1、构建企业信用风险监测预警体系情况介绍建设背景、目标和任务第一章逻辑、模型和机制第三章目 录Contents应用场景和成效第四章1建设背景、目标和任务一、建设背景、目标和任务深化“放管服”改革，加强事中事后监管的迫切要求运用大数据互联网技术，构建企业信用风险检测预警体系发挥信用监管在新型监管机制中的基础性作用改革要求 机制呼唤实践创新一、背景、目标和任务：工作目标u 形成“通用+专业”的融合风险监测预警机制，与“双随机、一公开”监管有机结合，实现日常监管领域根据不同信用风险水平进行差异化监管；建立系统、平台、监管一体化机制，形成企业信用分类监管体系，实现企业信用监管模式的全面创新。3.信用监管模
2、式创新u企业信用风险监测预警系统与“互联网+监管”平台的深度融合，对不同信用风险水平企业自动匹配关联监管任务，实现智能差异化监管。2.互联网+监管平台1.预警监测系统u 利用大数据、机器学习等现代技术手段，构建通用的企业信用风险监测预警模型，对市场主体全生命周期中可能发生的信用风险进行识别。一、背景、目标和任务：具体任务1.构建企业信用风险分类管理指标体系；2.加大企业信用风险分类管理数据归集力度；4.建立信用风险分类监管机制。3.利用信息化手段进行自动分类与监测预警；一、背景、目标和任务：建设目标企业信用风险监测预警系统基础信用治理体系资本能力质量能力市场表现五项基本属性专业接口专业叠加通用
3、+专业信用风险报告分类监管机制风险监测标准信用生态闭环四大领域应用企业信用风险监测预警体系“1+5+2+4”2逻辑、模型和机制二、逻辑、模型和机制：理论基础 信用是，最初出现在商业交易活动中；20世纪初作为经济学术语由日本被引入中国；从社会关系到道德律令等领域，信用的概念内涵不断融合扩展，逐渐成为了一个，并逐步分化为和等类别。信用目前没有统一定义，在不同学科领域、不同行业领域、不同社会经济层面具有不同的解释。二、逻辑、模型和机制：理论基础 企业信用风险 是指在以信用关系为纽带的交易过程中，交易一方不具备履约能力或没有履行承诺的意愿给另一方造成损失的可能性。（企业风险管理理论、信用风险管理理论、
4、李念斋信用学）企业信用风险判定逻辑 企业信用包括 静态结构 和 动态行为 两种属性，在企业全生命周期中，两种属性特征的变化导致企业之间 信任关系发生改变，从而给企业带来承担 损失的可能性。二、逻辑、模型和机制：技术演进1.02019年8月，完成企业信用风险模型1.0u 指标体系：企业财务数据为主u 建模方法：机器学习u 应用场景：“双随机、一公开”监管 指标体系的理论性不强理论支撑 信用信息利用率不高信息利用 机器学习与专家法融合欠缺技术实现二、逻辑、模型和机制：指标体系“橄榄模型”企业信用风险监测预警指标体系包括“基础信用、治理体系、资本能力、质量能力、市场表现”，其中基础信用和治理体系属于
5、信用静态结构属性，企业资本能力、质量能力和市场表现属于信用动态行为属性。包括5个1级指标，16个2级指标，49个3级指标，86个风险观测点，并对每一个指标的定义和内涵进行了规范解释。二、逻辑、模型和机制：“基础信用”指标基础信用：基于企业的 经营方式、管理水平、社会责任 等要素构建起来的企业信用形象，是企业在遵纪守法、金融财税、公用事业等方面建设水平的整体呈现，企业基础信用既是企业信用管理的出发点也是信用建设的目标方向。一级指标二级指标三级指标基础信用合法经营行政许可公共事业司法行政信用管理告知承诺红名单信息黑名单信息信用分级其他征信社会责任依法纳税社会保障二、逻辑、模型和机制：“治理体系”指
6、标治理体系：通过一整套包括 正式或非正式、内部的、外部的制度 来协调公司与所有者之间（股东、债权人、法人等）的利益关系，以保证公司决策的科学性、有效性，最大限度降低企业信用发生风险的概率。一级指标二级指标三级指标治理体系照面信息行业类型企业年限出资信息法定代表人企业规模从业人员营业收入资产总额治理信息变更信息企业注册相关信息关联关系股东征信担保风险关联企业赊销赊购信息信息披露年报披露财务公示破产信息二、逻辑、模型和机制：“资本能力”指标资本能力：是企业基于对自身 财务健康状况 和 经营保障能力 的科学判断，通过 有效调配要素、赚取合理利润、提升发展潜力，帮助企业在经济周期和经济环境中最大限度降
