[發(fā)明專利]一種風(fēng)險識別方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201811558708.3
• 申請日: 2018-12-19
• 公開（公告）號: CN109345381A
• 公開（公告）日: 2019-02-15
• 發(fā)明（設(shè)計）人: 陳瑋;劉德彬;黃遠(yuǎn)江;嚴(yán)開;陳長沙
• 申請（專利權(quán)）人: 重慶譽(yù)存大數(shù)據(jù)科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q10/06
• 代理公司: 重慶智慧之源知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50234
• 代理人: 孫方

本申請?zhí)峁┝艘环N風(fēng)險識別方法，用于對企業(yè)失信風(fēng)險進(jìn)行識別，所述方法包括：將所述企業(yè)失信風(fēng)險的測試數(shù)據(jù)輸入至決策樹模型，供所述決策樹學(xué)習(xí)以生成失信風(fēng)險識別模型；獲取所述企業(yè)失信風(fēng)險的待預(yù)測數(shù)據(jù)；將所述企業(yè)失信風(fēng)險的待預(yù)測數(shù)據(jù)輸入至所述失信風(fēng)險識別模型中，通過所述失信風(fēng)險識別模型基于所述企業(yè)失信風(fēng)險的待預(yù)測數(shù)據(jù)進(jìn)行預(yù)測；將所述預(yù)測結(jié)果顯示于所述終端的顯示界面，以供用戶可以清楚地獲知預(yù)測結(jié)果。本申請還提供了一種風(fēng)險識別系統(tǒng)。通過該風(fēng)險識別方法和系統(tǒng)，解決了現(xiàn)有的通過人工的方式無法全面準(zhǔn)確的分析數(shù)量級巨大的企業(yè)數(shù)據(jù)。

技術(shù)領(lǐng)域

本申請屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，具體涉及一種風(fēng)險識別方法和系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)與經(jīng)濟(jì)的不斷發(fā)展，互聯(lián)網(wǎng)金融、消費(fèi)金融的崛起也促進(jìn)了我國信貸產(chǎn)業(yè)的快速發(fā)展。企業(yè)在生產(chǎn)經(jīng)營過程中，需要通過金融市場的金融工具實(shí)現(xiàn)資金的籌備等，導(dǎo)致帶來更多信用風(fēng)險。目前，傳統(tǒng)企業(yè)的金融分控由人工進(jìn)行，從資料提交到審核，需要大量時間和人力物力，而且還容易出現(xiàn)紕漏，基于此信用評分技術(shù)也應(yīng)運(yùn)而生，通過對貸款人各方數(shù)據(jù)信息的整合，預(yù)測其信用分析值，以幫助授信審批者做出決策。

由于企業(yè)數(shù)據(jù)維度高以及企業(yè)數(shù)據(jù)量大等問題，傳統(tǒng)的人工目前還沒有較好的方法實(shí)現(xiàn)對企業(yè)風(fēng)險進(jìn)行有效的預(yù)測分析，對于企業(yè)自身、企業(yè)關(guān)聯(lián)企業(yè)存在的潛在風(fēng)險無法提前預(yù)警，企業(yè)無法做到有效風(fēng)險規(guī)避，這可能會造成企業(yè)的不良發(fā)展。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)存在的上述問題，本申請目的在于提供一種風(fēng)險識別方法和系統(tǒng)，旨在解決現(xiàn)有人工處理無法對數(shù)量級巨大的企業(yè)信息進(jìn)行有效分析預(yù)測的問題。

為解決上述技術(shù)問題，本申請?zhí)峁┝艘环N風(fēng)險識別方法，應(yīng)用于終端，用于對企業(yè)失信風(fēng)險進(jìn)行識別，所述方法包括：將所述企業(yè)失信風(fēng)險的測試數(shù)據(jù)輸入至決策樹模型，供所述決策樹學(xué)習(xí)以生成失信風(fēng)險識別模型；獲取所述企業(yè)失信風(fēng)險的待預(yù)測數(shù)據(jù)；將所述企業(yè)失信風(fēng)險的待預(yù)測數(shù)據(jù)輸入至所述失信風(fēng)險識別模型中，通過所述失信風(fēng)險識別模型基于所述企業(yè)失信風(fēng)險的待預(yù)測數(shù)據(jù)進(jìn)行預(yù)測；將所述預(yù)測結(jié)果顯示于所述終端的顯示界面，以供用戶可以清楚地獲知預(yù)測結(jié)果。

可選地，所述測試數(shù)據(jù)包括失信企業(yè)和未失信企業(yè)數(shù)量，其中，所述測試數(shù)據(jù)中的所述失信企業(yè)和未失信企業(yè)數(shù)量的數(shù)量比為1:2。

可選地，將所述企業(yè)失信風(fēng)險的測試數(shù)據(jù)輸入至決策樹模型，供所述決策樹學(xué)習(xí)以生成失信風(fēng)險識別模型的步驟，包括：對所述測試數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化；通過對標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行清洗和選擇得到特征數(shù)據(jù)；將所述特征數(shù)據(jù)輸入至決策樹模型，供所述決策樹學(xué)習(xí)以生成失信風(fēng)險識別模型。

可選地，所述特征數(shù)據(jù)包括但不限于工商基本變更信息、行業(yè)信息、裁判文書次數(shù)、企業(yè)股東對外任職的企業(yè)的特征、企業(yè)法人對外任職的企業(yè)的吊銷、作為被告的裁判文書次數(shù)。

可選地，所述將所述特征數(shù)據(jù)輸入至決策樹模型，供所述決策樹學(xué)習(xí)以生成失信風(fēng)險識別模型的步驟，包括：根據(jù)預(yù)設(shè)的特征選擇算法確定當(dāng)前最優(yōu)特征和待分裂特征數(shù)據(jù)；根據(jù)所述當(dāng)前最優(yōu)特征建立決策樹當(dāng)前節(jié)點(diǎn)，根據(jù)所述待分裂特征數(shù)據(jù)建立以所述當(dāng)前節(jié)點(diǎn)為父節(jié)點(diǎn)的分支，直止?jié)M足于預(yù)設(shè)條件停止繼續(xù)構(gòu)建決策樹以生成失信風(fēng)險識別模型。

可選地，所述決策樹模型為CART決策樹算法，所述根據(jù)預(yù)設(shè)的特征選擇算法確定當(dāng)前最優(yōu)特征為確定信息增益最大的特征為當(dāng)前最優(yōu)特征。

可選地，所述直止?jié)M足于預(yù)設(shè)條件停止繼續(xù)構(gòu)建決策樹以生成失信風(fēng)險識別模型的步驟，包括：構(gòu)建完整的初始決策樹；采用后剪枝算法對所述初始決策樹進(jìn)行處理以得到失信風(fēng)險識別模型。

可選地，所述采用后剪枝算法對所述初始決策樹進(jìn)行處理以得到失信風(fēng)險識別模型的步驟，包括：將所述失信風(fēng)險識別模型的驗(yàn)證數(shù)據(jù)輸入至初始決策樹；根據(jù)錯誤率降低剪枝算法對所述初始決策樹進(jìn)行處理，以得到最終的失信風(fēng)險識別模型。