CN111401777B - 企业风险的评估方法、装置、终端设备及存储介质 - Google Patents
企业风险的评估方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN111401777B CN111401777B CN202010238164.3A CN202010238164A CN111401777B CN 111401777 B CN111401777 B CN 111401777B CN 202010238164 A CN202010238164 A CN 202010238164A CN 111401777 B CN111401777 B CN 111401777B
- Authority
- CN
- China
- Prior art keywords
- enterprise
- information
- risk
- data
- economic
- 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.)
- Active
Links
- 238000012502 risk assessment Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000003860 storage Methods 0.000 title claims description 12
- 239000013598 vector Substances 0.000 claims abstract description 79
- 238000004519 manufacturing process Methods 0.000 claims abstract description 30
- 238000004590 computer program Methods 0.000 claims description 21
- 230000000737 periodic effect Effects 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000013145 classification model Methods 0.000 claims description 7
- 238000012300 Sequence Analysis Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 230000036962 time dependent Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000029087 digestion Effects 0.000 description 3
- 238000012731 temporal analysis Methods 0.000 description 3
- 238000000700 time series analysis Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000003993 interaction 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
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请适用于计算机技术领域，提供了企业风险的评估方法、装置、终端设备及存储介质，企业风险的评估方法包括获取企业知识图谱和企业财务数据，根据企业知识图谱和企业财务数据得到企业状态的时间序列，其中，时间序列为向量空间与时间的对应关系，向量空间由至少一个向量组成，一个向量对应一个风险维度的数据信息；根据企业状态的时间序列和预设的风险评估模型得到预设时间对应的企业风险等级，其中，企业风险等级包括至少一个风险维度对应的等级。从而从生产信息、经营信息、管理信息、财务信息多个维度评估企业风险，提高了风险评估的准确率。
Description
技术领域
本申请属于计算机技术领域，尤其涉及企业风险的评估方法、装置、终端设备及存储介质。
背景技术
现有对企业风险的评估方法，一般是依据基本的财务数据和经验对企业风险进行评估，评估过程中考虑的因素较少，评估不准确。
