[发明专利]大型企业信用风险预测方法及系统、存储介质及电子设备

说明书

本发明涉及一种大型企业信用风险预测方法及系统、存储介质及电子设备，该预测方法包括以下步骤：获取目标企业的关系网络知识图谱，并从所述关系网络知识图谱中找出目标企业的一度关联方；收集目标企业及其一度关联方的数据；基于目标企业的数据及第一预测模型，预测得到目标企业的第一风险预测值；基于目标企业的一度关联方的数据及第二预测模型，预测得到目标企业的第二风险预测值；融合所述第一风险预测值和第二风险预测值，最终得到目标企业的信用风险预测值。本发明预测方法同时利用了目标企业自身的数据以及其一度关联方的数据进行风险预测，可以提高预测结果的准确性。

技术领域

本发明涉及风险预测技术领域，特别涉及一种大型企业信用风险预测方法及系统、存储介质及电子设备。

背景技术

基于大数据时代，通过对企业运营中产生的各种数据进行收集、分析，可以有效地帮助企业自己或他人创造更多的价值。例如，通过分析产品的热销类型和购买人群，可以帮助企业做出更准确的产品营销策略。又例如，通过对企业交易数据的分析，可以帮助企业形成信用档案，有助于企业进行融资或贷款。以企业信用评估为例，传统的征信模型虽然能够一定程度上评价企业信用风险，但是传统的信用评估主要依靠目标企业自身的交易数据，而忽略了关联方的信用风险影响。换言之，目前的评估模型的预测结果准确性还有待提高。

发明内容

本发明的目的在于解决目前的信用评估模型的预测结果准确性不够的技术问题，提供一种尤其适用于大型企业的企业信用风险预测方法及系统，以提高大型企业的信用风险预测结果的准确性。

为了实现上述发明目的，本发明实施例提供了以下技术方案：

一方面，本发明实施例提供了一种大型企业信用风险预测方法，包括以下步骤：

获取目标企业的关系网络知识图谱，并从所述关系网络知识图谱中找出目标企业的一度关联方；

收集目标企业及其一度关联方的数据；

基于目标企业的数据及第一预测模型，预测得到目标企业的第一风险预测值；

基于目标企业的一度关联方的数据及第二预测模型，预测得到目标企业的第二风险预测值；

融合所述第一风险预测值和第二风险预测值，最终得到目标企业的信用风险预测值。

上述方法中，利用了目标企业的自身数据进行风险预测，也利用了目标企业的一度关联方的数据进行风险预测，因此，相比于传统方法具有更高的可靠性，预测结果更准确，更有利于使用方进行更合理的的应用。

所述目标企业的数据包括工商信息、纳税信用评级、司法信息及行政处罚信息；和/或，所述目标企业的一度关联方的数据包括司法信息、欠税信息以及信用信息。

所述基于目标企业的数据及第一预测模型，预测得到目标企业的第一风险预测值的步骤，包括：根据预先设定的若干个第一特征变量，从所述目标企业的数据中提取出所述第一特征变量的数值；基于每个第一特征变量的数值，对每个第一特征变量赋予风险预测值；将每个第一特征变量的风险预测值作为变量的数据值输入第一预测模型，并基于预先设定的各个变量的权重，求和得到目标企业的第一风险预测值。

通过设定特征变量，并以给各个特征变量分配权重的方式进行风险预测，模型结构简单，运算速度快。经过试验测试，也具有较好的预测效果。

所述基于目标企业的一度关联方的数据及第二预测模型，预测得到目标企业的第二风险预测值的步骤，包括：根据预先设定的若干个第二特征变量，从所述目标企业的一度关联方的数据中提取出所述第二特征变量的数值；基于每个第二特征变量的数值，对每个第二特征变量赋予风险预测值；将每个第二特征变量的风险预测值作为变量的数据值输入第二预测模型，并基于预先设定的各个变量的权重，求和得到目标企业的第二风险预测值。