一种化工交易风险评估方法及系统技术方案

本发明专利技术涉及计算机技术领域，具体涉及一种化工交易风险评估方法及系统，所述方法采用历史数据集内的数据进行数学建模后通过机器学习建立预测模型，向预测模型输入订单参数计算获得风险系数；根据风险系数选择不同的交易方式进行交易；本发明专利技术通过基于机器学习手段对交易记录进行风险评估，可以有效的降低交易风险和坏账的产生；改善风险评估从原有的存人工经验操作，升级为基于历史数据的评估预测，更佳客观、高效、准确；通过预测模型能够有效的提升竞争优势，对业务扩展和资源复用都有提升。对业务扩展和资源复用都有提升。对业务扩展和资源复用都有提升。

【技术实现步骤摘要】
一种化工交易风险评估方法及系统


[0001]本专利技术涉及计算机
，具体涉及一种化工交易风险评估方法及系统。

技术介绍

[0002]化工行业运输目前仍处于信息化发展相对落后的阶段，销售的商品往往金额较大、库存调度不及时、拖欠货款等问题，人工进行风险评估处理不仅效率低，而且容易出错，对于化工这类大宗商品而言，风险较高。

技术实现思路

[0003]本专利技术所要解决的技术问题是：提供一种对化工大宗商品销售的过程中涉及的商品、客户、仓储、资金进行风险评估降低交易风险的化工交易风险评估方法及系统。
[0004]为了解决上述技术问题，本专利技术采用的技术方案为：
[0005]一种化工交易风险评估方法，包括
[0006]采用历史数据集内的数据进行数学建模后通过机器学习建立预测模型，向预测模型输入订单参数计算获得风险系数；
[0007]所述风险系数的计算方法为：
[0008][0009]根据风险系数选择不同的交易方式进行交易。
[0010]为了解决上述技术问题，本专利技术采用的另一技术方案为：
[0011]一种化工交易风险评估系统，包括
[0012]操作端，拟制具有订单参数的订单，并将订单传输至订单风险评估系统；
[0013]订单风险评估系统，提取订单内的订单参数，并将订单参数发送至预测模型内并根据返回的风险系数选择不同的交易方式与操作端进行交易；以及预测模型，对评估订单参数并产生相应的风险系数返回订单风险评估系统。
[0014]本专利技术的有益效果在于：通过基于机器学习手段对交易记录进行风险评估，可以有效的降低交易风险和坏账的产生；改善风险评估从原有的存人工经验操作，升级为基于历史数据的评估预测，更佳客观、高效、准确；本方法的数据源都是基于自由的线上交易平台(操作端可以与订单风险评估系统通过互联网连通)，通过预测模型能够有效的提升竞争优势，对业务扩展和资源复用都有提升。
附图说明
[0015]图1为本专利技术具体实施方式的一种化工交易风险评估方法的逻辑框架图。
具体实施方式
[0016]为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附
图予以说明。
[0017]请参照图1，一种化工交易风险评估方法，包括
[0018]采用历史数据集内的数据进行数学建模后通过机器学习建立预测模型，向预测模型输入订单参数计算获得风险系数；
[0019]所述风险系数的计算方法为：
[0020][0021]根据风险系数选择不同的交易方式进行交易。
[0022]进一步的，所述“根据风险系数选择不同的交易方式进行交易”包括，判断风险系数是否≥90，若是，则该订单参数对应的订单视为高度风险，拒绝放贷或货到付款；若否，则判断风险系数是否≥80且＜90，若是，则该订单参数对应的订单视为中度风险，允许支付部分贷款，先发货后付尾款；若否，则判断风险系数是否＜80，则该订单参数对应的订单视为低度风险，允许货到付款。
[0023]进一步的，所述历史数据集包括：客户购买记录、客户充值记录和金额、客户违约记录以及客户信用、商誉、企业规模。
[0024]进一步的，所述历史数据集进行数学建模前进对历史数据集内的数据采用ETL方法进行清洗，对数据进行查询、去重、聚合、统计、筛选获取所关注的核心字段和数据。
[0025]从上述描述可知，通过ETL方法，ETL是Extract
‑
Transform
‑
Load的缩写，数据抽取(Extract)、转换(Transform)、装载(Load)的过程。
[0026]进一步的，所述机器学习采用多标签决策树学习算法进行学习，并配合统计学统计出历史数据集的趋势图进行训练。
[0027]从上述描述可知，通过趋势图，能够方便机器学习对比提取参考。
