[发明专利]经营风险及信用风险评估方法、装置及计算机存储介质

权利要求书

1.一种经营风险及信用风险评估方法，其特征在于，所述方法包括：

接收融资请求方的融资请求；

响应所述融资请求，获取所述融资请求方的税务数据样本；

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；

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；

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。

2.根据权利要求1所述的方法，其特征在于，所述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，包括：

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。

3.根据权利要求2所述的方法，其特征在于，所述基于特征工程构建所述经营风险评分模型，包括：

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。

4.根据权利要求3所述的方法，其特征在于，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。

5.根据权利要求2所述的方法，其特征在于，所述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，包括：

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。

6.根据权利要求1所述的方法，其特征在于，所述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，包括：

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。

7.根据权利要求1至6任一项所述的方法，其特征在于，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。