文摘

随着社会的持续改进的识别供应链金融和国内企业的发展,中国供应链金融服务市场的规模变得越来越大,和供应链金融服务的状态已经逐渐变得清晰。这种新兴的融资方法可以解决中小企业的融资困难问题。许多商业银行参与,但也有很多风险。代表工业一体化,商业银行如何管理风险,提高金融服务供应链是本文研究的重点。本文设计了一套基于机器学习的风险管理系统和列车类似的模型来验证消费者通过学习用户行为模式。系统实现了服务器端身份验证模块和智能终端保护模块和实现智能终端系统的实时保护的目的。该系统将适应市场上主流的Android和IOS,包括便携式终端设备和智能可穿戴设备。如果发现设备没有操作的用户,用户将提供相应的反馈结果,和一系列的自动保护设备锁定等操作和系统将提供报警。与此同时,我们提供两种模式的在线检测和离线检测。设备只需要有我们的云用户模型来验证用户在离线环境下确保系统可以运行在不同的环境。 The article solves the imbalance between user data and negative samples and most unlabeled user data and designs a set of management learning methods to ensure user certainty. By cooperating with enterprises, we can learn and analyze this set of data in our system. The results show that the accuracy rates of effective operation and user static data are 93.77% and 95.57%, respectively.

1。介绍

信息技术快速发展的时代已经到来。的出现和逐步发展大数据的概念,信息正逐渐取代传统媒体内容,哪个更适合市场,许多公司和其竞争对手也越来越多。持续和快速发展的金融市场,全球金融一体化趋势的发展和管理提出了更高的要求的商业银行。银行强调利用信息技术逐渐从传统企业转向电子和集中式数据管理和数据管理的决策。电子银行的发展逐渐取代了传统的银行服务,这已经成为大型商业银行之间的竞争的主要战场。处理大量的客户信息、账户和交易产生的商业银行网络无疑会增加数量的信息,如及时获得重要的信息和风险管理中扮演一个重要的角色在整个经济。如果发生事故,风险管理无法解决这个问题,和良好的风险管理应该是一个理论提前一步避免事故。随着大数据的时代,个人收集和使用信息的能力进一步提高,进行准确的分析和决策的基础上尽可能多的数据。近年来,商业银行高度重视银行风险管理。大型商业银行进行大数据挖掘现有数据增加客户和银行收入分析,监控,并提醒客户信用行为异常降低信贷风险。

商业银行信息不对称的问题对商业银行的发展产生重大影响的供应链金融服务,其中最重要的是提高信贷风险的可能性。然而,在发放贷款的过程中融资,银行将不可避免地包括客户群体调查。在此期间,一旦出现信息不对称,信用风险的可能性将显著增加。

通过整合和调整商品银行的数据存储结构,建立一个风险管理业务数据集市,分析历史业务数据,将数据集市划分为多个业务部门,并使用数据挖掘、商业银行提供技术上可靠的数据管理和考虑贷款收入。风险监测和预警可以我详细的客户账户信息,关联方信息,资金,和其他信息流动,计算客户活动的潜在风险,并提供一个可审计的监控银行的风险动态的方法。之前关注的信息集成、期间和之后银行的信用扩张,分析贷款客户的历史数据,有效地整合了信息共享的银行之前,和过滤器和分析数据,使用技术交流的方法来评估贷款客户的信用风险,并为客户提供领先的思想贷款发行和银行贷款的批准。通过数据挖掘技术,能找到相似的坏客户,和评价可以更有效地评估贷款客户,管理客户的整体风险,更有效地提供信贷。

