一种基于大数据的金融数据管理平台

技术领域

本发明涉及金融管理技术领域，具体是一种基于大数据的金融数据管理平台。

背景技术

金融的本质是风险管理，其中信贷业务是风险等级较高的金融，风控是所有金融业务的核心。典型的金融借贷业务例如：抵押贷款、消费贷款、p2p、供应链金融以及票据融资，都需要金融风控识别并评估用户信用等级。在现有情况体系下，在信贷业务中，面对借贷对象，金融机构一般是要求借款主体提供银行征信报告或企业财报等资料，这种方式存在效率较低和覆盖度不足等问题，给资金端评估企业信用、确认贸易背景的真实有效性、控制放款风险带来了困难；

现有模式中仅仅针对传统的金融数据，而漏掉了更能体现借贷对象风险的行为数据，例如关系链、出行记录、诉讼记录等，综合行为数据和金融数据便可有效的降低风险；基于以上不足，本发明提出一种基于大数据的金融数据管理平台。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于大数据的金融数据管理平台。

为实现上述目的，根据本发明的第一方面的实施例提出一种基于大数据的金融数据管理平台，包括融资申请模块、金融管理中心、模型训练模块、审核优化模块以及融资审核模块；

所述融资申请模块用于企业用户向金融管理中心发送获取融资贷款的融资请求；所述融资请求包括融资金额、融资周期；

所述金融管理中心接收到融资请求后，验证对应企业用户身份，判断该融资请求是否合法；具体验证步骤为：

获取发送融资请求的企业用户身份信息；通过信息交互渠道获取与对应企业相关的行业趋势、股东信用和新闻舆情数据，以形成对应企业所在行业的长期趋势图像、企业股东信用图像和与企业新闻舆情图像；

将对应企业所在行业的长期趋势图像、企业股东信用图像和与企业新闻舆情图像作为外部信用评价模型的输入，得到关于该企业的评价结果；所述评价结果为某一时间企业的外部信用度WX；

将外部信用度WX与预设信用阈值相比较，若外部信用度WX≥预设信用阈值，则判定所述融资请求合法；若所述融资请求合法，则金融管理中心解析融资请求内容并将对应融资请求内容发送至审核优化模块；

所述审核优化模块用于获取对应企业的规模数据、历史融资数据以及股东出行数据进行融合分析，计算得到融资请求的审核优化指数SY，将融资请求按照审核优化指数SY大小进行排序，得到融资请求的处理序表；

所述审核优化模块用于反馈该融资请求在处理序表所处的序列位置至融资审核模块；所述融资审核模块用于按照审核优化模块反馈的序列位置对该融资请求进行审核批复。

进一步地，所述审核优化模块的具体分析步骤为：

获取融资请求内容，将融资金额标记为RE，将融资周期标记为RT；

获取对应企业的规模数据，所述规模数据包括企业类型、成立时间、注册资本、人员规模、公司面积以及企业资质证书指标；根据所述规模数据计算得到企业的规模值GM；

获取对应企业的历史融资数据，所述历史融资数据包括保证金流水、申请融资次数、融资成功次数以及每次融资成功的融资金额和融资周期；根据所述历史融资数据计算得到企业的融资优化系数RY；

获取对应企业的股东出行数据；所述股东出行数据包括出境时刻和入境时刻；根据所述股东出行数据计算得到企业的出境系数CY；

将融资金额、融资周期、规模值、融资优化系数以及出境系数进行归一化处理并取其数值；利用公式SY＝(GM×g1+RY×g2)/(CY×g3+RE×g4+RT×g5)计算得到所述融资请求的审核优化指数SY，其中g1、g2、g3、g4、g5均为预设系数因子。

进一步地，根据规模数据计算得到企业的规模值GM，具体步骤为：

将企业的成立时长标记为CT，注册资本标记为CZ，人员规模标记为CR，公司面积标记为CM，企业资质证书指标标记为CB；

设定每种企业类型均有对应的类型值，获取企业类型对应的类型值为CL；利用公式GM＝CT×b1+CZ×b2+CR×b3+CM×b4+CL×b5+CB×b6计算得到企业的规模值GM，其中b1、b2、b3、b4、b5、b6均为预设系数因子。

