【技术实现步骤摘要】
本申请涉及信用风险评估，尤其涉及一种中小企业信用风险评估方法、装置、设备和存储介质。
技术介绍
1、中小企业长久以来存在融资困难的问题，其融资困境又是伴随着金融机构的风控难题产生的。中小企业的融资风险难以评估，主要是下面几个原因：
2、（1）信用数据质量差，历史数据沉淀少。中小企业缺乏有效的监管制度和严格信息披露要求。金融机构在审批其贷款时，可以收集的评估数据并不太多。大多数中小企业缺乏成熟和完善的财务管理制度，因此基于传统的财务数据的信用评估模型在这里不再适用。对于企业主动上报的数据，金融机构也难以核实其准确性和真实性。此外，中小企业的平均寿命较短，历史数据沉淀太少，导致评估模型建模困难。
3、（2）风险动态影响复杂。中小企业的信用风险除了来自其内部的经营状况和还款意愿，还与外部的宏观环境和传染效应相关。与大型企业相比，中小企业抵御风险的能力较低，导致风险在中小企业之间蔓延。传染效应在传统的模型中往往被忽略，而传染的根源是企业之间错综复杂的关联关系。
4、传统的基于公司审计和财务数据的企业金融风险评估模型，只适用于财务制度规范的大公司，而中小企业的信用数据质量差，历史数据少，这种评估模型的效果存在很大的局限性。
技术实现思路
1、本申请提供了一种中小企业信用风险评估方法、装置、设备和存储介质，用于改善现有模型由于公司审计和财务数据不足导致中小企业信用风险评估准确性不高的技术问题。
2、有鉴于此，本申请第一方面提供了一种中小企业信用风
3、获取中小企业多源关联数据，所述中小企业多源关联数据包括中小企业的工商登记数据、股东和高管数据、司法诉讼数据以及贷款业务合同信息数据；
4、通过所述中小企业多源关联数据构建中小企业金融信用风险关联图谱；
5、从所述中小企业金融信用风险关联图谱提取图嵌入特征获取信用风险关联图谱嵌入指标；
6、从所述工商登记数据中提取工商信息风险指标；
7、从所述贷款业务合同信息数据中提取企业历史贷款信息风险指标；
8、将所述信用风险关联图谱嵌入指标、所述工商信息风险指标和所述企业历史贷款信息风险指标输入到信用风险评估模型中进行信用风险评估，得到中小企业的信用风险评估结果。
9、可选的，所述中小企业金融信用风险关联图谱包括中小企业工商社交网络子图和中小企业借贷业务网络子图；
10、所述中小企业工商社交网络子图中的实体包括企业和自然人，实体之间的关系包括董事、监事、主管、投资和法人；
11、所述中小企业借贷业务网络子图中的实体包括企业和借贷合同，实体之间的关系包括借款和贷款。
12、可选的，所述从所述中小企业金融信用风险关联图谱提取图嵌入特征获取信用风险关联图谱嵌入指标，包括：
13、从所述中小企业金融信用风险关联图谱中提取借款企业的中心性度量，所述中心性度量包括度中心性、介数中心性、接近中心性和pagerank中心性；
14、基于图计算方法从所述中小企业金融信用风险关联图谱中提取借款企业6度范围内存在工商关联路径的小贷平台数量、距离借款企业最近的小贷平台的工商关联路径长度；
15、基于node2vec算法或图卷积神经网络从所述中小企业金融信用风险关联图谱中提取节点表征向量。
16、可选的，所述工商信息风险指标包括：借款企业类型、借款企业产业类型、借款企业所属行业。
17、可选的，所述企业历史贷款信息风险指标包括：上次贷款金额的自然对数、上次贷款年化利率、上次贷款是否违约、上次贷款是否逾期、上次贷款与本次贷款间隔天数、本次贷款金额占历史金额均值之比、历史借款次数以及首次贷款至本次贷款间隔天数。
18、可选的，所述方法还包括：
19、从所述司法诉讼数据中提取企业司法风险指标；
20、所述将所述信用风险关联图谱嵌入指标、所述工商信息风险指标和所述企业历史贷款信息风险指标输入到信用风险评估模型中进行信用风险评估，得到中小企业的信用风险评估结果，包括：
21、将所述信用风险关联图谱嵌入指标、所述工商信息风险指标、所述企业历史贷款信息风险指标和所述企业司法风险指标输入到信用风险评估模型中进行信用风险评估，得到中小企业的信用风险评估结果。
22、可选的，所述企业司法风险指标包括：本次贷款日期之前一年内的企业主体是否是纳税非正常户、是否欠税、是否被限制高消费、是否被认定为老赖、是否被公开执行以及本次借款金额与企业主体一年内被执行总金额之比。
23、可选的，所述信用风险评估模型的训练过程包括：
24、提取已知信用风险评估结果的中小企业的风险指标，得到数据集，所述风险指标包括信用风险关联图谱嵌入指标、工商信息风险指标和企业历史贷款信息风险指标；
25、将所述数据集划分为训练集和测试集，通过训练集对机器学习模型进行训练，通过测试集对训练后的机器学习模型进行测试，直至所述机器学习模型收敛，得到训练好的机器学习模型；
