一种企业对外合作服务信息风险预警方法及其预警系统与流程

本发明涉及企业对外合作服务信息，尤其涉及一种企业对外合作服务信息风险预警方法及其预警系统。

背景技术：

1、随着数字经济和产业协同发展的不断深入，企业之间的合作关系日益紧密，广泛涉及供应链协同、项目合作、技术服务、渠道代理及外包服务等业务场景，合作企业的经营状况、信用水平及履约能力直接影响合作项目的顺利实施和企业自身的经营安全，因此，越来越多的企业开始利用风险预警系统对合作对象进行风险识别和风险管理；

2、现有的企业对外合作服务信息风险预警方法及其预警系统通常通过采集企业信用信息、财务信息及历史合作信息，对合作对象进行风险评估和预警。然而，随着企业合作网络规模不断扩大以及风险因素日益复杂，传统风险预警方式已难以满足企业对合作风险实时监测和精准预警的需求，其存在以下不足：

3、风险数据来源单一，风险感知不全面：现有风险预警系统主要依赖企业内部业务数据、信用数据或财务数据进行风险评估，对工商变更、司法诉讼、行政处罚、新闻舆情及供应链关联等外部风险信息利用不足，难以全面反映合作企业的真实风险状况，从而影响风险评估结果的准确性；

4、风险识别滞后，缺乏风险传播与趋势预测能力：现有技术大多采用周期性分析方式进行风险评估，缺乏对实时风险事件的动态识别能力，同时难以分析企业之间的风险传导关系及风险演化趋势，导致风险预警存在滞后性，无法及时发现和预警潜在合作风险；

5、综合上述情况，本技术提出了一种企业对外合作服务信息风险预警方法及其预警系统。

技术实现思路

1、基于背景技术存在的技术问题，本发明提出了一种企业对外合作服务信息风险预警方法及其预警系统。

2、本发明提出的一种企业对外合作服务信息风险预警方法，包括以下步骤：

3、s1：多源异构风险感知：采集目标合作企业的多源风险数据，所述多源风险数据至少包括企业内部业务数据、企业信用数据、工商变更数据、司法诉讼数据、行政处罚数据、新闻舆情数据以及供应链关联数据；

4、s2：企业合作风险画像构建：对s1中采集的多源风险数据进行清洗、标准化处理及关联融合，构建合作企业风险特征集合，并生成对应的企业风险画像；

5、s3：合作关联图谱生成：根据合作企业之间的合同关系、股权关系、法人关系、资金往来关系以及供应链关系构建合作关系网络；

6、s4：流式风险事件识别：基于实时获取的风险数据流对s2中生成的企业风险画像进行动态监测，识别风险异常事件并生成实时风险指数；

7、s5：风险传导链路分析：基于s3中构建的合作关系网络分析风险传播路径及风险传导程度，获得风险传播结果；

8、s6：风险演化趋势推演：根据历史风险数据、实时风险指数以及风险传播结果建立风险演化模型，对合作企业未来风险变化趋势进行预测；

9、s7：多维风险融合预警：根据实时风险指数、风险传播结果及风险趋势预测结果计算综合风险评分，并依据综合风险评分生成对应的风险预警信息；

10、s8：自反馈学习优化：根据风险处置结果对风险预警模型进行自学习优化，以更新模型参数并提升风险预警准确性。

11、优选地，所述s2的具体逻辑步骤如下：

12、s201：多源风险数据预处理：对s1采集的企业内部业务数据、企业信用数据、工商变更数据、司法诉讼数据、行政处罚数据、新闻舆情数据以及供应链关联数据进行缺失值补全、异常值剔除及重复数据去除处理，得到标准化输入数据集：；

