成部分，不仅直接影响着企业的经济健康和稳定发展，而且三方机构
(
例如银行或其他开展放贷业务的金融机构
)
面临企业贷款时，也会考察企业的应收账款，以便评估企业的还款能力和贷款风险
。
然而，应收账款确权的风险评估在现实操作中常常面临一系列挑战和风险，特别是在大数据时代，随着交易规模的扩大和复杂性的增加，传统的人工进行应收账款确权的风险评估方法已经难以适应需求
。
[0003]随着大数据技术的发展，已逐渐扩散到各个领域，但对于应收账款确权的风险评估领域，目前还通常依靠人工审核订单
、
款项
、
合同之类的信息，效率低下
。
目前也有一些依靠对部分数据进行非线性逻辑回归的解决思路，但数据量大，数据维度相对单一，难以取得显著成效
。

技术实现思路

[0004]本申请实施例的目的在于提供一种大数据比对应收账款确权的风险评估系统，以充分利用大数据的优势，考虑应收账款确权中的数据特点，建立一个相对全面而准确的应收账款确权的风险评估系统，实现对应收账款确权的风险评估
。
[0005]为了实现上述目的，本申请的实施例通过如下方式实现：
[0006]第一方面，本申请实施例提供一种大数据比对应收账款确权的风险评估系统，包括：数据获取单元，用于获取待评估企业的目标企业数据，其中，目标企业数据包括待评估企业的基本信息
、
订单信息
、
支付信息
、
回款信息
、
行业信息和信用评级；数据处理单元，用于对目标企业数据进行预处理；特征工程单元，用于基于预处理后的目标企业数据确定出目标输入特征；风险评估单元，用于将目标输入特征输入至预设的风险评估模型中，得到所述风险评估模型输出的风险评分，其中，风险评分用于揭示待评估企业的应收账款确权风险
。
[0007]结合第一方面，在第一方面的第一种可能的实现方式中，所述风险评估模型的构建过程为：获取数据集，其中，数据集包括
N
组企业数据，每组企业数据包括企业的基本信息
、
订单信息
、
支付信息
、
回款信息
、
行业信息
、
信用评级和标注的风险评分；对数据集中的企业数据进行预处理；基于每条预处理后的企业数据确定出对应的输入特征，共确定出
N
条输入特征；对
N
条输入特征进行聚类，确定出
M
个聚类，并生成包含
N
个
M
维列向量的
M
×
N
的特征矩阵，其中，每个列向量对应一个企业，每行对应一个聚类后的新特征；将特征矩阵划分训练集和测试集，利用训练集对搭建的模型框架进行训练，利用测试集对训练后的模型进行测试，得到训练好的评分模型，其中，进行特征转换的聚类模型和进行风险评分的评分模
型作为风险评估模型
。
[0008]结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，基于每条预处理后的企业数据确定出对应的输入特征，包括：针对每条预处理后的企业数据：基于订单信息中的采购订单和支付信息，确定出采购特征和付款特征，采购特征包括采购频率
、
采购金额分布
、
采购增长率，付款特征包括付款频率
、
付款延迟时间
、
付款延迟比例
、
付款总额；基于基本信息
、
行业信息和信用评级，确定出行业影响特征和信用评级特征，行业影响特征用于揭示的行业年度增长率，信用评级特征用于揭示企业个体信用评级与行业平均信用评级的高低差异；基于订单信息中的销售订单，确定出关联企业和关联企业的风险评分，并基于销售订单
、
回款信息
、
关联企业及其风险评分，确定出销售特征和回款特征，其中，关联企业为销售订单中的采购方，销售特征包括销售频率
、
销售金额分布
、
销售增长率，回款特征包括已回款的回款频率
、
回款延迟时间
、
回款延迟比例
、
回款总额和未回款的预估回款延迟比例
、
预估延迟回款总额；基于采购特征
、
付款特征
、
行业影响特征
、
信用评级特征
、
销售特征和回款特征，确定出输入特征
。
[0009]结合第一方面的第一种可能的实现方式，在第一方面的第三种可能的实现方式中，对
N
条输入特征进行聚类，确定出
M
个聚类，并生成包含
N
个
M
维列向量的
M
×
N
的特征矩阵，包括：
[0010]对
N
条输入特征形成的样本集
X
，采用以下公式计算样本集
X
内每两个样本
x
i
和样本
x
j
之间的相似度
S(i
，
j)
，形成相似度矩阵
S
：
[0011][0012][0013]其中，
S(i
，
j)
为样本
x
i
与样本
x
j
之间的相似度，
d
i
，
j
表示样本
x
i
与样本
x
j
之间的距离，
d
max
和
d
min
为所有距离中的最大距离和最小距离，
p
i
为样本
x
i
被当作簇中心时的参考度，
S
为相似度矩阵；而
d
i
，
j
的计算方式为：
[0014][0015]其中，
z
为样本集
X
内每个样本
