[发明专利]企业信用监控方法、装置、设备及存储介质

权利要求书

1.一种企业信用监控方法，其特征在于，所述方法包括：

获取第一指标数据，所述第一指标数据包括多条历史经营数据，每条所述历史经营数据包括一个统计周期的多个经营指标的数据；

对所述第一指标数据进行第一清洗，得到无缺陷经营指标的第二指标数据；

根据所述第二指标数据的逾期风险相关性，对所述经营指标进行降维筛选，得到决策指标；

基于所述决策指标和所述第一指标数据，得到第三指标数据，所述第三指标数据中的每条历史经营数据仅包括所述决策指标；

对所述第三指标数据用支持向量机进行分析，计算决策面；

将当期的经营数据用所述决策面进行分类，确定是否有逾期风险。

2.根据权利要求1所述的方法，其特征在于，所述缺陷经营指标包括数据缺失、数据异常或数据错误的所述经营指标；

对所述第一指标数据进行第一清洗，包括：

删除包括数据缺失或数据错误的历史经营数据条；

删除数据缺失和数据错误的比例达到阈值的所述经营指标。

3.根据权利要求2所述的方法，其特征在于，对所述第一指标数据进行第一清洗，还包括：删除包括数据异常的历史经营数据条；

其中，用DBSCAN聚类算法基于距离对所述第一指标数据进行聚类分析，确定所述经营指标是否数据异常。

4.根据权利要求1所述的方法，其特征在于，根据所述第二指标数据的逾期风险相关性，对所述经营指标进行降维筛选，包括：

采用逻辑回归对所述第二指标数据处理，进行所述经营指标降维筛选，所述逻辑回归的公式如下：

式中，p表示逾期率，自变量Xm为所述第二指标数据中的所述经营指标，β_m对应每个所述经营指标在计算逾期率时的权重，权重越大，对应指标与逾期率相关性越大。

5.根据权利要求4所述的方法，其特征在于，采用逻辑回归对所述第二指标数据处理，进行所述经营指标降维筛选时，引入贝叶斯信息准则惩罚机制，

BIC＝kln(n)-2ln(L)

式中，k为所述第二指标数据中的指标个数，n为所述第二指标数据中所述历史经营数据的条数，L为似然函数；

选择BIC最小的所述经营指标组合为决策指标组。

6.根据权利要求4所述的方法，其特征在于，根据逾期风险相关性对所述第二指标数据中的所述经营指标进行降维筛选，还包括：

对所述第二指标数据中的所述经营指标的值进行标准化转换，得到经营指标标准值，转换公式如下，

经营指标标准值＝(经营指标原数值-经营指标最小值)/(经营指标最大值-经营指标最小值)；

所述逻辑回归的公式中，自变量Xm为所述经营指标标准值。

7.根据权利要求1所述的方法，其特征在于，基于所述决策指标和所述第一指标数据，得到第三指标数据，包括：

提取所述第一指标数据中的决策指标的数据，对提取的所述数据进行第二清洗，得到无缺陷经营指标的所述第三指标数据，所述缺陷经营指标包括数据缺失、数据异常或数据错误的所述经营指标；

对提取的所述数据进行第二清洗，包括：

删除包括数据缺失或数据错误的历史经营数据条；

删除包括数据异常的历史经营数据条。

8.根据权利要求1所述的方法，其特征在于，对所述第三指标数据用支持向量机进行分析，计算决策面，包括：

将自变量X＝{X₁,X₂,...,X_n}和二元变量y＝{-1,1}输入所述支持向量机，其中自变量x_i分别对应所述决策指标，i＝1,2,…,n，y＝±1分别对应正类和负类，所述第三指标数据所在的特征空间存在的决策边界将第三指标数据按正类和负类分开，并使得第三指标数据点到决策边界的距离大于1，

W^TX+b1时，y＝1

W^TX+b-1时，y＝-1

决策边界为：W^TX+b＝0。