[发明专利]一种外贸供应链金融风险控制的方法

说明书

本发明提供一种外贸供应链金融风险控制的方法，包括以下步骤：建立风险模型，从供应链管理平台中获取各类风险数据，基于大数据分析的量化风险模型，设置各类风险场景下的预警范围，即风险指标数据阙值；当所述风险模型的输入数据有变化时，再训练所述风险模型以获取经再训练的风险模型；从供应链管理平台中获取客户信息列表，为所述客户信息列表中的客户逐一分配授信额度，判断客户当前的已兑额度是否超过所述授权额度；若是，则自动进行预警，并对所述客户执行限制使用金融服务操作；若否，根据客户需求分类，对应风险模型下的预警阈值，进行风险控制。本发明方便快捷，可确保异常情况的及时处理并确保授信支持性资产的有效性与可实现性。

技术领域

本发明属于供应链管理技术领域，具体涉及一种外贸供应链金融风险控制的方法。

背景技术

传统的供应链金融风险控制的重点，首先着眼于核心企业，关注资产或物权的抵押、应收账款质押等，注重风险的可转移或可补偿性。风险控制方法包括风险回避、风险转移、风险自留与风险补偿、损失控制等。风险回避就是对不能满足银行风险承受能力的企业拒绝授信，银行应当对核心企业以及供应链成员企业分别设置准入信用评级底线，针对不同产品设置准入门槛。风险转移不仅包括通过出口信用险、应收账款保险等信用风险转移工具，也应包括在物流环节引入第三方物流企业等非银行业务的风险转移。在供应链金融业务中，银行应当完善风险计量系统，建立与风险定价密切相关的风险补偿机制。在供应链金融实践中，由于涉及众多的物流环节，其操作的复杂程度远高于传统的流动资金贷款业务，因此，必须十分重视供应链金融风控中的操作风险控制，确保授信支持性资产的有效性与可实现性。

发明内容

本发明的目的是提供一种外贸供应链金融风险控制的方法，方便快捷，确保异常情况的及时处理并确保授信支持性资产的有效性与可实现性。

本发明提供了如下的技术方案：

一种外贸供应链金融风险控制的方法，包括以下步骤：

建立风险模型，从供应链管理平台中获取各类风险数据，基于大数据分析的量化风险模型，设置各类风险场景下的预警范围，即风险指标数据阙值；

当所述风险模型的输入数据有变化时，再训练所述风险模型以获取经再训练的风险模型；

从供应链管理平台中获取客户信息列表，为所述客户信息列表中的客户逐一分配授信额度，判断客户当前的已兑额度是否超过所述授权额度；若是，则自动进行预警，并对所述客户执行限制使用金融服务操作；

若否，根据客户需求分类，对应风险模型下的预警阈值，进行风险控制。

优选的，当所述风险模型的输入数据有变化时，再训练所述风险模型以获取经再训练的风险控制模型，用流式数据通过增量学习更新所述经再拟合的风险模型或所述经再训练的风险模型；将所述风险模型用作线上模型，并将更新后的所述经再拟合的风险模型和所述经再训练的风险模型用作备份模型；以及当所述备份模型之一优于所述线上模型时，用该备份模型替代所述线上模型。

优选的，再训练所述风险模型进一步包括：调整所述风险模型的结构参数；以及调整所述风险控制模型的超参数。

优选的，所述用流式数据通过增量学习更新所述经再拟合的风险控制模型或所述经再训练的风险控制模型采用FTRL算法和在线随机森林(Online Random Forest)算法进行。

优选的，所述为客户信息列表中的客户逐一分配授信额度的步骤具体包括：根据客户的历史订单信息和评分等级确定客户的授信等级；根据所述授信等级和公司当前的运营指数为客户分配授信额度。

本发明的有益效果是：供应链管理平台完善的风险主数据管理使风控数据维度更完整全面、信息提取更高效，避免人为因素干扰，为风险建模打下坚实基础；事中风险监控体系可以确保异常情况的及时处理；基于大数据分析的量化风险模型帮助企业充分利用数据资产，预测风险。