发明内容
有鉴于此，本申请实施例提供了企业风险的评估方法、装置、终端设备及存储介质，以对企业风险进行综合评估，提高风险评估的准确率。
本申请实施例的第一方面提供了一种企业风险的评估方法，包括：
获取企业知识图谱和企业财务数据，其中，所述企业知识图谱包括企业的生产信息、经营信息和管理信息；
根据所述企业知识图谱和企业财务数据得到企业状态的时间序列，其中，所述企业状态的时间序列为向量空间与时间的对应关系，所述向量空间由至少一个向量组成，一个向量对应一个风险维度的数据信息；
根据所述企业状态的时间序列和预设的风险评估模型得到预设时间对应的企业风险等级，其中，所述企业风险等级包括至少一个风险维度对应的等级。
在一种可能的实现方式中，所述企业风险的评估方法还包括：
获取行业知识图谱和行业财务数据；
对所述行业知识图谱和所述行业财务数据进行统计，得到行业风险等级；
输出企业风险等级和行业风险等级的对比结果。
在一种可能的实现方式中，所述企业风险的评估方法还包括：
获取国家地区知识图谱和与国家地区相关的经济数据；
对所述国家地区知识图谱和所述与国家地区相关的经济数据进行统计，得到国家地区的经济风险等级；
输出企业风险等级和国家地区的经济风险等级的对比结果。
在一种可能的实现方式中，所述企业风险的评估方法还包括：
根据预设的时间序列分析方法和企业财务数据计算企业财务数据的周期性信息；
输出所述预设时间对应的企业风险等级和企业财务数据的周期性信息的对应关系。
在一种可能的实现方式中，所述企业风险的评估方法还包括：
根据企业财务数据的周期性信息更新所述向量空间。
在一种可能的实现方式中，所述企业风险的评估方法还包括：
获取与企业相关的警报信息；
将所述警报信息转换为文本信息；
根据所述文本信息和预设的警报分析模型输出警报信息对应的企业风险等级。
在一种可能的实现方式中，在所述获取与企业相关的警报信息之后，所述方法还包括：
根据所述警报信息生成预设格式的警报提示。
本申请实施例的第二方面提供了一种企业风险的评估装置，包括：
获取模块，用于获取企业知识图谱和企业财务数据，其中，所述企业知识图谱包括企业的生产信息、经营信息和管理信息；
分析模块，用于根据所述企业知识图谱和企业财务数据得到企业状态的时间序列，其中，时间序列为向量空间与时间的对应关系，向量空间由至少一个向量组成，一个向量对应一个风险维度的数据信息；
评估模块，用于根据所述企业状态的时间序列和预设的风险评估模型得到预设时间对应的企业风险等级，其中，所述企业风险等级包括至少一个风险维度对应的等级。
在一种可能的实现方式中，所述企业风险的评估装置还包括第一对比模块，所述第一对比模块用于：
获取行业知识图谱和行业财务数据；
对所述行业知识图谱和所述行业财务数据进行统计，得到行业风险等级；
输出企业风险等级和行业风险等级的对比结果。
在一种可能的实现方式中，所述企业风险的评估装置还包括第二对比模块，所述第二对比模块用于：
获取国家地区知识图谱和与国家地区相关的经济数据；
对所述国家地区知识图谱和所述与国家地区相关的经济数据进行统计，得到国家地区的经济风险等级；
输出企业风险等级和国家地区的经济风险等级的对比结果。
在一种可能的实现方式中，所述企业风险的评估装置还包括计算模块，所述计算模块用于：
根据预设的时间序列分析方法和企业财务数据计算企业财务数据的周期性信息；
输出所述预设时间对应的企业风险等级和企业财务数据的周期性信息的对应关系。
在一种可能的实现方式中，所述企业风险的评估装置还包括更新模块，所述更新模块用于：
根据企业财务数据的周期性信息更新所述向量空间。
在一种可能的实现方式中，所述企业风险的评估装置还包括警报模块，所述警报模块用于：
获取与企业相关的警报信息；
将所述警报信息转换为文本信息；
根据所述文本信息和预设的警报分析模型输出警报信息对应的企业风险等级。
在一种可能的实现方式中，所述警报模块还用于：
根据所述警报信息生成预设格式的警报提示。
本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的企业风险的评估方法。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的企业风险的评估方法。
本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面所述的企业风险的评估方法。
