本技術(shù)涉及人工智能，具體而言，涉及一種基于ai的企業(yè)級(jí)金融風(fēng)險(xiǎn)評(píng)估方法、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、近年來各大金融機(jī)構(gòu)向中小企業(yè)的貸款傾斜度逐漸加大，但中小企業(yè)的經(jīng)營(yíng)抵御風(fēng)險(xiǎn)能力較弱，企業(yè)經(jīng)營(yíng)發(fā)展存在許多不確定性，其生產(chǎn)、經(jīng)營(yíng)信息不公開、不透明，給金融機(jī)構(gòu)掌握企業(yè)的經(jīng)營(yíng)信息帶來較大的困難。金融機(jī)構(gòu)要保證貸款的安全，必須及時(shí)準(zhǔn)確掌握企業(yè)的經(jīng)營(yíng)信息，以便及時(shí)規(guī)避?企業(yè)經(jīng)營(yíng)風(fēng)險(xiǎn)，保證貸款安全。目前，金融機(jī)構(gòu)獲取企業(yè)的生產(chǎn)經(jīng)營(yíng)信息主要以下幾個(gè)渠道：1、靠企業(yè)提供的生產(chǎn)經(jīng)營(yíng)月度財(cái)務(wù)報(bào)告；2、稅務(wù)部門的企業(yè)稅務(wù)賬單；3、企業(yè)銀行賬號(hào)?的資金流水信息；4、企業(yè)電費(fèi)的繳費(fèi)賬單；5、通過專業(yè)網(wǎng)站查詢的企業(yè)公開信息；6、客戶經(jīng)?理到貸后企業(yè)實(shí)地走訪等。

2、金融機(jī)構(gòu)在審批貸款時(shí)，根據(jù)當(dāng)前經(jīng)營(yíng)信息、資產(chǎn)信息和歷史經(jīng)營(yíng)信息、資產(chǎn)信息來評(píng)估風(fēng)險(xiǎn)等級(jí)。通常這種風(fēng)險(xiǎn)等級(jí)用于評(píng)估企業(yè)的綜合償還能力，無法做到對(duì)不同貸款期限、不同貸款金額和不同貸款專項(xiàng)用途的償還能力的精確評(píng)估。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的目的在于提供一種基于ai的企業(yè)級(jí)金融風(fēng)險(xiǎn)評(píng)估方法、電子設(shè)備及存儲(chǔ)介質(zhì)，用以解決現(xiàn)有評(píng)估方法用于評(píng)估企業(yè)的綜合償還能力，無法做到對(duì)不同貸款期限、不同貸款金額和不同貸款專項(xiàng)用途的償還能力的精確評(píng)估的問題。

2、本技術(shù)實(shí)施例提供的一種基于ai的企業(yè)級(jí)金融風(fēng)險(xiǎn)評(píng)估方法，包括：

3、獲取待評(píng)估企業(yè)的目標(biāo)貸款請(qǐng)求信息，根據(jù)目標(biāo)貸款請(qǐng)求，從模型數(shù)據(jù)庫中確定目標(biāo)金融風(fēng)險(xiǎn)評(píng)估模型；其中，目標(biāo)貸款請(qǐng)求信息包括目標(biāo)貸款期限、目標(biāo)貸款金額和目標(biāo)貸款專項(xiàng)用途；模型數(shù)據(jù)庫包括貸款請(qǐng)求信息及對(duì)應(yīng)的金融風(fēng)險(xiǎn)評(píng)估模型；

4、將待評(píng)估企業(yè)的目標(biāo)貸款請(qǐng)求信息以及當(dāng)前設(shè)定時(shí)間內(nèi)的經(jīng)營(yíng)數(shù)據(jù)、資產(chǎn)數(shù)據(jù)和貸款及還款情況輸入目標(biāo)金融風(fēng)險(xiǎn)評(píng)估模型，得到針對(duì)目標(biāo)貸款請(qǐng)求的評(píng)估結(jié)果。

