【技术实现步骤摘要】
本申请涉及财务票据风险评估，尤其涉及一种财务票据风险值计算方法、装置、设备及存储介质。
技术介绍
1、在当今数字经济蓬勃发展的背景下，数字自动化转型已成为迫切需求。费用报销管理，作为支撑企业稳健发展的关键环节，其规范化与管理水平的提升显得尤为重要。历经多年的发展与实践，财务共享服务作为一种新兴的财务管理模式应运而生。该模式通过对企业原有的会计与财务业务进行整合与优化，借助科学规范的统一管理手段，有效降低了运营成本，提升了工作效率，确保了信息质量，并减少了管理风险。
2、财务共享中心所积累的大量数据，为企业构建财务数字能力提供了坚实基础。通过深入挖掘数据洞察，企业能够更精准地驱动经营决策，为数字化转型注入强劲动力，进而实现财务领域的全面数字化转型。在这一过程中，风险管理扮演着至关重要的角色。特别是财务欺诈风险，由于其隐蔽性较高，企业往往难以及时发现，常常是在监管部门发出通知后才得知相关风险。为了提前规避此类风险，各公司机构亟需加强内部审计与内部控制的能力，从而确保企业财务的稳健与安全。
技术实现思路
1、针对上述问题，本申请提供了一种财务票据风险值计算方法，包括以下内容：
2、第一方面，本申请提供了一种财务票据风险值计算方法，该方法包括：
3、获取待进行风险值计算的财务票据；
4、将对所述财务票据进行数据处理后得到的数据输入预先训练好的风险分类模型，基于所述风险分类模型得到所述财务票据的风险概率；所述预先训练好的风险分类模型是基于多种异
5、将所述风险概率转换为对应的风险值。
6、可选的，所述方法还包括：
7、在所述异常检测模型识别出异常点后，利用模型解释方法shap算法分析异常点的特征来源。
8、可选的，所述方法还包括：
9、当所述预先训练好的风险分类模型输出结果时，使用shap算法来解释模型的输出。
10、可选的，分类模型的训练过程包括：
11、构建多种无监督模型，基于构建好的多种无监督模型对样本数据进行异常检测，得到风险数据样本；
12、基于得到的风险数据样本训练有监督模型，得到训练好的风险分类模型。
13、可选的，所述基于构建好的多种无监督模型对样本数据进行异常检测包括：
14、利用孤立森林模型、单类支持向量机模型和局部异常因子检测模型对样本数据进行分析；
15、当数据被两个以上模型确认为异常点，则初步确定存在异常风险；
16、对初步确认存在异常风险的数据进行再次风险确认，若确认结果表示仍表示为存在异常风险的数据，则将数据作为风险数据样本。
17、可选的，所述将所述风险概率转换为对应的风险值包括：
18、基于评分卡模型，对所述风险概率进行处理，得到对应的分值；所述评分卡模型用于将将0-1的概率非线性转换为0-1000的分数。
19、可选的，所述方法还包括：
20、根据预设的精确率与预设的召回率将财务票据的风险值划分到对应的风险等级；
21、设定风险阈值，将高于阈值的高风险票据流入人工审核流程，低于阈值的低风险票据流入规则引擎审核。
22、第二方面，本申请提供了一种财务票据风险值计算装置，该装置包括：
23、获取单元，用于获取待进行风险值计算的财务票据；
24、处理单元，用于将对所述财务票据进行数据处理后得到的数据输入预先训练好的风险分类模型，基于所述风险分类模型得到所述财务票据的风险概率；所述预先训练好的风险分类模型是基于多种异常检测模型和分类模型训练得到的，所述多种异常检测模型用于对输入的数据进行异常检测得到风险数据样本；所述分类模型用于基于风险数据样本得到输入数据的风险概率；
25、转换单元，用于将所述风险概率转换为对应的风险值。
26、可选的，所述装置还包括数据解释单元，用于在所述异常检测模型识别出异常点后，利用模型解释方法shap算法分析异常点的特征来源。
27、可选的，所述装置还包括数据解释单元，用于当所述预先训练好的风险分类模型输出结果时，使用shap算法来解释模型的输出。
28、可选的，所述装置还包括，模型训练单元，用于对分了模型进行训练，所述分类模型的训练过程包括：
29、构建多种无监督模型，基于构建好的多种无监督模型对样本数据进行异常检测，得到风险数据样本；
30、基于得到的风险数据样本训练有监督模型，得到训练好的风险分类模型。
31、可选的，所述基于构建好的多种无监督模型对样本数据进行异常检测包括：
32、利用孤立森林模型、单类支持向量机模型和局部异常因子检测模型对样本数据进行分析；
33、当数据被两个以上模型确认为异常点，则初步确定存在异常风险；
34、对初步确认存在异常风险的数据进行再次风险确认，若确认结果表示仍表示为存在异常风险的数据，则将数据作为风险数据样本。
35、可选的，所述转换单元具体用于，基于评分卡模型，对所述风险概率进行处理，得到对应的分值；所述评分卡模型用于将将0-1的概率非线性转换为0-1000的分数。
36、可选的，所述装置还包括风险等级划分单元，用于根据预设的精确率与预设的召回率将财务票据的风险值划分到对应的风险等级；
37、设定风险阈值，将高于阈值的高风险票据流入人工审核流程，低于阈值的低风险票据流入规则引擎审核。
38、第三方面，本申请提供了一种设备，所述设备包括存储器和处理器，所述存储器用于存储指令或代码，所述处理器用于执行所述指令或代码，以使所述设备执行前述第一方面任一实现方式中介绍的财务票据风险值计算方法。
39、第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有代码，当所述代码被运行时，运行所述代码的设备实现前述第一方面任一实现方式中介绍的财务票据风险值计算方法。
40、本申请提供了一种财务票据风险值计算方法。该方法通过集成多种异常检测模型和分类模型，能够全面且深入地挖掘财务票据中的潜在风险。异常检测模型能够精准地识别出数据中的异常情况，为分类模型提供高质量的风险数据样本，从而确保风险概率计算的准确性和可靠性。利用预先训练好的风险分类模型进行风险概率的预测，大大提高了计算效率。相较于传统的风险评估方法，该方法无需人工进行繁琐的数据分析和判断，而是直接通过模型进行自动化处理，显著缩短了风险识别的周期。将风险概率转换为对应的风险值，使得风险评估结果更加直观和易于理解。这不仅便于财务相关部门进行风险管理和决策，也有助于企业全面掌控财务风险状况。
41、综上所述，该方法在财务票据的风险值计算方面本文档来自技高网...
【技术保护点】
1.一种财务票据风险值计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，分类模型的训练过程包括：
5.根据权利要求4所述的方法，其特征在于，所述基于构建好的多种无监督模型对样本数据进行异常检测包括：
6.根据权利要求1所述的方法，其特征在于，所述将所述风险概率转换为对应的风险值包括：
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
8.一种财务票据风险值计算装置，其特征在于，所述装置包括：
9.一种计算设备，其特征在于，所述计算设备包括：存储器、处理器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
【技术特征摘要】
1.一种财务票据风险值计算方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，分类模型的训练过程包括：
5.根据权利要求4所述的方法，其特征在于，所述基于构建好的多种无监督模型对样本数据进行异常检测包括：
6.根据权利要求1所述的方法，...
【专利技术属性】
技术研发人员：胡怀予，张鹤馨，冯洁，张赫中，何雪海，柏俊，
申请(专利权)人：太保科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。