登录 注册 | 服务热线:400 886 1266 | ENGLISH | 
 
|
新闻

基于大数据的企业风险防范预警路径探究

作者:龙信数据  发布时间:2017-8-18 10:39:01  点击数:2835


文章来源:

《中国市场监管研究》(该杂志由国家工商行政管理总局主管,中国市场监督管理学会主办

文章作者:

“企业风险防范预警管理有关问题研究”课题组:由北京市工商局企业信用建设与管理处和龙信政服(北京)有限公司共同组建


为提高市场监管效能,本文以大数据应用视角研究企业风险防范预警的实现路径,探索对企业风险进行科学识别、分析、评估、预警,并进行分级分类监管,辅助工商部门实现市场监管模式从被动监管转向主动监管,粗放式监管转向精准监管,部门监管转向社会共治,着力营造宽松平等的准入环境、公平竞争的市场环境、安全放心的消费环境。


企业风险评价路径探索


大数据挖掘方法可利用海量样本与变量信息,训练出一套判别规则,根据规则对市场中企业的各类风险概率进行度量,并结合企业规模,潜在影响力等方面因素,对企业的风险类别进行综合评价。企业的风险判别通常分为风险特征规则建立、数据采集整合、风险特征分析识别和风险综合评估四个步骤。




企业风险判别流程图

1、风险特征规则:包括根据监管工作经验总结风险规则和数据规律特征。主要根据自身业务选定监管对象和监管事项,梳理监管事项的违法行为特征;可根据执法经验明确若干风险特征中,哪些特征一旦出现就可确定企业从事违法行为;哪些特征出现,表明企业有可能从事违法行为,需要关注。


从工商部门市场监管事项视角来看企业风险可以划分为企业资格监管风险、企业行为监管风险和市场客体监管风险三大类。(1)企业资格监管风险就是企业违反准入和退出监管规定的风险,以及违反证照监管规定的风险;(2)企业行为监管风险:企业在追求利益的过程中,为了实现自身利益的最大化,获得超额利润,会做出很多危害社会公共利益的不道德行为。从工商监管的视角,企业的行为风险主要包括对竞争行为风险、交易行为风险、合同违法行为风险、广告违法风险、商标违法风险、侵害消费者权益行为风险和其他违法行为风险;(3)市场客体监管风险指企业违反有关产品质量相关法律法规所造成的监管风险。


2、数据采集整合:需要根据风险特征规则广泛搜集包括“全国一张网”、银行、行业协会、互联网等各数据源的涉企信息;同时,借助大数据技术,基于确定的企业关联维度,如投资关系、人事关系、担保关系、集团关系、技术关系等,对已整合的企业数据进行关系数据映射、数据清洗和文本数据挖掘等。


3、风险特征分析识别:主要有两种方式,一种是利用已知信息的关联比对学习,另一种是基于大量数据的异常点探测。前者通过对已知高风险企业和正常企业进行比对,寻找高风险企业不同于正常企业的风险特征点;后者则在大量数据的基础上,发现显著不同于其他企业的异常信息点。


4、风险综合评估:从损失期望角度考虑,综合考虑企业各类风险的风险概率与损害程度两个方面信息,利用乘法模型对企业风险进行综合评价,为进一步对企业进行精准管理提供依据。同时从宏观层面,亦可对不同区域、不同行业的企业风险进行汇总,进而对某地区、某行业中存在的某类风险进行分析。


企业风险(E)=风险概率(P)×损害程度(X)


由于不同的风险点特征各异,度量各风险点的自变量也有所区别。自变量分为通用自变量与特殊自变量。通用自变量涵盖所有企业均拥有的信息,是刻画各类风险点都必不可少的部分。特殊自变量指对某一类风险的独有特征进行刻画的自变量。最终判断各类风险的模型中,自变量将由通用自变量与特殊自变量共同组成并进行建模。


企业风险预警机制


要保障企业风险监管工作有序开展,并切实取得工作实效,需要建立企业风险的分级分类标准以及合理的预警机制。企业风险分级标准可借鉴国际评分体系,根据企业风险综合评分的分值划分。如美国的FICO信用评分模型,基于不同风险评分将风险等级分为四个等级:680-850分的为风险最高等级,620-680分之间的为风险中高等级,450-620分之间的为风险中等级别, 300-450的为低风险级别。针对高风险、中高风险情形制定合理的风险预警启动机制,包括启动条件、启动程序、响应措施和响应终止等方面。


