[发明专利]企业风险预警方法、装置、设备及存储介质

说明书

本申请公开了一种企业风险预警方法、装置、设备和存储介质，该方法包括：获取目标企业对应的交易流水信息，并构建所述交易流水信息对应的交易特征数据；基于所述交易特征数据与预设异常还款还息来源识别模型，对所述目标企业进行风险检测，得到第一风险检测结果；基于所述第一风险检测结果，得到所述目标企业的目标风险结果。在本申请中，通过预设的预设异常还款还息来源识别模型能够识别出目标企业和小额贷款公司的借款交易、以及企业异常的还款还息来源，因而提高交易数据预警的覆盖范围，提高风险评估的准确度。

技术领域

本申请涉及金融科技(Fintech)的人工智能技术领域，尤其涉及一种企业风险预警方法、装置、设备及存储介质。

背景技术

随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、区块链Blockchain、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求，如金融业对企业风险预警也有更高的要求。

当前，银行通常需要对各个企业进行风险评估，具体地，银行通常通过银行交易流水数据，对企业进行风险评估，以确保是否借贷给相应企业，目前针对银行交易流水数据，主要集中于分析交易是否涉及欺诈等异常现象，以便及时拦截异常交易，而只是拦截异常交易，致使银行风险评估不准确，如小额贷款公司利率高，风险控制能力差，企业向小额贷款公司进行借款后再还款银行的公司往往不能被准确识别到。

发明内容

本申请的主要目的在于提供一种企业风险预警方法、装置、设备和存储介质，旨在解决现有银行对企业进行风险评估的过程中，风险评估准确度低下的技术问题。

为实现上述目的，本申请提供一种企业风险预警方法，所述企业风险预警方法包括：

获取目标企业对应的交易流水信息，并构建所述交易流水信息对应的交易特征数据；

基于所述交易特征数据与预设异常还款还息来源识别模型，对所述目标企业进行风险检测，得到第一风险检测结果；

基于所述第一风险检测结果，得到所述目标企业的目标风险结果。

可选地，所述基于所述第一风险检测结果，得到所述目标企业的目标风险结果的步骤，包括：

将所述交易特征数据输入至所述异常交易识别模型模型中，以基于所述交易特征数据，对所述目标企业进行异常交易检测，获得第二风险检测结果；

获取所述第一风险检测结果以及所述第二风险检测结果对应的权重信息，并基于所述权重信息、所述第一风险检测结果以及所述第二风险检测结果，生成所述目标企业的目标风险结果。

可选地，在基于所述交易特征数据与预设异常还款还息来源识别模型，对所述目标企业进行风险检测，得到第一风险检测结果的步骤之前，所述企业风险预警方法还包括：

获取训练数据集，并构建所述训练数据集对应的训练特征数据集；

基于所述训练特征数据集，构建决策树模型；

基于所述决策树模型，对所述训练特征数据集进行特征筛选，获得目标特征数据集；

基于所述目标特征数据集，构建所述预设异常还款还息来源识别模型。

可选地，所述决策树模型至少包括一决策树，

所述基于所述决策树模型，对所述训练特征数据集进行特征筛选，获得目标特征数据集的步骤，包括：

确定所述训练特征数据集对应的各初始交易流水特征，并获取每一所述初始交易流水特征在各所述决策树中对应的非叶子节点数量；

基于各所述非叶子节点数量，对各所述初始交易流水特征进行特征重要性排序，获得特征重要性排序结果；