CN110991936A - 企业评分评级方法、装置、设备及介质 - Google Patents
企业评分评级方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN110991936A CN110991936A CN201911336132.0A CN201911336132A CN110991936A CN 110991936 A CN110991936 A CN 110991936A CN 201911336132 A CN201911336132 A CN 201911336132A CN 110991936 A CN110991936 A CN 110991936A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- alarm
- value
- calculating
- score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 107
- 230000002159 abnormal effect Effects 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 30
- 230000005856 abnormality Effects 0.000 claims description 4
- 230000008676 import Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 31
- 238000010219 correlation analysis Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 238000004141 dimensional analysis Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种企业评分评级方法、装置、设备及介质,该方法包括:获取企业的原始数据,并剔除原始数据中异常数据得到该企业所对应各类分析指标与行业均值;初始化模型将各类分析指标与行业均值导入模型内;依据模型内各类所述分析指标之间的关联关系分别计算相应的一维参数和二维参数,结合二维参数与对应的警报扣分状况计算所述企业的评分,根据所述评分对所述企业评级。通过预处理方式滤除其中的异常数据得到企业的各类分析指标与行业均值,确保了原始数据的真实性;同时,引入多种分析指标进行组合分析,结合多个角度计算企业的企业的评分,从而对企业进行量化评级,有利于反应企业在所属行业内的真实水平,提高了风险预警与评级的准确性。
Description
技术领域
本发明涉及金融评估技术领域,特别是涉及一种企业评分评级方法、装置、设备及介质。
背景技术
企业一般都设有量化评分体系,主要是为了提升企业的市场竞争力,促进社会信用,降低交易成本,一般是从管理与经营素质、财务状况、成长能力、主营业务收入增长率等方面进行评价,从而形成量化评分体系。
然而,现有的企业评分体系在评分评级时,一方面,来源的数据不够全面和准确,导致获取的原始企业数据不够真实;另一方面,无法将获取的原始企业数据与其相对应的领域进行关联参照,导致评分评级无法真实反应该企业在对应领域的状况。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种企业评分评级方法、装置、设备及介质,用于解决现有技术中无法通过评分评级真实准确反应该企业在该领域内的真实水平的问题。
为实现上述目的及其他相关目的,本申请的第一方面,本发明提供一种企业评分评级方法,包括:
获取企业的原始数据,并剔除所述原始数据中异常数据得到该企业所对应各类分析指标与行业均值;
初始化模型并导入各类所述分析指标与行业均值;
依据所述模型内各类所述分析指标之间的关联关系分别计算相应的一维参数和二维参数结合所述二维参数与对应的警报扣分状况计算所述企业的评分,根据所述评分对所述企业评级。
本申请的第二方面,提供一种企业评分评级装置,包括:
数据预处理模块,用于获取企业的原始数据,并剔除所述原始数据中异常数据得到该企业所对应各类分析指标与行业均值;
数据导入模块,用于初始化模型并导入各类所述分析指标与行业均值;
评分评级模块,用于依据所述模型内各类所述分析指标之间的关联关系分别计算相应的一维参数和二维参数,结合所述二维参数与对应的警报扣分状况计算所述企业的评分,根据所述评分对所述企业评级。