2。相关工作

在风险控制和审计领域,国内外专家的研究也有很多。塔亚尼F的研究旨在提出一个公共和私营机构参与决策支持方法增强公共财产。特别是,对废弃的公共属性的情况下可以被出售,和功能范围确定最好的使用,开发模型允许评估这些措施的财务可行性在相应的投资风险1]。Hosack GR开发了一个实用方法的先验推导获得贝叶斯参数和模型结构的广义线性模型。主观概率分布的预测推导用于评估风险控制的有效性选项(有数)在减少澳大利亚领海和船舶碰撞的风险在专属经济区(2]。煤矿职业安全与健康管理和风险控制技术和相关软件开发的周LJ可以有效地规范和支持煤矿职业安全与健康管理,也可以科学、有效地控制事故风险。它的有效实施可以进一步提高煤矿职业安全与健康管理机制和进一步改善风险管理方法3]。点ascini认为私有化的治理风险控制提出了艰巨的挑战之间找到一个适当的平衡公共目标和私人利益的参与。排除或边缘化最弱势群体,私有化的风险控制并不总是实现机会平等追求的社会投资政策(4]。赵B评估关键安全及随时间变化之间的联系。进一步分析系统风险共同影响下的变化趋势和演示了如何组织的功能应该与不同级别的同步自动化转换(5]。杜J提出了一种多级阈值公共品博弈模型,介绍了保险补偿机制,讨论风险控制和研究全球合作的进化。发现高风险和高阈值有利于全球合作(6]。虽然这些研究相对全面,但不够深入,和公众的接受率普遍较低。

3所示。在信息技术环境中发展的风险控制系统

3.1。数据仓库技术

数据仓库是缩写为DW或DWH。数据仓库是不同于一个数据库。这主要表现在,它是一家集multi-distributed数据库中的数据。有意引入冗余,采用anti-paradigm设计方法使数据仓库不是一个传统意义上的数据库产品,但数据收集平台。它的意思是组织和管理多个数据,另外我的数据资源,并使用综合分析工具为管理决策提供依据(7]。到目前为止,没有绝对的定义,数据仓库,和专家在书中给出的定义是公认的:数据仓库是好帮手,集成的、非易失性,数据收集反映时间变化,和它使用的决策支持。数据仓库是一种组织用于存储和管理信息和数据。其物理性质仍然是一个计算机数据存储系统。然而,由于使用的目的是不同的,需要存储的数据的数量和质量进行比较。数据仓库功能如图1(8]。

3.2。系统业务架构设计

根据用户需求分析,系统架构通常由一个支持层、业务层和一层管理:支持层,它包括一个系统管理子系统和管理子系统的接口。从业务层面上,它包括客户管理子系统和信用评级子系统、信贷管理系统、贷款管理子系统、贷后管理子系统、非资产管理子系统执行,信贷额度管理和预警子系统在整个过程。从管理的角度来看,它包括一个报表查询子系统、决策分析子系统和拍监督子系统。系统的业务架构图所示2(9]。

系统架构采用MVC设计模式,把输入、处理和输出的系统。使用MVC应用程序分为三个核心组件:模型(M),视图(V)和控制器(C)。他们各自处理自己的任务。系统中的模块是松散耦合的。每个模块之间的交互是通过定义的接口访问。一个模块不允许直接访问另一个模块所涉及的数据库表。这个数字是用户看到并与之交互的界面。为Web应用程序,所以观众接口包含HTML元素。在当今的Web应用程序中,HTML仍然起着重要的作用,但是随之而来出现了一些新技术,包括Adobe Flash,和一些标记语言,以及XHTML、XML / XSL, WML和其他Web服务,很难处理应用程序接口问题。MVC的最大好处之一是,它可以为应用程序处理许多不同的观点。事实上,没有真正的视觉处理,即使数据存储在线或雇员名单,看来只能作为一种输出数据并允许用户操纵它(10]。

3.3。系统功能设计

因为银行信用风险控制系统涉及范围广泛的外部系统,许多输入数据,复杂的功能,和严格的过程,是不现实的描述所有的函数和过程一个一分之一。本文使用信用评级作为一个典型的功能。进行重点分析,其他功能的设计与实现可以推断能力,等等。在这里,我们以信用评级为例来说明它的功能设计。在分析其主要业务流程,业务流程的细节可以进一步加深,如图3(11]。