本申请实施例与现有技术相比存在的有益效果是：通过获取企业知识图谱和企业财务数据，其中，企业知识图谱包括企业的生产信息、经营信息和管理信息；根据企业知识图谱和企业财务数据得到企业状态的时间序列，其中，时间序列为向量空间与时间的对应关系，向量空间由至少一个向量组成，一个向量对应一个风险维度的数据信息，即向量空间中包含了企业各个时段的生产信息、经营信息、管理信息和财务信息。再根据企业状态的时间序列和预设的风险评估模型得到预设时间对应的企业风险等级，其中，企业风险等级包括至少一个风险维度对应的等级，由于企业状态的时间序列与企业各个时段的生产信息、经营信息、管理信息和财务信息相关，因此可以从各时段的生产信息、经营信息、管理信息和财务信息多个维度评估企业风险，提高了风险评估的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1是本申请实施例提供的企业风险的评估方法的实现流程示意图；
图2是本申请实施例提供的企业风险评估方法的详细流程图；
图3是本申请实施例提供的企业风险的评估装置的示意图；
图4是本申请实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
本申请实施例提供的企业风险的评估方法应用于终端设备，请参阅附图1，本申请实施例提供的企业风险的评估方法包括：
S101：获取企业知识图谱和企业财务数据，其中，所述企业知识图谱包括企业的生产信息、经营信息和管理信息。
其中，企业知识图谱是对企业基本形态的描述，是根据用户输入的企业的相关数据生成的，包括企业的生产信息、经营信息和管理信息。在一种可能的实现方式中，企业知识图谱还包括企业的基本信息，例如名称、地点、经营范围、所属行业、成立时间、注册资金、员工人数、占地面积、企业前景和社会责任等。
企业财务数据包括销售数据、盈利数据、投资数据以及企业的季节性或者周期性信息等类别，其中，每个类别的财务数据包括多个指标，从而获取企业多个方面的财务数据。例如，盈利能力包括销售回报和投资回报。销售回报包括：盈利/销售额、运营盈利/销售额、息税前利润/销售额、税前利润/销售额、净盈利/销售额、净盈利/总盈利等比率指标。投资回报包括总盈利/总资产、EBT/总资产、净盈利/总资产、税前利润/固定资产、净利润/固定资产、税前利润/总股本、净利润/总股本、税前利润/当前债务、保留用于公司发展的盈利/总盈利等比率指标，其中，“/”表示除法计算。
S102：根据所述企业知识图谱和企业财务数据得到企业状态的时间序列，其中，所述企业状态的时间序列为向量空间与时间的对应关系，所述向量空间由至少一个向量组成，一个向量对应一个风险维度的数据信息。
具体地，由于企业的生产、运营、管理、财务等信息随时间不断变化，因此企业的知识图谱和企业财务数据也会随时间变化，对企业的知识图谱和企业财务数据随时间的变化信息进行统计和分类，生成企业状态的时间序列，从而统计企业各个风险相关的因素随时间的变化情况。其中，企业状态包括管理、生产、运营、时间周期、经济指标、业务指标、非财务风险和财务风险等维度。每个维度又包括多个微观维度，例如，非财务风险包括市场风险、产品风险、经营风险、投资风险、外汇风险、人事风险、体制风险、购并风险、自然灾害风险、公共危机风险等。财务风险包括筹资风险、投资风险、经营风险、存货管理风险、流动性风险等。其中，财务风险和非财务风险的每个维度对应表征该维度的指标的数据，例如，财务风险对应的数据为现金到期债务比、现金流动负债比、现金债务总额比、现金利息倍数。对于当前时间点，每个维度均对应一个向量，所有维度对应的向量形成向量空间，即用当前时间点的向量空间描述当前时间点的企业状态，向量空间随时间的变化形成时间序列。
S103：根据所述企业状态的时间序列和预设的风险评估模型得到预设时间对应的企业风险等级，其中，所述企业风险等级包括至少一个风险维度对应的等级。
其中，预设的风险评估模型是以历史企业状态及对应的企业风险等级为训练样本，采用机器学习的算法，对分类模型进行训练后得到的，并将风险评估模型输出的企业风险等级与专家预测的结果进行对比，对风险评估模型进行优化。作为示例而非限定，分类模型可以是LSTM网络模型，由于LSTM网络模型可以描述财务风险的时间连续性，从而可以得到有效的风险评估模型。