本申请的第三方面,提供一种种企业评分评级电子设备,包括:
一个或多个处理器;
存储有程序指令的存储器;以及
所述一个或多个处理器执行存储器中存储的程序指令使得所述电子设备执行电子设备执行所述的企业评分评级方法。
本申请的第四方面,提供一种种企业评分评级介质,包括:
所述存储介质存储有程序,其中,所述程序在被调用执行时实现所述的企业评分评级方法。
如上所述,本发明的企业评分评级方法、装置、设备及介质,具有以下有益效果:
获取企业的原始数据,通过预处理方式滤除其中的异常数据得到企业的各类分析指标与行业均值,确保了原始数据的真实性;同时,引入多种分析指标进行组合分析,从多个角度全方位计算企业的企业的评分,从而对企业进行量化评级,有利于反应企业在所属行业内的真实水平,提高了风险预警与评级的准确性。
附图说明
图1显示为本发明提供的一种企业评分评级方法流程图;
图2显示为本发明提供的一种企业评分评级方法中步骤S1流程图;
图3显示为本发明提供的一种企业评分评级方法中步骤S3流程图;
图4显示为本发明提供的一种企业评分评级装置结构框图;
图5显示为本发明提供的一种企业评分评级装置第一实施例结构框图;
图6显示为本发明提供的一种企业评分评级装置第二实施例结构框图;
图7显示为本发明提供的一种电子设备结构示意图;
图8中a-f显示为本发明提供的一种企业评分评级参数统计图。
元件标号说明
1 数据预处理模块
2 数据导入模块
3 评分评级模块
4 处理器
5 存储器
11 数据获取单元
12 预处理单元
31 参数计算单元
32 评分评级单元
S1~S3 步骤1至3
具体实施方式
以下由特定的具体实施例说明本申请的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。
在下述描述中,参考附图,附图描述了本申请的若干实施例。应当理解,还可使用其他实施例,并且可以在不背离本公开的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变.下面的详细描述不应该被认为是限制性的,并且本申请的实施例的范围仅由公布的专利的权利要求书所限定.这里使用的术语仅是为了描述特定实施例,而并非旨在限制本申请。空间相关的术语,例如“上”、“下”、“左”、“右”、“下面”、“下方”、“下部”、“上方”、“上部”等,可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
虽然在一些实例中术语第一、第二等在本文中用来描述各种元件,但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如,第一预设阈值可以被称作第二预设阈值,并且类似地,第二预设阈值可以被称作第一预设阈值,而不脱离各种所描述的实施例的范围。第一预设阈值和预设阈值均是在描述一个阈值,但是除非上下文以其他方式明确指出,否则它们不是同一个预设阈值。相似的情况还包括第一音量与第二音量。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示.应当进一步理解,术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加.此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合.因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
请参阅图1,本发明提供一种企业评分评级方法流程图,包括:
步骤S1,获取企业的原始数据,并剔除所述原始数据中异常数据得到该企业所对应各类分析指标与行业均值;
步骤S2,初始化模型并导入各类所述分析指标与行业均值;
步骤S3,依据所述模型内各类所述分析指标之间的关联关系分别计算相应的一维参数和二维参数,结合所述二维参数与对应的警报扣分状况计算所述企业的评分,根据所述评分对所述企业评级。
在本实施例中,通过获取企业的原始数据,以预处理方式滤除其中的异常数据得到企业的各类分析指标与行业均值,确保了原始数据的真实性;同时,引入多种分析指标进行组合分析,结合多个角度计算企业的企业的评分,从而对企业进行量化评级,有利于反应企业在所属行业内的真实水平,提高了风险预警与评级的准确性。
请参阅图2,为本发明提供的一种企业评分评级方法中步骤S1流程图,包括:
步骤S101,采用爬虫信息获取到企业公开的信息,筛选所述企业公开的信息为原始数据;
