具体实施方式

本申请实施例提供了一种经营风险及信用风险评估方法、装置及计算机存储介质，用于提高经营风险和信用风险评估的效率以及提高风险评估结果的准确性。

请参阅图1，本申请实施例中经营风险及信用风险评估方法一个实施例包括：

101、接收融资请求方的融资请求；

本实施例的方法可应用于风险评估装置，该风险评估装置可以执行对融资请求方的经营风险和信用风险的评估操作，该装置可以是终端、服务器等计算机设备。

本实施例中，融资请求方可以是社会经济活动中任意的经营实体，例如可以是企业、个体工商户等经营实体。任意的经营实体有融资需求时，可以向金融机构发出融资请求。金融机构可以使用该风险评估装置来评估融资请求方是否存在经营风险和信用风险，则该风险评估装置接收融资请求方的融资请求，并在后续步骤中执行对该请求的处理操作。

102、响应融资请求，获取融资请求方的税务数据样本；

接收到融资请求方的融资请求之后，风险评估装置响应该融资请求，获取融资请求方的税务数据样本，以便后续步骤中根据该税务数据样本构建经营风险评分模型和信用风险评分模型。

103、基于机器学习算法构建经营风险评分模型和信用风险评分模型；

本实施例中，采用机器学习算法训练经营风险评分模型和信用风险评分模型，训练模型的训练样本为融资请求方的税务数据样本。模型训练完成即构建出经营风险评分模型和信用风险评分模型。

104、根据经营风险评分模型计算融资请求方的经营风险评分，以及，根据信用风险评分模型计算融资请求方的信用风险评分；

在构建出经营风险评分模型和信用风险评分模型之后，可以根据经营风险评分模型计算融资请求方的经营风险评分，以及，根据信用风险评分模型计算融资请求方的信用风险评分。其中，计算经营风险评分和信用风险评分可以根据融资请求方的税务数据进行计算。

105、根据融资请求方的经营风险评分和信用风险评分执行对融资请求方的融资请求的处理操作；

在计算出信用风险评分和经营风险评分之后，若评分较低，以至于超出风险的预设可接受范围，则对融资请求的处理操作可以是驳回该融资请求，不通过融资请求方的融资请求；若评分相对较高，在风险的预设可接受范围之内，则允许通过融资请求方的融资请求，并进一步执行与融资评估流程有关的其他操作。

本实施例中，风险评估装置根据税务数据样本构建经营风险评分模型和信用风险评分模型，并使用经营风险评分模型计算经营风险评分，根据信用风险评分模型计算信用风险评分，根据经营风险评分和信用风险评分执行对融资请求方的融资请求的处理操作，因此，经营风险和信用风险的评估不再需要依靠人工进行实地的现场调查，相比于人工线下的深入调查分析来确定经营风险和信用风险，可以提高风险评估的工作效率，同时也避免了风险评估掺杂人为的主观因素，可以提高风险评估结果的准确性。

下面将在前述图1所示实施例的基础上，进一步详细地描述本申请实施例。请参阅图2，本申请实施例中经营风险及信用风险评估方法另一实施例包括：

201、接收融资请求方的融资请求；

本实施例中，融资请求方可以通过自己的终端向风险评估装置发送融资请求，该融资请求携带融资请求方的个人信息和授权标识，授权标识用于表示授予风险评估装置获取融资请求方的税务数据的权利。

具体的，融资请求，可以是设备融资的请求，也可以是产品融资的请求，或者是以其他形式的资产进行融资的请求，具体的融资形式不作限定。

202、响应融资请求，获取融资请求方的税务数据样本；

具体的，该税务数据样本可以是与融资请求方的征信、经营有关的数据，可包括税务登记信息、股东信息、收入申报信息、税金逾期信息、历史还款表现信息中的一种或多种。

203、基于机器学习算法构建经营风险评分模型和信用风险评分模型；

本实施例中，可以基于机器学习算法中的特征工程方法和逻辑回归算法来构建经营风险评分模型和信用风险评分模型。

具体的，基于特征工程构建经营风险评分模型，其具体方式可以是，从融资请求方的税务数据样本中提取出评估指标，并基于特征工程对评估指标的重要性进行测算；测算出评估指标的重要性之后，使用层次分析法，根据评估指标的重要性对评估指标进行打分，获得评估指标的分数；再通过判断矩阵对评估指标的分数进行两两比较，并对评估指标的分数进行一致性检验，若一致性检验通过，则根据评估指标的分数的高低确定评估指标的权重，基于评估指标的分数和权重确定评分卡形式的经营风险评分模型，即最终构建获得的经营风险评分模型为评分卡形式的模型。

