[发明专利]一种应收账款违约风险识别方法及系统

说明书

本发明公开了一种应收账款违约风险识别方法及系统，属于人工智能技术领域，包括：获取应收账款历史数据；对每笔应收账款历史数据进行处理，得到与目标变量是否违约相关的特征变量；按比例将特征变量划分为训练集与测试集；建立识别应收账款违约风险的支持向量机模型；利用训练集和测试集分别对支持向量机模型进行训练和测试，得到最优风险识别模型；获取待预测应收账款，并获取该待预测应收账款的特征变量并输入至最优风险识别模型，判断待预测应收账款到期还款人是否会违约。本发明可实现对每一笔应收账款到期还款人是否会违约的预测，充分识别应收账款违约坏账风险。

技术领域

本发明涉及人工智能技术领域，特别涉及一种应收账款违约风险识别方法。

背景技术

应收账款是企业流动资产的重要组成部分，应收账款管理直接影响企业营运资金的周转和经济效益。由于付款方违约导致应收账款回收不到位，轻则造成企业的流动资金紧张，重则造成企业大笔坏账损失，甚至导致资金链断裂引发经营危机，因此，如何有效识别应收账款的信用风险，规避回款风险，降低坏账损失风险，是应收账款管理中亟待解决的重要问题。

发明内容

本发明的目的在于克服现有技术存在的缺陷，有效识别应收账款的信用风险。

为实现以上目的，本发明采用一种应收账款违约风险识别方法，包括：

获取应收账款历史数据；

对每笔应收账款历史数据进行处理，得到与目标变量是否违约相关的特征变量；

按比例将特征变量划分为训练集与测试集；

建立识别应收账款违约风险的支持向量机模型；

利用训练集和测试集分别对支持向量机模型进行训练和测试，得到最优风险识别模型；

获取待预测应收账款，并获取该待预测应收账款的特征变量并输入至最优风险识别模型，判断待预测应收账款到期还款人是否会违约。

进一步地，所述应收账款历史数据包括：债权人名称、债权人类型、债权人住所地、债权人统一社会信用代码/身份证号码、债权人联系人信息、债务人名称、债务人类型、债务人住所地、债务人统一社会信用代码/身份证号码、债务人联系人信息、债权流转类型、债权依据类型、债权金额、银行授信支持、保证金比例、担保方式、合同号、合同名称、文书制作机关、债权描述、初始登记日期、到期日期、应收账款债权管理服务机构、当前还款状态以及实际还款日期。

进一步地，所述对每笔应收账款历史数据进行处理，得到与目标变量是否违约相关性的特征变量，包括：

对所述每笔应收账款历史数据的真实性进行核查；

对应收账款历史数据中异常数据的缺失值处理；

对于应收账款历史数据中异常数据的缺失值，利用类库pandas中缺失值处理函数dropna()，沿着每一列下去，对每列的各行中空值对应的行进行删除。

进一步地，所述特征变量包括债权人类型、债务人类型、债权流转类型、债权依据类型、债权金额、期限、银行授信支持、保证金比例、增信措施、逾期总次数、逾期总账额以及守约次数。

进一步地，还包括：对所述应收账款历史数据的部分属性进行二次计算，得出新的特征变量。

进一步地，在所述按比例将特征变量划分为训练集与测试集之后，还包括：

对所述训练集中的特征向量和所述测试集中的特征向量进行标准化处理。

进一步地，在所述利用训练集和测试集分别对支持向量机模型进行训练和测试，得到最优风险识别模型之前，还包括：

利用权重法对训练集和测试集中的样本进行加权处理，得到样本平衡的训练集和测试集。