[发明专利]一种企业风险评估方法及系统

权利要求书

1.一种企业风险评估方法，其特征在于：包括如下步骤：

步骤S10、从各政务系统获取各企业的政务数据；

步骤S20、创建一数据库，对获取的所述政务数据进行包括数据清洗、格式转换以及数据脱敏的预处理后，存储至所述数据库中；

步骤S30、利用二维列联表对数据库中存储的各所述政务数据进行相关性分析，得到影响企业风险的自变量；

步骤S40、创建一风险评估模型，将影响企业风险的自变量输入所述风险评估模型进行训练；

步骤S50、利用训练后的所述风险评估模型对企业风险进行评估；

所述步骤S10具体包括：

步骤S11、客户端通过SPI接口向各政务系统分别发送登录请求；

步骤S12、政务系统基于接收的所述登录请求向客户端返回临时串码，将所述临时串码作为会话凭据；

步骤S13、客户端接收所述临时串码，利用加密算法基于用户密码对所述临时串码进行签名，生成第一签名数据并发送给政务系统；

步骤S14、政务系统接收所述第一签名数据，利用加密算法基于本地的用户密码对所述临时串码进行签名，生成第二签名数据，判断所述第一签名数据与第二签名数据是否一致，若是，则身份验证通过，进入步骤S15；若否，则身份验证不通过，结束流程；

步骤S15、政务系统将各企业的政务数据发送给客户端；所述政务数据至少包括注册资本、成立时间、总资本、总负债、总收入、总利润、净利润、企业性质、资质等级、不良行为次数、黑名单上榜次数、处罚次数、惩戒次数、经营异常情况、外部信用评价分数以及安全事故发生次数；

所述步骤S30具体为：

将所述政务数据中的注册资本、成立时间、总资本、总负债、总收入、总利润、净利润、企业性质、资质等级、不良行为次数、黑名单上榜次数、处罚次数、惩戒次数、经营异常情况以及外部信用评价分数作为自变量，将所述政务数据中的安全事故发生次数作为因变量；

利用二维列联表对所述自变量与因变量进行相关性分析，得到相关性最大的n个自变量，即对企业风险影响最大的n个自变量；其中，n表示数量阈值n，且n为正整数；

所述步骤S40中，所述风险评估模型具体为：

安全事故发生概率＝1/(1+exp(a+b₁*自变量₁+b₂*自变量₂+…+b_n*自变量_n))；

其中a和b_n均表示回归系数；自变量_n为注册资本、成立时间、总资本、总负债、总收入、总利润、净利润、企业性质、资质等级、不良行为次数、黑名单上榜次数、处罚次数、惩戒次数、经营异常情况、外部信用评价分数中的一个。

2.一种企业风险评估系统，其特征在于：包括如下模块：

政务数据获取模块，用于从各政务系统获取各企业的政务数据；

政务数据预处理模块，用于创建一数据库，对获取的所述政务数据进行包括数据清洗、格式转换以及数据脱敏的预处理后，存储至所述数据库中；

相关性分析模块，用于利用二维列联表对数据库中存储的各所述政务数据进行相关性分析，得到影响企业风险的自变量；

风险评估模型训练模块，用于创建一风险评估模型，将影响企业风险的自变量输入所述风险评估模型进行训练；

风险评估模块，用于利用训练后的所述风险评估模型对企业风险进行评估；

所述政务数据获取模块具体包括：

登录请求发送单元，用于客户端通过SPI接口向各政务系统分别发送登录请求；

临时串码发送单元，用于政务系统基于接收的所述登录请求向客户端返回临时串码，将所述临时串码作为会话凭据；

临时串码签名单元，用于客户端接收所述临时串码，利用加密算法基于用户密码对所述临时串码进行签名，生成第一签名数据并发送给政务系统；

签名验证单元，用于政务系统接收所述第一签名数据，利用加密算法基于本地的用户密码对所述临时串码进行签名，生成第二签名数据，判断所述第一签名数据与第二签名数据是否一致，若是，则身份验证通过，进入政务数据发送单元；若否，则身份验证不通过，结束流程；

政务数据发送单元，用于政务系统将各企业的政务数据发送给客户端；所述政务数据至少包括注册资本、成立时间、总资本、总负债、总收入、总利润、净利润、企业性质、资质等级、不良行为次数、黑名单上榜次数、处罚次数、惩戒次数、经营异常情况、外部信用评价分数以及安全事故发生次数；

所述相关性分析模块具体为：

将所述政务数据中的注册资本、成立时间、总资本、总负债、总收入、总利润、净利润、企业性质、资质等级、不良行为次数、黑名单上榜次数、处罚次数、惩戒次数、经营异常情况以及外部信用评价分数作为自变量，将所述政务数据中的安全事故发生次数作为因变量；

利用二维列联表对所述自变量与因变量进行相关性分析，得到相关性最大的n个自变量，即对企业风险影响最大的n个自变量；其中，n表示数量阈值n，且n为正整数；

所述风险评估模型训练模块中，所述风险评估模型具体为：

安全事故发生概率＝1/(1+exp(a+b₁*自变量₁+b₂*自变量₂+…+b_n*自变量_n))；

其中a和b_n均表示回归系数；自变量_n为注册资本、成立时间、总资本、总负债、总收入、总利润、净利润、企业性质、资质等级、不良行为次数、黑名单上榜次数、处罚次数、惩戒次数、经营异常情况、外部信用评价分数中的一个。