其中，在执行一致性检验时，当CR<0.1，就可以认为判断矩阵通过一致性检验，判断矩阵具有满意的一致性。

具体的特征工程方法可以是决策树方法、方差筛选方法、Pearson显著性方法以及GBDT_RFE递归特征消除方法中的一种或多种特征工程方法。除此之外，也可以通过本领域的专家经验测算评估指标的重要性。因此，本实施例根据特征工程方法和专家经验测算评估指标的重要性，即可筛选出适用于评估经营风险的评估指标。

其中，GBDT为梯度提升决策树(gradient boosting decision tree)，RFE为递归特征消除(recursive feature elimination)。

基于特征工程和逻辑回归算法构建信用风险评分模型，其具体方式可以是，从融资请求方的税务数据样本中提取出多个评估指标，使用特征工程方法提取评估指标的特征，并为评估指标的特征设置FP-Tree，根据设置的FP-Tree从该多个评估指标中确定待入模的评估指标，其中待入模的评估指标即待确定的用于训练模型的评估指标；在确定了待入模的评估指标之后，对待入模的评估指标进行分箱和证据权重转换(weightofEvidence，WOE)，利用KS值、AR值、IV值和VIF值对待入模的评估指标进行筛选，并通过逻辑回归算法拟合待入模的评估指标与目标评估指标的关系，从待入模的评估指标中确定出目标评估指标；在确定出目标评估指标之后，可以构建信用风险评分模型，信用风险评分模型为将每个目标评估指标的分箱的系数与目标评估指标对应的WOE值的乘积相乘并求和，得到的和值作为信用风险评分。

其中，在使用特征工程方法提取评估指标的特征时，均考虑到特征缺失值、特征重要性、IV值(information value，信息量)、业务解释性、特征相关性等因素，具体的特征提取过程包括数据的预处理、特征缩放及编码、特征选择、特征转换及提取等多个步骤。

本实施例中，构建经营风险评分模型和构建信用风险评分模型的具体方式不作限定，只要构建得到的经营风险评分模型能够准确地对经营风险进行量化、信用风险评分模型能够准确地对信用风险进行量化即可，具体此处不作限定。

204、根据经营风险评分模型计算融资请求方的经营风险评分，以及，根据信用风险评分模型计算融资请求方的信用风险评分；

在构建得到经营风险评分模型和信用风险评分模型之后，即可将融资请求方的实际税务数据输入至经营风险评分模型和信用风险评分模型，经营风险评分模型和信用风险评分模型基于先前训练获得的数据处理逻辑对融资请求方的实际税务数据进行处理，并输出经营风险评分和信用风险评分。

205、根据融资请求方的经营风险评分和信用风险评分执行对融资请求方的融资请求的处理操作；

本实施例中，可以使用交叉矩阵来综合评价经营风险评分和信用风险评分对融资请求方的经营风险和信用风险的影响程度。具体做法是，将经营风险评分和信用风险评分置于交叉矩阵中进行对比，并根据预设要求从交叉矩阵中确定符合该预设要求的矩阵面积，进而根据矩阵面积执行对融资请求方的融资请求的处理操作，其中，该预设要求可以是融资业务的实际需求。

此外，也可以通过其他方式综合评价经营风险评分和信用风险评分对经营风险和信用风险的影响程度。例如，可以设置经营风险评分和信用风险评分的阈值，当超过阈值时，可以认为经营风险评分或信用风险评分超出风险的预设可接受范围。综合评价经营风险评分和信用风险评分对经营风险和信用风险的影响程度的方式不作限定，只要能够使风险评分与风险的高低程度建立对应关系即可。

本实施例中，提供了经营风险评分模型和信用风险评分模型的具体构建方法，可以更加准确地量化经营风险和信用风险，提高风险评估的效率，提高风险评估结果的准确性。

上面对本申请实施例中的经营风险及信用风险评估方法进行了描述，下面对本申请实施例中的风险评估装置进行描述，请参阅图3，本申请实施例中风险评估装置一个实施例包括：

接收单元301，用于接收融资请求方的融资请求；

获取单元302，用于响应所述融资请求，获取所述融资请求方的税务数据样本；

构建单元303，用于基于机器学习算法构建经营风险评分模型和信用风险评分模型，其中，用于训练所述经营风险评分模型和所述信用风险评分模型的训练样本为所述融资请求方的税务数据样本；