13、其中d表示预处理后的风险数据集，表示第n条风险数据；

14、s202：风险特征标准化处理：对各项风险特征进行归一化处理，得到统一尺度的风险特征值，并基于风险特征值构建标准化风险特征矩阵：；

15、其中归一化处理使用的公式为：，其中表示原始风险特征值，表示标准化后的风险特征值，表示该特征最大值，表示该特征最小值；

16、s203：企业主体关联识别：基于企业名称、统一社会信用代码、法人信息及注册地址的字段，对多源数据中的企业主体进行关联匹配，建立统一企业标识：；

17、其中表示企业唯一标识，n表示企业名称，表示统一社会信用代码，表示注册地址信息，表示法人信息，将属于同一企业主体的数据进行聚合，形成企业关联数据集；

18、s204：风险特征融合分析：对标准化后的风险特征进行加权融合，计算企业综合风险特征向量，其使用的公式如下：

19、；

20、其中表示综合风险特征值，表示第i项风险特征权重，表示标准化后的风险特征值；

21、且满足：，得到企业风险特征集合：，其中表示第k类风险特征；

22、s205：企业风险画像生成：根据融合后的风险特征集合，从经营稳定性、信用可靠性、司法合规性、舆情敏感性以及供应链关联风险的多个维度构建企业风险画像，并计算企业风险画像指数，其使用的公式如下：

23、；

24、其中表示企业风险画像指数，表示第j类风险特征，表示对应维度权重；

25、最终生成企业风险画像：；

26、其中表示总体风险画像指数，表示信用风险特征，表示司法风险特征，表示舆情风险特征，表示供应链风险特征；

27、生成的企业风险画像将作为s4流式风险事件识别和s5风险传播关联分析的基础输入。

28、优选地，所述s3的具体逻辑步骤如下：

29、s301：企业关联关系提取：基于s205生成的企业风险画像，从合作企业数据中提取合同关系、股权关系、法人关系、资金往来关系以及供应链关系，形成企业关联关系集合：；

30、其中表示合同关系，表示股权关系，表示法人关系，表示资金往来关系，表示供应链关系；

31、并建立企业关联节点集合：；

32、其中v表示企业节点集合，表示第n个企业节点；

33、s302：关联强度计算：针对不同企业之间的关联关系计算关联强度值，得到企业关联权重：；

34、其中表示企业i与企业j之间的关联强度，表示合同合作强度，表示股权关联程度，表示法人关联程度，表示资金往来关联程度，表示供应链依赖程度，、、、、表示对应权重系数，关联强度越大，表明两企业之间风险传导可能性越高；

35、s303：多关系融合处理：对企业间存在的多种关联关系进行融合，构建统一关联矩阵：；

36、其中表示企业关联矩阵，表示企业间关联权重，i取值为1、2……，通过关联矩阵反映企业之间的整体关联结构；

37、s304：合作关联图谱构建：以企业作为图谱节点，以关联权重作为边权值，构建合作关联图谱，其中表示合作关联图谱，表示企业节点集合，表示关联边集合，表示边权重集合，当，则建立企业节点与节点之间的关联边，其中表示关联阈值，从而形成企业合作关系网络结构；

38、s305：关键关联节点识别：基于合作关联图谱计算企业节点影响力，识别关键风险传导节点：；

39、其中表示企业节点影响力指数，表示节点间关联强度；

40、当时，将对应企业识别为关键关联节点，关键关联节点将作为后续s5风险传播关联分析中的重点监测对象，为风险扩散路径分析和风险预警提供支撑。

41、优选地，所述s4的具体逻辑步骤如下：

42、s401：实时风险数据流接入：实时获取合作企业对应的风险数据流，包括工商变更数据、司法诉讼数据、行政处罚数据、企业信用数据、新闻舆情数据以及供应链变动数据，并构建实时风险数据集：；

