[发明专利]基于大数据分析的对外贸易风险评估方法

权利要求书

1.基于大数据分析的对外贸易风险评估方法，其特征在于，所述方法包括：

步骤S1：获取目标外贸企业的外贸数据，所述外贸数据至少包括以下几类：贸易融资数据、交易市场数据、产业链数据、贸易协议数据和海关进出口数据；

步骤S2：使用内部关联规则模型对获取到的外贸数据进行内部关联规则分析，以判断不同种类的外贸数据的合理性，找出不合理的外贸数据；对不合理的外贸数据，使用内部关联规则模型，生成填充数据，以取代不合理的外贸数据；

步骤S3：对外贸数据进行外部关联规则分析，以找到每一种类的外贸数据的风险评估指标；所述风险评估指标至少包括以下几类：支持度、置信度、提升度、互信息、杰卡德系数和提升度比；

步骤S4：使用预设的风险程度评估模型，根据风险评估指标，计算得到风险度值；所述风险度值表征了目标外贸企业总的风险程度；预先定义风险度值和风险程度的对应表，根据对应表，得到目标外贸企业的风险程度；

步骤S5：使用预设的风险种类评估模型，根据风险评估指标，计算得到风险种类；

步骤S6：根据目标外贸企业的风险程度和风险种类，生成目标外贸企业的评估结果。

2.如权利要求1所述的方法，其特征在于，所述风险程度至少包括4个不同的等级，分别为：1级、2级、3级和4级；每个等级的风险程度对应一个风险度值区间，分别为1级风险度值区间、2级风险度值区间、3级风险度值区间和4级风险度值区间。

3.如权利要求1所述的方法，其特征在于，所述风险种类包括：信用风险、资金风险、市场风险和法律风险。

4.如权利要求2或3所述的方法，其特征在于，所述步骤S2中的内部关联规则模型的执行过程包括：将外贸数据作为一个事务集，包含多个项集，使用蚁群算法找到事务集中的频繁项集；基于找到的频繁项集，构建内部关联规则，具体包括：设定内部关联规则的置信度阈值和支持度阈值；置信度阈值用于控制关联规则的准确性，支持度阈值用于控制关联规则的数量；对于频繁项集中的每一个项集，生成多个子内部关联规则，对于每一个子内部关联规则，计算其置信度和支持度；其中，支持度表示包含该子内部关联规则的事务数占总事务数的比例，置信度表示包含该子内部关联规则和另一个项集的事务数占包含该关联规则的事务数的比例；根据设定的置信度阈值和支持度阈值，筛选符合条件的子内部关联规则作为内部关联规则；基于所述内部关联规则，对事务集中的每个项集进行支持度和置信度计算，根据计算结果，判断每个项集是否满足内部关联规则，若不满足，则将该项集对应的外贸数据作为不合理的外贸数据；对于不合理的外贸数据，在原数据值的基础上，不断改变数据值，生成新的数据值，直到新的数据值对应的项集满足内部关联规则。

5.如权利要求4所述的方法，其特征在于，所述使用蚁群算法找到事务集中的频繁项集的过程，具体包括：步骤2.1：初始化蚁群，每只蚂蚁随机选择一个项集作为其起点；步骤2.2：每只蚂蚁根据信息素含量和启发式规则选择下一个项集；步骤2.3：每只蚂蚁走完一条路径后，计算该路径上的信息素增量，并更新信息素矩阵；重复步骤2.2-2.3直到满足停止条件；依据信息素矩阵找到频繁项集；所述信息素矩阵表示不同项集之间的相似程度，信息素含量越大表示相似程度越高。

6.如权利要求5所述的方法，其特征在于，所述信息素矩阵为：

；

其中，表示项集集合，表示一个项集，表示项集的信息素含量；所述启发式规则表示为如下公式：

；

其中，表示当前的项集，表示下一个可选的项集，表示项集和之间的信息素含量，表示启发函数，表示与项集相邻的项集集合，和表示调整信息素含量和启发函数对概率影响的参数；

假设表示项集和之间信息素的增量，所述信息素更新表示为如下公式：

；

其中，表示信息素挥发系数，表示蚂蚁的数量，表示第只蚂蚁在项集和之间遍历的路径上信息素的增量；

所述停止条件为是蚁群遍历次数设定的上限，为设定值。