步骤S102,在所述原始数据中根据同行业内M个分析指标的标准差Aj、简单均值Ej,计算每个企业每个分析指标的差异度Dij=(Xij-Ej)/Aj,Xij为第i个企业的第j个分析指标;剔除异常分析指标后将差异度Dij当成权重值计算加权求均值E2j=sum(Xij*Dij)/sum(Dij)。
具体地,从互联网上获取企业***息包括财务数据与非财务数据,非财务数据包括工商信息、法院公告、知识产权、新闻资讯、微博信息、微信公众号和产品等信息。一方面,对采集到的企业***息进行筛选,挑选出关于需要评价的企业信息,从而保证数据的准确性;另一方面,从原始数据中筛选预设的参数名称,如:收入增长、消费费用、销售毛利、销售净利、已获利息、广义销售汇款率、扣非后归母净利润以及公允价值变动净收益与营业,而参数名称按其对应的二维参数与大类名称等设置进行甄选,剔除该企业中的异常分析指标;最后,根据每个企业每个分析指标的差异度Dij将其作为权重值计算加权求均值,例如,还包括:计算各类分析指标的中位数,如,在原有初始值基础上取10~90%的分位数;行业均值:即将整个行业当成一家企业看待,所有分析指标均将行业加总后计算,如:资产负债率为整行业的资产加总/整行业的负债加总。
在上述实施例中,所述模型包括各类所述分析指标所构成一维指标以及计算所述一维参数的关联参数,其中,反应企业的运营能力、成长性、股权结构以及资金流动的财务数据,例如,收入增长、消费费用、销售毛利、销售净利、已获利息、广义销售汇款率、扣非后归母净利润以及公允价值变动净收益与营业等等;所述关联参数包括与一维指标对应的二维参数、大类名称、警报值、最佳值、最小边界值、最大边界值、绝对警报值-小向、绝对警报值-大向、单向系数、单项总分、正负关系、指令类型、单项权重得分和警报系数。
具体地,警报值(第一警报值、第二警报值)与最佳值(第一最佳值、第二最佳值)来源于行业分位数的最大边界值与最小边界值,其中,每类分析指标大体相同,按预设值进行设定。
而最小边界值、最大边界值、绝对警报值-小向、绝对警报值-大向,按照历史数据中的以往经验设定;
单项系数为根据重要性认定的系数,根据经验进行设定,范围在0-2之间,单项总分均为10分,其中,单项权重得分=单项系数*单向总分,是否警报项为警报扣分时的系数,预先设置,取值范围在0-2之间;正负关系也预先设置,各类分析指标中对应的参数越大则记为1,相反则记为-1;各类分析指标的分析指标类型根据计算方式分为5类,用数字1至5表示其分析指标类型。
所述二维参数包括收入费用指标、销售费用指标、毛利指标、净利指标、EBIT指标、回款指标和扣非净利润等等,大类名称包括:成长性、一致性验、盈利性、偿债能力与盈利结构;所述大类名称:成长性、一致性验、盈利性、补偿能力、成长性与赢利结构等等,纵向的参数(分析指标)包括收入增长率、销售费用增长率、销售毛利率、销售毛利率变动、销售净利率、销售净利率变动、已获利息倍数、已获利息倍数、广义销售回款率、扣非后归母净利润/净利润等等,详见附图8(a-f)。
针对每个分析指标的每项参数进行求解,从而计算到各个分析指标的得分。
请参阅图3,为本发明提供的一种企业评分评级方法中步骤S3流程图,包括:
步骤S301,采用插值法计算一维参数的相应得分,根据权重将所述一维参数进行同维合并得到二维参数;
步骤S302,逻辑性验证所述二维参数内各个分析指标,按其权重累加各个所述分析指标得到企业的初步得分,在所述初步得分的基础上根据所述企业的警报数量计算企业的评分根据预设阈值对所述企业的评分进行评级。
其中,采用插值法分别计算五类分析指标的,其中,分析指标根据其性质差异分为5类计算方法。
第1类计算方法:最基础的计算方法,具体见后续计算;
第一步:计算第一类分析指标的相应步骤,具体如下:
TXS_ij=(Xij-警报值1j)/(最佳值1j-警报值1j)*单项总分 (1)
TXL_ij=(Xij–警报值2j)/(最佳值2j-警报值2j)*单项总分; (2)
T1_ij=Min(Max(0,Min(TXS_ij,TXL_ij)*单项总分),单项总分); (3)
式中,TXS_ij表示按最佳值1与警报值1计算出的得分,TXL_ij表示按最佳值2与警报值2计算出的得分,T1_ij表示两者在0和单项总分之间,取TXS_ij、TXL_ij的小值。
第二步:确定分析指标Xij所位于的区间在正负关系的状态,如果其对应的正负关系为反方向时,则T1_ij根据其所属行业对应的预设折扣系数进行计算,并减去单项总分乘以预设系数计算分值;如果其对应的正负关系为正方向时,则在T1_ij的初始值上加1分计算分值;