43、其中表示时刻t的实时风险数据集，表示第n条实时风险数据；

44、同时调取s2生成的企业风险画像；

45、s402：风险画像动态更新：将实时风险数据与企业风险画像进行匹配融合，对风险特征进行动态修正，得到更新后的风险画像特征值，其使用的公式如下：

46、；

47、其中表示更新后的风险特征值，表示原始风险特征值，表示实时数据变化量，表示修正系数；

48、从而形成动态风险画像：；

49、s403：风险异常特征检测：基于动态风险画像计算各风险特征的偏离程度，获得异常检测值，其使用的公式如下：

50、；

51、其中表示风险异常值，表示历史均值，表示历史标准差，表示当前风险特征值；

52、当时，判定对应风险特征发生异常，其中表示异常判定阈值；

53、s404：风险异常事件识别：对检测出的异常特征进行聚合分析，计算异常事件影响度：；

54、其中表示风险异常事件影响度，表示风险特征权重，表示异常检测值，当时，识别为风险异常事件，其中表示风险事件识别阈值；

55、s405：实时风险指数生成：根据动态风险画像及风险异常事件影响度计算实时风险指数，其计算公式如下：

56、；

57、其中表示时刻t的实时风险指数，表示动态风险画像指数，表示风险异常事件影响度，、表示权重系数，且满足：；

58、并根据实时风险指数划分风险等级：

59、；

60、其中表示低风险，表示一般风险，表示较高风险，表示高风险，生成的实时风险指数作为s5风险传播关联分析的输入数据，用于识别风险源节点及分析风险扩散过程。

61、优选地，所述s5的具体逻辑步骤如下：

62、s501：风险源节点确定：获取s4输出的实时风险指数，并将实时风险指数映射至s3构建的合作关系网络中，确定风险源节点，设企业节点对应的实时风险指数为，则筛选满足下式的企业节点作为风险源节点，其中表示企业节点实时风险指数，表示风险源判定阈值，形成风险源节点集合：；