7、低由于造成的损失可能性的能力。一级指标二级指标三级指标资本能力偿债能力资产负债率速动比率营运能力应收账款周转率流动资产周转率总资产周转率盈利能力净资产收益率总资产报酬率发展能力资产增长率股东权益增长率净利润增长率二、逻辑、模型和机制：“质量能力”指标质量能力：是基于全面质量管理的理论和方法、从企业运营管理的核心要素入手，从 人流、物流、技术流、信息流 的整合协同的视角，识别并评估企业技术创新能力，最终反馈在企业质量和产品（服务）质量效能的提升。一级指标二级指标三级指标质量能力质量管理质量基础品牌信息质量信息化质量安全技术创新标准采纳研发投入人员素质研发产出二、逻辑、模型和机制：“市场表现”指标
8、市场表现：通过扩张销售规模、降低成本、快速响应质量投诉和质量事故处理速度、不断增强市场竞争应变能力、持续提升售后服务和市场满意度，促进企业成长，进而不断提升企业信用水平。一级指标二级指标三级指标市场表现市场开拓市场占有率销售增长率市场应变价格信息投诉举报售后服务市场满意度二、逻辑、模型和机制：指标数据采集和挖掘3公共数据挖掘价格欺诈、消费投诉等指标信息 来源于基于互联网的公开数据挖掘分析2第三方平台采集企业生产经营活动信息，含税务信息、司法涉诉信息、专利著作信息、社会保障信息、黑名单信息、价格违法、消费投诉等 来源于企业信息查询网站、上市公司/挂牌公司年报信息、天眼查、企业环评报告等第三方信息
9、服务平台1政府部门归集监管行为信息、“双随机一公开”信息、行政检查行业信息、行政处罚行为信息等来源于国家政府服务平台、市场监督部门行政处罚信息公示系统等政府系统平台二、逻辑、模型和机制：数据治理1.定标准2.整数据3.管资源4.通服务5.建应用数据治理1.定标准：建立资源汇聚、服务、代码字典等标准，解决 数据标准规范化 问题。将不同来源数据汇总，制定数据分析和清洗标准，对数据进行质量分析，清洗掉无用数据，加入企业唯一标识等。将归集到的数据，经过数据治理，生成可以直接使用的标准数据，纳入模型指标构建流程。2.整数据：对数据进行汇聚、清洗、整合、质量分析等，解决 数据质量 和 数据关联性 等问题。
10、3.管资源：管理数据、服务、安全、监控等解决 海量资源、服务管控 问题。5.建应用：建设大数据应用，解决基层 实际应用问题，提升数据治理价值。4.通服务：建设服务目录及服务通道，解决 数据共享 问题。二、逻辑、模型和机制：逻辑架构项目实施基于“技术+业务+应用”三层逻辑架构，设计信用风险指标体系，构建 企业信用风险监测预警系统，实现企业信用风险的自动测算、规则识别和风险预警，全面提升企业信用分类监管的智能化水平。逻辑架构图二、逻辑、模型和机制：“通用”技术路线“数据采集 指标设计 系统构建 信用风险监测预警 数据反馈校验 再生数据归集”全链条闭环路线政府部门归集数据采集数据清洗数据规化信用修复
11、信用分类监管企业风险分类规则分析公 示 系 统方案效能反馈校验反馈校验业务数据双 随 机 抽 查公共数据挖掘第三方平台采集监测预警信用监管生态闭环信用风险监测标准企业库风险值 S信用风险报告信用修复风险测算规则库指标体系基础信用治理体系资本能力质量能力市场表现再生数据归集再生数据归集二、逻辑、模型和机制：“通用+专业”技术扩展方案根据信用监管工作要求和特殊行业企业具体需求，系统设计“通用+专业”模式，可以提供“专业接口”和“专业叠加”两种技术路线扩展方案。拓展分类技术方案适用对象专业接口特殊行业企业的专业系统独立完成企业信用风险测算，按照专业接口标准提供 企业信用风险值。适用于 特种设备、食品
12、药品 等具有较高专业门槛和安全生产规范且具有信用风险独立评价能力和评价需求的企业。专业叠加特殊行业企业按照 指标设计原则 和 观测点设计标准，提供 指标观测点叠加方案（包括观测点数量、风险权重设计等），由系统完成整合并测算企业信用风险值。适用于 旅游、餐饮、电商 等行业中不具有独立的信用风险监测能力或规模较小且具有信用风险评价需求的企业。二、逻辑、模型和机制：“通用+专业”扩展-专业接口政府部门归集数据采集数据清洗数据规化信用修复信用分类监管企业风险分类规则分析公 示 系 统方案效能反馈校验反馈校验业务数据双 随 机 抽 检公共数据挖掘第三方平台采集监测预警信用监管生态闭环信用风险监测标准企业