进一步地，根据历史融资数据计算得到融资优化系数RY；具体为：

将企业的保证金最大值标记为Ye，申请融资次数标记为Yc，融资成功次数标记为Yz，融资金额最大值标记为Ym，融资周期最大值标记为Yt；

设定企业的年均GDP为GF；利用公式RY＝f×GF×(Ye×a1+Yc×a2+Yz×a3+Ym×a4+Yt×a5)计算得到企业的融资优化系数RY，其中a1、a2、a3、a4、a5均为预设系数因子；f为预设均衡系数。

进一步地，根据股东出行数据计算得到企业的出境系数CY，具体为：

在预设时间段内，统计对应企业股东的出境总次数为C1；将相邻的出境时刻进行时间差计算得到出境间隔GTi；

将出境间隔GTi与预设间隔阈值相比较；统计GTi≤预设间隔阈值的次数占比为Lb；当GTi≤预设间隔阈值时，获取GTi与预设间隔阈值的差值并进行求和得到差隔总值GZ；利用公式CY＝C1×(Lb×d1+GZ×d2)计算得到企业的出境系数CY，其中d1、d2为预设系数因子。

进一步地，若外部信用度WX＜预设信用阈值，则金融管理中心向关联的移动终端发送包括所述融资请求的告警消息，以提醒移动终端的管理人员确认所述融资请求是否合法；若管理人员确认不合法，则金融管理中心驳回所述融资请求，不予受理。

进一步地，所述模型训练模块用于建立神经网络模型，收集与样本企业相关的行业趋势、股东信用和新闻舆情数据作为学习样本，对建立的神经网络模型进行训练，得到外部信用评价模型；具体为：

S1：收集与样本企业相关的行业趋势、股东信用和新闻舆情数据，以形成样本企业所在行业的长期趋势图像、企业股东信用图像和企业新闻舆情图像；将上述三种图像与样本企业的外部信用度关联，作为学习样本集；其中，样本企业的外部信用度来自于信用评级机构的信用评级；

S2：建立神经网络模型，根据所述学习样本集对建立的神经网络模型进行训练，得到外部信用评价模型；其中，神经网络模型为BP神经网络模型，BP神经网络模型包括输入层1、隐层2和输出层3，隐层2设置在输入层1和输出层3之间，输入层1包含多个输入节点4，输出层3包含多个输出节点5。

进一步地，对神经网络模型进行训练，是将样本企业所在行业的长期趋势图像、企业股东信用图像和企业新闻舆情图像对应BP神经网络模型输入节点4，外部信用度对应BP神经网络模型输出节点5；训练步骤如下：

S21：从训练样本中取一个样本，把样本输入到网络中；

S22：由网络分别计算各层节点的输出；

S23：计算网络的实际输出与期望输出的误差；

S24：从输出层3反向计算到第一个隐层，按照梯度下降的原则向减小误差方向调整网络的各个连接权值；

S25：对训练样本中的每一个样本重复步骤S21-S24，直到整个训练样本的误差小于设定的误差阈值为止。

进一步地，该系统还包括进度查询模块，所述进度查询模块用于企业用户查询融资请求的审核进度，并发送催办信息至融资审核模块；其中催办信息至少间隔设定时间发送一次。

与现有技术相比，本发明的有益效果是：

1、本发明中融资申请模块用于企业用户向金融管理中心发送获取融资贷款的融资请求；金融管理中心接收到融资请求后，验证对应企业用户身份，判断该融资请求是否合法；通过信息交互渠道获取与对应企业相关的行业趋势、股东信用和新闻舆情数据，以形成对应企业所在行业的长期趋势图像、企业股东信用图像和与企业新闻舆情图像，并输入至外部信用评价模型，得到企业的外部信用度WX；若外部信用度WX≥预设信用阈值，则判定融资请求合法；有效控制企业融资的放款风险；进而缩短融资请求的批复时间，提高业务办理效率；