63、其中表示风险源节点集合，表示风险源节点数量；

64、s502：风险传导概率计算：针对风险源节点与其关联节点之间的连接关系，结合企业关联强度及风险水平计算风险传导概率，其使用的公式如下：

65、；

66、其中表示风险由节点i向节点j传播的概率，表示节点间关联权重，表示风险源节点实时风险指数；

67、当时，判定节点i与节点j之间存在风险传导关系，其中表示风险传导阈值；

68、s503：风险传播路径搜索：以风险源节点为起始节点，以满足风险传导条件的关联边作为传播边，对合作关系网络进行遍历搜索，生成风险传播路径：；

69、其中表示风险传播路径，表示风险源节点，表示风险传播终点节点；

70、同时计算路径累计传播强度：

71、；

72、其中表示路径传播强度，路径传播强度越大，说明该链路的风险扩散能力越强；

73、s504：风险扩散程度评估：根据风险传播路径及各节点风险传导概率，计算目标节点受到的累计风险影响值：

74、；

75、其中表示节点j的风险影响值，表示传导至节点j的风险传播概率；

76、并进一步计算风险扩散指数：；

77、其中表示风险扩散指数，表示受影响节点数量，风险扩散指数越大，说明风险传播范围越广；

78、s505：风险传播结果生成：结合风险源节点、风险传播路径、路径传播强度以及风险扩散指数，生成风险传播结果：；

79、其中表示风险传播结果，表示风险源节点集合，表示风险传播路径集合，表示路径传播强度，表示风险扩散指数；

80、并按照风险扩散指数划分传播等级：；

81、其中表示低传播风险，表示一般传播风险，表示较高传播风险，表示高传播风险，最终输出风险传播结果至s6风险演化趋势预测步骤。

82、优选地，所述s6的具体逻辑步骤如下：

83、s601：风险演化数据集构建：获取历史风险数据、s4输出的实时风险指数以及s5输出的风险传播结果，构建风险演化数据集：；

84、其中表示风险演化数据集，表示历史风险数据，表示时刻t的实时风险指数，表示风险传播结果；

85、进一步形成风险时间序列：，其中表示时刻t的综合风险状态值；

86、综合风险状态值定义为：，其中表示s5输出的风险扩散指数，、表示权重系数；

87、s602：风险演化特征提取：根据风险时间序列提取风险增长特征和传播特征，计算风险变化速率：；

88、其中表示风险变化速率，表示相邻时间间隔；

89、计算风险加速度：；

90、其中表示风险增长加速度；

91、并构建风险演化特征向量：；

92、其中表示风险演化特征向量；

93、s603：风险演化模型建立：基于历史风险序列和风险演化特征向量建立风险演化模型：；

94、其中m表示风险演化模型，（）表示风险演化映射函数；

95、采用时间窗口方式构建预测输入矩阵：，其中n表示预测窗口长度，利用历史演化规律学习风险变化趋势；

96、s604：未来风险趋势预测：将当前风险演化特征输入风险演化模型，预测未来时刻风险值：；

97、进一步预测未来多个时刻风险状态：，其中表示未来第m个预测时刻的风险值；

98、同时计算风险增长趋势系数：，其中表示风险增长趋势系数；

99、s605：风险演化趋势输出：根据预测风险值及风险增长趋势系数生成风险演化结果：；

100、其中表示风险演化结果，表示预测风险值，表示风险增长趋势系数；

101、根据风险增长趋势系数划分风险演化等级：；

102、其中表示风险下降，表示风险稳定，表示风险增长，表示风险快速恶化，输出风险演化结果至s7进行风险预警决策。

103、优选地，所述s7中，计算综合风险评分使用的公式如下：

104、；

105、其中表示综合风险评分，表示企业当前风险状态，表示风险扩散能力，表示未来恶化趋势。

106、本发明还提出了一种企业对外合作服务信息风险预警系统，包括多源数据采集模块、数据融合处理模块、合作关系网络构建模块、实时风险识别模块、风险传播分析模块、风险演化预测模块、智能预警决策模块以及模型自学习优化模块；

107、所述多源数据采集模块用于采集目标合作企业的多源风险数据；

108、所述数据融合处理模块用于对多源风险数据进行清洗、标准化处理及关联融合，并生成企业风险画像；

109、所述合作关系网络构建模块用于构建合作企业之间的合作关系网络；

110、所述实时风险识别模块用于对风险数据流进行动态监测并识别风险异常事件；

111、所述风险传播分析模块用于分析合作关系网络中的风险传播路径及风险传导程度；

112、所述风险演化预测模块用于预测合作企业未来风险变化趋势；

113、所述智能预警决策模块用于生成综合风险评分并输出风险预警信息；

114、所述模型自学习优化模块用于根据风险处置结果更新风险预警模型参数。

115、与现有的技术相比，本发明的有益效果是：

116、通过构建多源风险数据采集机制，融合企业内部业务数据、企业信用数据、工商变更数据、司法诉讼数据、行政处罚数据、新闻舆情数据以及供应链关联数据等多维风险信息，并建立企业合作风险画像，能够突破传统风险预警系统数据来源单一的限制，实现对合作企业风险状态的全面感知和精准刻画，从而提高风险识别的准确性和可靠性；

117、通过构建合作关联图谱，并结合流式风险事件识别、风险传导链路分析及风险演化趋势推演机制，能够实时发现合作企业风险异常事件，分析风险传播路径及扩散范围，预测未来风险变化趋势，实现由事后预警向事前预警转变，有效提升风险预警的及时性和前瞻性，为企业合作风险管理和决策提供更加可靠的技术支撑；

118、本发明通过多源风险数据融合、合作关联图谱构建、实时风险识别、风险传导分析及风险趋势预测等技术手段，实现了合作企业风险的全面感知、动态监测和提前预警，不仅提高了风险识别准确性，而且增强了风险预警的实时性和前瞻性，有利于企业及时发现潜在合作风险并采取针对性防控措施。