[發明專利]一種企業風險預警方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202011035381.9
• 申請日: 2020-09-27
• 公開（公告）號: CN112150013A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 張樂情;錢海濤;羅水權;劉劍;李燕婷
• 申請（專利權）人: 平安資產管理有限責任公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 程超

本發明公開了一種企業風險預警方法、裝置、設備及可讀存儲介質，所述方法包括：當接收到風險預警指令時，獲取多個實體對象分別在多個連續的時間區間內的狀態信息；根據多個實體對象在各個時間區間內的狀態信息，分別繪制出與每個時間區間對應的企業關聯圖譜；其中，所述企業關聯圖譜包括：表征實體對象的節點和表征實體對象之間的關聯關系的邊；針對一個目標實體對象，按照時間先后順序依次根據各個時間區間的企業關聯圖譜，并利用預設的風險評估模型，計算出所述目標實體對象的風險評估值；判斷各個實體對象的風險評估值是否大于預設閾值，若是，則向指定終端發送風險預警消息；本發明能夠更加準確的進行企業風險預警。

技術領域

本發明涉及智能決策技術領域，特別涉及一種企業風險預警方法、裝置、設備及可讀存儲介質。

背景技術

近年來國內企業債開始打破剛兌規律，出現違約事件，且違約數量呈現增長趨勢。因此，債券市場的風險控制及對存在信用風險的發債主體進行盡早預警，避免投資人出現重大損失，變得越來越重要。現有的判斷企業是否存在違約風險的方式是風控人員基于企業的各種公告信息利用專家經驗和其推理邏輯進行風險判斷，由于不同專業人士的自身經驗及視角覆蓋度的局限性，導致難以覆蓋到所有案例，容易產生遺漏；隨著機器學習算法的不斷發展，機器學習算法越來越多的被應用到各個領域以解決例如：數據預測、數據分類和數據聚類的問題；但是，將機器學習算法應用到企業違約風險判斷領域，還存在以下技術問題：1)如何將企業的各種公告信息處理為機器學習算法可使用的信息，2)如何提高機器學習算法利用企業的各種公告信息的效率。

發明內容

本發明的目的在于提供一種企業風險預警方法、裝置、設備及存儲介質，能夠確定出企業之間的風險影響關系，從而更加準確的進行企業風險預警。

根據本發明的一個方面，提供了一種企業風險預警方法，所述方法包括：

當接收到風險預警指令時，獲取多個實體對象分別在多個連續的時間區間內的狀態信息；其中，所述狀態信息包括：各個實體對象之間的關聯關系；

根據多個實體對象在各個時間區間內的狀態信息，分別繪制出與每個時間區間對應的企業關聯圖譜；其中，所述企業關聯圖譜包括：表征實體對象的節點和表征實體對象之間的關聯關系的邊；

針對一個目標實體對象，按照時間先后順序依次根據各個時間區間的企業關聯圖譜，并利用預設的風險評估模型，計算出所述目標實體對象的風險評估值；

判斷各個實體對象的風險評估值是否大于預設閾值，若是，則向指定終端發送風險預警消息；其中，所述風險預警消息包括：風險評估值大于預設閾值的實體對象。

可選的，所述根據多個實體對象在各個時間區間內的狀態信息，分別繪制出與每個時間區間對應的企業關聯圖譜，包括：

根據多個實體對象在一個時間區間內的狀態信息，在與所述時間區間對應的企業關聯圖譜中繪制代表各個實體對象的節點，并為每個實體對象的節點設置節點屬性；其中，節點屬性包括：在所述時間區間內為實體對象設置的潛在風險值；

根據各個實體對象之間的關聯關系在所述企業關聯圖譜中的各個節點之間繪制邊，并為每個邊設置邊屬性；其中，所述邊屬性包括：用于表征關聯關系類型的關聯矢量，所述關聯矢量為1×N維的向量，且N為關聯關系類型的種類數目。

可選的，所述針對一個目標實體對象，按照時間先后順序依次根據各個時間區間的企業關聯圖譜，并利用預設的風險評估模型，計算出所述目標實體對象的風險評估值，包括：

針對所述目標實體對象的一個時間區間t，根據所述時間區間t的企業關聯圖譜，獲取所述目標實體對象在所述時間區間t內的潛在風險值以及所述目標實體對象與關聯對象的關聯矢量；其中，所述關聯對象為通過邊與表征所述目標實體對象的節點連接的其他節點所表征的實體對象；