第三步:根据所述分析指标Xij在模型内的绝对警报项是否为零,如果绝对警报项为零时,不处理;如果绝对警报项为非零时,计算其对应的警报值。如果分析指标值超过绝对警报值,则记录一次警报与警报内容,且重新计算T1_ij=A_j*单项总分,其中A_j为警报折扣系数,取值-0.8。同时记录警报扣分A_ij=警报系数*警报扣分数*警报正负项折扣额,其中,例如警报正负项折扣额为提前设置的,同向取值为0.9,非同向取值为1;警报扣分数也为预设的,例如,为-2,从而计算到每项分析指标所对应的计算分值。
第2类计算方法:变动性的分析指标的计算方法;
第一步:同第一类计算方法中第一步相同;
第二步:同第一类计算方法第二步相同,但预设折扣系数与预设系数重新设置;
第三步:同第一类计算方法第三步相同,但警报系数、警报扣分项、警报正负项折扣额不同。
第3类计算方法:需要关联其他分析指标进行计算;
第一步:在计算前,先查看关联分析指标值的正负关系,如关联分析指标值为负数,本分析指标为负数,则直接赋较高值,且不进入第二三步;如关联分析指标值为负数,本分析指标也为正数,则直接进入第一类计算方法的第三步;如果关联分析指标为正数,则同第一类计算方法进入第二三步;
第二步:如关联分析指标值为正数,同第一类计算方法第二步相同;
第三步:如关联分析指标值为正数,同第一类计算方法第三步相同。
第4类计算方法:需要关联其他分析指标进行计算;
第一步:在计算前,先查看关联分析指标值的正负关系,如关联分析指标值为负数,则直接赋值,且不进入第二三步;如关联分析指标值为正数,则同第一类计算方法进入第二三步;
第二步:如关联分析指标值为正数,同第一类计算方法第二步相同;
第三步:如关联分析指标值为正数,同第一类计算方法第三步相同。
第5类计算方法:需要关联其他分析指标进行计算;
第一步:在计算前,先用本分析指标与关联分析指标相除,相除后的值作为Xij,参与后续运算。
第二步:同第一类计算方法第二步相同;
第三步:同第一类计算方法第三步相同。
将上述计算的一维参数得分,同类合并生成二维参数得分,详述如下:
每个二维参数的得分定义为T2_in(i为第i家企业,n为第n个二维分析指标),第n个二维分析指标可能对应1个或两个二维分析指标,分别为T1_ij(i为第i家企业,j为第j个一维分析指标)与T1_ik(i为第i家企业,j为第k个一维分析指标),T1_ij与T1_ik对应的权重分别为Q_j,Q_k。
则T2_in=(T1_ij*Q_j+T1_ik*Q_k)/(Q_j+Q_k)
总得分为Tall_i=sum(Q_j*Dij)/sum(Q_j)*10+sum(A_ij)
在所述初步得分的基础上根据所述企业的警报数量计算企业的评分(最终得分),根据预设阈值对所述企业的评分进行评级。
相比其它的企业评分评级方式,本实施例采用多维度多指标方式计算待评级企业的各项财务数据,能够全面的反映出该企业的运营、发展以及行业所处的地位,针对第三方能够客观、公正的评估该企业,从而对企业进行量化评级,有利于反应企业在所属行业内的真实水平,提高了风险预警与评级的准确性。
请参阅图4,为本发明提供的一种企业评分评级装置结构框图,包括:
数据预处理模块1,用于获取企业的原始数据,并剔除所述原始数据中异常数据得到该企业所对应各类分析指标与行业均值;
数据导入模块2,用于初始化模型并导入各类所述分析指标与行业均值;
其中,所述模型包括各类所述分析指标所构成一维指标以及计算所述一维参数的关联参数,其中,所述分析指标包括反应企业的运营能力、成长性、股权结构以及资金流动的财务数据,例如,收入增长、消费费用、销售毛利、销售净利、已获利息、广义销售汇款率、扣非后归母净利润以及公允价值变动净收益与营业等财务数据;所述关联参数包括与一维指标对应的二维参数、大类名称、警报值、最佳值、最小边界值、最大边界值、绝对警报值-小向、绝对警报值-大向、单向系数、单项总分、正负关系、指令类型、单项权重得分和警报系数。
评分评级模块3,用于依据所述模型内各类所述分析指标之间的关联关系分别计算相应的一维参数和二维参数,结合所述二维参数与对应的警报扣分状况计算所述企业的评分,根据所述评分对所述企业评级。
在上述实施例基础上,请参阅图5,为本发明提供的一种企业评分评级装置第一实施例结构框图,包括:
数据获取单元11,采用爬虫信息获取到企业公开的信息,筛选所述企业公开的信息为原始数据;
预处理单元12,用于在所述原始数据中根据同行业内M个分析指标的标准差Aj、简单均值Ej,计算每个企业每个分析指标的差异度Dij=(Xij-Ej)/Aj,Xij为第i个企业的第j个分析指标;剔除异常分析指标后将差异度Dij当成权重值计算加权求均值E2j=sum(Xij*Dij)/sum(Dij)。