26、基于所述训练好的机器学习模型获取信用风险评估模型。
27、可选的，所述机器学习模型的数量为1个或多个；
28、所述基于所述训练好的机器学习模型获取信用风险评估模型，包括：
29、当所述机器学习模型的数量为1个时，将所述训练好的机器学习模型作为信用风险评估模型；
30、当所述机器学习模型的数量为多个时，从多个所述训练好的机器学习模型中选取评估准确率最高的机器学习模型作为信用风险评估模型，或将多个所述训练好的机器学习模型作为信用风险评估模型，将多个所述训练好的机器学习模型输出的信用风险评估结果的平均值或投票结果作为最终的信用风险评估结果。
31、本申请第二方面提供了一种中小企业信用风险评估装置，包括：
32、数据获取单元，用于获取中小企业多源关联数据，所述中小企业多源关联数据包括中小企业的工商登记数据、股东和高管数据、司法诉讼数据以及贷款业务合同信息数据；
33、图谱构建单元，用于通过所述中小企业多源关联数据构建中小企业金融信用风险关联图谱；
34、风险指标提取单元，用于从所述中小企业金融信用风险关联图谱提取图嵌入特征获取信用风险关联图谱嵌入指标；从所述工商登记数据中提取工商信息风险指标；从所述贷款业务合同信息数据中提取企业历史贷款信息风险指标；
35、风险评估单元，用于将所述信用风险关联图谱嵌入指标、所述工商信息风险指标和所述企业历史贷款信息风险指标输入到信用风险评估模型中进行信用风险评估，得到中小企业的信用风险评估结果。
36、本申请第三方面提供了一种电子设备，所述设备包括处理器以及存储器；
37、所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
38、所述处理器用于根据所述程序代码中的指令执行第一本文档来自技高网...
【技术保护点】
1.一种中小企业信用风险评估方法，其特征在于，包括：
2.根据权利要求1所述的中小企业信用风险评估方法，其特征在于，所述中小企业金融信用风险关联图谱包括中小企业工商社交网络子图和中小企业借贷业务网络子图；
3.根据权利要求1或2所述的中小企业信用风险评估方法，其特征在于，所述从所述中小企业金融信用风险关联图谱提取图嵌入特征获取信用风险关联图谱嵌入指标，包括：
4.根据权利要求1所述的中小企业信用风险评估方法，其特征在于，所述工商信息风险指标包括：借款企业类型、借款企业产业类型、借款企业所属行业。
5.根据权利要求1所述的中小企业信用风险评估方法，其特征在于，所述企业历史贷款信息风险指标包括：上次贷款金额的自然对数、上次贷款年化利率、上次贷款是否违约、上次贷款是否逾期、上次贷款与本次贷款间隔天数、本次贷款金额占历史金额均值之比、历史借款次数以及首次贷款至本次贷款间隔天数。
6.根据权利要求1所述的中小企业信用风险评估方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的中小企业信用风险评估方法，其特征在于
8.根据权利要求1所述的中小企业信用风险评估方法，其特征在于，所述信用风险评估模型的训练过程包括：
9.根据权利要求1所述的中小企业信用风险评估方法，其特征在于，所述机器学习模型的数量为1个或多个；
10.一种中小企业信用风险评估装置，其特征在于，包括：
11.一种电子设备，其特征在于，所述设备包括处理器以及存储器；
12.一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用于存储程序代码，所述程序代码被处理器执行时实现权利要求1-9任一项所述的中小企业信用风险评估方法。
...【技术特征摘要】
1.一种中小企业信用风险评估方法，其特征在于，包括：
2.根据权利要求1所述的中小企业信用风险评估方法，其特征在于，所述中小企业金融信用风险关联图谱包括中小企业工商社交网络子图和中小企业借贷业务网络子图；
3.根据权利要求1或2所述的中小企业信用风险评估方法，其特征在于，所述从所述中小企业金融信用风险关联图谱提取图嵌入特征获取信用风险关联图谱嵌入指标，包括：
4.根据权利要求1所述的中小企业信用风险评估方法，其特征在于，所述工商信息风险指标包括：借款企业类型、借款企业产业类型、借款企业所属行业。
5.根据权利要求1所述的中小企业信用风险评估方法，其特征在于，所述企业历史贷款信息风险指标包括：上次贷款金额的自然对数、上次贷款年化利率、上次贷款是否违约、上次贷款是否逾期、上次贷款与本次贷款间隔天数、本次贷款金额占历史金额均值之比、历史借款次数以及首次贷款至本次贷款间隔天数。
6.根据权利要...
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。