企业借贷额度评估方法、装置及计算机可读存储介质与流程

本发明涉及互联网金融技术领域，尤其涉及企业借贷额度评估方法、装置及计算机可读存储介质。

背景技术：

国家大力鼓励金融机构发放小微专项贷款，发票贷、税贷盛行，线上自动化审批逐渐成为小企业信用贷款主流审核方式，目前金融机构对于客户借贷额度的审批，主要还是基于企业规模(一般参考销售额)、利润以及信用情况等角度进行考量，但是通常忽略了一个重要的参考因素，那就是不同的行业在不同市场环境以及不同的政策条件下，对应的借贷风险是不同的，导致借贷风险高，风控成本高等问题。

技术实现要素：

本发明提供的企业借贷额度评估方法、装置及计算机可读存储介质，主要解决的技术问题是：如何更准确、科学对贷款企业进行额度评估，降低借贷风险。

为解决上述技术问题，本发明提供一种企业借贷额度评估方法，包括：

获取待评估企业近一年的销项发票信息；

从销项发票信息中提取商品明细、发票金额以及所述待评估企业的企业名称；

根据所述待评估企业的企业名称匹配所属行业分类；

对商品明细进行商品分类汇总，根据不同商品分类下的总发票金额筛选出topn商品，所述topn商品的总发票金额超过所述待评估企业近一年的销项发票总金额的50％；所述n≥1；

根据所述topn商品对应的商品明细匹配所属商品和服务分类；

将所述行业分类与所述商品和服务分类作为输入，利用神经网络算法模型，输出最终细分行业分类，作为所述待评估企业的目标划分行业；

基于所述待评估企业的目标划分行业、年纯利润以及负债比，确定借贷额度。

可选的，所述根据所述待评估企业的企业名称匹配所属行业分类包括：从所述待评估企业的企业名称中提取关键词，根据预先设定的企业名称关键词与所属行业分类之间的对应关系，确定所述待评估企业的企业名称匹配的行业分类。

可选的，所述根据所述topn商品对应的商品明细匹配所属商品和服务分类包括：根据语义相似度算法分别对所述topn商品中的各商品匹配对应的商品和服务分类。

可选的，所述基于所述待评估企业的目标划分行业、年纯利润以及资产负债率，确定借贷额度包括按照如下公式计算：

所述q表示借贷额度，所述k表示目标划分行业对应的借贷系数，所述p表示所述待评估企业的年纯利润，所述d表示所述待评估企业的资产负债率。

本发明还提供一种企业借贷额度评估装置，包括获取模块、处理模块、神经网络处理模块、借贷模块，其中：

所述获取模块用于获取待评估企业近一年的销项发票信息；

所述处理模块用于从销项发票信息中提取商品明细、发票金额以及所述待评估企业的企业名称；根据所述待评估企业的企业名称匹配所属行业分类；对商品明细进行商品分类汇总，根据不同商品分类下的总发票金额筛选出topn商品，所述topn商品的总发票金额超过所述待评估企业近一年的销项发票总金额的50％；所述n≥1；根据所述topn商品对应的商品明细匹配所属商品和服务分类；将所述行业分类与所述商品和服务分类输入至神经网络处理模块；

所述神经网络处理模块用于输出最终细分行业分类，作为所述待评估企业的目标划分行业；

所述借贷模块用于基于所述待评估企业的目标划分行业、年纯利润以及负债比，确定借贷额度。

可选的，所述处理模块用于从所述待评估企业的企业名称中提取关键词，根据预先设定的企业名称关键词与所属行业分类之间的对应关系，确定所述待评估企业的企业名称匹配的行业分类。

可选的，所述处理模块用于根据语义相似度算法分别对所述topn商品中的各商品匹配对应的商品和服务分类。

可选的，所述借贷模块用于按照如下公式计算借贷额度：

所述q表示借贷额度，所述k表示目标划分行业对应的借贷系数，所述p表示所述待评估企业的年纯利润，所述d表示所述待评估企业的资产负债率。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的企业借贷额度评估方法的步骤。

本发明的有益效果是：

根据本发明提供的企业借贷额度评估方法、装置以及计算机可读存储介质，通过获取待评估企业近一年的销项发票信息；从销项发票信息中提取商品明细、发票金额以及待评估企业的企业名称；根据待评估企业的企业名称匹配所属行业分类；对商品明细进行商品分类汇总，根据不同商品分类下的总发票金额筛选出topn商品，topn商品的总发票金额超过待评估企业近一年的销项发票总金额的50％；n≥1；根据topn商品对应的商品明细匹配所属商品和服务分类；将行业分类与商品和服务分类作为输入，利用神经网络算法模型，输出最终细分行业分类，作为待评估企业的目标划分行业；基于待评估企业的目标划分行业、年纯利润以及负债比，确定借贷额度；有效控制了贷款风险。