[0028]进一步的，在交易完成后将该交易加入历史数据集。
[0029]从上述描述可知，作为历史数据集的同时也将数据进行记录。
[0030]一种化工交易风险评估系统，包括
[0031]操作端，拟制具有订单参数的订单，并将订单传输至订单风险评估系统；
[0032]订单风险评估系统，提取订单内的订单参数，并将订单参数发送至预测模型内并根据返回的风险系数选择不同的交易方式与操作端进行交易；以及
[0033]预测模型，对评估订单参数并产生相应的风险系数返回订单风险评估系统。
[0034]进一步的，所述订单风险评估系统接收返回的风险系数，判断风险系数是否≥90，若是，则该订单参数对应的订单视为高度风险，拒绝放贷或货到付款；若否，则判断风险系数是否≥80且＜90，若是，则该订单参数对应的订单视为中度风险，允许支付部分贷款，先发货后付尾款；若否，则判断风险系数是否＜80，则该订单参数对应的订单视为低度风险，允许货到付款。
[0035]进一步的，所述订单参数包括采购的商品、数量、地区以及入仓地址。
[0036]进一步的，在交易完成后订单风险评估系统将该交易加入历史数据集。
[0037]从上述描述可知，通过基于机器学习手段对交易记录进行风险评估，可以有效的降低交易风险和坏账的产生；改善风险评估从原有的存人工经验操作，升级为基于历史数据的评估预测，更佳客观、高效、准确；本方法的数据源都是基于自由的线上交易平台(操作
端可以与订单风险评估系统通过互联网连通)，通过预测模型能够有效的提升竞争优势，对业务扩展和资源复用都有提升。
[0038]实施例一
[0039]一种化工交易风险评估方法，包括
[0040]采用历史数据集内的数据进行数学建模后通过机器学习建立预测模型，向预测模型输入订单参数计算获得风险系数；
[0041]所述风险系数的计算方法为：
[0042][0043]根据风险系数选择不同的交易方式进行交易，在交易完成后将该交易(包括订单、订单参数、交易时间、是否履约等)加入历史数据集(进行反馈)。
[0044]其中
[0045]所述“根据风险系数选择不同的交易方式进行交易”包括，判断风险系数是否≥90，若是，则该订单参数对应的订单视为高度风险，拒绝放贷或货到付款；若否，则判断风险系数是否≥80且＜90，若是，则该订单参数对应的订单视为中度风险，允许支付部分贷款，先发货后付尾款；若否，则判断风险系数是否＜80，则该订单参数对应的订单视为低度风险，允许货到付款。
[0046]所述历史数据集包括：客户购买记录、客户充值记录和金额、客户违约记录以及客户信用、商誉、企业规模。
[0047]所述历史数据集进行数学建模前进对历史数据集内的数据采用ETL方法进行清洗，对数据进行查询、去重、聚合、统计、筛选获取所关注的核心字段和数据。
[0048]所述机器学习采用多标签决策树学习算法进行学习，并配合统计学统计出历史数据集的趋势图(例如统计最大值、最小值、平均值、众本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种化工交易风险评估方法，其特征在于，包括采用历史数据集内的数据进行数学建模后通过机器学习建立预测模型，向预测模型输入订单参数计算获得风险系数；所述风险系数的计算方法为：根据风险系数选择不同的交易方式进行交易。2.根据权利要求1所述的化工交易风险评估方法，其特征在于，所述“根据风险系数选择不同的交易方式进行交易”包括，判断风险系数是否≥90，若是，则该订单参数对应的订单视为高度风险，拒绝放贷或货到付款；若否，则判断风险系数是否≥80且＜90，若是，则该订单参数对应的订单视为中度风险，允许支付部分贷款，先发货后付尾款；若否，则判断风险系数是否＜80，则该订单参数对应的订单视为低度风险，允许货到付款。3.根据权利要求1所述的化工交易风险评估方法，其特征在于，所述历史数据集包括：客户购买记录、客户充值记录和金额、客户违约记录以及客户信用、商誉、企业规模。4.根据权利要求1所述的化工交易风险评估方法，其特征在于，所述历史数据集进行数学建模前进对历史数据集内的数据采用ETL方法进行清洗，对数据进行查询、去重、聚合、统计、筛选获取所关注的核心字段和数据。5.根据权利要求1所述的化工交易风险评估方法，其特征在于，所述机器学习采用多标签决策树学习算法进行学习...

【专利技术属性】
技术研发人员：朱剑川，谢道德，肖建峰，
申请(专利权)人：厦门汇银通达数字科技有限公司，
类型：发明
国别省市：