企业风险评估模型是基于企业公司信息、司法诉讼信息、财务数据、舆情信息、纳税信息、交易流水等构建的，用来判断企业信用风险、欺诈风险的评估模型，与数据、策略体系一起构成是企业信贷风控体系三大组成部分。
企业风控评估模型种类较多，企业风险管理的各个步骤均可能存在风险评估模型，包括反欺诈检测模型、准入模型、授信模型、风险定价模型、额度管理模型、失联修复模型、预警模型等等。
在构建企业风险评估模型时，会用到各种算法，包含但不仅限于：回归算法、决策树算法、集成学习算法、深度学习等等。
企业风险评估流程包括确立目的和关键指标、数据准备、变量分析、模型建立、模型验证、个人信息保护影响评估和监控调整。
在建立企业风险评估模型前，金融机构需要明确企业风险评估的未来应用目的和场景，确定关键指标定义。这也决定着构建模型的好坏。
企业风险评估模型好坏判断依据？
企业风险评估模型好坏主要通过信息量、Kolmogorov-Smirnov值、ROC曲线下方面积、群体稳定性指数等指标进行判断。
其中，信息量（Information Value），简称IV，是对模型的预测能力进行评估，IV值越大表示模型的预测准确性越高；
Kolmogorov-Smirnov值，简称KS，是对模型的区分能力进行评估。KS值的取值范围是[0，1]，值越大，模型的预测准确性越高。通常情况下，KS>0.2即可认为模型有比较好的预测准确性；
ROC曲线下方面积（Area under the Curve of ROC），简称AUC，是对模型的预测能力进行评估，值越大表示模型的预测准确性越高；
群体稳定性指数（Population Stability Index），简称PSI，是对模型的稳定性进行评估。PSI衡量测试样本及模型开发样本评分的的分布差异。通常情况下，若PSI<0.1说明样本分布有微小变化，模型基本可以不做调整；若PSI在0.1~0.2之间，说明样本分布有变化，根据实际情况调整评分切点或调整模型；若PSI>0.2，样本分布有显著变化，必须分析模型不稳定的原因，调整模型。
与传统的人工信审相比，基于人工智能技术构建的企业风控评估模型可以帮助金融机构更加高效、快速、准确等进行信贷审批。据统计，一些金融机构平均一天会有几万到几十万贷款请求，传统方式利用人工进行信用审批，压力非常大。因此，近些年，各大金融机构开始利用智能企业风险评估模型对贷款申请进行审批，可以同时处理几十万到几百万的需求，效率大大提高。
好了，以上是对企业风险评估模型的解读，欢迎交流。