请参阅图6,为本发明提供的一种企业评分评级装置第二实施例结构框图;
参数计算单元31,采用插值法计算一维参数的相应得分,根据权重将所述一维参数进行同维合并得到二维参数;
评分评级单元32,逻辑性验证所述二维参数内各个分析指标,按其权重累加各个所述分析指标得到企业的初步得分,在所述初步得分的基础上根据所述企业的警报数量计算企业的评分,根据预设阈值对所述企业的评分进行评级。
具体地,采用插值法计算一维参数的相应得分,如下:
TXS_ij=(Xij-警报值1j)/(最佳值1j-警报值1j)*单项总分 (1)
TXL_ij=(Xij–警报值2j)/(最佳值2j-警报值2j)*单项总分; (2)
T1_ij=Min(Max(0,Min(TXS_ij,TXL_ij)*单项总分),单项总分); (3)
确定分析指标Xij所位于的区间在正负关系的状态,如果其对应的正负关系为负时,则T1_ij根据其所属行业对应的预设折扣系数进行计算并减去单项总分乘以预设误差系数计算分值;如果其对应的正负关系为正时,则在T1_ij的初始值上加1分计算分值;
根据所述分析指标Xij在模型内的绝对警报项是否为零,如果绝对警报项为零时,不处理;如果绝对警报项为非零时,计算其对应的警报值。
由于本装置与上述方法为一一对应的关系,其中涉及的技术细节、技术效果请参照上述实施例描述,在此不一一赘述。
请参阅图7,为本发明提供一种企业评分评级电子设备,包括:
一个或多个处理器4;
存储有程序指令的存储器5;以及
所述一个或多个处理器4执行存储器5中存储的程序指令使得所述电子设备执行电子设备执行上述的企业评分评级方法。
所述处理器4可操作地与存储器和/或非易失性存储设备耦接。更具体地,处理器4可执行在存储器和/或非易失性存储设备中存储的指令以在计算设备中执行操作,诸如生成图像数据和/或将图像数据传输到电子显示器。如此,处理器可包括一个或多个通用微处理器、一个或多个专用处理器(ASIC)、一个或多个现场可编程逻辑阵列(FPGA)、或它们的任何组合。
本申请提供一种企业评分评级的存储介质,所述存储介质存储有程序,其中,在所述程序运行时控制所述存储介质所在设备执行上述的企业评分评级方法。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或于本申请提供的实施例中,所述计算机可读写存储介质可以包括只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、U盘、移动硬盘、或者能够用于存储具有指令或数据结构形式的期望的程序代码并能够由计算机进行存取的任何其它介质。另外,任何连接都可以适当地称为计算机可读介质。例如,如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(DSL)或者诸如红外线、无线电和微波之类的无线技术,从网站、服务器或其它远程源发送的,则所述同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。
综上所述,本发明通过获取企业的原始数据,通过预处理方式滤除其中的异常数据得到企业的各类分析指标与行业均值,确保了原始数据的真实性;同时,引入多种分析指标进行组合分析,结合多个角度计算企业的企业的评分,从而对企业进行量化评级,有利于反应企业在所属行业内的真实水平,提高了风险预警与评级的准确性。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (12)
1.一种企业评分评级方法,其特征在于,所述方法包括:
获取企业的原始数据,并剔除所述原始数据中异常数据得到该企业所对应各类分析指标与行业均值;
初始化模型并导入各类所述分析指标与行业均值;
依据所述模型内各类所述分析指标之间的关联关系分别计算相应的一维参数和二维参数,结合所述二维参数与对应的警报扣分状况计算所述企业的评分,根据所述评分对所述企业评级。
2.根据权利要求1所述的企业评分评级方法,其特征在于,所述获取企业的原始数据,并剔除所述原始数据中异常数据得到该企业所对应各类分析指标与行业均值的步骤,包括:
采用爬虫信息获取到企业公开的信息,筛选所述企业公开的信息为原始数据;在所述原始数据中根据同行业内M个分析指标的标准差Aj、简单均值Ej,计算每个企业每个分析指标的差异度Dij=(Xij-Ej)/Aj,Xij为第i个企业的第j个分析指标;剔除异常分析指标后以所述差异度Di为权重值计算加权求均值E2j=sum(Xij*Dij)/sum(Dij)。