5、上述技術(shù)方案中，通過根據(jù)待評(píng)估企業(yè)的具體目標(biāo)貸款請(qǐng)求（包括貸款期限、金額及專項(xiàng)用途）從模型數(shù)據(jù)庫中動(dòng)態(tài)選擇最適合的金融風(fēng)險(xiǎn)評(píng)估模型，該方法實(shí)現(xiàn)了風(fēng)險(xiǎn)評(píng)估的個(gè)性化與精準(zhǔn)化。不同貸款請(qǐng)求可能涉及不同的風(fēng)險(xiǎn)點(diǎn)，個(gè)性化模型選擇能夠更準(zhǔn)確地反映這些差異，提高評(píng)估結(jié)果的準(zhǔn)確性和可靠性，實(shí)現(xiàn)對(duì)不同貸款期限、不同貸款金額和不同貸款專項(xiàng)用途的償還能力的精確評(píng)估。并且，在評(píng)估過程中，結(jié)合了企業(yè)當(dāng)前設(shè)定時(shí)間內(nèi)的經(jīng)營(yíng)數(shù)據(jù)、資產(chǎn)數(shù)據(jù)和貸款及還款情況等多維度數(shù)據(jù)，這種全面的數(shù)據(jù)輸入方式使得評(píng)估過程更加全面和深入，能夠更全面地反映企業(yè)的真實(shí)財(cái)務(wù)狀況和還款能力，從而降低評(píng)估的片面性和誤判率。借助ai技術(shù)，整個(gè)風(fēng)險(xiǎn)評(píng)估過程實(shí)現(xiàn)了智能化和自動(dòng)化。ai模型能夠自動(dòng)處理和分析大量數(shù)據(jù)，快速生成評(píng)估結(jié)果，大大提高了評(píng)估效率和準(zhǔn)確性。這對(duì)于金融機(jī)構(gòu)來說，意味著可以更快地做出貸款決策，同時(shí)減少人為因素導(dǎo)致的錯(cuò)誤和偏差。模型數(shù)據(jù)庫的設(shè)計(jì)使得整個(gè)系統(tǒng)具有較高的靈活性和可擴(kuò)展性，隨著業(yè)務(wù)的發(fā)展和變化，可以輕松地添加或更新風(fēng)險(xiǎn)評(píng)估模型，以適應(yīng)新的貸款產(chǎn)品和市場(chǎng)需求，這種靈活性使得該方法能夠持續(xù)保持其評(píng)估效果的有效性和前沿性。

6、在一些可選的實(shí)施方式中，根據(jù)目標(biāo)貸款請(qǐng)求，從模型數(shù)據(jù)庫中確定目標(biāo)金融風(fēng)險(xiǎn)評(píng)估模型，包括：

7、將目標(biāo)貸款請(qǐng)求信息與模型數(shù)據(jù)庫中的貸款請(qǐng)求信息進(jìn)行相似度計(jì)算，將相似度最大的第一貸款請(qǐng)求信息對(duì)應(yīng)的金融風(fēng)險(xiǎn)評(píng)估模型，作為目標(biāo)金融風(fēng)險(xiǎn)評(píng)估模型。

8、上述技術(shù)方案中，通過計(jì)算目標(biāo)貸款請(qǐng)求信息與模型數(shù)據(jù)庫中貸款請(qǐng)求信息的相似度，并選擇相似度最大的金融風(fēng)險(xiǎn)評(píng)估模型作為目標(biāo)模型，這種方法確保了所選擇的風(fēng)險(xiǎn)評(píng)估模型與待評(píng)估企業(yè)的貸款請(qǐng)求高度匹配，這種高度匹配性進(jìn)一步提高了風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確性和針對(duì)性，使得評(píng)估結(jié)果更加符合企業(yè)的實(shí)際情況。

9、在一些可選的實(shí)施方式中，目標(biāo)金融風(fēng)險(xiǎn)評(píng)估模型的訓(xùn)練包括：

10、構(gòu)建訓(xùn)練集；其中，訓(xùn)練集包括，第二貸款請(qǐng)求信息以及貸款時(shí)間往前設(shè)定時(shí)間內(nèi)企業(yè)的經(jīng)營(yíng)數(shù)據(jù)、資產(chǎn)數(shù)據(jù)和貸款及還款情況，和對(duì)應(yīng)的標(biāo)簽；第二貸款請(qǐng)求信息滿足條件：與第一貸款請(qǐng)求信息相似度大于第一閾值；

