中小企业的信贷风险评估方法及系统与流程

摘要: 本发明属于金融科技与工业互联网交叉,具体涉及一种中小企业的信贷风险评估方法及系统。背景技术:1、中小企业信贷风险评估是金融科技领域的重要研究课题。现有技术通常从...
中小企业的信贷风险评估方法及系统与流程

本发明属于金融科技与工业互联网交叉,具体涉及一种中小企业的信贷风险评估方法及系统。

背景技术:

1、中小企业信贷风险评估是金融科技领域的重要研究课题。现有技术通常从企业财务报表、纳税记录、社保缴纳等渠道采集传统信用特征数据,通过逻辑回归、梯度提升树或深度神经网络等模型输出违约概率。随着产业数字化进程的加快,企业数字化转型水平包括设备联网率、业务系统集成度、数据治理能力等,正逐步成为影响企业经营韧性和偿债能力的关键因素。为此,部分已有方案尝试将企业数字化评分作为额外特征输入风控模型,以丰富评估维度。

2、然而,现有方案存在一个尚未解决的技术缺陷:不同行业、不同规模的企业对数字化能力的依赖程度存在天然差异。例如,制造业企业的数字化经营水平对其生产效率、成本控制和偿债能力的贡献度,远高于传统商贸业或服务业;而大型企业可能因管理体系成熟而对数字化管理维度的敏感度较低,中小企业则恰恰相反。

3、但现有模型对所有企业采用统一、静态的特征权重,无法根据企业自身的行业属性、规模特征自适应地调整数字化评分各维度的影响力。这种权重分配方式,导致高数字化评分对于本不应过度依赖数字化的行业产生误判,而对本应充分利用数字化红利的行业又评估不足,从而降低了信用风险评估的准确性和鲁棒性。

技术实现思路

1、针对现有技术的上述不足,本发明提供一种中小企业的信贷风险评估方法及系统,以解决上述技术问题。

2、第一方面,本发明提供一种中小企业的信贷风险评估方法,包括:

3、获取目标企业的传统信用特征数据、企业画像数据以及数字化转型评测原始得分,所述数字化转型评测原始得分至少包括数字化基础、数字化经营、数字化管理、数字化成效四个维度的分值;

4、将所述企业画像数据与所述数字化转型评测原始得分输入门控注意力网络,由所述门控注意力网络根据企业画像数据为所述四个维度的分值分别生成对应的注意力权重,并将各维度的分值与对应的注意力权重进行逐元素加权相乘,得到数字化增强特征;

5、将所述数字化增强特征经嵌入映射为稠密向量,并将所述稠密向量与所述传统信用特征数据输入对应的基学习器,由各基学习器分别输出相应的违约概率预测值;

6、将所述稠密向量与所述企业画像数据共同输入一个元学习器,由所述元学习器输出一组自适应融合权重;

7、基于所述自适应融合权重对各基学习器输出的违约概率预测值进行加权求和,得到最终违约概率。

8、在一个可选的实施方式中,在获取目标企业的传统信用特征数据、企业画像数据以及数字化转型评测原始得分之前,所述方法还包括:

9、采集目标企业的工商异常数据、司法涉诉数据及环保处罚数据,根据预设的多条规则构建规则掩码向量,所述规则掩码向量的每一维度分别对应一条规则的判定结果;

10、对所述规则掩码向量进行遍历判断,若存在任一维度的规则被触发,则直接输出拒绝准入的信贷风险决策结果并终止整个评估流程;若所有维度的规则均未被触发,则继续执行对目标企业的信贷风险评估。

11、在一个可选的实施方式中,获取数字化转型评测原始得分的方法,包括:

12、采集目标企业的设备数字化率、设备联网率及数字化人才占比,按照预设的第一评分规则计算数字化基础维度的分值;

13、采集目标企业在全流程业务场景中的数字化渗透等级,按照预设的第二评分规则计算数字化经营维度的分值;

14、采集目标企业的核心业务流程线上化率及数据治理水平,按照预设的第三评分规则计算数字化管理维度的分值;

15、采集目标企业的人均产值增长率和单位产值能耗下降率,所述人均产值增长率和单位产值能耗下降率均采用相对增量指标,即当前值与历史基期值的差值除以历史基期值,按照预设的第四评分规则计算数字化成效维度的分值;

16、将得到的四个维度的分值按照预设的权重比例进行加权求和,得到所述数字化转型评测原始得分。

17、在一个可选的实施方式中,将所述企业画像数据与所述数字化转型评测原始得分输入门控注意力网络,由所述门控注意力网络根据企业画像数据为所述四个维度的分值分别生成对应的注意力权重,并将各维度的分值与对应的注意力权重进行逐元素加权相乘,得到数字化增强特征,包括:

18、将所述企业画像数据与所述数字化转型评测原始得分拼接成一个组合特征向量,所述组合特征向量同时包含企业的行业属性、规模属性、成立年限属性以及数字化基础、经营、管理、成效四个维度的原始分值;

19、将所述组合特征向量输入第一全连接层进行非线性变换,再经过双曲正切激活函数映射,生成一个中间隐含向量;

20、将所述中间隐含向量输入第二全连接层,再经过sigmoid激活函数映射,输出一个介于0与1之间的四维注意力权重向量,所述四维注意力权重向量的每一个分量分别对应于数字化基础、数字化经营、数字化管理、数字化成效四个维度的注意力权重;