企业风险包括企业管理风险、生产风险、运营风险和财务风险，财务风险包括筹资风险、投资风险、经营风险、存货管理风险、流动性风险、盈利能力风险和偿还能力风险等，企业风险等级可以是企业管理风险、生产风险、运营风险、筹资风险、投资风险、经营风险、存货管理风险、流动性风险、盈利能力风险和偿还能力风险等各个维度对应的等级，也可以是根据各个维度对应的等级计算出的综合指数等级，企业风险等级可以是按照极低、低、中、高、极高划分的等级，也可以是用0至1之间的数字表示企业风险等级。
预设时间对应的企业风险等级可以是企业的当前风险等级，也可以是企业的历史风险等级，也可以是企业的未来风险等级，根据各个时间段对应的历史风险等级可以生成企业风险等级随时间变化的时间序列，可以更加直观的反映企业风险等级的变化情况。
在一种可能的实现方式中，计算出预设时间对应的企业风险等级后，根据用户设定的格式输出企业风险等级，例如，以图形、表格或叙述性报告的形式输出。
在一种可能的实现方式中，本申请实施例提供的企业风险的评估方法还通过获取行业知识图谱和行业财务数据，对行业知识图谱和行业财务数据进行统计，得到行业风险等级。
其中，行业知识图谱是用于描述行业、产品、服务等多维度的知识网络。行业知识图谱的基本组成要素是主体、维度和情感。其中主体包括当前企业，其它企业，企业内各部门，产品，或者产品的某一个版本。维度包括描述实体在产品、服务、营销和品牌等角度的某一方面、某一属性、或某一话题，情感一般指消费者对行业或者产品的意见或看法，根据行业知识图谱，可以得到行业相关的生产、经营信息以及同业企业。
行业财务数据包括行业内上市公司的财务信息、会计教授的专家观点、全球历史经济综合数据、中国历史经济综合数据、综合商业情报、消费者行为数据、代理数据、微观经济数据和标记数据等。对行业财务数据进行统计和分类，得到预设格式的财务数据，例如，结构化的专家观点、结构化实时商业情报、结构化消化行为数据、结构化案例标记数据、结构化代理数据和结构化微观经济数据。对行业知识图谱和预处理后的行业财务数据进行统计和分析，可以得到行业风险等级。
在一种可能的实现方式中，将行业知识图谱和行业财务数据进行分类后，按照向量的方式生成向量空间，对于当前时间点，向量空间包括当前企业的同业企业的管理、生产、运营、时间周期、经济指标、业务指标、实时信息警报、非财务风险、财务风险等维度，各维度对应的风险等级可以通过统计分析的方式得到，也可以通过预设的风险评估模型得到。将得到的行业风险等级与当前企业的企业风险等级进行对比，可以跟踪和预测企业和当前行业的变化关系，帮助管理者进行决策。
在一种可能的实现方式中，可以根据行业知识图谱选择出与当前企业的同业企业或者选择用户指定的企业，生成对应的向量空间，并计算出同业企业或者用户指定的企业的风险等级。将同业企业或者用户指定的企业的风险等级与当前企业的当前风险等级或者历史风险等级进行对比，从而可以获取竞争对手实力、企业发展前景等信息，以帮助企业进行决策。
在一种可能的实现方式中，本申请实施例提供的企业风险的评估方法还通过获取国家地区知识图谱和与国家地区相关的经济数据，对国家地区知识图谱和与国家地区相关的经济数据进行统计，得到国家地区的经济形势信息。
其中，国家地区知识图谱是对某一个国家或地区相关信息的描述，包括国家地区的企业、行业的基本信息。国家地区相关的经济数据包括全球上市公司的财务数据、中国上市公司的财务数据、会计教授的专家观点，全球历史经济综合数据、中国历史经济综合数据、综合商业情报，消费者行为数据、代理数据、微观经济数据、案例标记数据等。对国家地区相关的经济数据进行统计和分类，得到预设格式的财务数据，例如，结构化的专家观点、结构化实时商业情报、结构化消化行为数据、结构化案例标记数据、结构化代理数据和结构化微观经济数据。对行业知识图谱和预处理后的国家地区相关的经济数据进行统计和分析，可以得到国家地区的经济形势信息。
在一种可能的实现方式中，对行业知识图谱和预处理后的国家地区相关的经济数据进行分类，得到宏观经济状况、宏观经济趋势、宏观经济风险三个维度，将三个维度分别用向量表示，得到国家经济形势对应的向量空间，向量空间对应的经济数据即为国家地区的经济形势信息。将企业风险等级和国家地区的经济形势信息进行对比，输出对比结果，从而可以看出企业风险与外部变化的联系，以预测企业发展。
