一、绪论
（一）研究背景
1．中国高新技术企业征信的必要性
（1）中国高新技术企业征信市场不够完善
随着我国经济的迅速增长，高新技术企业在国民经济的增长过程中起着中流砥柱的作用。然而，由于征信市场的不够完善，造成了信息资源严重不对称。高新技术企业在发展过程中不可避免地存在资金周转困顿、融资困难等问题。失信的不良行径对国民经济的运行造成了恶劣的影响，而这些问题的产生主要归咎于我国目前征信体系中缺乏合理完备的法律法规，缺乏公平、公正的信用评估体系和征信平台。
（2）中国高新技术企业征信需求与日俱增
征信在高新技术企业发展过程中起着至关重要的作用。高新技术企业在追求经济利润中，会面临着错综复杂的潜在风险。由于目前我国的征信体系方面尚且不够完善，高新技术企业承担了其绝大部分的缺失成本，征信也因此成为高新技术企业进行信贷风险管理的重要手段。
2．国外征信模式特点
美国的征信业已经形成了完整的产业链和授信孵化模式，主要特点是数据信息多元化，有关的数据除了涉及金融领域之外，还包括跨境零售、通讯业数据。
日本征信的主要特点是分类登记客户群体，采用新型会员制。德国征信体系主要涵盖公共征信系统、私营信用服务系统、行业协会三部分。这一种新型会员制模式为提供了一个全国性的信用信息交换与使用的公共服务平台，从而实现整个社会统一交换信息的数据库。
3．国内征信平台特点
国内征信服务公司在市场上有一定规模、有良好资金和客户基础的征信有限公司中，江苏综合金融服务平台和苏州征信平台最具代表性。
目前，江苏省综合金融服务平台跻身前列，平台主要依托于高效便捷的互联网综合研发技术，累计解决企业需求24，691.32亿元，注册企业达1，074，835家，不仅能对政府的有效信息资源进行整合，还能联合地方金融监管局和江苏省财政厅，极大程度上满足中小微企业融资需求，为中小微企业的发展助力。
虽然该平台的经营已有一定年限，但由于其并未打通宁波各部门，数据链存在着不完整性，而盛信通宝依托区块链和大数据等技术，数据信息服务由宁波市政府联合中国人民银行牵头搭线，实现区域内征信数据的共享互通，这将有利于当地金融机构“走出去”和异地资金“引进来”，有效发挥宁波“信用高地”和“资金洼地”的效应。
4．宁波高新技术企业融资困境
近五年来，宁波高新技术企业取得了突破性进展，从2018年的1429家增至2021年的3989家，年均增长率超26%。同时，宁波高新技术产值输出和投资回报分别较2018年增长114.6%和82.5%。在支持科技创新的大背景下，企业的融资环境也有所改善，宁波市政府出台《关于营造更好环境支持高新技术企业发展的行动方案（2022—2025年）》，提出了20余条相关措施助力推进高新技术企业的发展。但是由于宁波高新技术企业技术创新还处在初步阶段，融资渠道较为单一。政府对高新技术企业的拨款经费是非常有限的，而这恰恰对高新技术企业来说是非常不利的，因此融资仍然是宁波高新技术企业目前发展的主要瓶颈。
（二）研究意义
高新技术企业通过本平台上的业务功能，能够有效获取银行最新信贷政策，提高资源配置效率，解决政府信息壁垒造成的信用信息收集困难的问题。通过增强企业与银行放贷政策的协同效应来提高资金筹集的可能性，有效拓宽了高新技术企业的融资渠道。
（三）研究经验
我们通过对苏州等国内其他征信平台的研究探索，总结出征信制度体系中的基本框架。
首先，形成了一个具体的制度脉络体系。其次，保障了数据公正性，加强了信息安全性。最后，探索出一套多层次、广地域覆盖式的企业征信管理体系。不仅为推动地方征信体系创新建设发展探索出了一个行之有效的模式，也无疑为深化企业信用体系的规范化建设，开辟了一条新的发展探索道路。
