大数据背景下基于联邦学习的小微企业信用风险评估研究

The difficulty of credit risk assessment of small and micro enterprises is a major obstacle to their financing and development. The credit risk assessment of small and micro enterprises based on big data is still faced with many challenges, such as one-sided database, difficulty in cross-agency data sharing, unstable models and so on. In view of the related problems and challenges, this project intends to integrate multi-domain knowledge and build a new paradigm of multi-party data collaboration driven by financial big data under the background of privacy protection and security sharing of multi-agent data. This project initially conducts the research on the credit evaluation model of small and medium-sized enterprises based on federal learning, including the evaluation method of the value contribution of federal learning participants, the interpretability of characteristics and the modeling method of credit risk of connected transaction between enterprises. Then, on the basis of the model research, the demonstration application verification of credit evaluation of small and micro enterprises based on federal learning is carried out. The research results of this project enrich and develop the scientific methods of multiple dimensional characterization, integration and intelligent evaluation in the big data of credit characteristics of small and micro enterprises, which provides a new perspective and a more accurately evaluation to the credit status of small and micro enterprises. Based on the federal learning framework, this paper proposes a credit evaluation scheme and model algorithm for small and micro enterprises based on cross-agency and multi-ownership data cooperation, so as to enhance the data privacy-preserving capability and the risk assessment evaluation of the credit model for the small and micro enterprise.

小微企业信用风险评估难是制约其融资和发展的一个主要障碍。基于大数据的小微企业信用风险评估依然面临着单机构数据片面、跨机构数据共享难、模型不稳定等诸多挑战。针对相关问题和挑战，本项目拟在多主体所有权数据隐私保护与安全共享的背景下，融合多领域知识，构建金融大数据驱动的多方数据协同新范式。本项目将开展以下具体课题研究：基于联邦学习的中小企业信用评估模型研究，包括联邦学习参与方价值贡献度评价方法研究、特征可解释性研究和企业间金融关联信用风险建模方法；在模型研究基础上，开展基于联邦学习的小微企业信用评估示范应用验证。本项目研究成果将丰富与发展小微企业信用特征大数据中的多维表征、融合和智能评估的科学方法，提供全新视角，更加精准评估小微企业的信用状况；基于联邦学习框架，提出一种基于跨机构多所有权数据合作的小微企业信贷评估方案及模型算法，提升数据的隐私保护能力，以及小微企业信贷模型风险评估效果。

项目立足于普惠金融的国家重大战略需求，聚焦小微企业“融资难、融资贵”问题，经过为期两年的研究和攻关，截至2022年底，项目团队顺利完成在资助项目计划书中的研究目标、研究内容和承诺的全部指标，部分指标超额完成。.本项目主要开展基于联邦学习的小微企业信用评估模型研究，包括联邦学习参与方价值贡献度评价方法研究、特征可解释性研究和企业间金融关联信用风险建模创新研究；在此基础上，与若干金融机构开展了示范应用验证研究。本项目研究成果将丰富与发展可信计算框架下的小微企业信用特征大数据中的多维表征、融合和智能评估的科学方法，为解决小微企业“融资难、融资贵”中的关键问题提供银行端的可靠科学方法。.本项目在团队成员的紧密合作下，完成与微众银行、工商银行等金融机构的联邦学习示范验证工作，针对小微企业的风险评分模型效果提升10%以上，验证效果明显。该方法的实践运用，将有助于中国银行业普惠贷款每年降低百亿级不良贷款。在此基础上，项目负责人参与起草的《信息安全技术 可信执行环境 基本安全规范》国家标准1项，并于2022年11月1日实施。相关研究工作还获得央行金融科技发展二等奖和全国金融标准化技术委员会金融标准化重点研究课题一等奖。.另外，团队成员还针对示范验证中若干模型创新方法和关键技术开展了学术研究和创新，在国内外高水平金融和计算机期刊，如：《中国工程科学》、《管理科学学报》、European Journal of Finance、IEEE Internet of Things Journal、IEEE Transactions on Vehicular Technology、Managerial Finance等发表论文11篇，还有1篇工作论文投稿于国际高水平会议。基于本项目研究申报专利7项。