11、將訓(xùn)練集輸入評(píng)估模型，得到訓(xùn)練后的目標(biāo)金融風(fēng)險(xiǎn)評(píng)估模型。

12、上述技術(shù)方案中，通過構(gòu)建包含與第一貸款請(qǐng)求信息相似度大于第一閾值的第二貸款請(qǐng)求信息及其相關(guān)數(shù)據(jù)的訓(xùn)練集，可以確保訓(xùn)練出的目標(biāo)金融風(fēng)險(xiǎn)評(píng)估模型與當(dāng)前待評(píng)估的貸款請(qǐng)求高度相關(guān)，這種相關(guān)性提高了模型在特定場(chǎng)景下的適用性和準(zhǔn)確性，使得評(píng)估結(jié)果更加貼近實(shí)際情況。在訓(xùn)練集中排除與目標(biāo)貸款請(qǐng)求相似度較低的案例，有助于減少噪聲數(shù)據(jù)的干擾。噪聲數(shù)據(jù)可能會(huì)影響模型的訓(xùn)練效果，導(dǎo)致模型學(xué)習(xí)到不準(zhǔn)確或無關(guān)的特征。通過相似度篩選，可以確保訓(xùn)練集的質(zhì)量，提高模型的穩(wěn)定性和可靠性。

13、在一些可選的實(shí)施方式中，評(píng)估模型包括循環(huán)神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短期記憶網(wǎng)絡(luò)或門控循環(huán)神經(jīng)網(wǎng)絡(luò)。

14、在一些可選的實(shí)施方式中，構(gòu)建訓(xùn)練集，包括：

15、對(duì)第二貸款請(qǐng)求信息的還款情況進(jìn)行實(shí)時(shí)更新，并根據(jù)還款情況打上對(duì)應(yīng)的標(biāo)簽，標(biāo)簽包括如期還款、延期還款和未還款。

16、上述技術(shù)方案中，金融市場(chǎng)和企業(yè)的經(jīng)營(yíng)狀況都是動(dòng)態(tài)變化的，實(shí)時(shí)更新還款情況可以確保訓(xùn)練集始終包含最新的數(shù)據(jù)，這使得訓(xùn)練出的金融風(fēng)險(xiǎn)評(píng)估模型能夠緊跟市場(chǎng)變化，保持其評(píng)估結(jié)果的時(shí)效性和有效性。此處的實(shí)時(shí)更新也可以是按照一定的更新頻率進(jìn)行更新，例如每天更新一次、或每個(gè)星期更新一次等。在每次更新后，利用更新數(shù)據(jù)對(duì)模型數(shù)據(jù)庫中涉及的金融風(fēng)險(xiǎn)評(píng)估模型進(jìn)行迭代訓(xùn)練，或者重新訓(xùn)練金融風(fēng)險(xiǎn)評(píng)估模型，以保證模型參數(shù)隨金融市場(chǎng)和企業(yè)經(jīng)營(yíng)狀況的變化而變化，能夠準(zhǔn)確預(yù)測(cè)當(dāng)下的金融風(fēng)險(xiǎn)。

17、在一些可選的實(shí)施方式中，構(gòu)建訓(xùn)練集，還包括：

18、利用生成對(duì)抗網(wǎng)絡(luò)生成新樣本數(shù)據(jù)，利用新樣本數(shù)據(jù)來擴(kuò)充訓(xùn)練集。

19、上述技術(shù)方案中，由于在構(gòu)建訓(xùn)練集的過程對(duì)原始數(shù)據(jù)進(jìn)行篩選，真實(shí)樣本數(shù)據(jù)較少，因此，本實(shí)施例通過生成對(duì)抗網(wǎng)絡(luò)生成與真實(shí)數(shù)據(jù)分布相似的新樣本，這些樣本在保留原始數(shù)據(jù)特征的同時(shí)，引入了新的變化和多樣性，這有助于擴(kuò)充訓(xùn)練集，使其包含更豐富的樣本類型，從而提高模型的泛化能力。由于訓(xùn)練集規(guī)模的擴(kuò)大和數(shù)據(jù)多樣性的增加，模型能夠?qū)W習(xí)到更多、更全面的特征，從而提高預(yù)測(cè)的準(zhǔn)確性和穩(wěn)定性，并且，可以降低模型對(duì)特定樣本的過度依賴，從而減少過擬合的風(fēng)險(xiǎn)。