附图说明

图1为本发明实施例一的企业借贷额度评估方法流程示意图；

图2为本发明实施例二的企业借贷额度评估装置结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面通过具体实施方式结合附图对本发明作进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例一：

本实施例提供一种企业借贷额度评估方法，请参见图1，主要包括如下步骤：

s101、获取待评估企业近一年的销项发票信息；

应当理解的是，待评估企业的销项发票，也即是待评估企业作为销售方的发票。

s102、从销项发票信息中提取商品明细、发票金额以及待评估企业的企业名称；

商品明细指的是发票中货物、应税劳务、服务名称所在栏、或项目名称所在栏。

s103、根据待评估企业的企业名称匹配所属行业分类；

可选的，从待评估企业的企业名称中提取具有行业属性的关键词，根据预先设定的企业名称关键词与所属行业分类之间的对应关系，确定与待评估企业的企业名称匹配的行业分类。

其中，提取企业名称中的关键词技术，可以首先通过筛选去除企业全称中的通用名词，从而提取得到能够表示企业行业属性的关键词。例如企业名称中通用名词一般包括地域名、公司名、行业属性以及公司类型，利用现有机器学习算法，对训练样本中的企业名称进行训练学习，得到企业名称中地域名、公司名、行业属性以及公司类型分别对应的字段信息，实现学习训练过程；进而利用完成训练的机器学习模型，输入待评估企业的企业名称，即可输出得到对应具有行业属性的字段信息；进而利用企业名称关键词与所属行业分类之间的对应关系，确定与待评估企业的企业名称匹配的行业分类。

例如，企业名称“重庆xx水处理有限公司”，利用机器学习模型，可以得到地域名为“重庆”、公司名为“xx”，行业属性为“水处理”，公司类型为“有限公司”，利用具有行业属性的字段的关键词“水处理”，匹配所属行业，确定对应的行业分类为“电力、热力、燃气及水生产和供应业”。

又或者，企业名称为xx制造有限公司，则通过提取行业属性的关键词“制造”，可初步判定所属行业分类为“制造业”；企业名称为xx商贸有限公司，则通过提取行业属性的关键词“商贸”，可初步判定所属行业分类为“批发和零售业”；若企业名称为xx物流有限公司，则通过提取行业属性的关键词“物流”，可初步判定所属行业分类为“交通运输、仓储和邮政业”。

本实施例中，与企业名称确定对应的行业分类，主要指的是行业门类，根据《国民经济行业分类》指出，行业门类主要包括“a农、林、牧、渔业”、“b采矿业”、“c制造业”、“d电力、热力、燃气及水生产和供应业”、“e建筑业”、“f批发和零售业”、“g交通运输、仓储和邮政业”、“h住宿和餐饮业”、“i信息传输、软件和信息技术服务业”、“j金融业”、“k房地产业”、“l租赁和商务服务业”、“m科学研究和技术服务业”、“n水利、环境和公共设施管理业”、“o居民服务、修理和其他服务业”、“p教育”、“q卫生和社会工作”、“r文化、体育和娱乐业”、“s公共管理、社会保障和社会组织”、“t国际组织”等20个门类。

其中企业名称关键词与所属行业分类之间的对应关系，可以依据足够多的样本支撑，预先构建关键词与所属行业分类之间的对应关系的对应关系，具体如下表1所示：

表1

或者，可以采用语义相似度算法，确定与之最接近的门类，作为其所属行业分类。例如，企业名称关键词“物流”，利用现有任意语义相似度算法，可以得知与其最相近的门类为“g交通运输、仓储和邮政业”，因为与其他门类相比，其与门类“g交通运输、仓储和邮政业”的“距离”最近，而与其他的门类的“距离”较远。

s104、对商品明细进行商品分类汇总，根据不同商品分类下的总发票金额筛选出topn商品，其中topn商品的总发票金额超过待评估企业近一年的销项发票总金额的50％；n≥1；

例如，待评估企业销项发票年度共计1000张，其中500张商品明细均为“产品1”，发票金额累计500万；另外300张商品明细为“产品2”，发票金额累计为100万；另外200张发票的商品明细均为“产品3”，发票金额累计200万；那么可得该待评估企业年度总发票金额为500+100+200＝800万。根据不同商品分类下的总发票金额筛选topn商品，即可得商品分类“产品1”累计发表金额为500万，占500/800*100％＝62.5％，超过年度销项发票总金额的50％，即筛选出top1即可。

s105、根据topn商品对应的商品明细匹配所属商品和服务分类；

如上示例所述，筛选出top1，得到“产品1”，然后基于最新的《发票新规商品分类》匹配所属商品和服务分类。本实施例中，可根据语义相似度算法对topn商品中的各商品匹配对应的商品和服务分类。例如，根据《发票新规商品分类》编码中“节”进行分类，取出“节”对应的中文名称。

s106、将行业分类与商品和服务分类作为输入，利用神经网络算法模型，输出最终细分行业分类，作为待评估企业的目标划分行业；

应当说明的是，神经网络算法其具体构建训练过程并不是本发明的重点，只要采用现有任意神经网络算法，用于将行业分类与商品和服务分类作为输入，输出最终细分行业分类，作为待评估企业的目标划分行业即可。

