[发明专利]一种基于大数据的中小微企业信用评价方法

说明书

一种基于大数据的中小微企业信用评价方法，属于数据处理技术领域，包括如下内容：S1：获取企业数据，提取特征；S2：将特征输入信用评价系统，获得信用评分；S3：将信用评分与阈值进行比对，同时判断是否缺少相关维度数据；S4：若缺少维度数据，添加交易数据，获得补充替代数据评分，叠加至该企业起始信用评分中，获得叠加信用评分；S5：叠加信用评分再次与阈值进行比对；本发明能够有效预测中小微企业的贷款行为表现，以及真实准确地反应中小微企业的实际资信水平，帮助金融机构提高自身风控环节的决策效率，同时，对于数据缺失情况较为严重的中小微企业，新增交易数据，使得新信用评分能够准确体现数据缺失企业的资信水平。

技术领域

本发明属于数据处理技术领域，特别涉及一种基于大数据的中小微企业信用评价方法。

背景技术

国内目前主流的中小微企业信用评价模型技术主要采用在原有针对国有企业、大型企业的信用评级体系中加入新的指标变量的途径建立模型，例如舒歆通过Logistic模型回归分析小微企业违约状况与影响小微企业违约的各个因素之间的因果关系，建立了由偿债能力、盈利能力营运能力、创新能力、成长能力、法人治理、信用情况等七大类反应中小微企业资信状况的指标体系。并且已有技术在数据的选择上受到我国中小微企业数据封锁等限制，主要以资产负债率等传统用于大中企业的评价指标搭建模型，得到的结果难以真实反应中小微企业的生产经营状况与信用水平，在以大数据技术破解中小微企业首贷难问题上实用价值较低。

如图2和图3所示，通过对T市的全体非个体户客群和授信企业客群输出的评分进行验证，非授信企业客群与授信企业客群的整体分布形态不同，但仍存在一致之处。

不同点在于，非授信企业客群评分分布呈现双峰形态，左边的低分峰经过进一步分析确认，是由于非授信企业客群中纳税等关键指标数据存在较多缺失从而导致企业评分较低。

相同点在于，非授信企业客群右边的高分峰与授信企业客群的峰分布一致，这说明在T市的非授信企业客群中也存在一些优质的企业客户，而且这部分企业客户还从未被银行机构准入授信。

发明内容

本发明的目的在于提供一种基于大数据的中小微企业信用评价方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于大数据的中小微企业信用评价方法，包括如下内容：

S1：获取中小微企业数据，提取模型指标特征；

S2：将模型指标特征输入信用评价系统，获得信用评分；

S3：将信用评分与预先设定的阈值进行比对，若信用评分超过阈值时，首贷准入，若信用评分低于阈值时，判断是否缺少相关维度数据；

S4：若缺少维度数据，添加企业交易数据，获得补充替代数据评分，叠加至该企业起始信用评分中，获得叠加信用评分；若不缺少维度数据，则得出企业首贷不准入；

S5：叠加信用评分再次与预先设定的阈值进行比对，若超过阈值时，首贷准入，若叠加信用评分低于阈值时，则得出企业首贷不准入。

进一步地，所述模型指标特征为企业基本信息、资产行为状况、经营收入指标或社会信用表现中的一种或多种。

进一步地，所述模型指标特征采用特征工程技术进行提取，所述特征工程包括特征衍生、特征分箱和特征筛选；其中，特征衍生，用于将企业各维度数据通过多项式变换计算、时间窗口统计汇总等方式获取更多表征企业行为的新特征，特征分箱模块，用于对连续特征离散化，特征筛选，根据特征重要度、线性相关性等指标来选择更重要且更能反应企业还款能力和还款意愿的特征。

进一步地，所述交易数据包括发票数据、订单数据、合同数据、交易对象统计数据、回款周期统计数据和销进项差值统计数据中的一种或多种。