3.根据权利要求1所述的企业评分评级方法,其特征在于,所述模型包括各类所述分析指标所构成一维指标以及计算所述一维参数的关联参数,其中,反应企业的运营能力、成长性、股权结构以及资金流动的财务数据;所述关联参数包括与一维指标对应的二维参数、大类名称、警报值、最佳值、最小边界值、最大边界值、绝对警报值-小向、绝对警报值-大向、单向系数、单项总分、正负关系、指令类型、单项权重得分和警报系数。
4.根据权利要求1所述的企业评分评级方法,其特征在于,所述依据所述模型内各类所述分析指标之间的关联关系分别计算相应的一维参数和二维参数,结合所述二维参数与对应的警报扣分状况计算所述企业的评分,根据所述评分评级所述企业风险的步骤,包括:
采用插值法计算一维参数的相应得分,根据权重将所述一维参数进行同维合并得到二维参数;
逻辑性验证所述二维参数内各个分析指标,按其权重累加各个所述分析指标得到企业的初步得分,在所述初步得分的基础上根据所述企业的警报数量计算企业的评分,根据预设阈值对所述企业的评分进行评级。
5.根据权利要求4所述的企业评分评级方法,其特征在于,所述采用插值法计算一维参数的相应得分的步骤,包括:
TXS_ij=(Xij-警报值1j)/(最佳值1j-警报值1j)*单项总分 (1)
TXL_ij=(Xij–警报值2j)/(最佳值2j-警报值2j)*单项总分; (2)
T1_ij=Min(Max(0,Min(TXS_ij,TXL_ij)*单项总分),单项总分); (3)
确定分析指标Xij所位于的区间在正负关系的状态,如果其对应的正负关系为负时,则T1_ij根据其所属行业对应的预设折扣系数进行计算并减去单项总分乘以预设误差系数计算分值;如果其对应的正负关系为正时,则在T1_ij的初始值上加1分计算分值;
根据所述分析指标Xij在模型内的绝对警报项是否为零,如果绝对警报项为零时,不处理;如果绝对警报项为非零时,计算其对应的警报值。
6.一种企业评分评级装置,其特征在于,包括:
数据预处理模块,用于获取企业的原始数据,并剔除所述原始数据中异常数据得到该企业所对应各类分析指标与行业均值;
数据导入模块,用于初始化模型并导入各类所述分析指标与行业均值;
评分评级模块,用于所述模型利用各类所述分析指标之间的关联关系计算相应的一维参数和二维参数,按照所述二维参数并结合其对应的警报扣分状况计算所述企业的得分,根据所述评分对所述企业评级。
7.根据权利要求6所述的企业评分评级装置,其特征在于,所述数据预处理模块包括:
数据获取单元,采用爬虫信息获取到企业公开的信息,筛选所述企业公开的信息为原始数据;
预处理单元,用于在所述原始数据中根据同行业内M个分析指标的标准差Aj、简单均值Ej,计算每个企业每个分析指标的差异度Dij=(Xij-Ej)/Aj,Xij为第i个企业的第j个分析指标;剔除异常分析指标后将差异度Dij当成权重值计算加权求均值E2j=sum(Xij*Dij)/sum(Dij)。
8.根据权利要求6所述的企业评分评级装置,其特征在于,所述模型包括各类所述分析指标所构成一维指标以及计算所述一维参数的关联参数,其中,反应企业的运营能力、成长性、股权结构以及资金流动的财务数据;所述关联参数包括与一维指标对应的二维参数、大类名称、警报值、最佳值、最小边界值、最大边界值、绝对警报值-小向、绝对警报值-大向、单向系数、单项总分、正负关系、指令类型、单项权重得分和警报系数。
9.根据权利要求6所述的企业评分评级装置,其特征在于,所述评分评级模块包括:
参数计算单元,采用插值法计算一维参数的相应得分,根据权重将所述一维参数进行同维合并得到二维参数;
评分评级单元,用于逻辑性验证所述二维参数内各个分析指标,按其权重累加各个所述分析指标得到企业的初步得分,在所述初步得分的基础上根据所述企业的警报数量计算企业的评分,根据预设阈值对所述企业的评分进行评级。
10.根据权利要求9所述的企业评分评级装置,其特征在于,所述参数计算单元包括:
TXS_ij=(Xij-警报值1j)/(最佳值1j-警报值1j)*单项总分 (1)
TXL_ij=(Xij–警报值2j)/(最佳值2j-警报值2j)*单项总分; (2)
T1_ij=Min(Max(0,Min(TXS_ij,TXL_ij)*单项总分),单项总分); (3)
确定分析指标Xij所位于的区间在正负关系的状态,如果其对应的正负关系为负时,则T1_ij根据其所属行业对应的预设折扣系数进行计算并减去单项总分乘以预设误差系数计算分值;如果其对应的正负关系为正时,则在T1_ij的初始值上加1分计算分值;