13、库风险值 S信用风险报告信用修复风险测算规则库指标体系基础信用治理体系资本能力质量能力市场表现再生数据归集再生数据归集风险值 S0专业接口企业风险值S企业风险值=0+1 (1)初始值由部门协商及专家意见相结合判断，并由模型自动学习调整二、逻辑、模型和机制：“通用+专业”扩展-专业叠加政府部门归集数据采集数据清洗数据规化信用修复信用分类监管规则分析方案效能反馈校验反馈校验业务数据公共数据挖掘第三方平台采集监测预警信用监管生态闭环信用风险监测标准信用修复风险测算规则库指标体系基础信用治理体系资本能力质量能力市场表现再生数据归集风险值S专业接口指标增加权重调整二、逻辑、模型和机制：指标观测点分类归集
14、行行业业类类型型发展规模发展规模生生产产要要素素指标（70个）及观测点（86个）按照 行业类型、发展规模和生产要素 等分类标准、结合 浙江省八大万亿产业与国民经济行业分类对应规则，对信用风险观测点进行归集汇总，全面创新信用风险指标设计模式，为系统的 企业样本分类建模和风险规则库构建 提供理论指导和方法支撑。二、逻辑、模型和机制：风险预测模型构建流程缺失值处理异常值处理样本选择分为训练集和测试集训练集中随机抽取一定企业和指标根据信息熵和信息增益等构建决策树计算残差基于上棵决策树的结果构建新的决策树组成随机森林封装模型文件重复训练多棵数指标构建二、逻辑、模型和机制：风险模型训练主线：基于采集的企业
15、原始数据，按照风险指标体系，构建不同类型、不同成长阶段和不同发展规模的 风险监测预测模型，测算企业风险值，在此基础上，由 风险等级转换模型 对企业风险值进行转换并形成风险企业库。二、逻辑、模型和机制：风险模型训练-技术图一环：风险预测模型 根据计算得到的企业风险值对模型有效性进行交叉验证，并根据验证结果对信用风险指标的特征和量度进行优化调整，持续提升预测模型的准确性和精确度。二、逻辑、模型和机制：风险模型训练-技术图二环：根据专家意见和行业经验初步设定高风险企业占比10%、中风险企业占比30%、低风险企业占比60%，在此基础上，引入风险等级转换模型自学习算法，逐步提升 风险等级转换模型 的准确
16、性和科学性。二、逻辑、模型和机制：样本选择和标签定义80%20%模型样本训练样本测试样本 样本总数：2019至今检查、注吊销的249761户企业；查全率recall=0.83；精确度precision=0.81；测试样本：20%；训练样本：80%；二、逻辑、模型和机制：风险模型训练三环：引入行政处罚与双随机抽检的实践结果数据进一步校正企业风险等级划分标准。二、逻辑、模型和机制：风险模型训练四环：在风险企业库构建中引入风险规则聚类模型，进行高、中、低风险规则的知识学习。二、逻辑、模型和机制：风险模型训练-关键要素u包含 企业信用风险指标特征库、高中低信用风险企业库、企业信用风险规则库 三个核心数
17、据库。在原始企业数据的基础上，通过特征提取、信用风险评价模型、风险等级转换模型和风险规则聚类模型来实现“三库”知识的构建。“三库”u 包含 指标特征值验证、风险划分规则验证、风险规则验证、风险监测逻辑验证 等四个验证环。采用交叉验证、选择优化策略、系统动力学方法、决策树模型、贝叶斯分类等方法完成核心模型的验证优化和学习更新。“四环”“三模”u包含 企业信用风险评价模型、风险等级转换模型、风险规则聚类模型 三个核心模型。采用评分法、主客观组合赋权法、机器学习聚类分析法等完成企业信用风险测算、风险等级划分和风险规则构建等技术功能。“五值”u包含 企业信用风险值、信用风险等级值、风险企业值、风险规则
18、库值、双随机抽检企业值 等Y1-Y5五个系统输出节点数值。是指企业信用风险监测预警体系阶段性运行结果。二、逻辑、模型和机制：风险模型训练-规则归集二、逻辑、模型和机制：风险模型训练-阶段成果项目对近230万家企业进行了预评测，得到一系列阶段成果，如图所示。根据数据分析和专家判断，确定风险值49为低风险区，企业占比60%49风险值57为中风险区，企业占比25%57风险值为高风险区，企业占比15%二、逻辑、模型和机制：创新信用分类监管机制 创新信用分类监管机制，研究制定企业信用风险分类管理办法（征求意见稿），形成系统、平台、监管一体化企业信用分类监管体系。管理办法明确构建从信用信息归集、数据建模分