例如，将行业分类“制造业”和商品和服务分类“食品添加剂”作为模糊行业分类，与《国民经济行业分类》进行匹配，得到客户最终行业“1495食品及饲料添加剂制造”四级行业分类。

s107、基于待评估企业的目标划分行业、年纯利润以及负债比，确定借贷额度。

本实施例中，待评估企业的年纯利润可以通过企业利润表获取，而负债比可以通过企业资产负债表获取；然后根据待评估企业的目标划分行业、年纯利润以及负债比，确定借贷额度。可选的，按照如下公式计算：

其中q表示借贷额度，k表示目标划分行业对应的借贷系数，p表示待评估企业的年纯利润，d表示待评估企业的资产负债率。

本发明利用企业名称和主营产品和服务比较准确地得出最终四级行业分类，针对不同时期市场环境和政策条件的情况，灵活设置借贷系数k；例如相对良好的市场环境和相对宽松激励的政策条件下，金融机构可灵活借贷系数k相对较高，例如大于1，设置为1-5；当市场环境对该行业存在不利因素以及政策条件管控严苛的情况下，金融机构可将借贷系数k调低，例如小于1，设置为0.1-0.5；甚至设置为0。基于行业的准确认定，有助于借贷风险的科学评估把控，从而尽可能降低借贷风险，提高金融结构借贷收益率。

本发明提供的企业借贷额度评估方法，通过获取待评估企业近一年的销项发票信息；从销项发票信息中提取商品明细、发票金额以及待评估企业的企业名称；根据待评估企业的企业名称匹配所属行业分类；对商品明细进行商品分类汇总，根据不同商品分类下的总发票金额筛选出topn商品，topn商品的总发票金额超过待评估企业近一年的销项发票总金额的50％；n≥1；根据topn商品对应的商品明细匹配所属商品和服务分类；将行业分类与商品和服务分类作为输入，利用神经网络算法模型，输出最终细分行业分类，作为待评估企业的目标划分行业；基于待评估企业的目标划分行业、年纯利润以及负债比，确定借贷额度；有效控制了贷款风险。

实施例二：

本实施例在上述实施例一的基础上，提供一种企业借贷额度评估装置，用于实现上述实施例一中所述的企业借贷额度评估方法的步骤，请参见图2，该装置主要取模块21、处理模块22、神经网络处理模块23、借贷模块24，其中：

获取模块21用于获取待评估企业近一年的销项发票信息；

处理模块22终于从销项发票信息中提取商品明细、发票金额以及待评估企业的企业名称；根据待评估企业的企业名称匹配所属行业分类；对商品明细进行商品分类汇总，根据不同商品分类下的总发票金额筛选出topn商品，topn商品的总发票金额超过待评估企业近一年的销项发票总金额的50％；n≥1；根据topn商品对应的商品明细匹配所属商品和服务分类；将行业分类与商品和服务分类输入至神经网络处理模块23；

神经网络处理模块23用于输出最终细分行业分类，作为待评估企业的目标划分行业；

借贷模块24用于基于待评估企业的目标划分行业、年纯利润以及负债比，确定借贷额度。

具体的，处理模块22用于从所述待评估企业的企业名称中提取关键词，根据预先设定的企业名称关键词与所属行业分类之间的对应关系，确定与待评估企业的企业名称匹配的行业分类。

处理模块22用于根据语义相似度算法分别对topn商品中的各商品匹配对应的商品和服务分类。

借贷模块24用于按照如下公式计算借贷额度：

其中，q表示借贷额度，k表示目标划分行业对应的借贷系数，p表示待评估企业的年纯利润，d表示待评估企业的资产负债率。

具体过程请参见上述实施例一的记载，在此不再赘述。

实施例三：

本实施例在上述实施例一和/或实施例二的基础上，提供一种计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上所述的企业借贷额度评估方法的步骤。具体请参见上述实施例一和/或实施例二的记载，在此不再赘述。

显然，本领域的技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在计算机存储介质(rom/ram、磁碟、光盘)中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。所以，本发明不限制于任何特定的硬件和软件结合。

以上内容是结合具体的实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。