根据所述分析指标Xij在模型内的绝对警报项是否为零,如果绝对警报项为零时,不处理;如果绝对警报项为非零时,计算其对应的警报值。
11.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储有程序指令的存储器;以及
所述一个或多个处理器执行存储器中存储的程序指令使得所述电子设备执行电子设备执行权利要求1~5任一项所述的企业评分评级方法。
12.一种存储介质,其特征在于,所述存储介质存储有程序,其中,所述程序在被调用执行时实现权利要求1-5中任一所述的企业评分评级方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911336132.0A CN110991936A (zh) | 2019-12-23 | 2019-12-23 | 企业评分评级方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911336132.0A CN110991936A (zh) | 2019-12-23 | 2019-12-23 | 企业评分评级方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110991936A true CN110991936A (zh) | 2020-04-10 |
Family
ID=70074167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911336132.0A Pending CN110991936A (zh) | 2019-12-23 | 2019-12-23 | 企业评分评级方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110991936A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418652A (zh) * | 2020-11-19 | 2021-02-26 | 税友软件集团股份有限公司 | 一种风险识别方法及相关装置 |
CN112598228A (zh) * | 2020-12-07 | 2021-04-02 | 深圳价值在线信息科技股份有限公司 | 企业竞争力的分析方法、装置、设备及存储介质 |
CN112926833A (zh) * | 2021-01-28 | 2021-06-08 | 北京安九信息技术有限公司 | 企业健康状况的检测方法及检测*** |
CN113537725A (zh) * | 2021-06-24 | 2021-10-22 | 浙江乾冠信息安全研究院有限公司 | 单位综合评分的方法及电子装置 |
CN115392660A (zh) * | 2022-08-10 | 2022-11-25 | 华世信合智能科技(浙江)有限公司 | 一种数据处理方法、装置、设备及存储介质 |
-
2019
- 2019-12-23 CN CN201911336132.0A patent/CN110991936A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418652A (zh) * | 2020-11-19 | 2021-02-26 | 税友软件集团股份有限公司 | 一种风险识别方法及相关装置 |
CN112418652B (zh) * | 2020-11-19 | 2024-01-30 | 税友软件集团股份有限公司 | 一种风险识别方法及相关装置 |
CN112598228A (zh) * | 2020-12-07 | 2021-04-02 | 深圳价值在线信息科技股份有限公司 | 企业竞争力的分析方法、装置、设备及存储介质 |
CN112598228B (zh) * | 2020-12-07 | 2023-09-22 | 深圳价值在线信息科技股份有限公司 | 企业竞争力的分析方法、装置、设备及存储介质 |
CN112926833A (zh) * | 2021-01-28 | 2021-06-08 | 北京安九信息技术有限公司 | 企业健康状况的检测方法及检测*** |
CN113537725A (zh) * | 2021-06-24 | 2021-10-22 | 浙江乾冠信息安全研究院有限公司 | 单位综合评分的方法及电子装置 |