2、本发明中若融资请求合法，则审核优化模块用于获取对应企业的规模数据、历史融资数据以及股东出行数据进行融合分析，结合融资金额、融资周期、规模值、融资优化系数以及出境系数计算得到融资请求的审核优化指数SY，将融资请求按照审核优化指数SY大小进行排序，得到融资请求的处理序表；融资审核模块用于按照审核优化模块反馈的序列位置对该融资请求进行审核批复；有效控制放款风险，缩短融资请求的批复时间；提高工作效率，同时使得资产流转率最大化。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明一种基于大数据的金融数据管理平台的系统框图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，一种基于大数据的金融数据管理平台，包括融资申请模块、金融管理中心、模型训练模块、审核优化模块、融资审核模块以及进度查询模块；

融资申请模块用于企业用户向金融管理中心发送获取融资贷款的融资请求；融资请求包括融资金额、融资周期；企业用户为企业的法定代表人、实控人或大股东；

金融管理中心接收到融资请求后，验证对应企业用户身份，判断该融资请求是否合法；具体验证步骤为：

金融管理中心接收到融资请求后，获取发送融资请求的企业用户身份信息；通过信息交互渠道获取与对应企业相关的行业趋势、股东信用和新闻舆情数据，以形成对应企业所在行业的长期趋势图像、企业股东信用图像和与企业新闻舆情图像；

将对应企业所在行业的长期趋势图像、企业股东信用图像和与企业新闻舆情图像作为外部信用评价模型的输入，得到关于该企业的评价结果；评价结果为某一时间企业的外部信用度WX；

将外部信用度WX与预设信用阈值相比较，若外部信用度WX≥预设信用阈值，则判定融资请求合法；

若外部信用度WX＜预设信用阈值，则金融管理中心向关联的移动终端发送包括融资请求的告警消息，以提醒移动终端的管理人员确认融资请求是否合法；若管理人员确认不合法，则金融管理中心驳回融资请求，不予受理；

在本实施例中，通过企业的外部信用度WX判断融资请求是否合法，对融资请求进行初步筛选，有效减少融资请求的处理量，同时有效控制企业融资的放款风险，进而缩短融资请求的批复时间，提高业务办理效率；

在本实施例中，模型训练模块用于建立神经网络模型，收集与样本企业相关的行业趋势、股东信用和新闻舆情数据作为学习样本，对建立的神经网络模型进行训练，得到外部信用评价模型；具体为：

S1：收集与样本企业相关的行业趋势、股东信用和新闻舆情数据，以形成样本企业所在行业的长期趋势图像、企业股东信用图像和企业新闻舆情图像；将上述三种图像与样本企业的外部信用度关联，作为学习样本集；其中，样本企业的外部信用度来自于信用评级机构的信用评级；

S2：建立神经网络模型，根据学习样本集对建立的神经网络模型进行训练，得到外部信用评价模型；其中，神经网络模型为BP神经网络模型，BP神经网络模型包括输入层1、隐层2和输出层3，隐层2设置在输入层1和输出层3之间，输入层1包含多个输入节点4，输出层3包含多个输出节点5；

对神经网络模型进行训练，是将样本企业所在行业的长期趋势图像、企业股东信用图像和企业新闻舆情图像对应BP神经网络模型输入节点4，外部信用度对应BP神经网络模型输出节点5；训练步骤如下：

S21：从训练样本中取一个样本，把样本输入到网络中；

S22：由网络分别计算各层节点的输出；

S23：计算网络的实际输出与期望输出的误差；

S24：从输出层3反向计算到第一个隐层，按照梯度下降的原则向减小误差方向调整网络的各个连接权值；

S25：对训练样本中的每一个样本重复步骤S21-S24，直到整个训练样本的误差小于设定的误差阈值为止；

若融资请求合法，则金融管理中心解析融资请求内容并将对应融资请求内容发送至审核优化模块；审核优化模块用于获取对应企业的规模数据、历史融资数据以及股东出行数据进行融合分析，计算得到融资请求的审核优化指数SY，得到融资请求的处理序表；具体分析步骤为：

