[发明专利]一种基于纺织行业中小型企业信用的风险量化建模方法

摘要

本发明公开了一种基于纺织行业中小型企业信用的风险量化建模方法，属于风险评估技术领域。本发明在无法获取企业财务信息或获取的企业财务信息不全面或准确性无法佐证的情况下，针对企业的行为画像及属性画像，全面呈现企业特征，采取指标数据代替财务数据，对企业信用风险进行准确评估，适用于各种规模的企业信用评估，准确率高。

主权项

1.一种基于纺织行业中小型企业信用的风险量化建模方法，其特征在于，所述方法包括如下步骤：采集建模数据：其中所述的建模指标数据包括：企业在平台上的采购数据、登录数据、付款数据、注册数据、成交数据、退换货数据等；数据处理：对建模数据进行处理，包括缺失值处理、离群值处理、正向化处理、标准化处理及相关性分析，得到特征数据；缺失值处理，删除缺失值，所述缺失值的样本比例低于指定阈值并且所述缺失值在样本中随机出现，再对各个完整数据集分别进行分析，并对分析结果进行汇总；离群值处理，原始数据框中在±3σ之外的数据根据实际情况判断是否为离群点，若是则使用盖帽法进行替换，将99%以上的点值赋值为99%的点值，小于1%的点值赋值为1%的点值；正向化处理，用于对初步处理后的建模数据的负向指标及适度指标进行处理，得到正向化后的建模数据；标准化处理，用于对正向化后的数据进行无量纲化处理，得到标准化后的建模数据；相关性分析单元，对所有变量两两进行相关性分析，计算皮尔逊相关系数，越接近±1时二者的相关性越强，保留小于指定阈值的所有变量，对于大于指定阈值的变量，要根据业务关系保留其中之一；异常指标构建模块，用于将特征数据作为判断各项异常指标偏离标准值的基础，使用数据挖掘和机器学习方法得出各项异常指标偏离标准值的异常系数，将各项异常系数加权求和计算得出各商户的总异常系数；信用评分模型，运用数据挖掘和机器学习算法将企业行为画像和属性画像作为特征指标构建信用评分模型，将信用分数划分为高、中、低三个等级；根据所述企业信用风险评分结果，输出企业信用风险评估报告。