计算单元304，用于根据所述经营风险评分模型计算所述融资请求方的经营风险评分，以及，根据所述信用风险评分模型计算所述融资请求方的信用风险评分；

处理单元305，用于根据所述融资请求方的经营风险评分和信用风险评分执行对所述融资请求方的融资请求的处理操作。

本实施例一种优选的实施方式中，构建单元303具体用于基于特征工程构建所述经营风险评分模型；基于特征工程和逻辑回归算法构建所述信用风险评分模型。

本实施例一种优选的实施方式中，构建单元303具体用于从所述融资请求方的税务数据样本中提取出评估指标；基于特征工程对所述评估指标的重要性进行测算；使用层次分析法，根据所述评估指标的重要性对所述评估指标进行打分，获得所述评估指标的分数；通过判断矩阵对所述评估指标的分数进行两两比较，并对所述评估指标的分数进行一致性检验；若所述一致性检验通过，则根据所述评估指标的分数确定所述评估指标的权重；基于所述评估指标的分数和权重确定评分卡形式的所述经营风险评分模型。

本实施例一种优选的实施方式中，所述特征工程包括决策树方法、方差筛选方法、Pearson显著性方法以及GBDT_RFE递归特征消除方法中的一种或多种特征工程方法。

本实施例一种优选的实施方式中，构建单元303具体用于从所述融资请求方的税务数据样本中提取出多个评估指标；使用特征工程方法提取所述评估指标的特征，并为所述评估指标的特征设置FP-Tree，根据设置的FP-Tree从所述多个评估指标中确定待入模的评估指标；对所述待入模的评估指标进行分箱和WOE转换，利用KS值、AR值、IV值和VIF值对所述待入模的评估指标进行筛选；通过逻辑回归算法拟合所述待入模的评估指标与目标评估指标的关系，从所述待入模的评估指标中确定出所述目标评估指标；构建所述信用风险评分模型，所述信用风险评分模型为将每个所述目标评估指标的分箱的系数与所述目标评估指标对应的WOE值的乘积相乘并求和，得到的和值作为信用风险评分。

本实施例一种优选的实施方式中，处理单元305具体用于将所述经营风险评分和所述信用风险评分置于交叉矩阵中进行对比，并根据预设要求从所述交叉矩阵中确定符合所述预设要求的矩阵面积；根据所述矩阵面积执行对所述融资请求方的融资请求的处理操作。

本实施例一种优选的实施方式中，所述税务数据样本包括税务登记信息、股东信息、收入申报信息、税金逾期信息、历史还款表现信息中的一种或多种。

本实施例中，风险评估装置中各单元所执行的操作与前述图1至图2所示实施例中描述的类似，此处不再赘述。

本实施例中，构建单元303根据税务数据样本构建经营风险评分模型和信用风险评分模型，计算单元304使用经营风险评分模型计算经营风险评分，根据信用风险评分模型计算信用风险评分，处理单元305根据经营风险评分和信用风险评分执行对融资请求方的融资请求的处理操作，因此，经营风险和信用风险的评估不再需要依靠人工进行实地的现场调查，相比于人工线下的深入调查分析来确定经营风险和信用风险，可以提高风险评估的工作效率，同时也避免了风险评估掺杂人为的主观因素，可以提高风险评估结果的准确性。

下面对本申请实施例中的风险评估装置进行描述，请参阅图4，本申请实施例中风险评估装置一个实施例包括：

该风险评估装置400可以包括一个或一个以上中央处理器(central processingunits，CPU)401和存储器405，该存储器405中存储有一个或一个以上的应用程序或数据。

其中，存储器405可以是易失性存储或持久存储。存储在存储器405的程序可以包括一个或一个以上模块，每个模块可以包括对风险评估装置中的一系列指令操作。更进一步地，中央处理器401可以设置为与存储器405通信，在风险评估装置400上执行存储器405中的一系列指令操作。

风险评估装置400还可以包括一个或一个以上电源402，一个或一个以上有线或无线网络接口403，一个或一个以上输入输出接口404，和/或，一个或一个以上操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等。

该中央处理器401可以执行前述图1至图2所示实施例中风险评估装置所执行的操作，具体此处不再赘述。

本申请实施例还提供了一种计算机存储介质，其中一个实施例包括：该计算机存储介质中存储有指令，该指令在计算机上执行时，使得该计算机执行前述图1至图2所示实施例中风险评估装置所执行的操作。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，read-onlymemory)、随机存取存储器(RAM，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。