19、类、分类结果应用、应用结果共享归集的分类管理闭环，共分五章共二十六条。确定企业信用风险分类的基本方法和标准，设置“通用+专业”融合应用原则，强化在“双随机、一公开”等监管中应用。3应用场景和成效三、应用载体：浙江省行政执法监管（互联网+监管）平台政 策 制 度 体 系标 准 规 范 体 系安 全 运 维 体 系业务应用体系应用支撑体系执法监管监测预警企业信用风险监测行业(专业)领域风险监测公共信用平台决策支持监管效能分析执法监督管理监管绩效评价“双随机”抽查重点专项检查事件核查信用监管联合监管外部平台组件执法平台组件通用类用户管理权限管理对象管理事项管理机构管理业务类消息服务流程管理报文管理模
20、板管理通用类机器学习评价模型监测模型决策模型报表管理数据分析数据支撑体系基础设施体系归集清洗共享交换挖掘分析公共基础库各类主题库部门数据仓监管数据中心执法人员数据库监管对象数据库检查数据库处罚数据库各项服务(计算机服务、存储服务等)省“一朵云”平台基础网络物理感知三、应用场景：日常监管领域 日常监管领域：“双随机、一公开”监管网页链接：http:/59.202.42.163/企业信用风险模型公共信用风险模型特种设备风险模型根据不同风险等级设定抽取比例三、应用场景：重点监管领域 重点监管领域：“通用+专业”融合应用特种设备安全风险预警模型特种设备高风险企业高风险线索省 行 政 执 法 监 管 平
21、 台风 险 处 置 模 块省 行 政 执 法 监 管 平 台“双 随 机 一 公 开”抽 查 名 单企业管辖地所在市监局逐家进行风险核查与处置特种设备中风险企业企业信用高风险企业企业信用风险监测预警模型三、应用成效：应用总体成效未应用模型的双随机检查情况（2 0 2 0.1.1-2 0 2 0.9.3 0）应用模型的双随机检查情况（2 0 2 0.1.1-2 0 2 0.9.3 0）21.6%问题检出率6 1 0 4检查任务数6 3 2 5 3检查户次1 3 6 9 4检出问题户次32.6%问题检出率3 1 4 5检查任务数6 5 8 4 4检查户次2 1 4 3 6检出问题户次三、应用成效：
22、应用总体成效未应用模型的双随机检查情况（2 0 2 0.1.1-2 0 2 0.9.3 0）应用模型且为高风险企业的双随机检查情况（2 0 2 0.1.1-2 0 2 0.9.3 0）57.0%2 8 5 121.6%1 0 3 15 0 0 36 1 0 46 3 2 5 31 3 6 9 4问题检出率检查户次检出问题户次问题检出率检查任务数检查户次检出问题户次检查任务数三、应用成效：信用双随机应用成效全省双随机各部门应用模型成效（数据统计区间为2020-01-01至2020-09-30）省级部门名称任务数检查户次问题检出户次检出率财政部门13613659.0%应急管理部门23642482,
23、25253.0%卫生健康部门28341812,12850.9%教育部门2327010840.0%市场监管部门14414280114,31433.4%人力社保部门13037971,12229.5%综合执法部门6196726827.7%医保部门412947124.1%商务部门592375623.6%交通运输部门9679017622.3%59.00%53.00%50.90%40.00%33.40%29.50%27.70%24.10%23.60%22.30%0.00%10.00%20.00%30.00%40.00%50.00%60.00%70.00%财政部门应急管理部门卫生健康部门教育部门市场监管部门
24、人力社保部门综合执法部门医保部门商务部门交通运输部门应用部门检出率TOP10三、应用成效：信用双随机应用成效市监部门双随机不同地市应用模型成效（数据统计区间为2020-01-01至2020-09-30）宁波、金华、嘉兴、杭州、温州双随机应用模型检查次数均大于 2000次。温州、台州、绍兴、宁波、湖州、金华、丽水检出率均高于30%。地市名称 任务数检查户次检出问题户次检出率温州1516005244840.8%台州2297712283536.8%绍兴103125841933.3%宁波1848285273433.0%湖州63197564832.8%金华1217229235932.6%丽水155211