在一种可能的实现方式中，本申请实施例提供的企业风险的评估方法还根据预设的时间序列分析方法和企业财务数据计算企业财务数据的周期性信息，其中预设的时间序列分析方法可以是Holt-Winters方法，通过预设的时间序列分析方法分析的企业财务数据包括企业负债总额、盈利额、销售额、利润等。通过Holt-Winters方法，可以用线性趋势、有周期性的和非平稳序列表示相关的企业财务数据，从而分析出企业财务数据的周期性信息，进而可以对企业财务数据进行预测。将预设时间对应的企业风险等级和企业财务数据的周期性信息的对应关系进行对比，并按照预设格式输出，以直观的展示企业风险与财务数据的对应关系。
在一种可能的实现方式中，本申请实施例提供的企业风险的评估方法还获取与企业相关的警报信息，将所述警报信息转换为文本信息，根据文本信息和预设的警报分析模型输出警报信息对应的企业风险等级。具体地，与企业相关的警报信息可以是新闻、论坛、博客、微博、微信、视频、贴吧、知道、知乎等类型的信息。将各种类型的信息转化为文本信息，将文本信息输入预设的警报分析模型，输出警报信息对应的企业风险等级。其中，预设的警报分析模型是以文本信息以及对应的风险等级为训练样本，对分类模型进行训练后得到的。分类模型可以是卷积神经网络模型，在将文本输入预设的警报分析模型之前，需要对文本进行预处理，包括去除标点符号和空格，对文本进行分词、创建索引等，从而把文本转化为若干各以数字作为索引的字符串，从而将文本转化为矩阵。将文本对应的矩阵输入预设的警报分析模型，输出警报信息对应的企业风险等级。其中，可以用0至1之间的数字表示风险的级别，将警报信息对应的企业风险等级和财务数据对应的企业风险等级进行对比，可以起到互相验证的作用，提高企业风险等级评估的准确率。可选地，也可以根据警报信息生成预设格式的警报提示，例如以语音或者视频的格式展示警报提示，以提醒用户关注相关警报。
在一种可能的实现方式中，本申请实施例中，将计算得到的各个时段的企业风险等级、行业风险等级、国家地区的经济风险等级、企业财务数据的周期性信息、警报信息对应的企业风险等级再次作为企业财务数据、行业财务数据和与国家地区相关的经济数据，以更新与企业状态、行业、国家地区相关的向量空间，以提高风险评估的准确性。
下面结合图2，进一步说明本申请一实施例提供的企业风险评估方法的流程，如图2所示，输入数据包括全球上市公司的财务数据、中国上市公司的财务数据、会计教授的专家观点，全球历史经济综合数据、中国历史经济综合数据、综合商业情报，消费者行为数据、代理数据、微观经济数据、案例标记数据等。对输入数据进行统计和分类，得到宏观经济数据、结构化的专家观点、结构化实时商业情报、结构化消化行为数据、结构化案例标记数据、结构化代理数据和结构化微观经济数据，再结合企业的基本信息、企业知识图谱、行业知识图谱、国家地区知识图谱以及时间季节性、周期性信息，生成当前企业对应的向量空间、行业企业对应的向量空间以及国家地区的经济形势信息对应的向量空间。将当前企业对应的向量空间、行业企业对应的向量空间以及国家地区的经济形势信息对应的向量空间输入预设的风险评估模型，输出企业当前风险、企业历史风险、行业风险等级与当前企业的企业风险等级的对比结果、各企业风险等级的对比结果、企业风险等级与国家地区经济形势的对比结果、财务数据的周期性信息、警报信息，以向用户展示企业风险与外部经济形势之间的联系。同时，将当前的输出信息又作为下一个时段的输入信息，生成新的输出数据，评估下一个时段的企业风险等级，从而提高了风险评估的准确性。
上述实施例中，通过获取企业知识图谱和企业财务数据，其中，企业知识图谱包括企业的生产信息、经营信息和管理信息；根据企业知识图谱和企业财务数据得到企业状态的时间序列，其中，时间序列为向量空间与时间的对应关系，向量空间由至少一个向量组成，一个向量对应一个风险维度的数据信息，即向量空间中包含了企业各个时段的生产信息、经营信息、管理信息和财务信息。再根据企业状态的时间序列和预设的风险评估模型得到预设时间对应的企业风险等级，其中，企业风险等级包括至少一个风险维度对应的等级，由于企业状态的时间序列与企业各个时段的生产信息、经营信息、管理信息和财务信息相关，因此可以从各时段的生产信息、经营信息、管理信息和财务信息多个维度评估企业风险，提高了风险评估的准确率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的企业风险的评估方法，图3示出了本申请实施例提供的企业风险的评估装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
