一种企业信用风险评估方法及设备技术

本说明书实施例公开了一种企业信用风险评估方法及设备。用以解决：无法对企业快速精确的做出信用评分评级，导致企业融资难，融资慢的问题。该方法包括：获取企业的相关数据，对所述相关数据进行处理得到指标数据，将所述指标数据存储在数据仓库中；通过AHP层次分析法对存储在所述数据仓库中的所述指标数据进行处理，确定入模指标，使用所述入模指标确定所述企业各维度下的得分和维度权重；通过逻辑回归算法与所述AHP层次分析法使用所述入模指标建立信用评价模型，通过所述信用评价模型生成所述企业的通用评分；根据所述企业各维度下的得分、所述维度权重以及所述企业的通用得分得到所述企业的信用评分评级。到所述企业的信用评分评级。到所述企业的信用评分评级。

【技术实现步骤摘要】
一种企业信用风险评估方法及设备


[0001]本专利技术涉及企业信用评估领域，尤其涉及一种企业信用风险评估方法及设备。

技术介绍

[0002]传统的企业信用风险评估体系主要建立在企业本身真实有效的财务指标数据为主，其他运营数据为补充的基础上，企业被要求提供准确可信的财务类数据及其他金融相关维度数据，并依赖产品经理或信贷员的现场尽调和判断获取非财务数据。
[0003]由于企业财务制度普遍不够规范，往往难以提供真实有效的数据，加上现场调查和主观判断的局限性，加大了对企业信用风险评估的难度，从而降低了银行对企业的授信审批效率和通过率。
[0004]因此，建立企业信用风险评估体系，提出一种企业信用风险评估方法，快速对企业做出信用评分评级，解决企业融资难、融资慢的问题。

