评估企业信用的方法及设备与流程

本申请涉及数据分析领域，具体来说涉及一种评估企业信用的方法及设备。

背景技术：

现有市场环境下，即便有大量的资金供应以及多种政策支持，小微企业存在的融资难、融资贵等问题仍然无法获得有效解决。根本问题在于两方面：一为评估企业信用的数据缺乏；二为评估企业风险的能力不足。

因此，继续一种能够全面准确的评估企业信用的方法。

技术实现要素：

本申请的一个实施例公开了：一种评估企业信用的方法，其包括：对企业的运营商信用数据和企业的银行信用数据加权计算获得企业初始信用值，结合税务数据以及运营商数据，生成建模样本；基于所产生的建模样本，采用逻辑回归算法构建企业信用评估模型，并输出税务数据和运营商数据融合的企业信用值；以及获得银行贷款数据以及还款结果数据，将其转换为信用认可度以及信用可信度，反向验证优化企业信用评估模型。

本申请的另一个实施例公开了：一种评估企业信用的设备，其包括：数据预处理模块，其经配置以对企业的运营商信用数据和企业的银行信用数据加权计算获得企业初始信用值，结合税务数据以及运营商数据，生成建模样本；信用评估模型构建模块，其经配置以基于所产生的建模样本，采用逻辑回归算法构建企业信用评估模型，并输出税务数据和运营商数据融合的企业信用值；以及银行结果反馈模块，其经配置以获得银行贷款数据以及还款结果数据，将其转换为信用认可度以及信用可信度，反向验证优化企业信用评估模型。

附图说明

图1展示了根据本申请的一个实施例所记载的一种评估企业信用的设备。

具体实施方式

为了解决上述技术问题，本申请提出一种评估企业信用的方法和设备。其引入税收数据，结合银行、运营商信用数据，形成维度更全面，指标更丰富的信用评估体系。采用大数据算法构建风控模型，实现企业增信，为小微企业提供普惠金融服务，打通企业融资“最后一公里”。

图1展示了根据本申请的一个实施例所记载的一种评估企业信用的设备。该设备包括数据采集模块、数据预处理模块、信用评估模型构建模块以及银行结果反馈模块。其具体的功能如下：

数据采集模块

数据采集模块主要采集信用相关数据，具体来说包括：税务方面的登记数据、认定数据、征收数据、信用数据、所得税申报数据、增值税申报数据、车购税申报数据、个税申报数据、发票数据、社保数据、风险数据，运营商方面的通话、短信、上网、宽带数据，同时结合企业法人的运营商信用数据、银行的企业信用数据，形成全维度的信用评估体系。

数据预处理模块

数据预处理模块对采集的数据进行处理，具体来说包括预设运营商信用数据、银行的企业信用数据的权重，加权计算两者结合的企业信用评估结果，作为后续指标数据分箱的主管指标。

信用评估模型构建模块

信用评估模型构建模块，其采集涵盖注册、申报、征缴、发票、风险等业务域的税务数据和涵盖通话、短信、上网、宽带等业务域的运营商信用数据。设计关联转换规则，处理中间数据项，实现税务数据和运营商信用数据跨域融合，作为信用评估指标。

以税务的发票场景说明设计关联转换规则的方法：处理发票业务域的税务数据，提取待信用评估企业的来往发票企业，进一步提取往来企业的企业法人信息。

处理运营商信用数据，构建用户社交圈。首先通过通话和短信数据，通过预设的通话频次和短信频次获取用户的初始社交圈，社交圈等级定义为三级；其次使用上网数据中的位置轨迹数据判断该用户的常驻小区信息，以常驻小区相同原则进一步缩小社交圈，社交圈等级定义为二级；最后基于宽带数据识别的家庭网信息，以归属同一家庭网原则再次缩小社交圈，社交圈等级定义为一级。

关联融合税务数据和运营商信用数据以得到待评估信用的企业法人的社交圈信息，查看发票往来企业的企业法人在待评估信用的企业法人的社交圈情况，不在社交圈内，则衍生发票数据欺诈等级评估指标，且取值为一级；在社交圈内，则将社交圈等级作为发票数据欺诈等级。

融合企业初始信用值和信用评估指标数据形成完整建模样本。

具体来说，本申请执行以下步骤：

1.样本数据构建

融合企业初始信用值和信用评估指标数据形成完整建模样本。

2.样本数据预处理

基于指标取值标准化公式对样本数据进行归一化处理，以获得具有相同量纲的指标数据，指标取值标准化公式为：

其中，x表示归一化处理前的指标值，表示归一化后的指标值，xmin表示当前指标值中的最小值，xmax表示当前指标值中的最大值。

3.特征指标降维

税务建模指标为矩阵a(n*m)，对矩阵a进行如下操作：

设中心化后的相关值为bi,j；

bi,j＝ai,j–mean(a.,j)

其中a.,j表示第j列的所有数据，mean为取均值函数。

形成如下中心化的数据集，记作b(n*m)。

计算b的协方差矩阵c(m*m)，由其性质可知，c为对称阵。

计算矩阵c的特征值组λ(m*1)和特征向量组d(m*m)。

对特征值组λ(m*1)内的分量进行排序，调整特征向量组的列顺序。选取阈值大于[n]的所有特征值，形成新的数据集，其相应的矩阵为f(n*m-[n])。

将a按照f对应的序列形成最终的数据集g(n*m-[n])。

4.企业信用评估模型构建

基于逻辑回归算法构建企业信用评估模型，输入样本数据，输出企业信用值。

银行结果反馈模块

银行结果反馈模块可以获取银行贷款数据、还款结果数据，转换为信用认可度、信用可信度，反向验证优化信用评估模型。转换规则为若企业预测信用值达到放贷标准，但未放贷，则信用认可度为0，否则为1；若基于企业预测信用放贷，但未正常还款，则信用可信度为0，否则为1。输出信用认可度和信用可信度为0的企业样本，并作为模型偏差样本重新输入训练，不断调整参数，最终实现信用评估模型优化。

基于本申请的评估企业信用的方法和设备，其能够全面准备的融合信用相关数据，例如税收数据、运营商信用数据以及银行信用数据，能够有效解决小微企业信用数据缺乏、现有银行信用评估能力不足、手段落后等问题，破解小微企业融资难题，助力小微企业可持续发展。

虽然本文中描述的实施例可具有各种修改及替代形式，但是特定实施例已在图式中通过实例展示且已在本文中予以详细描述。本发明并不限于所揭示的特定形式。本发明涵盖落于如由权利要求书定义的本发明的精神及范围内的所有修改、等效物及替代。