经过深入分析业务流程的信用评级,主要的功能模块结构可以概括,如图4。

3.4。数据集市建设指标

风险预测必须首先确定评价的对象。获取数据通过风险指标的一个重要方法。风险评估模型是一个组合的风险指标。一个风险指标解释了一个风险点。这些指标可以合并,因为不同的风险评估模型为不同的管理目标灵活。风险指标表明数据挖掘中的风险点的描述。风险指标应该从不同的角度分类。个人银行为例分析了施工过程的风险指标(12]。

“5 c””评价标准为例样本和提取数据。从“5 c””评估标准,可以看出,应该考虑以下五个方面:财务实力、资质、操作条件或业务周期,字符和声望,和分析借款人的信用状况。抽样数据应包括五个方面的信息。然而,在实际操作中,并不是所有的数据项可以作为因素分析借款人的信用。它必须结合专家评价方法来确定风险指标体系对收集到的数据。

“5 c”方法用于分析借款人的信用状况五个方面:性格,能力,资本现金担保和条件。

通过综合考虑评估贷款人的信用,应考虑以下四个因素:借款人的专业情况,业务与银行打交道,家庭状况,借款人的自然情况(13]。每一个因素可以包括以下因素。

家庭情况:家庭月人均收入和债务收入比。

职业状态:公司性质、标题、位置、工作年限、月收入。

业务与银行打交道:账户、商业交易、存款和贷款。

自然条件:性别、教育水平、年龄、婚姻、健康状况和住房性质。

风险控制制度的外部数据来自银行的数据仓库,它提供了银行的历史业务数据,其中大部分是标准化的结构数据,而数据的风险控制系统来自风险数据集市。个人信用信息系统主要包括“个人基本信息表”(姓名、身份证号码、性别、教育背景、居住地址、婚姻状况、职业、地位、职位、工作多年的单位,行业,年收入,通讯电话,等)和“个人信用信息的形式。“收集的字段根据风险指标如表所示1(14]。

25日收集的因素中,有些是不适合作为一般信用评分模型的数据,应重新调整。例如,收入的主要来源,联系地址,联系电话应删除。

数据清洗的质量保证包括准确性、一致性、完整性、数据的完整性和有效性。数据上传的数据市场必须确保实现上述功能。表2就是一个例子,某些类型的数据源错误。数据清理必须首先完成数据的完整性,然后执行一致性检查和精度检查当数据完成,最后填写缺失的数据,拼接分割错误的数据,等等。数据预处理过程如图5(15]。

在数据预处理的过程中,所需的缺失数据计算风险控制系统将辅以手工Excel上传。手工数据补充记录将通过浏览器操作,同时,设置等功能,上传,验证、审查,并下载补充数据将会实现。

银行面临的各种风险在日常业务活动中,这些风险不是孤立和不相关,但相互影响和互连。因此,商业银行必须进行多维管理他们面临的风险。多维风险管理整合银行所面临的风险从多个角度和银行风险的预防和控制提供了技术支持。信用风险多维分析进行统计,分析和挖掘的中间表数据加载在指标库中发现的潜在风险的贷款客户。分析主题将首先确定,然后,该模型将基于分析设计的主题。

CreditRisk模型+

模型并不能使假设缺陷的原因,但这是一个随机事件在默认情况下,人们无法预测时间和数量的缺陷。如果每笔贷款的违约规模很小,每笔贷款的违约是相互独立的,可以验证,违约事件的数量组合遵循泊松分布,如下:

投资组合的概率生成函数如下:

它可以推断的概率损失是问如下:

3.5。原始数据处理

我们主要使用重力传感器的数据处理所收集的原始数据收集系统。主要工作是数据校准和运动状态识别。在日常生活中,用户可能会花大部分的时间使用的手机不是而是习惯性的扔在桌子上。因此,这部分的数据不能被用作学习用户的行为习惯。数据的原因部分将简要描述:当微信,其他应用程序信息,用户没有拿起电话,但手机屏幕自动点亮,此时应用程序在加载阶段,因此本文的工作将在3 s收集传感器数据。可以有一个明确的分界线定义重力传感器数据的特点,这部分的智能终端放置在平面上和重力传感器数据用户在正常使用的状态:

我们使用加速度传感器和重力传感器之间的差异来分析用户的运动状态。由于用户是否在运动加速度,用户直接相关,与加速度传感器值由用户智能终端是合成的加速度和重力加速度,所以不同之处在于用户的绝对加速度,(7)定义了绝对加速度。

模型使用运动传感器数据来区分用户特征。然而,这部分数据是一组数据按时间序列,和传统分类算法不能直接用来计算这组数据。表3显示了三秒内收集的数据收集服务用户。这部分的数据是离散的时间序列数据,并不能反映用户的操作习惯在这个时期。因此,在本研究工作从原始数据中提取的一系列特征值来描述用户的运动习惯。

首先,我们0.2原始数据分割成扇形段,以便有10个传感器数据每0.2 s,我们提取0.2 s行为特征基于这些10传感器数据。在以下,这组数据的特性被描述为一个向量p特征值。其中,下标我代表第i组向量:

我们采用50%的滑动窗口,选择了一个平衡的计算量和准确性之间的规模:

表4描述了这些值的平均平均和标准偏差性病。可以看出,平均半径远小于平均欧氏距离集群中心。因此,我们认为,可以使用用户的运动传感器数据作为用户身份验证的用户的电子指纹。

我们的系统使用这些统计特性描述表4和56提取特征值通过以上滑动窗口方法:

平均值:

最大值:

标准偏差:

最低:

平均的区别:

过零率:

偏态的均方根值:

峰态:

平均欧氏距离:

样本的模型存储在云中如图6。预处理操作,每次收集的数据将被分为静态和运动状态。然后,这次的数据将存储在相应的位置以单个文件的形式,包含一个三元组(时间戳、运动状态和文件绝对路径)来描述它。

4所示。金融风险控制和审计

为了方便计算结果,相应地调整指标得分,总。权重如下:交易资产评估(13%)、核心企业实力评估(25%)、供应链操作状态(30%),和金融公司评价(32%)。此外,供应链金融事务中强调风险管理的过程,所以它是焦点。在设计表单时,第一个核心业务检查的力量,它的力量是理解,理解供应链的操作,并检查事务属性。第二个是中小企业的评价。四维加起来100分,如表所示5(16]。

信用评级表所示6。

案例分析以上游供应商S公司为例,银行和K和S公司常规业务事务,处理目前的贷款,银行收据、汇票、证券,折扣,和其他信贷服务和液体的贷款。到目前为止,银行在收集积累了超过4000万元的费用,它有一个良好的信用历史。图7展示了公司的主要财务指标从2018年到2019年。

年代集团是国家授权的投资机构和国有企业。它是一个全面的石油公司,实现了整合上游,中游,下游的生产和销售,跨境和跨行业业务。Z石油集团拥有强大的动力,强大的综合能源、高信誉,和全面的能源评级的11分。在过去的五年中,整个国内石油行业一直操作相对强劲,大多数产品的产出增加的速度每年1°。由于消费者需求的增长缓慢,成品油消费的增长率最初低于预期。2015年,全国原油处理成交近4.679亿吨,同比增长3.73%。2016年,国内原油产量近2.0825亿吨,同比增长1.7%。原油处理成交近443.98亿吨,增长6.9%在过去的时期,和业界赞赏。是9点水平。外部担保率不超过50%,不存在合同纠纷和诉讼,影响公司的声誉,并有3点或有债务。

80%的S公司的应收账款管理和账期短,他们都可以在一年内恢复。1点计算的计费周期和老化。公司基本上没有回购职位,返回记录是有2点,银行的累积债务比率小于1%,有2点,和总交易资产估值是10分17]。

