[发明专利]一种企业风险的预测方法及系统

权利要求书

1.一种企业风险的预测方法，其特征在于，包括以下步骤：

获取目标公司的关联方网络图谱结构，基于预构建的第一预测模型预测出目标公司的企业风险的第一风险值；

获取目标公司自身的若干个特征变量的特征值，并基于预构建的至少一个第二预测模型，预测出目标公司的企业风险的至少一个第二风险值；

融合所述第一风险值和所述至少一个第二风险值，预测得到目标公司的企业风险的风险值。

2.根据权利要求1所述的方法，其特征在于，所述第一预测模型的构建步骤包括：

获取样本公司的关联方网络图谱结构，所述样本公司包括黑样本和白样本；

基于图挖掘算法Structure to Vector对样本公司的网络结构进行编码，获得样本公司网络结构的风险特征；

学习获得的风险特征，构建所述第一预测模型。

3.根据权利要求2所述的方法，其特征在于，所述基于图挖掘算法Structure toVector对样本公司的网络结构进行编码，获得样本公司网络结构的风险特征的步骤，包括：

将样本公司的关联方网络图谱结构转换为多个关键字典；

基于所述关键字典，将样本公司的关联方网络图谱中的各个节点映射为序号符号；

统计各个节点的序号符号出现的次数，并将序号符号作为特征，特征的取值即为该序号符号出现的次数，得到以序号符号为特征的向量，即特征向量。

4.根据权利要求3所述的方法，其特征在于，所述学习获得的风险特征，构建所述第一预测模型的步骤，包括：

利用所述特征向量对线性支持向量机模型进行训练，得到所述第一预测模型。

5.根据权利要求3所述的方法，其特征在于，所述基于预构建的第一预测模型预测出目标公司的企业风险的第一风险值的步骤，包括：

将目标公司的关联方网络图谱结构转换为多个关键字典；

利用Structure To Vector算法，将目标公司的关联方网络图谱中的各个节点映射为序号符号，并构建特征向量；

将得到的目标公司的特征向量输入所述第一预测模型，输出得到目标公司的企业风险的概率值；所述概率值即为所述第一风险值，或者将所述概率值转换为所述第一风险值。

6.根据权利要求1所述的方法，其特征在于，所述第二预测模型包括注册风险模型、经营风险模型、关联风险模型、警情风险模型中的任一项或多项。

7.根据权利要求6所述的方法，其特征在于，所述第二预测模型至少包括警情风险模型；

所述融合所述第一风险值和第二风险值，预测得到目标公司的企业风险的风险值的步骤，采用如下公式预测得到目标公司的企业风险的风险值Y：

其中，a、b、c均为系数，n为计算出的风险值的个数减一，n大于等于1，ω_i为第i个风险值对应的权重，y_i为第i个风险值，所述风险值包括第一风险值和第二风险值，y₅为警情风险模型计算出的一个第二风险值。

8.根据权利要求1-7任一所述的方法，其特征在于，所述企业风险为企业空壳风险。

9.一种企业风险的预测系统，其特征在于，包括：

数据库，用于存储目标公司的关联方网络图谱结构、样本公司的关联方网络图谱结构和目标公司的工商信息；

第一预测设备，用于从数据库中获取目标公司的关联方网络图谱结构，并基于预构建的第一预测模型预测出目标公司的企业风险的第一风险值；

第二预测设备，用于从数据库中获取目标公司的工商信息，并从获取的工商信息中筛选出用于预测的若干个特征变量的特征值，并基于预构建的至少一个第二预测模型，预测出目标公司的企业风险的至少一个第二风险值；

数据融合设备，用于分别从第一预测设备中获取第一风险值和从第二预测设备中获取第二风险值，并融合所述第一风险值和所述至少一个第二风险值，预测得到目标公司的企业风险的风险值。