[發(fā)明專利]一種應(yīng)收賬款違約風(fēng)險(xiǎn)識(shí)別方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201911120872.0
• 申請(qǐng)日: 2019-11-15
• 公開（公告）號(hào): CN110910002B
• 公開（公告）日: 2023-07-28
• 發(fā)明（設(shè)計(jì)）人: 黃林;梁樑;曾水保;王曉燕;朱香友;黃曉漫;黃超
• 申請(qǐng)（專利權(quán)）人: 安徽海匯金融投資集團(tuán)有限公司
• 主分類號(hào): G06Q10/0635
• 分類號(hào): G06Q10/0635;G06Q40/00;G06N20/10
• 代理公司: 合肥天明專利事務(wù)所(普通合伙) 34115
• 代理人: 金凱

1.一種應(yīng)收賬款違約風(fēng)險(xiǎn)識(shí)別方法，其特征在于，包括：

獲取應(yīng)收賬款歷史數(shù)據(jù)；

對(duì)每筆應(yīng)收賬款歷史數(shù)據(jù)進(jìn)行處理，得到與目標(biāo)變量是否違約相關(guān)的特征變量；

按比例將特征變量劃分為訓(xùn)練集與測試集；

建立識(shí)別應(yīng)收賬款違約風(fēng)險(xiǎn)的支持向量機(jī)模型；

利用訓(xùn)練集和測試集分別對(duì)支持向量機(jī)模型進(jìn)行訓(xùn)練和測試，得到最優(yōu)風(fēng)險(xiǎn)識(shí)別模型；

獲取待預(yù)測應(yīng)收賬款，并獲取該待預(yù)測應(yīng)收賬款的特征變量并輸入至最優(yōu)風(fēng)險(xiǎn)識(shí)別模型，判斷待預(yù)測應(yīng)收賬款到期還款人是否會(huì)違約；

所述應(yīng)收賬款歷史數(shù)據(jù)包括：債權(quán)人名稱、債權(quán)人類型、債權(quán)人住所地、債權(quán)人統(tǒng)一社會(huì)信用代碼/身份證號(hào)碼、債權(quán)人聯(lián)系人信息、債務(wù)人名稱、債務(wù)人類型、債務(wù)人住所地、債務(wù)人統(tǒng)一社會(huì)信用代碼/身份證號(hào)碼、債務(wù)人聯(lián)系人信息、債權(quán)流轉(zhuǎn)類型、債權(quán)依據(jù)類型、債權(quán)金額、銀行授信支持、保證金比例、擔(dān)保方式、合同號(hào)、合同名稱、文書制作機(jī)關(guān)、債權(quán)描述、初始登記日期、到期日期、應(yīng)收賬款債權(quán)管理服務(wù)機(jī)構(gòu)、當(dāng)前還款狀態(tài)以及實(shí)際還款日期；

所述對(duì)每筆應(yīng)收賬款歷史數(shù)據(jù)進(jìn)行處理，得到與目標(biāo)變量是否違約相關(guān)性的特征變量，包括：

對(duì)所述每筆應(yīng)收賬款歷史數(shù)據(jù)的真實(shí)性進(jìn)行核查；

對(duì)應(yīng)收賬款歷史數(shù)據(jù)中異常數(shù)據(jù)的缺失值處理；

對(duì)于應(yīng)收賬款歷史數(shù)據(jù)中異常數(shù)據(jù)的缺失值，利用類庫pandas中缺失值處理函數(shù)dropna()，沿著每一列下去，對(duì)每列的各行中空值對(duì)應(yīng)的行進(jìn)行刪除；

所述特征變量包括債權(quán)人類型、債務(wù)人類型、債權(quán)流轉(zhuǎn)類型、債權(quán)依據(jù)類型、債權(quán)金額、期限、銀行授信支持、保證金比例、增信措施、逾期總次數(shù)、逾期總賬額以及守約次數(shù)。

2.如權(quán)利要求1所述的應(yīng)收賬款違約風(fēng)險(xiǎn)識(shí)別方法，其特征在于，還包括：對(duì)所述應(yīng)收賬款歷史數(shù)據(jù)的部分屬性進(jìn)行二次計(jì)算，得出新的特征變量。

3.如權(quán)利要求2所述的應(yīng)收賬款違約風(fēng)險(xiǎn)識(shí)別方法，其特征在于，在所述按比例將特征變量劃分為訓(xùn)練集與測試集之后，還包括：

對(duì)所述訓(xùn)練集中的特征向量和所述測試集中的特征向量進(jìn)行標(biāo)準(zhǔn)化處理。

4.如權(quán)利要求3所述的應(yīng)收賬款違約風(fēng)險(xiǎn)識(shí)別方法，其特征在于，在所述利用訓(xùn)練集和測試集分別對(duì)支持向量機(jī)模型進(jìn)行訓(xùn)練和測試，得到最優(yōu)風(fēng)險(xiǎn)識(shí)別模型之前，還包括：

利用權(quán)重法對(duì)訓(xùn)練集和測試集中的樣本進(jìn)行加權(quán)處理，得到樣本平衡的訓(xùn)練集和測試集。

5.如權(quán)利要求4所述的應(yīng)收賬款違約風(fēng)險(xiǎn)識(shí)別方法，其特征在于，所述利用訓(xùn)練集和測試集分別對(duì)支持向量機(jī)模型進(jìn)行訓(xùn)練和測試，得到最優(yōu)風(fēng)險(xiǎn)識(shí)別模型，包括：

在模型訓(xùn)練過程中，利用機(jī)器學(xué)習(xí)庫sklearn支持向量機(jī)的不同核函數(shù)，通過準(zhǔn)確率A、精準(zhǔn)率P、召回率R及F1_Score來評(píng)估模型，得到最優(yōu)風(fēng)險(xiǎn)識(shí)別模型。

6.如權(quán)利要求5所述的應(yīng)收賬款違約風(fēng)險(xiǎn)識(shí)別方法，其特征在于，所述核函數(shù)至少包括線性核函數(shù)linear、徑向基核函數(shù)rbf、多項(xiàng)式核函數(shù)poly及Sigmoid核函數(shù)sigmoid。

7.一種應(yīng)收賬款違約風(fēng)險(xiǎn)識(shí)別系統(tǒng)，用于實(shí)現(xiàn)權(quán)利要求1-6的一種應(yīng)收賬款違約風(fēng)險(xiǎn)識(shí)別方法，其特征在于，包括數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊、模型建立模塊和模型應(yīng)用模塊，其中：

數(shù)據(jù)采集模塊用于獲取應(yīng)收賬款歷史數(shù)據(jù)；

數(shù)據(jù)處理模塊用于對(duì)每筆應(yīng)收賬款歷史數(shù)據(jù)進(jìn)行處理，得到與目標(biāo)變量是否違約相關(guān)的特征變量，并按比例將特征變量劃分為訓(xùn)練集與測試集；

模型建立模塊用于建立識(shí)別應(yīng)收賬款違約風(fēng)險(xiǎn)的支持向量機(jī)模型，并利用訓(xùn)練集和測試集分別對(duì)支持向量機(jī)模型進(jìn)行訓(xùn)練和測試，得到最優(yōu)風(fēng)險(xiǎn)識(shí)別模型；

模型應(yīng)用模塊用于獲取待預(yù)測應(yīng)收賬款，并獲取該待預(yù)測應(yīng)收賬款的特征變量并輸入至最優(yōu)風(fēng)險(xiǎn)識(shí)別模型，判斷待預(yù)測應(yīng)收賬款到期還款人是否會(huì)違約。