虽然我国一些其他的地方征信平台发展尚且较好，但鉴于各城市自身发展倾向和特点不同所以征信平台的征信算法得出来的信用评级也不尽相同，因此其他城市的征信平台并不能成为宁波高新技术企业信用评级的有力依据。而宁波尚未有系统完整的征信平台，因此盛信通宝抓住这一突破点，通过获得政府支持和资金援助，打造一体化发展平台。
（四）研究内容
本项目的研发主要针对宁波高新技术企业，通过提供互通的数据信息库和完备的征信评级报告，为其解决融资难的局面。
盛信通宝通过运用区块链和Hash算法技术，保障高新技术企业对征信评级的数据需求和数据的安全性，结合人工智能技术进行交易主体识别，有效地对交易主体进行身份验证和风险识别。在借贷数据的基础上利用机器学习核心算法进行建模，通过给企业进行信用评级，为他们解决信息资源流通困难，融资难的困境。
基于宁波高新技术企业融资难的局面，盛信通宝紧紧围绕服务高新技术企业融资、以推动宁波建立信用征信体系为根本目标。平台通过对政府相关部门和事业单位的企业信息进行搜集整合，深度链接宁波高新技术企业的技术创新和风险管理，有效解决企业融资难、融资繁的局面。
（五）创新点
本平台数据采集效率高，信息数据更安全。相较于传统征信服务单一，数据采集率不高等弊端，盛信通宝征信产品移动端同步使用，解决征信平台使用不便捷问题。通过区块链的核心框架构建思路和Hash算法的非对称性密码构建，能够保障宁波高新技术企业对于征信评级的数据需求，同时保证数据的安全性。
平台的信息主要来源于大数据授信。相较于传统的平台，盛信通宝引入大数据采集征信模式，深层挖掘授信对象行为特征，多维度评价信用状况。
采用随机森林模型，严谨输出结果。通过建立多个子学习器通过训练集训练，从而得到更好的学习性能通过对样本结果的基尼系数或者熵减系数的评估，有选择性地通过对算法和结果分类建立下一个节点，得到最终的输出评选结果。
二、市场分析
（一）宁波高新技术企业市场规模
近年来，在世界经济发展趋势越发激烈及中国对研发及创新需求的日益增加下，宁波大力推动高新技术企业的发展。2020年，宁波市按国家新产业认定登记注册的高新技术企业数量达到426家。随着宁波高新技术企业不断发展，2021年，宁波高新技术产业GDP贡献突破320亿元，财政收入达到80亿元，线上工业增加值和一般公共预算收入分别同比增长22.5%和17%。
（二）宁波市场趋势预测
根据《宁波市科技企业“双倍增”及企业技术创新能力提升工程行动计划（2021～2025年）》的要求，到2025年，宁波市的高新技术企业突破5500家，力争达到9000家，宁波市科技型中小型企业累计突破35000家。
（三）高新技术企业融资需求
1．融资需求大
近年来，宁波高新技术企业规模不断扩张，企业用以发展经费的使用及需求飞速增加，其中科技活动的经费需求激增，截至2020年，宁波高新技术企业技术活动经费303.21亿元，同比增长25.81%。此外众多阻碍企业发展的问题也愈加突出，其中资金来源少所导致的资金缺乏问题是阻碍企业发展的主要问题。
2．“盛信通宝”平台助力企业融资
团队通过建设“盛信通宝”平台，旨在为宁波高新技术企业解决融资难、融资贵等艰难局面，利用盛信通宝app完成线上政审或征信资料上交，通过“线上+线下”服务模式解决信用评估、征信评级申请问题，同时提供VC融资渠道，帮助企业寻找融资人，助力企业从银行及投资者活动贷款及融资。
（四）宁波征信平台发展现状
1．地方征信平台发展水平低
优质的征信评级结果、良好的企业信用无疑是企业获得融资的基本保证。在信息产品方面，众多征信平台开展的相关业务往往也仅止限于平台提供企业失信情况信息，无法全面得到相关企业信用水平的系统综合和评价。在数据获取方面，地方信用平台获取信息渠道狭窄且缺乏整合信息能力。
2．宁波征信市场前景广阔
从市场结构来看，宁波征信市场存在很大缺口，征信覆盖率低，难以提供征信融资放贷一站式金融生态服务，难以对高新企业提供精细化征信服务；从市场集中度来看，宁波高新技术企业上升趋势明显，但是征信平台饱和度不高，蕴含较多发展机遇。
