[发明专利]一种风险识别方法和系统

说明书

本申请提供了一种风险识别方法，应用于终端，用于对企业破产风险进行识别，方法包括：获取待预测企业的信息数据；根据构建的风险识别模型对待预测企业的信息数据进行分析处理以得到预测结果，其中，构建的风险识别模型为依据lightGBM机器学习算法训练建立；将预测结果以预设的可视化方式显示于终端的显示界面，以供用户可以清楚地获知预测结果。本申请还提供了一种风险识别系统。通过本申请提供的风险识别方法和系统，可以减少数据标准化流程，提升模型建立速度，并且在进行建树过程中，可以降低更多的误差，得到更好的精度。同时，在风险识别模型学习过程中采用多种不同类型企业信息数据，使得建立的模型更加的完善，以确保风险预测的准确性。

技术领域

本申请属于数据处理技术领域，具体涉及一种风险识别方法和系统。

背景技术

企业在生产经营过程中，需要通过金融市场的金融工具实现资金的筹备等，而，企业破产会对金融市场造成严重的损失，金融企业通过建立风险模型并通过风险模型对企业经营风险进行预测，以使得金融企业保持投资回报。

在企业经营过程中，每个企业每天都在发生着改变，这些改变有可能使得企业越来越好，也有可能使得企业面临各种风险。面对企业的千万级数据，从中分析出企业的风险信息对企业运营的决策和投资者都是比较好的参考。目前已有的企业经营风险预测方法主要包括于统计学的方法和基于机器学习的方法。

目前，现有的企业风险预测评估方法不完善，而且在风险模型的建立过程中数据处理量过大，对服务器造成巨大压力，且数据处理速度过慢。因此，亟待一种企业风险识别能够结合企业的各种资产、财务数据、经营数据、债务相关数据，迅速建立模型并将该模型应用到预测数据中，从不同维度对企业风险进行预测。

发明内容

为了解决现有技术存在的上述问题，本申请目的在于提供一种风险识别方法和系统，旨在解决现有预测模型对内存消耗过大，存在大量不必要的数据计算的问题。

为解决上述技术问题，本申请提供了一种风险识别方法，应用于终端，用于对企业破产风险进行识别，所述方法包括：获取待预测企业的信息数据；根据构建的风险识别模型对所述待预测企业的信息数据进行分析处理以得到预测结果，其中，所述构建的风险识别模型为依据lightGBM机器学习算法训练建立；将所述预测结果以预设的可视化方式显示于所述终端的显示界面，以供用户可以清楚地获知预测结果。

可选地，所述方法还包括：获取所述风险识别模型的原始训练数据；利用所述lightGBM机器学习算法对所述原始训练数据进行学习，以得到所述风险识别模型。

可选地，所述利用所述lightGBM机器学习算法对所述原始训练数据进行学习，以得到所述风险识别模型的步骤，包括：将所述原始训练数据进行数值处理以得到连续的特征值数据；对所述连续的特征值数据进行离散处理以得到直方图；根据所述直方图生成所述风险识别模型。

可选地，所述原始训练数据包括已知破产企业数据信息和非破产企业数据信息，其中，所述已知破产企业与所述非破产企业的数量比为1:1.4。

可选地，所述已知破产企业数据信息和非破产企业数据信息包括但不限于：工商信息、行政处罚、开庭公告、裁判文书、招投标、司法拍卖、商标注册、失信被执行、专利和判决执行。

可选地，所述直方图中包括的类别包括：注册资本(量级万)、成立年限、行业企业数量、行业企业吊销率、关联公司裁判文书被告次数、裁判文书次数、法人变更次数、商标注册数量、是否吊销、失信次数、裁判文书被告案件判决总金额、网络图法人对外投资或者任职的公司执行次数、裁判文书被告与破产有关纠纷次数、行业企业吊销数量、股东变更次数、网络图股东或者对外投资企业的执行次数、裁判文书被告合同纠纷次数、法院公告与否、网络图股东或者对外投资企业作为被告的裁判文书次数、地址变更次数。