21、将所述四维注意力权重向量与所述数字化转型评测原始得分的四个维度分值进行逐元素相乘,得到四个加权后的增强分值,组合为数字化增强特征。

22、在一个可选的实施方式中,将所述数字化增强特征经嵌入映射为稠密向量,包括:

23、将所述数字化增强特征输入一个全连接嵌入层,所述全连接嵌入层对输入的四个加权增强分值进行线性变换,再经relu激活函数进行非线性映射,输出一个固定维度的稠密向量。

24、6、根据权利要求5所述的方法,其特征在于,基学习器包括:

25、第一基学习器,为一个基于梯度提升树的分类器,其输入仅包含所述传统信用特征数据,用于捕捉财务与经营行为中的线性与非线性规律,输出第一违约概率预测值;

26、第二基学习器,为一个深度神经网络分类器,其输入为所述传统信用特征数据与所述稠密向量的拼接向量,用于融合传统信用信息与数字化增强信息,输出第二违约概率预测值;

27、所述第一基学习器与所述第二基学习器各自独立训练,并在推理阶段并行输出各自的违约概率预测值。

28、在一个可选的实施方式中,将所述稠密向量与所述企业画像数据共同输入一个元学习器,由所述元学习器输出一组自适应融合权重,包括:

29、将所述稠密向量与所述企业画像数据进行拼接,形成一个融合输入向量;

30、将所述融合输入向量输入一个多层感知机网络,所述多层感知机网络包含至少一个全连接隐含层,每个全连接隐含层后接非线性激活函数,用于提取融合输入向量中的高阶交互特征;

31、所述多层感知机网络的输出层采用softmax激活函数,将网络输出映射为一组取值介于0与1之间、且总和为1的自适应融合权重,其中每一个权重分量分别对应一个基学习器的违约概率预测值。

32、在一个可选的实施方式中,还包括:

33、基于目标企业所在行业的传统信用评分分位数设定熔断阈值;

34、基于目标企业的财务指标计算传统信用评分;

35、将所述传统信用评分与所述熔断阈值进行比较:

36、若传统信用评分低于所述熔断阈值,则触发风险熔断机制,强制将利率调整系数设定为1.0、额度调整系数设定为1.0,以使目标企业不享受任何基于数字化的利率优惠或额度上浮;

37、若传统信用评分不低于所述熔断阈值,则根据数字化转型评测原始得分确定对应的数字化等级,并基于所述数字化等级确定利率调整系数和额度调整系数,其中数字化等级越高,利率调整系数越小、额度调整系数越大;

38、根据基准利率与所述利率调整系数的乘积计算最终执行利率,根据预先测算的基础额度与所述额度调整系数的乘积计算最终可贷额度,并将所述最终违约概率、最终执行利率、最终可贷额度共同作为信贷风控决策结果输出。

39、在一个可选的实施方式中,基于目标企业的财务指标计算传统信用评分,包括:

40、采集目标企业的财务指标,包括资产负债率、流动比率、总资产周转率、销售净利率及总负债与总资产之比;

41、将所述财务指标输入标准信用评分卡模型中,得到一个原始分值;

42、将所述原始分值通过映射函数转换至0到1000分的区间,得到最终的传统信用评分,其中分值越高表示企业的传统信用状况越好。

43、第二方面,本发明提供一种中小企业的信贷风险评估系统,包括:

44、数据获取模块,用于获取目标企业的传统信用特征数据、企业画像数据以及数字化转型评测原始得分,所述数字化转型评测原始得分至少包括数字化基础、数字化经营、数字化管理、数字化成效四个维度的分值;

45、特征增强模块,用于将所述企业画像数据与所述数字化转型评测原始得分输入门控注意力网络,由所述门控注意力网络根据企业画像数据为所述四个维度的分值分别生成对应的注意力权重,并将各维度的分值与对应的注意力权重进行逐元素加权相乘,得到数字化增强特征;

46、异构预测模块,用于将所述数字化增强特征经嵌入映射为稠密向量,并将所述稠密向量与所述传统信用特征数据输入对应的基学习器,由各基学习器分别输出相应的违约概率预测值;

47、权重生成模块,用于将所述稠密向量与所述企业画像数据共同输入一个元学习器,由所述元学习器输出一组自适应融合权重;

48、概率计算模块,用于基于所述自适应融合权重对各基学习器输出的违约概率预测值进行加权求和,得到最终违约概率。

49、本发明的有益效果在于,本发明提供的中小企业的信贷风险评估方法及系统,通过门控注意力机制,根据企业行业、规模及成立年限等画像属性,为数字化评分的各维度动态生成注意力权重,使数字化信用贡献度随企业类型自适应调整,解决了统一静态权重导致评估偏差的核心问题。同时,自适应stacking融合模型依据企业数字化水平与画像属性动态分配基学习器权重,进一步提升了预测精准度。此外,传统信用评分熔断机制确保了基本面严重恶化的企业无法凭借数字化高分获取不当优惠,增强了风控逻辑的稳健性。上述技术效果共同实现了对不同类型企业信用风险的差异化、精细化评估,显著提高了模型准确性与业务可解释性。