一種中小企業風險評估方法技術

本發明專利技術公開了一種中小企業風險評估方法，包括以下步驟：S1、從待評估企業采集包括財務數據在內的多種經營狀態數據，并存儲到預設的數據鏡像區；S2、根據與待評估企業的關聯度收集行業信息，并根據來源的可信度從行業信息中篩選行業數據，將行業數據傳送到數據鏡像區進行存儲；S3、調用經營狀態數據并進行處理，獲得目標經營數據，并參照對應的行業數據為每一個目標經營數據標設可信加權值，目標經營數據與可信加權值被存儲到預設的數據倉庫區；S4、根據預設的數據模型從數據倉庫區調用目標經營數據及對應的可信加權值進行數據處理，產生評估結果。本發明專利技術避免了由于僅依靠財務數據或僅依靠少數核心數據進行風險評估導致的片面性。

【技術實現步驟摘要】

本專利技術涉及企業風險評估
，尤其涉及。
技術介紹
在中國很多企業融資難，必須得通過抵質押來獲得融資。建立面向企業經營風險預警系列軟件，用來協助金融機構對企業授信決策與信用風險管理，非常必要。目前廣泛應用的企業風險評估軟件，都是以企業的財務報表作為評估的基礎數據，通過這些可信的財務基礎數據，通過風控模型計算出企業的經營情況。但是很多企業尤其是中小企業因財務報表信息品質較低，企業信用風險受到企業負責人的影響程度極高，財務報表信息可信度較低，常有內外賬不一致之情形。因此傳統的企業風險預測模型應用在中小企業上，勢必有結構上的偏誤，致使預測能力降低，勢必影響銀行授信據測，提高銀行的信用風險。
技術實現思路
基于
技術介紹
存在的技術問題，本專利技術提出了。本專利技術提出的，包括以下步驟:S1、從待評估企業采集包括財務數據在內的多種經營狀態數據，并存儲到預設的數據鏡像區；S2、根據與待評估企業的關聯度收集行業信息，并根據來源的可信度從行業信息中篩選行業數據，將行業數據傳送到數據鏡像區進行存儲；S3、根據預設數據處理模式調用數據鏡像區的經營狀態數據并進行處理，獲得目標經營數據，并參照對應的行業數據為每一個目標經營數據標設可信加權值，目標經營數據與可信加權值被存儲到預設的數據倉庫區；S4、根據預設的數據模型從數據倉庫區調用目標經營數據及對應的可信加權值進行數據處理，產生評估結果；S5、根據模型處理模塊的評估結果生成報告。該中小企業風險評估方法以包括財務數據在內的多種經營狀態數據為評估基礎，參照與企業關聯度強且可信性高的行業數據，根據多種經營狀態數據對企業進行分析，避免了僅依靠一類數據如財務數據對企業進行風險評估時，評估精確度對采用數據的依賴性強，評估正確性風險大的缺陷。優選地，步驟SI具體包括以下步驟:S11、獲得待評估企業的數據庫授權；S12、對待評估企業的數據庫實時或定時進行全文搜索，采集經營狀態數據，并存儲到數據鏡像區。獲得企業授權后，可對企業收據庫進行合法的全文搜索，從而找出企業隱藏數據和異地服務器數據，以免被表面數據蒙蔽。優選地，步驟SI中采集的經營狀態數據包括:ERP系統數據、HR系統數據和財務系統數據。多種經營狀態數據可擴大覆蓋企業數據類別的范圍，從而在更全面的覆蓋企業運營數據的基礎導航，有利于對企業運營狀態做出更正確的評估。優選地，步驟S2具體包括以下步驟:S21、預設與待評估企業的關聯度大于關聯度預設值的關聯模型，并預設有可信度閾值；S22、根據關聯模型采集行業信息，并根據行業信息來源對其標設可信度；S23、選取可信度大于可信度閾值的行業信息作為行業數據并存儲到數據鏡像區。通過關聯模型可針對性的快速采集行業信息，而通過可信度閾值的設置，可保證提取出來的行業數據的真實性，避免被錯誤的行業信息蒙蔽。優選地，步驟S2具體包括以下步驟:S21、預設關聯度預設值；S22、采集與待評估企業的關聯度大于關聯度預設值的行業信息，并將行業信息根據來源可信度進行排序；S23、根據可信度從大到小的順序提取行業信息作為行業數據。以上行業數據的采集方式中，行業數據主要依賴于關聯度預設值的設置，其根據可信度大小排序直接從行業信息中篩選行業數據，效率較高。優選地，步驟S23具體為:根據可信度從大到小的順序提取行業信息作為行業數據，直至提取到的行業數據覆蓋預設的數據范圍。以避免經營狀態數據找不到可參照的行業數據。優選地，步驟S4中預設的數據模型包括償債能力評估模型和信用風險評估模型。