如图3所示，企业风险的评估装置包括，
获取模块10，用于获取企业知识图谱和企业财务数据，其中，所述企业知识图谱包括企业的生产信息、经营信息和管理信息；
分析模块20，用于根据所述企业知识图谱和企业财务数据得到企业状态的时间序列，其中，所述企业状态的时间序列为向量空间与时间的对应关系，所述向量空间由至少一个向量组成，一个向量对应一个风险维度的数据信息；
评估模块30，用于根据所述企业状态的时间序列和预设的风险评估模型得到预设时间对应的企业风险等级，其中，所述企业风险等级包括至少一个风险维度对应的等级。
在一种可能的实现方式中，所述企业风险的评估装置还包括第一对比模块，所述第一对比模块用于：
获取行业知识图谱和行业财务数据；
对所述行业知识图谱和所述行业财务数据进行统计，得到行业风险等级；
输出企业风险等级和行业风险等级的对比结果。
在一种可能的实现方式中，所述企业风险的评估装置还包括第二对比模块，所述第二对比模块用于：
获取国家地区知识图谱和与国家地区相关的经济数据；
对所述国家地区知识图谱和所述与国家地区相关的经济数据进行统计，得到国家地区的经济风险等级；
输出企业风险等级和国家地区的经济风险等级的对比结果。
在一种可能的实现方式中，所述企业风险的评估装置还包括计算模块，所述计算模块用于：
根据预设的时间序列分析方法和企业财务数据计算企业财务数据的周期性信息；
输出所述预设时间对应的企业风险等级和企业财务数据的周期性信息的对应关系。
在一种可能的实现方式中，所述企业风险的评估装置还包括更新模块，所述更新模块用于：
根据企业财务数据的周期性信息更新所述向量空间。
在一种可能的实现方式中，所述企业风险的评估装置还包括警报模块，所述警报模块用于：
获取与企业相关的警报信息；
将所述警报信息转换为文本信息；
根据所述文本信息和预设的警报分析模型输出警报信息对应的企业风险等级。
在一种可能的实现方式中，所述警报模块还用于：
根据所述警报信息生成预设格式的警报提示。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
图4是本申请实施例提供的终端设备的示意图。如图4所示，该实施例的终端设备包括：处理器11、存储器12以及存储在所述存储器12中并可在所述处理器11上运行的计算机程序13。所述处理器11执行所述计算机程序13时实现上述企业风险评估方法实施例中的步骤，例如图1所示的步骤S101至S103。或者，所述处理器11执行所述计算机程序13时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块10至30的功能。
示例性的，所述计算机程序13可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器12中，并由所述处理器11执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序13在所述终端设备中的执行过程。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器11、存储器12。本领域技术人员可以理解，图4仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所述处理器11可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器12可以是所述终端设备的内部存储单元，例如终端设备的硬盘或内存。所述存储器12也可以是所述终端设备的外部存储设备，例如所述终端设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器12还可以既包括所述终端设备的内部存储单元也包括外部存储设备。所述存储器12用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器12还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块/单元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，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (8)
1.一种企业风险的评估方法，其特征在于，包括：