风险监测预警应用实例


以类金融企业非法集资风险为例,从风险特征规则建立、数据采集整合、风险特征分析识别和风险综合评估四个步骤对企业风险进行综合预测判断,并对高风险企业进行预警提示。通过企业非法集资风险识别过程说明基于大数据的企业风险预警实现过程。


(1)建立非法集资行为风险特征规则


非法集资行为风险特征的建立一方面整理了非法集资相关的政府文件及文献,对提及的风险特征进行了整理归纳。如《最高人民法院关于审理非法集资刑事案件具体应用法律若干问题的解释》(法释〔2010〕18号)中认定,非法集资指违反国家金融管理法律规定,向社会公众(包括单位和个人)吸收资金的行为,其犯罪要件包括:未经有关部门依法批准或者借用合法经营的形式吸收资金;通过媒体、推介会、传单、手机短信等途径向社会公开宣传;承诺在一定期限内以货币、实物、股权等方式还本付息或者给付回报;向社会公众即社会不特定对象吸收资金。另外一方面根据北京市金融局提供的查处非法集资行为企业进行了数据分析,发现这些违法企业的行为特征,如这些企业普遍存在虚假宣传、虚增注册资本、大量招聘与经营范围不符合的理财产品推销人员等行为等。综合这两方面的工作构建了一套非法集资行为风险特征规则。


(2)利用大数据整合目标企业全景信息


依据非法集资风险特征,整理能够体现风险因素的相关数据,包括工商数据(工商登记基本信息、变更信息、投诉举报信息、案件信息)、族谱信息、其他行政部门数据(经营许可、资质认证、体系认证、产品认证、荣获奖项、欠税信息)、企业经营信息(产品信息、项目信息、资金募集信息、推广宣传信息、招聘信息)、知识产权(专利信息、商标信息、网站信息、软件著作权、作品著作权)、司法信息(法院诉讼、失信人)、网络舆情信息(新闻报道、论坛、微博、微信、行业垂直网站评价)等,构建完整“企业全景画像”,将企业信息360度全方位展现出来,并为模型构建提供数据支撑。


(3)风险特征分析识别


根据类金融企业的非法集资风险特征,搭建风险评价指标体系,并进行非法集资风险分析挖掘。非法集资风险评价指标体系包含企业基本信息(企业身份信息、企业资格信息)、生产行为信息(生产行为信息、经营行为信息)、行为反馈信息(消费维权信息、行政处罚信息、网络舆情信息)。


(4)构建企业风险综合评估模型


从企业群体风险、法规遵从、经营行为、族群关系、负面舆情五个角度,构建企业的多维风险评估模型,对企业进行综合风险评价。


群体风险:企业身份信息能够体现企业对自身经营的定位,一定程度反映企业的经营倾向性。基于企业基本信息,如从事行业类型,经营范围涉及领域,特许经营活动等分析,挖掘该企业是否从事非法集资的潜在可能,根据这些特征及时锁定潜在监管对象,进行重点监管。


法规遵从:企业违法行为记录是企业在经营过程中违法相关法律法规的查处记录,是企业非诚信经营的表现之一。基于企业涉诉、涉案、欠税等法规相关数据的研究,挖掘企业从事非法行为的思维一贯性特点,筛选重点非法集资高危企业对象。


经营行为:基于企业日常经营行为的数据研究,发现涉及非法集资企业的异常经营行为风险点,如大量招聘与合法业务明显不匹配的人员,发布与法律法规相悖的宣传广告等,从企业经营的点点滴滴中挖掘违法的蛛丝马迹。


族群关系:基于企业族群复杂网络的研究可以帮助包括工商局在内的市场监管部门快速定位企业图谱中的核心节点(即企业集团的关键企业和关键自然人),同时也有助于及时发现隐藏的高危族群。


负面舆情:互联网海量信息承载了大量社会公众、新闻媒体对企业的监督结果信息,基于企业网络信息的采集监控,及时发现涉嫌非法集资的负面信息,提前发现涉嫌非法集资的高危企业,并做出预警提示。


(5)企业综合风险分级分类


最终企业非法集资风险参考FICO信用评分模型,将风险等级分为四个等级。依托非法集资企业风险评估模型,我们从北京市17万类金融企业中筛查出2000家高风险及中高风险企业进行预警,工商部门根据高风险企业名单启动风险处置机制,联合北京市金融局等相关部门发起非法集资企业定向抽查任务,大大缩小抽查范围。对涉嫌非法集资的企业精准定位,不仅大大节约了工商部门的人力物力,也提高了打击非法集资的工作效率和执行的针对性。




 
分享到:
查看更多行业成功案例及解决方案