获取融资请求内容，融资请求内容包括融资金额、融资周期；将融资金额标记为RE，将融资周期标记为RT；

获取对应企业的规模数据；规模数据包括企业类型、成立时间、注册资本、人员规模、公司面积以及企业资质证书指标；将企业的成立时长标记为CT，注册资本标记为CZ，人员规模标记为CR，公司面积标记为CM，企业资质证书指标标记为CB；

设定每种企业类型均有对应的类型值，获取企业类型对应的类型值为CL；利用公式GM＝CT×b1+CZ×b2+CR×b3+CM×b4+CL×b5+CB×b6计算得到企业的规模值GM，其中b1、b2、b3、b4、b5、b6均为预设系数因子；

获取对应企业的历史融资数据；历史融资数据包括保证金流水、申请融资次数、融资成功次数以及每次融资成功的融资金额和融资周期；

将企业的保证金最大值标记为Ye，申请融资次数标记为Yc，融资成功次数标记为Yz，融资金额最大值标记为Ym，融资周期最大值标记为Yt；

设定企业的年均GDP为GF；利用公式RY＝f×GF×(Ye×a1+Yc×a2+Yz×a3+Ym×a4+Yt×a5)计算得到企业的融资优化系数RY，其中a1、a2、a3、a4、a5均为预设系数因子；f为预设均衡系数；

获取对应企业的股东出行数据；股东出行数据包括出境时刻和入境时刻；在预设时间段内，统计对应企业股东的出境总次数为C1；

将相邻的出境时刻进行时间差计算得到出境间隔GTi，将出境间隔GTi与预设间隔阈值相比较；统计GTi≤预设间隔阈值的次数占比为Lb；当GTi≤预设间隔阈值时，获取GTi与预设间隔阈值的差值并进行求和得到差隔总值GZ；利用公式CY＝C1×(Lb×d1+GZ×d2)计算得到企业的出境系数CY，其中d1、d2为预设系数因子；

将融资金额、融资周期、规模值、融资优化系数以及出境系数进行归一化处理并取其数值；利用公式SY＝(GM×g1+RY×g2)/(CY×g3+RE×g4+RT×g5)计算得到融资请求的审核优化指数SY，其中g1、g2、g3、g4、g5均为预设系数因子；

将融资请求按照审核优化指数SY大小进行排序，得到融资请求的处理序表；审核优化模块用于反馈该融资请求在处理序表所处的序列位置至融资审核模块；

融资审核模块用于按照审核优化模块反馈的序列位置对该融资请求进行审核批复；有效控制放款风险，缩短融资请求的批复时间；提高工作效率，同时使得资产流转率最大化；

进度查询模块用于企业用户查询融资请求的审核进度，并发送催办信息至融资审核模块；其中催办信息至少间隔设定时间发送一次；例如间隔10天。

上述公式均是去除量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。

本发明的工作原理：

一种基于大数据的金融数据管理平台，在工作时，融资申请模块用于企业用户向金融管理中心发送获取融资贷款的融资请求；金融管理中心接收到融资请求后，验证对应企业用户身份，判断该融资请求是否合法；通过信息交互渠道获取与对应企业相关的行业趋势、股东信用和新闻舆情数据，以形成对应企业所在行业的长期趋势图像、企业股东信用图像和与企业新闻舆情图像，并输入至外部信用评价模型，得到企业的外部信用度WX；若外部信用度WX≥预设信用阈值，则判定融资请求合法；若不合法，则金融管理中心驳回融资请求，不予受理；有效控制企业融资的放款风险；进而缩短融资请求的批复时间，提高业务办理效率；

若融资请求合法，则金融管理中心解析融资请求内容并将对应融资请求内容发送至审核优化模块；审核优化模块用于获取对应企业的规模数据、历史融资数据以及股东出行数据进行融合分析，结合融资金额、融资周期、规模值、融资优化系数以及出境系数计算得到融资请求的审核优化指数SY，将融资请求按照审核优化指数SY大小进行排序，得到融资请求的处理序表；融资审核模块用于按照审核优化模块反馈的序列位置对该融资请求进行审核批复；有效控制放款风险，缩短融资请求的批复时间；提高工作效率，同时使得资产流转率最大化。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。