获取企业知识图谱和企业财务数据，其中，所述企业知识图谱包括企业的生产信息、经营信息和管理信息；
对所述企业知识图谱和企业财务数据中随时间的变化信息进行统计和分类，生成企业状态的时间序列，其中，所述企业状态的时间序列为第一向量空间与时间的对应关系，所述第一向量空间由至少一个向量组成，一个向量对应一个风险维度的数据信息，所述第一向量空间中包含了企业各个时段的生产信息、经营信息、管理信息和财务信息；企业状态包括管理、生产、运营、时间周期、经济指标、业务指标、非财务风险和财务风险多个维度；用当前时间点的第一向量空间描述当前时间点的企业状态，第一向量空间随时间的变化形成时间序列；
根据所述企业状态的时间序列和预设的风险评估模型得到预设时间对应的企业风险等级，其中，所述企业风险等级包括至少一个风险维度对应的等级，所述预设的风险评估模型是以历史企业状态及对应的企业风险等级为训练样本，采用机器学习的算法，对分类模型进行训练后得到的；
所述企业风险的评估方法还包括：
获取行业知识图谱和行业财务数据，所述行业知识图谱包括行业的生产信息、经营信息和同业企业信息；
对所述行业知识图谱和所述行业财务数据进行统计，得到行业风险等级，其中，对行业财务数据进行统计和分类，得到预设格式的财务数据，将行业知识图谱和行业财务数据进行分类后，按照向量的方式生成第二向量空间，对于当前时间点，第二向量空间包括当前企业的同业企业的管理、生产、运营、时间周期、经济指标、业务指标、实时信息警报、非财务风险、财务风险多个维度，通过统计分析的方式或者预设的风险评估模型得到各维度对应的风险等级即为行业风险等级；
输出企业风险等级和行业风险等级的对比结果；
获取国家地区知识图谱和与国家地区相关的经济数据，所述国家地区知识图谱包括国家地区的企业信息和行业信息；
对所述国家地区知识图谱和所述与国家地区相关的经济数据进行统计，得到国家地区的经济形势信息，其中，国家地区相关的经济数据包括全球上市公司的财务数据、中国上市公司的财务数据、会计教授的专家观点，全球历史经济综合数据、中国历史经济综合数据、综合商业情报，消费者行为数据、代理数据、微观经济数据、案例标记数据；对行业知识图谱和预处理后的国家地区相关的经济数据进行分类，得到宏观经济状况、宏观经济趋势、宏观经济风险三个维度，将三个维度分别用向量表示，得到国家经济形势对应的第三向量空间，第三向量空间对应的经济数据即为国家地区的经济形势信息；
输出企业风险等级和国家地区的经济形势信息的对比结果。
2.如权利要求1所述的企业风险的评估方法，其特征在于，所述企业风险的评估方法还包括：
根据预设的时间序列分析方法和企业财务数据计算企业财务数据的周期性信息；
输出所述预设时间对应的企业风险等级和企业财务数据的周期性信息的对应关系。
3.如权利要求2所述的企业风险的评估方法，其特征在于，所述企业风险的评估方法还包括：
根据企业财务数据的周期性信息更新所述第一向量空间。
4.如权利要求1所述的企业风险的评估方法，其特征在于，所述企业风险的评估方法还包括：
获取与企业相关的警报信息，所述警报信息包括新闻、论坛、博客、微博、微信、视频、贴吧、知道、知乎中一种或多种类型的信息；
将所述警报信息转换为文本信息；
根据所述文本信息和预设的警报分析模型输出警报信息对应的企业风险等级，其中，所述预设的警报分析模型是以文本信息以及对应的风险等级为训练样本，对分类模型进行训练后得到的。
5.如权利要求4所述的企业风险的评估方法，其特征在于，在所述获取与企业相关的警报信息之后，所述方法还包括：
根据所述警报信息生成预设格式的警报提示。
6.一种企业风险的评估装置，其特征在于，包括：
获取模块，用于获取企业知识图谱和企业财务数据，其中，所述企业知识图谱包括企业的生产信息、经营信息和管理信息；
分析模块，用于对所述企业知识图谱和企业财务数据中随时间的变化信息进行统计和分类，生成企业状态的时间序列，其中，所述企业状态的时间序列为第一向量空间与时间的对应关系，所述第一向量空间由至少一个向量组成，一个向量对应一个风险维度的数据信息，所述第一向量空间中包含了企业各个时段的生产信息、经营信息、管理信息和财务信息；企业状态包括管理、生产、运营、时间周期、经济指标、业务指标、非财务风险和财务风险多个维度；用当前时间点的第一向量空间描述当前时间点的企业状态，第一向量空间随时间的变化形成时间序列；