CN115392660A (zh) * | 2022-08-10 | 2022-11-25 | 华世信合智能科技(浙江)有限公司 | 一种数据处理方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110991936A (zh) | 企业评分评级方法、装置、设备及介质 | |
CN107025596B (zh) | 一种风险评估方法和*** | |
CN107993143A (zh) | 一种信贷风险评估方法及*** | |
US20160342922A1 (en) | Performance analytics based on high performance indices | |
CN112734559B (zh) | 企业信用风险评价方法、装置及电子设备 | |
CN109784779B (zh) | 财务风险预测方法、装置及存储介质 | |
US10614073B2 (en) | System and method for using data incident based modeling and prediction | |
US20150127415A1 (en) | Systems, methods and computer readable media for generating a multi-dimensional risk assessment system including a manufacturing defect risk model | |
US20150127416A1 (en) | Systems, methods and computer readable media for multi-dimensional risk assessment | |
CN111861698B (zh) | 一种基于贷款多头数据的贷前审批预警方法及*** | |
CA2991136A1 (en) | Modifying data structures to indicate derived relationships among entity data objects | |
US20220343433A1 (en) | System and method that rank businesses in environmental, social and governance (esg) | |
CN112598500A (zh) | 一种无额度客户的授信处理方法及*** | |
SG194993A1 (en) | Method for calculation of time weighted returns for private equity | |
Altavilla et al. | Supply or demand: What drives fluctuations in the bank loan market? | |
JP2018514889A (ja) | 当初証拠金標準モデルに基づいて当初証拠金を計算及び提供する方法及びシステム | |
TW201327453A (zh) | 微型企業融資風險評估方法 | |
CN115829722A (zh) | 信用风险评分模型的训练方法及信用风险评分方法 | |
Niknya et al. | Financial distress prediction of Tehran Stock Exchange companies using support vector machine | |
CN114418776A (zh) | 一种数据处理方法、装置、终端设备及介质 | |
CN113962603A (zh) | 风险评估方法及装置、存储介质及电子设备 | |
CN113421014A (zh) | 一种目标企业确定方法、装置、设备和存储介质 | |
CN111611542A (zh) | 一种金融体系的***性风险的度量方法和装置 | |
KR20190048007A (ko) | 증권 빅데이터기반 페어 트레이딩시스템 및 그 제어방법 | |
TWI769385B (zh) | 金融商品之潛在購買客群篩選方法及其系統 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200410 |
|
RJ01 | Rejection of invention patent application after publication |