x
的特征属性维度数量，
x
im
为样本
x
i
中第
m
个维度的特征属性，
x
jm
为样本
x
j
中第
m
个维度的特征属性，
s
m
为样本集
X
内所有样本中第
m
个维度的特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种大数据比对应收账款确权的风险评估系统，其特征在于，包括：数据获取单元，用于获取待评估企业的目标企业数据，其中，目标企业数据包括待评估企业的基本信息
、
订单信息
、
支付信息
、
回款信息
、
行业信息和信用评级；数据处理单元，用于对目标企业数据进行预处理；特征工程单元，用于基于预处理后的目标企业数据确定出目标输入特征；风险评估单元，用于将目标输入特征输入至预设的风险评估模型中，得到所述风险评估模型输出的风险评分，其中，风险评分用于揭示待评估企业的应收账款确权风险
。2.
根据权利要求1所述的大数据比对应收账款确权的风险评估系统，其特征在于，所述风险评估模型的构建过程为：获取数据集，其中，数据集包括
N
组企业数据，每组企业数据包括企业的基本信息
、
订单信息
、
支付信息
、
回款信息
、
行业信息
、
信用评级和标注的风险评分；对数据集中的企业数据进行预处理；基于每条预处理后的企业数据确定出对应的输入特征，共确定出
N
条输入特征：对
N
条输入特征进行聚类，确定出
M
个聚类，并生成包含
N
个
M
维列向量的
M
×
N
的特征矩阵，其中，每个列向量对应一个企业，每行对应一个聚类后的新特征；将特征矩阵划分训练集和测试集，利用训练集对搭建的模型框架进行训练，利用测试集对训练后的模型进行测试，得到训练好的评分模型，其中，进行特征转换的聚类模型和进行风险评分的评分模型作为风险评估模型
。3.
根据权利要求2所述的大数据比对应收账款确权的风险评估系统，其特征在于，基于每条预处理后的企业数据确定出对应的输入特征，包括：针对每条预处理后的企业数据：基于订单信息中的采购订单和支付信息，确定出采购特征和付款特征，采购特征包括采购频率
、
采购金额分布
、
采购增长率，付款特征包括付款频率
、
付款延迟时间
、
付款延迟比例
、
付款总额；基于基本信息
、
行业信息和信用评级，确定出行业影响特征和信用评级特征，行业影响特征用于揭示的行业年度增长率，信用评级特征用于揭示企业个体信用评级与行业平均信用评级的高低差异；基于订单信息中的销售订单，确定出关联企业和关联企业的风险评分，并基于销售订单
、
回款信息
、
关联企业及其风险评分，确定出销售特征和回款特征，其中，关联企业为销售订单中的采购方，销售特征包括销售频率
、
销售金额分布
、
销售增长率，回款特征包括已回款的回款频率
、
回款延迟时间
、
回款延迟比例
、
回款总额和未回款的预估回款延迟比例
、
预估延迟回款总额；基于采购特征
、
付款特征
、
行业影响特征
、
信用评级特征
、
销售特征和回款特征，确定出输入特征
。4.
根据权利要求2所述的大数据比对应收账款确权的风险评估系统，其特征在于，对
N
条输入特征进行聚类，确定出
M
个聚类，并生成包含
N
个
M
维列向量的
M
×
N
的特征矩阵，包括：对
N
条输入特征形成的样本集
X
，采用以下公式计算样本集
X
内每两个样本
x
i
和样本
x
j
之间的相似度
S(i
，
j)
，形成相似度矩阵
S
：
其中，
S(i
，
j)
为样本
x
i
与样本
x
j
之间的相似度，
d
i
，
j
表示样本
x
i
与样本
x
j
之间的距离，
d
max
和
d
min
为所有距离中的最大距离和最小距离，
p
i
为样本
x
i
被当作簇中心时的参考度，
S
为相似度矩阵；而
d
i
，
j
的计算方式为：其中，
z
为样本集
X
内每个样本
x
的特征属性维度数量，
x
im
为样本
x
i
中第
m
个维度的特征属性，
x
jm
为样本
xx
中第
m
个维度的特征属性，
s
m
为样本集
X
内所有样本中第
m
个维度的特征属性的标准差；构建吸引度矩阵
R
t
和隶属度矩阵
A
t
；对吸引度矩阵
R
t
和隶属度矩阵
A
t
进行迭代更新，直到满足迭代终止条件，确定出
M
个簇中心；基于
M
个簇中心对每个样本进行特征转换，得到包含
N
个
M
维列向量的
M
×
N
的特征矩阵
F。5.
根据权利要求4所述的大数据比对应收账款确权的风险评估系统，其特征在于，吸引度矩阵
R
t
和隶属度矩阵
A
t
的更新公式为：的更新公式为：其中，
R
t+1
(i
，
k)
为第
t+1
次迭代的吸引度矩阵<...

【专利技术属性】
技术研发人员：王斌，
申请(专利权)人：湖北谊嘉金融仓储有限公司，
类型：发明
国别省市：