（五）宁波征信市场机会
2018年至2021年短短四年时间里，宁波高新技术企业实现8%的涨幅，这无疑为征信市场的服务群体带来了新的商机。
据中国前瞻产业研究院最新分析统计显示，2015年至2020年高新技术企业普遍对商业征信需求呈现逐年上升趋势，说明越来越多的高新技术企业意识到征信的重要性，愿意为企业征信产品买单。
三、产品介绍
（一）基于区块链构数据库
区块链的核心算法哈希运算能够为P2P点对点互联网技术（peer to peer）保证数据安全性同时为数据的真实性提供保证。宁波高新技术产业的区位特征有信息交通发达、数据更新迭代快，企业关系网络复杂的特点，通过传统的数据来源如历史借贷等对于高新企业整体经营状况反映较为片面。
在数据来源端，本系统联合多个数据来源针对宁波市高新技术企业构建专属区块信息链条，具体的数据来源如海关、法院、税务局等等，借助政府背书打造统一化数据库。
企业变动和交易的信息能够在之前的区块上生成新的区块，同时生成最新的数据密钥，在广播之后进行共识机制进行验证，保证数据来源的真实性。若征信平台需要对某一高科企业的征信状况进行评估，只需要征信平台基于各个节点用户构建的区块链条，同时平台持有一个信息区块的私钥就能对企业的征信状况进行查询，极大提高数据流通的效率和安全性。
（二）基于集成算法的征信算法系统
1．训练集提取和采集
针对相关数据多元化和宁波高科企业领域多样的特性，本系统创新使用机器集成学习算法模型——随机森林模型，该模型在测试集中表现出泛化能力强的特性，控制过拟合和欠拟合现象较好，同时集成算法框架下的个体学习器能够灵活适配多种算法，能够适配宽领域的宁波高科企业。
对于高新技术产业的训练集进行提取时，为了更好地对高新技术产业进行信用评估和认定，对创新要素进行重点考察，基于创新链整体视角，对高新技术产业的三要素进行着重评定：创新投入、成果产出、企业创新绩效认定。主要的计量模型如下所示：
其中，RD代表创新研发的投入，PAT代表结果产出，ACF代表创新绩效，QUA表示为高新技术的认定，代表控制变量，其中i表示样本编号，t表示时间，IDU表示行业，DEB表示财务杠杆。
这些类似于高新创新的变量将作为训练要素的主要变量，其中的线性联系如（1）、（2）、（3）表示，而更多的数据将作为次变量，在引导重采样的过程中实现有选择的训练集提取。
2．基于随机森林模型的机器学习评级算法系统
对于企业征信的评估，本计算后台采用深度机器学习的集成算法——随机森林模型，随机森林模型的核心逻辑为通过建立多个子学习器通过训练集训练，通过集成的方式建立强学习器，从而得到更好的学习性能。
本系统依托于随机森林模型，通过对样本结果的基尼系数或者熵减系数的评估，有选择性地通过对算法和结果分类建立下一个节点，从而得到最终的输出评选结果。
3．最终评级解释
在本系统的最后导向，为精简方便查看企业整体征信情况，结果将会通过李克特量表的分类法，进行信用评级。
AAA级——A级，企业信用程度依次降低，在公司内部治理和财务管理、发展潜力依次降低。
BBB级——BB级，企业信用程度较差，在多个评判维度上表现较差，发展前景不被看好。
（三）构建地方创新合作支持平台
本一站式金融创新平台通过两种方式帮助宁波高科创新企业进行现金流融资。
在服务模式上，本平台提出“最多跑一次”服务理念，依托线上＋线下服务模式帮助企业解决困境。在线上，打造app、小程序、网页等线上交互平台。在线上平台，及时推送最新以及过去的国家扶持政策，以及宁波高新企业动态数据变化，同时推出政务对接、企业与融资方对接、企业征信评级申请、融资申请等多项功能，提供高效便捷金融服务。对于重大融资项目洽谈以及复杂项目，本一站式服务平台同样搭建投资者和高新项目负责人合作线下预约，帮助投资方与项目负责方实现高效信息交流。