S公司的产品广泛应用于能源领域。能源工业是一个国家的产业与相对较高的增长率。公司政府支持中小企业的发展和实现优先政策,如税收减免和贷款利息减免。Z石油集团已与S公司多年合作18]。合作的方式是为第二年签署合作协议,每年年底,包括费用,包装条件下,采用程序,结算程序和期限,违约责任和争议解决程序。Z石油集团使用ERP系统与供应商下订单在这个月的开始,提供信息,如每月所需的产品数量和交货日期。公司安排相关产品根据订单的内容,把产品和发票石油集团指定的交货地点,并准备接收货物。持续时间是120天。因此,在供应链的评价指数K年代,商业银行,长度是7分的关系,关系强度是11点,和过去的表现是3点。第三方物流公司在业界的地位不高,但仓库管理相对标准化,和一个相对完整的数据库得到5分。所有的项目都取得了S公司的位置,总分86。它是a级公司值得商业银行的信用和声誉。所有参与公司供应链的相互依赖为信用风险提供资金,和信贷供应链计划必须解决所有的信用风险水平,但实际上,每个级别只能提高这方面的信贷风险管理标准的水平。信用事件的上游和下游企业可能损害了这些公司的利益(19]。

不良贷款比率从2014年到2020年仍处于相对低的水平,这是2016年的0.03%。2016年之后,继续承受风险能力,管理和管理银行K在下行市场,和贷款利率没有显示出向上的趋势。仅在2017年,不良贷款7.45亿元,不良贷款比率为1.8%。这也是第一次K商业银行不良贷款总额。在2013年底,不良贷款余额6.49亿元,不良贷款比率为1.03%。不良贷款比率在2019年和2020年分别为0.88%和1.15%,分别为(20.]。虽然两人都低于城市商业银行的不良贷款比率为1.37%,他们仍在相对较高的水平,新建和迅速发展的商业银行。可以看出,在我们的城市中,K以来商业银行不良贷款比率有所上升,主要是由于银行信用风险信息管理和信息披露问题。从图8,我们可以看到目前供应链金融风险的趋势(21]。

融资公司目前提供了K pre-loan评价材料商业银行贷款。因为利率是平的,贷款对借款人风险在不同的情况下,不公平和低风险的贷款不会得到更高的回报。一旦银行贷款,贷款人可以给银行带来道德风险,因为银行可以为公司提供虚假的业务信息保持更高的利率,商业银行将无法获得准确的业务信息,也不能准确评估业务操作。

发展供应链金融业务时,四方需要一起工作(22]。基本的业务开发流程如图9。

总之,该公司获得更多的信贷资金从K商业银行在使用对冲。考虑到边际支出,该公司的实际资本使用也大于传统的融资业务。最后,有效的引入套期保值避免大宗商品价格波动造成的市场风险,保证K商业银行的信用保护,并实现市场风险管理。

5。讨论

本文是基于银行供应链金融业务的发展,通过文献研究、比较分析、案例分析、定性和定量分析,以及其他方法,包括供应链管理理论和全面风险管理理论。K的发展现状结合商业银行供应链金融业务和风险三种典型情况下的K商业银行,它检查代理的主要理论,介绍了金融供给链风险分析原则,迅速分析风险选择的基础,供应链金融的信用评级。在后续的研究中,供应链金融风险管理进行了研究,并结合供应链的理论后果风险,它提供了一种方法改善金融供应链风险管理的水平,和取得的研究成果如下23]。

K商业银行推出了应收账款融资模式对供应链上游的金融公司。目前,风险管理的业务背景下这个模型是不完整的,也有严重的问题在处理核心业务的信用风险,无效的规则和法规的实施,和足够的激励和约束机制。因此,有必要加强应收账款的审计的有效性,防止中小企业转移账户,办好中国石油天然气集团公司的支付管理的主要业务,并建立应收帐款莱杰财务管理信息,并使用科技手段加强应收账款融资的响应和管理,建立一个预警机制为客户融资风险,建立一个特殊的应收账款财务管理部门,培养专业人才,并有效地解决问题。

