[發明專利]應收賬款保理業務風險模型的建立方法及裝置

在審

• 申請號: 201710505731.5
• 申請日: 2017-06-28
• 公開（公告）號: CN108171602A
• 公開（公告）日: 2018-06-15
• 發明（設計）人: 殷敦偉
• 申請（專利權）人: 永輝青禾商業保理(重慶)有限公司
• 主分類號: G06Q40/04
• 分類號: G06Q40/04;G06Q40/02
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 賈磊;王天堯

1.一種應收賬款保理業務風險模型的建立方法，其特征在于，包括：

獲取某商超類公司N年內各供應商的基本信息、交易信息及外部征信信息，其中，基本信息、交易信息及外部征信信息包括多個變量；

對供應商的變量進行數據清理及整合處理；

對處理后所得變量進行探索性分析，剔除異常值大于第一預定閾值和缺失值大于第二預定閾值的變量；

根據交易信息確定供應商的風險指數，將風險指數定義為因變量；

將剩余的變量定義為自變量，分析自變量與供應商風險的相關性，根據相關性對自變量進行初步篩選；

對于初步篩選出的自變量，分析自變量之間多重共線性、自變量在統計學上的意義及自變量信息價值，根據自變量的多重共線性、自變量在統計學上的意義及自變量信息價值確定關鍵自變量；

根據關鍵自變量及因變量利用邏輯回歸建立供應商的風險模型，計算風險模型中的未知參數，將計算得到的未知參數值代回風險模型。

2.如權利要求1所述的方法，其特征在于，對供應商的變量進行數據清理及整合處理包括：

對變量的變量名及數據格式進行轉換；

對同一供應商與時間相關的變量做整合處理。

3.如權利要求1所述的方法，其特征在于，分析自變量與供應商風險的相關性，根據相關性對自變量進行初步篩選包括：

利用逐步回歸方法結合AIC準則和BIC準則對自變量進行初步篩選；和/或

采用信息熵方法對自變量進行初步篩選；和/或

采用Lasso方法對自變量進行初步篩選。

4.如權利要求1所述的方法，其特征在于，供應商的風險指數確定過程包括：

設定一觀察時間點，根據供應商觀察點前后的交易信息判斷該商超類公司與供應商的交易關系是否穩定，若交易關系穩定，則將供應商的風險指數賦值為0，若交易關系不穩定，則將供應商的風險指數賦值為1。

5.如權利要求1所述的方法，其特征在于，風險模型的計算公式為：

其中，g(x)為風險指數，β₀為截距，β_k為系數，x_k為第k個關鍵自變量，n為自變量個數。

6.如權利要求5所述的方法，其特征在于，還包括根據風險模型計算風險概率，風險概率的計算公式為：

其中，P(x)為風險概率。

7.一種應收賬款保理業務風險模型的建立裝置，其特征在于，包括：

獲取模塊，用于獲取某商超類公司N年內各供應商的基本信息、交易信息及外部征信信息，其中，基本信息、交易信息及外部征信信息包括多個變量；

處理模塊，用于對供應商的變量進行數據清理及整合處理；

探索性分析模塊，用于對處理后所得變量進行探索性分析，剔除異常值大于第一預定閾值和缺失值大于第二預定閾值的變量；

風險指數確定模塊，用于根據交易信息確定供應商的風險指數，將風險指數定義為因變量；

第一自變量篩選模塊，用于將剩余的變量定義為自變量，分析自變量與供應商風險的相關性，根據相關性對自變量進行初步篩選；

第二自變量篩選模塊，用于對于初步篩選出的自變量，分析自變量之間多重共線性、自變量在統計學上的意義及自變量信息價值，根據自變量的多重共線性、自變量在統計學上的意義及自變量信息價值確定關鍵自變量；

建模模塊，用于根據關鍵自變量及因變量利用邏輯回歸建立供應商的風險模型，計算風險模型中的未知參數，將計算得到的未知參數值代回風險模型。

8.如權利要求7所述的裝置，其特征在于，所述處理模塊對供應商的變量進行數據清理及整合處理包括：

對變量的變量名及數據格式進行轉換；

對同一供應商與時間相關的變量做整合處理。