優選地，步驟S5中生成的報告包括:企業償債能力報告、企業財務危機預警報告和企業信用風險評估報告。企業財務危機預警報告可作為企業自我監控的依據，方便企業自檢，而企業償債能力報告和企業信用風險評估報告，可作為借貸單位或者合作單位對企業進行評估的預警數據。優選地，包括:企業數據采集模塊、行業數據采集模塊、數據鏡像區、數據提取模塊、數據倉庫區、模型處理模塊和報告生成模塊；企業數據采集模塊與數據鏡像區連接，行業數據采集模塊與數據鏡像區連接，數據提取模塊分別連接數據鏡像區和數據倉庫區，模型處理模塊與數據倉庫區連接，報告生成模塊與模型處理模塊連接。本專利技術提供的中小企業風險評估方法通過采集全面覆蓋企業運營狀態的經營狀態數據作為分析基礎，避免了由于僅依靠財務數據或僅依靠少數核心數據進行風險評估導致的片面性，或者由于依靠的數據如財務數據不夠真實而導致的錯誤。本專利技術可獲得較真實的企業運營狀況并展示出來，一方面提供給企業自身用于預警預報；另一方面，應其他投資公司、擔保公司、小貸公司、銀行等金融機構要求，可以對企業情況進行真實了解，為進一步分析決策提供保障，降低借貸合作風險等。【附圖說明】圖1為本專利技術提出的流程示意圖；圖2為經營狀態數據采集流程示意圖；圖3為一種行業數據采集流程示意圖；圖4為另一種行業數據采集流程示意圖；圖5為一種中小企業風險評估系統結構示意圖。【具體實施方式】參照圖1，本專利技術提出的，包括以下步驟:S1、從待評估企業采集包括財務數據在內的多種經營狀態數據，并存儲到預設的數據鏡像區。多種經營狀態數據可全面覆蓋企業數據類別，從而在更全面的覆蓋企業運營數據的基礎導航，有利于對企業運營狀態做出更正確的評估。參照圖2，步驟SI具體包括以下步驟:S11、獲得待評估企業的數據庫授權。S12、對待評估企業的數據庫實時或定時進行全文搜索，采集經營狀態數據，并存儲到數據鏡像區。獲得企業授權后，可對企業收據庫進行合法的全文搜索，從而找出企業隱藏數據和異地服務器數據，以免被表面數據蒙蔽。具體地，步驟Si中采集的經營狀態數據包括:ERP系統數據、HR系統數據和財務系統數據。S2、根據與待評估企業的關聯度收集行業信息，并根據來源的可信度從行業信息中篩選行業數據，將行業數據傳送到數據鏡像區進行存儲。參照圖3，本實施方式中，步驟S2具體包括以下步驟:S21、預設與待評估企業的關聯度大于關聯度預設值的關聯模型，并預設有可信度閾值。S22、根據關聯模型采集行業信息，并根據行業信息來源對其標設可信度。S23、選取可信度大于可信度閾值的行業信息作為行業數據并存儲到數據鏡像區。如此，通過關聯模型可針對性的快速采集行業信息，而通過可信度閾值的設置，可保證提取出來的行業數據的真實性，避免被錯誤的行業信息蒙蔽。步驟S23中，可信度閾值具有不可違逆的特性，如果當前行業信息中沒有可滿足可信度大于可信度閾值的，則可通過持續執行步驟S22，獲得更多的行業信息以便選擇，或者返回步驟S21對關聯模型進行調整。參照圖4，具體實施時，步驟S2還可分為以下幾步完成。S21、預設關聯度預設值。S22、采集與待評估企業的關聯度大于關聯度預設值的行業信息，并將行業信息根據來源可信度進行排序。S23、根據可信度從大到小的順序提取行業信息作為行業數據，直至提取到的行業數據覆蓋預設的數據范圍。以上行業數當前第1頁1 2 本文檔來自技高網...

【技術保護點】
一種中小企業風險評估方法，其特征在于，包括以下步驟：S1、從待評估企業采集包括財務數據在內的多種經營狀態數據，并存儲到預設的數據鏡像區；S2、根據與待評估企業的關聯度收集行業信息，并根據來源的可信度從行業信息中篩選行業數據，將行業數據傳送到數據鏡像區進行存儲；S3、根據預設數據處理模式調用數據鏡像區的經營狀態數據并進行處理，獲得目標經營數據，并參照對應的行業數據為每一個目標經營數據標設可信加權值，目標經營數據與可信加權值被存儲到預設的數據倉庫區；S4、根據預設的數據模型從數據倉庫區調用目標經營數據及對應的可信加權值進行數據處理，產生評估結果；S5、根據模型處理模塊的評估結果生成報告。

【技術特征摘要】

【專利技術屬性】
技術研發人員：徐榮靜，
申請(專利權)人：安徽融信金模信息技術有限公司，
類型：發明
國別省市：安徽;34