25、969132.6%衢州136273477028.2%舟山103171247627.8%杭州90162140424.9%嘉兴150215153024.6%1621828560052151197512587229273417127712211924.9%33.0%40.8%24.6%32.8%33.3%32.6%28.2%27.8%36.8%32.6%0.0%5.0%10.0%15.0%20.0%25.0%30.0%35.0%40.0%45.0%0100020003000400050006000700080009000杭州宁波温州嘉兴湖州绍兴金华衢州舟山台州丽水检查户次问题检查率三、应用成效：各接
26、入信用模型应用成效比较各接入信用模型应用成效比较（数据统计区间为2020-01-01至2020-09-30）u 检查户次较多，且检出率较高的风险模型为：企业信用风险、绍兴专项模型、公共信用信息模型，检出率均在 以上。信用模型名称检查户次检出问题户次检出率企业信用风险658442143632.6%绍兴专项模型（企业信用风险试点）5938177629.9%公共信用信息617441736928.1%国办信用信息14067339324.1%特种设备风险7690173822.6%科研信用5120.0%旅行社信用评价信息1231713.8%生态环境信用626467610.8%药品监管风险164148.5%
27、互联网监管机构信用信息类7168.5%三、应用成效：应用总体成效l 自今年5月上线以来，通过企业信用风险监测预警系统,在全省 267万户 企业中，识别信用高风险企业 18.1万户，信用中风险企业 20.03万户，信用低风险企业 229.37万户,每月根据新归集的信用信息进行动态判定，实现了企业信用风险自动分类和监测预警；1.企业信用风险监测预警系统应用成效l 全省市场监管部门应用企业信用风险模型开展 3166个 双随机任务、检查 4.3万 户次，占比 63%，问题检出率达到 33.4%；3.企业信用风险模型应用成效l 通过“通用+专业”模式对特种设备企业开展双随机任务数为 2773个，检查 3
28、3798户次，检出问题 7686户次，问题检出率为 22.7%。4.特种设备监管成效l 依托浙江省统一行政执法监管（互联网+监管）平台，在“双随机、一公开”监管中对高风险的企业设置不少于 50%的比例，实施关联应用；l 全省 36个 部门有 12599个 双随机任务关联应用模型数据，其中卫生健康委、应急管理厅、人力社保厅问题检出率分别达到50.9%、53%和 59%，平均问题检出率达到 32.6%；2.“双随机、一公开”监管成效三、应用场景（拓展）：探索建立信用风险报告制度1 12 23 3企业信用风险报告行业信用风险报告区域信用风险报告引入智能化机器学习算法模型，实现对企业信用风险的发生规则
29、、关联关系及演进路径的精准识别，自动生成 企业信用风险报告，提供企业信用风险分析、信用风险预警等应用服务。通过对行业信用信息分类和汇总，对整个行业的信用状况进行精准评测，自动形成 行业信用风险报告，科学引导行业各类型企业健康发展。依托对企业和行业信用风险的科学分析，实现对区域信用环境进行全方位和深层次的分析和诊断，自动生成 区域信用风险报告，为区域高质量发展提供了制度决策支持和机制创新的理论支撑和技术保障。三、应用场景（拓展）：企业信用风险报告自动生成机制行业信用风险报告分析区域信用风险报告分析行业要素规模分类风险观测点分布三、应用场景（拓展）：构建信用监管智慧生态闭环l基于企业信用风险监测预
30、警系统的深度应用，形成市场监管部门和专业监管部门协同、第三方参与的齐抓共管的信用监管新格局，共同推动信用体系建设，打造信用监管智慧生态闭环。1.打造信用监管智慧生态闭环l抓紧时机，加快推进系统实施和应用，在普惠金融信用体系建设、民办教育机构信用分类管理等重点领域挖掘典型案例、树立领域标杆、在全省、长三角以及国家层面开展示范应用，确定先发优势。3.确立先发优势l根据数字经济和浙江省八大万亿产业质量建设成果和特征以及对八大万亿产业数据的挖掘结果，分类制定八大万亿产业信用发展及信用风险预警分析报告，为市场监管部门提供智能化的决策支持，在信用监管体系建设方面进行积极探索。2.信用监管体系建设三、应用场景（拓展）：信用分类监管智慧生态闭环模型专业监管部门第三方平台市场监管部门企业主动风险分类监管协同平台数据归集风险评估分类监管综合应用即时查询信用风险报告随机任务清单信用激励联合惩戒数字经济核心产业文化及相关特色产业健康产业旅游产业全融产业节能环保制造业口时尚制造业高端装备制造业口实时监测基础信用治理体系资本能力质量能力市场表现
