[发明专利]一种风险识别方法和系统

权利要求书

1.一种风险识别方法，其特征在于，用于对企业空壳风险进行识别，所述方法包括：

获取企业空壳样本集；

通过至少两个机器学习算法对所述企业空壳样本集进行训练以得到空壳识别模型，其中，所述空壳识别模型中包括至少两个决策树模型；

获取待预测企业的信息数据；

将所述待预测企业的信息数据输入至所述空壳识别模型中，根据识别的问题类型以预设规则通过所述空壳识别模型进行预测。

2.如权利要求1所述的风险识别方法，其特征在于，通过smote算法对所述企业空壳样本集进行过采样。

3.如权利要求2所述的风险识别方法，其特征在于，经过所述过采样的企业空壳样本集包括空壳企业和非空壳企业，其中，所述空壳企业与非空壳企业的数量比为1:2。

4.如权利要求1所述的风险识别方法，其特征在于，所述根据待识别的空壳问题类型以预设规则通过所述空壳识别模型进行预测的步骤，包括：

确定所述待识别的空壳问题类型为分类问题，则根据所述至少两个决策树模型的分类结果进行投票，根据投票结果确定最终分类结果；

确定所述待识别的空壳问题类型为回归问题，则根据所述至少两个决策树模型的预测值的均值确定最终预测结果。

5.如权利要求1所述的风险识别方法，其特征在于，所述通过至少两个机器学习算法对所述企业空壳样本集进行训练以得到空壳识别模型的步骤，包括：

根据bootstraping算法从所述企业空壳样本集中生成至少两个训练集；

所述通过至少两个机器学习算法分别对所述至少两个训练集进行训练以得到空壳识别模型。

6.如权利要求5所述的风险识别方法，其特征在于，所述通过至少两个机器学习算法分别对所述至少两个训练集进行训练以得到空壳识别模型的步骤，包括：

对所述至少两个训练集进行标准化；

通过对标准化后的数据进行清洗和选择分别得到所述至少两个训练集对应的特征数据和标签；

将所述至少两个训练集对应的特征数据和标签分别输入至所述机器学习算法，以得到空壳识别模型。

7.如权利要求6所述的风险识别方法，其特征在于，所述特征数据包括但不限于经营年限、注册资金、所有关联公司数量、所有股东平均经营年限、所有股东平均注册资金、所有对外投资公司平均经营年限、所有对外投资公司平均注册资金、所有对外投资公司平均空壳次数、所有对外投资公司空壳次数总和、所有对外投资公司平均被金融机构起诉次数、所有对外投资公司被金融机构起诉次数总和。

8.如权利要求6所述的风险识别方法，其特征在于，所述将所述至少两个训练集对应的特征数据和标签分别输入至所述机器学习算法，以得到空壳识别模型的步骤，包括：

根据预设的特征选择算法和所述标签确定从所述训练集中确定对应的所述所述机器学习算法所对应的当前最优特征和待分裂特征数据；

根据所述当前最优特征建立对应决策树当前节点，根据所述待分裂特征数据建立以所述当前节点为父节点的分支，直止满足于预设条件停止继续构建决策树以生成空壳风险识别模型。

9.如权利要求8所述的风险识别方法，其特征在于，所述预设的特征选择算法至少包括如下一种：信息增益算法、信息增益比算法和基尼指数算法。

10.一种风险识别系统，其特征在于，用于对企业空壳风险进行识别，所述系统包括：

采集模块，用于获取企业空壳样本集；

建树模块，用于通过至少两个机器学习算法对所述企业空壳样本集进行训练以得到空壳识别模型，其中，所述空壳识别模型中包括至少两个决策树模型；

信息获取模块，用于获取待预测企业的信息数据；

识别模块，用于将所述待预测企业的信息数据输入至所述空壳识别模型中，根据识别的问题类型以预设规则通过所述空壳识别模型进行预测。