20、在一些可選的實(shí)施方式中，利用生成對(duì)抗網(wǎng)絡(luò)生成新樣本數(shù)據(jù)，包括：

21、利用生成對(duì)抗網(wǎng)絡(luò)，得到生成樣本數(shù)據(jù)；

22、將生成樣本數(shù)據(jù)與真實(shí)樣本數(shù)據(jù)中貸款時(shí)間最新的一個(gè)或多個(gè)樣本數(shù)據(jù)計(jì)算相似度，將相似度大于第二閾值的生成樣本數(shù)據(jù)全部保留，將相似度低于或等于第二閾值的生成樣本數(shù)據(jù)部分保留，得到新樣本數(shù)據(jù)；其中，相似度大于第二閾值的生成樣本數(shù)據(jù)在新樣本數(shù)據(jù)中的占比大于設(shè)定比例。

23、上述技術(shù)方案中，通過僅與貸款時(shí)間最新的真實(shí)樣本計(jì)算相似度，可以確保生成的樣本數(shù)據(jù)在時(shí)間上與當(dāng)前市場(chǎng)環(huán)境保持一致，從而提高其時(shí)效性和相關(guān)性。保留與最新真實(shí)樣本相似度高的生成樣本，可以確保這些樣本在特征分布、風(fēng)險(xiǎn)模式等方面與真實(shí)情況更為接近，從而提高生成樣本的質(zhì)量。在保留高相似度生成樣本的同時(shí)，也部分保留低相似度的樣本，可以在保持訓(xùn)練集多樣性的同時(shí)，確保大部分樣本與當(dāng)前市場(chǎng)環(huán)境緊密相關(guān)，這種平衡有助于模型在保持泛化能力的同時(shí)，提高針對(duì)當(dāng)前市場(chǎng)環(huán)境的預(yù)測(cè)準(zhǔn)確性。通過設(shè)定相似度大于第二閾值的生成樣本在新樣本數(shù)據(jù)中的占比大于設(shè)定比例，可以進(jìn)一步控制訓(xùn)練集的組成，確保模型在訓(xùn)練過程中能夠充分學(xué)習(xí)到與當(dāng)前市場(chǎng)環(huán)境最為相關(guān)的特征。訓(xùn)練集中包含了更多與當(dāng)前市場(chǎng)環(huán)境緊密相關(guān)的樣本，模型在訓(xùn)練過程中能夠?qū)W習(xí)到更加準(zhǔn)確的風(fēng)險(xiǎn)評(píng)估模式和規(guī)律，從而提高預(yù)測(cè)的準(zhǔn)確性。

24、并且，金融機(jī)構(gòu)可以根據(jù)自身需求調(diào)整相似度閾值和設(shè)定比例，以生成符合特定要求的樣本數(shù)據(jù)，從而提供更加個(gè)性化的風(fēng)險(xiǎn)評(píng)估服務(wù)。通過調(diào)整生成樣本的篩選策略，可以生成涵蓋不同風(fēng)險(xiǎn)等級(jí)的樣本數(shù)據(jù)，使得訓(xùn)練出的金融風(fēng)險(xiǎn)評(píng)估模型能夠更好地適應(yīng)不同場(chǎng)景下的風(fēng)險(xiǎn)評(píng)估需求。

25、在一些可選的實(shí)施方式中，所述生成對(duì)抗網(wǎng)絡(luò)包括gans、cgans、dcgans、sgans或infogans。

26、本技術(shù)實(shí)施例還提供了一種電子設(shè)備，包括：處理器和存儲(chǔ)器，所述存儲(chǔ)器存儲(chǔ)有所述處理器可執(zhí)行的機(jī)器可讀指令，所述機(jī)器可讀指令被所述處理器執(zhí)行時(shí)執(zhí)行如以上任一所述的方法。

27、本技術(shù)實(shí)施例還提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)以上任一所述方法的步驟。