在这个阶段,K商业银行创建了一个综合仓库管理供应链融资模式下的金融公司。这种融资模式的风险管理不符合银行的信息技术和风险管理系统,和专业从业人员的质量需要改善。进步的措施包括提高内部控制,选择第三方物流具有良好的信用评级,设置一个合理的承诺,确定资金的来源和使用未来的资源套期保值功能正确的市场风险。金融公司的上游和下游供应链连接,K商业银行推出了一个库存的承诺投资模式。这种融资模式的风险管理是第三方物流企业的参与增加了金融风险和转移风险。银行和企业之间有dual-negative影响。它可以管理的金融操作风险管理的整个供应链和采用的方法设置一个合理的回报率和提供财政资源,以避免市场风险。与此同时,我们必须注意市场风险的管理和管理未来的保证金账户。最后,避免风险和持续改进的目的。

风险管理系统的主要执行以下功能:1。实现风险预测在借款之前,预测潜在的贷款违约风险的贷款客户,并提供银行信贷和信贷审批人员初步判断;2。实现贷后风险监测和预警,挖掘贷款客户的帐户信息,关联方信息,资本流动,和其他信息,动态监控贷款客户、银行和提供服务来检测和及时规避风险;3所示。考虑到聚合信息之前、期间和之后,银行授信,整合之前划分信息,并分析和预测贷款客户的信用风险;和4。加强银行的信贷管理和风险控制能力。通过数据挖掘,贷款调查周期减少,模型用于分析数据,提高银行风险监控的远景(24]。

系统目前操作稳定。从系统获得的报告数据显示层符合银行的数据推动的前端系统。根据银行业务的需求,不断开发新的报告和定期报告数据库服务银行提供可视化查询和分析功能,并定期将凝固的报告每个风险控制项目的需求。

6。结论

在这篇文章中,介绍了风险控制制度。基于机器学习的方法提供了两种模式的离线用户授权和身份验证和在线用户授权和身份验证。通过用户传感器模型的学习,我们已经训练一个模型为用户使用智能终端,用于描述用户使用设备的具体方式。不同于以前的相关研究,我们没有具体要求在用户的运动状态和设备的位置和用户可以训练自己的无意识的用户模型。此外,理想的工作在这篇文章中提供的验证方式允许用户为用户提供连续验证当网络断开连接或网络环境很差,保护用户的智能终端随时随地。通过数据研究大规模的用户,我们的系统采用分层抽样和semi-supervised学习的方法来解决出现的问题,在实际应用环境中,如不平衡数据集和无标号数据。这组学习机制使本研究的工作执行的用户标识和身份验证通过收集的数据从企业的供应商。由于时间和能力有限,本文有许多缺点,它需要持续的研究和分析。本文的研究主要是基于K商业银行,从供应链金融业务模型,主要考虑的问题商业银行K供应链金融风险管理,以便在下一步中,我们可以继续研究如何使用银行融资来提高公司业绩从K的角度来看商业银行加速公司的资本运营,因此,公司可以得到更多的好处。它也可以开始学习逐步合并从资本层面的问题。 The content of capital finance and logistics can be further discussed. As the core enterprises of the supply chain, K Commercial Bank andZ石油集团自然业务优势,其他商业银行在不能匹配。使用中石油的大数据平台和行业财务信息进一步扩大供应链,商业金融的关键方面,需要考虑下一步如何K商业银行供应链金融管理风险。我们采取的是一种新的小额贷款数据+互联网技术创新道路。不管它是否互联网或数据,都可以抓住信息,不是资产;阿里的风险控制方法,是准确的判断和正确决策的风险和损失控制在可接受的比例。这不是赔偿后,可以获得一定的商业决策失败。这种方法评估信贷企业基于互联网和过去的交易数据可能是未来的发展方向,以及未来的方向改进和完善我们的系统。

数据可用性

没有数据被用来支持本研究。

的利益冲突

作者宣称没有利益冲突有关这篇文章的出版。

确认

这项工作得到了广东省教育科学规划项目:“时空分异研究产业集聚技术创新和环境污染脱钩的商路Kong-Macao大湾区”(2019 gxjk068)。