[發明專利]一種風險識別方法和系統

在審

• 申請號: 201811558708.3
• 申請日: 2018-12-19
• 公開（公告）號: CN109345381A
• 公開（公告）日: 2019-02-15
• 發明（設計）人: 陳瑋;劉德彬;黃遠江;嚴開;陳長沙
• 申請（專利權）人: 重慶譽存大數據科技有限公司
• 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權代理事務所(普通合伙) 50234
• 代理人: 孫方

本申請提供了一種風險識別方法，用于對企業失信風險進行識別，所述方法包括：將所述企業失信風險的測試數據輸入至決策樹模型，供所述決策樹學習以生成失信風險識別模型；獲取所述企業失信風險的待預測數據；將所述企業失信風險的待預測數據輸入至所述失信風險識別模型中，通過所述失信風險識別模型基于所述企業失信風險的待預測數據進行預測；將所述預測結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測結果。本申請還提供了一種風險識別系統。通過該風險識別方法和系統，解決了現有的通過人工的方式無法全面準確的分析數量級巨大的企業數據。

技術領域

本申請屬于數據處理技術領域，具體涉及一種風險識別方法和系統。

背景技術

隨著互聯網與經濟的不斷發展，互聯網金融、消費金融的崛起也促進了我國信貸產業的快速發展。企業在生產經營過程中，需要通過金融市場的金融工具實現資金的籌備等，導致帶來更多信用風險。目前，傳統企業的金融分控由人工進行，從資料提交到審核，需要大量時間和人力物力，而且還容易出現紕漏，基于此信用評分技術也應運而生，通過對貸款人各方數據信息的整合，預測其信用分析值，以幫助授信審批者做出決策。

由于企業數據維度高以及企業數據量大等問題，傳統的人工目前還沒有較好的方法實現對企業風險進行有效的預測分析，對于企業自身、企業關聯企業存在的潛在風險無法提前預警，企業無法做到有效風險規避，這可能會造成企業的不良發展。

發明內容

為了解決現有技術存在的上述問題，本申請目的在于提供一種風險識別方法和系統，旨在解決現有人工處理無法對數量級巨大的企業信息進行有效分析預測的問題。

為解決上述技術問題，本申請提供了一種風險識別方法，應用于終端，用于對企業失信風險進行識別，所述方法包括：將所述企業失信風險的測試數據輸入至決策樹模型，供所述決策樹學習以生成失信風險識別模型；獲取所述企業失信風險的待預測數據；將所述企業失信風險的待預測數據輸入至所述失信風險識別模型中，通過所述失信風險識別模型基于所述企業失信風險的待預測數據進行預測；將所述預測結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測結果。

可選地，所述測試數據包括失信企業和未失信企業數量，其中，所述測試數據中的所述失信企業和未失信企業數量的數量比為1:2。

可選地，將所述企業失信風險的測試數據輸入至決策樹模型，供所述決策樹學習以生成失信風險識別模型的步驟，包括：對所述測試數據進行標準化；通過對標準化后的數據進行清洗和選擇得到特征數據；將所述特征數據輸入至決策樹模型，供所述決策樹學習以生成失信風險識別模型。

可選地，所述特征數據包括但不限于工商基本變更信息、行業信息、裁判文書次數、企業股東對外任職的企業的特征、企業法人對外任職的企業的吊銷、作為被告的裁判文書次數。

可選地，所述將所述特征數據輸入至決策樹模型，供所述決策樹學習以生成失信風險識別模型的步驟，包括：根據預設的特征選擇算法確定當前最優特征和待分裂特征數據；根據所述當前最優特征建立決策樹當前節點，根據所述待分裂特征數據建立以所述當前節點為父節點的分支，直止滿足于預設條件停止繼續構建決策樹以生成失信風險識別模型。

可選地，所述決策樹模型為CART決策樹算法，所述根據預設的特征選擇算法確定當前最優特征為確定信息增益最大的特征為當前最優特征。

可選地，所述直止滿足于預設條件停止繼續構建決策樹以生成失信風險識別模型的步驟，包括：構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行處理以得到失信風險識別模型。

可選地，所述采用后剪枝算法對所述初始決策樹進行處理以得到失信風險識別模型的步驟，包括：將所述失信風險識別模型的驗證數據輸入至初始決策樹；根據錯誤率降低剪枝算法對所述初始決策樹進行處理，以得到最終的失信風險識別模型。