技术实现思路

[0005]本说明书一个或多个实施例提供一种企业信用风险评估方法及设备。用以解决如下技术问题：无法对企业快速精确的做出信用评分评级，导致企业融资难，融资慢的问题。
[0006]为解决上述技术问题，本说明书一个或多个实施例是这样实现的：
[0007]第一方面，本说明书一个或多个实施例提供一种企业信用风险评估方法，包括：
[0008]获取企业的相关数据，对所述相关数据进行处理得到指标数据，将所述指标数据存储在数据仓库中；
[0009]通过AHP层次分析法对存储在所述数据仓库中的所述指标数据进行处理，确定入模指标，使用所述入模指标计算所述企业各维度下的得分和维度权重；
[0010]通过逻辑回归算法与所述AHP层次分析法使用所述入模指标联合建立信用评价模型，通过所述信用评价模型生成所述企业的通用评分；
[0011]根据所述企业各维度下的得分、所述维度权重以及所述企业的通用得分得到所述企业的信用评分评级。
[0012]可选地，所述获取企业相关数据，对所述相关数据进行处理得到指标数据，具体包括：
[0013]通过数据抽取获取企业的所述相关数据，对所述相关数据进行清洗、转换、装载；
[0014]使用数据处理方法对经过清洗、转换、装载的所述相关数据进行处理得到指标数据。
[0015]可选地，所述通过AHP层次分析法对存储在所述数据仓库中的所述指标数据进行处理，确定入模指标，使用所述入模指标计算所述企业各维度下的得分和维度权重，具体包括：
[0016]将所述指标数据按照相互关系分层处理，建立层次结构模型，所述层次结构模型用于划分所述指标数据对应的变量的维度；
[0017]根据所述层次结构模型，分层构造判断矩阵，对所述判断矩阵进行一致性检验，判断所述判断矩阵是否具有一致性。
[0018]可选地，确定所述判断矩阵具有一致性，确定所述企业各维度下的得分和所述维度权重；
[0019]确定所述判断矩阵不具有一致性，对所述判断矩阵进行调整，对调整后的所述判断矩阵进行一致性判断。
[0020]可选地，对所述维度权重进行层次排序。
[0021]可选地，对所述变量进行相关性分析，得到相关性分析结果；
[0022]根据所述相关性分析结果，确定强相关变量，保留所述强相关变量中的一个所述变量。
[0023]可选地，所述对所述变量进行相关性分析，得到相关性分析结果，具体包括：
[0024]计算各所述变量的IV值，若所述IV值大于第一预设值，对所述IV值对应的所述变量进行相关系数计算，若所述相关系数小于第二预设值，则确定所述变量弱相关或不存在，保留所述变量。
[0025]可选地，对保留的所述变量进行分组，分组后的所述变量在所述分组的所占比例大于第三预设值。
[0026]可选地，通过逻辑回归算法与所述AHP层次分析法使用所述入模指标联合建立信用评价模型，具体包括：
[0027]通过所述逻辑回归算法通过变量选择方法，选择所述入模指标中的所述变量建立信用评价模型。
[0028]第二方面，本说明书一个或多个实施例提供一种企业信用风险评估设备，包括：
[0029]至少一个处理器；以及，
[0030]与所述至少一个处理器通信连接的存储器；其中，
[0031]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：
[0032]获取企业的相关数据，对所述相关数据进行处理得到指标数据，将所述指标数据存储在数据仓库中；
[0033]通过AHP层次分析法对存储在所述数据仓库中的所述指标数据进行处理，确定入模指标，使用所述入模指标确定所述企业各维度下的得分和维度权重；
[0034]通过逻辑回归算法与所述AHP层次分析法使用所述入模指标建立信用评价模型，通过所述信用评价模型生成所述企业的通用评分；
[0035]根据所述企业各维度下的得分、所述维度权重以及所述企业的通用得分得到所述企业的信用评分评级。
[0036]本说明书一个或多个实施例提供一种企业信用风险评估方法及设备，通过该方案，解决了无法对企业快速精确的做出信用评分评级，导致企业融资难，融资慢的问题。将风险标准化，信用评分评级的存在使得在金融交易中审批者有了简单易用的判断标准。为企业信用风险评估提供更多的技术保障和实用性支持。
附图说明
[0037]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0038]图1为本说明书一个或多个实施例提供的一种企业信用风险评估方法的流程示意图；
[0039]图2为本说明书一个或多个实施例提供的将指标数据存入数据仓库的流程示意图；
[0040]图3为本说明书一个或多个实施例提供的一种联合建立信用评价模型的流程示意图；
[0041]图4为本说明书一个或多个实施例提供的一种企业信用风险评估设备的结构示意图。
具体实施方式
[0042]本说明书实施例提供一种跨时间段混合派单的方法及设备。
[0043]为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0044]以下结合附图，详细说明本说明书各实施例提供的技术方案。
[0045]图1为本说明书一个或多个实施例提供的一种企业信用风险评估方法的流程示意图。
[0046]S101：获取企业的相关数据，对所述相关数据进行处理得到指标数据，将所述指标数据存储在数据仓库中。
[0047]在本说明书一个或多个实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种企业信用风险评估方法，其特征在于，包括：获取企业的相关数据，对所述相关数据进行处理得到指标数据，将所述指标数据存储在数据仓库中；通过AHP层次分析法对存储在所述数据仓库中的所述指标数据进行处理，确定入模指标，使用所述入模指标确定所述企业各维度下的得分和维度权重；通过逻辑回归算法与所述AHP层次分析法使用所述入模指标建立信用评价模型，通过所述信用评价模型生成所述企业的通用评分；根据所述企业各维度下的得分、所述维度权重以及所述企业的通用得分得到所述企业的信用评分评级。2.根据权利要求1所述的方法，其特征在于，所述获取企业相关数据，所述相关数据进行处理得到指标数据，具体包括：通过数据抽取获取企业的所述相关数据，对所述相关数据进行清洗、转换、装载；使用数据处理方法对经过清洗、转换、装载的所述相关数据进行处理得到指标数据。3.根据权利要求1所述的方法，其特征在于，所述通过AHP层次分析法对存储在所述数据仓库中的所述指标数据进行处理，确定入模指标，使用所述入模指标计算所述企业各维度下的得分和维度权重，具体包括：将所述指标数据按照相互关系分层处理，建立层次结构模型，所述层次结构模型用于划分所述指标数据对应的变量的维度；根据所述层次结构模型，分层构造判断矩阵，对所述判断矩阵进行一致性检验，判断所述判断矩阵是否具有一致性。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：确定所述判断矩阵具有一致性，确定所述企业各维度下的得分和所述维度权重；确定所述判断矩阵不具有一致性，对所述判断矩阵进行调整，对调整后的所述判断矩阵进行一致性判断。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：对所述维度权重进行层次排序。6.根据权利要求4所述的方...

【专利技术属性】
技术研发人员：边松华，崔乐乐，任德鑫，
申请(专利权)人：天元大数据信用管理有限公司，
类型：发明
国别省市：