评估模块，用于根据所述企业状态的时间序列和预设的风险评估模型得到预设时间对应的企业风险等级，其中，所述企业风险等级包括至少一个风险维度对应的等级，所述预设的风险评估模型是以历史企业状态及对应的企业风险等级为训练样本，采用机器学习的算法，对分类模型进行训练后得到的；
第一对比模块，所述第一对比模块用于：获取行业知识图谱和行业财务数据，所述行业知识图谱包括行业的生产信息、经营信息和同业企业信息；对所述行业知识图谱和所述行业财务数据进行统计，得到行业风险等级，其中，对行业财务数据进行统计和分类，得到预设格式的财务数据，将行业知识图谱和行业财务数据进行分类后，按照向量的方式生成第二向量空间，对于当前时间点，第二向量空间包括当前企业的同业企业的管理、生产、运营、时间周期、经济指标、业务指标、实时信息警报、非财务风险、财务风险多个维度，通过统计分析的方式或者预设的风险评估模型得到各维度对应的风险等级即为行业风险等级；输出企业风险等级和行业风险等级的对比结果；
第二对比模块，所述第二对比模块用于：获取国家地区知识图谱和与国家地区相关的经济数据，所述国家地区知识图谱包括国家地区的企业信息和行业信息；对所述国家地区知识图谱和所述与国家地区相关的经济数据进行统计，得到国家地区的经济形势信息，其中，国家地区相关的经济数据包括全球上市公司的财务数据、中国上市公司的财务数据、会计教授的专家观点，全球历史经济综合数据、中国历史经济综合数据、综合商业情报，消费者行为数据、代理数据、微观经济数据、案例标记数据；对行业知识图谱和预处理后的国家地区相关的经济数据进行分类，得到宏观经济状况、宏观经济趋势、宏观经济风险三个维度，将三个维度分别用向量表示，得到国家经济形势对应的第三向量空间，第三向量空间对应的经济数据即为国家地区的经济形势信息；输出企业风险等级和国家地区的经济形势信息的对比结果。
7.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的企业风险的评估方法。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的企业风险的评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010238164.3A CN111401777B (zh) | 2020-03-30 | 2020-03-30 | 企业风险的评估方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010238164.3A CN111401777B (zh) | 2020-03-30 | 2020-03-30 | 企业风险的评估方法、装置、终端设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111401777A CN111401777A (zh) | 2020-07-10 |
| CN111401777B true CN111401777B (zh) | 2024-03-12 |
Family
ID=71437057
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010238164.3A Active CN111401777B (zh) | 2020-03-30 | 2020-03-30 | 企业风险的评估方法、装置、终端设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111401777B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111915218A (zh) * | 2020-08-14 | 2020-11-10 | 中国工商银行股份有限公司 | 基于lstm-cnn的财务造假识别方法及*** |
| CN112351022B (zh) * | 2020-10-30 | 2022-07-12 | 新华三技术有限公司 | 信任区的安全防护方法及装置 |
| CN112598302B (zh) * | 2020-12-25 | 2024-03-26 | 北京知因智慧科技有限公司 | 企业数据的评估方法、装置及服务器 |
| CN112990946B (zh) * | 2021-03-31 | 2024-05-14 | 建信金融科技有限责任公司 | 一种企业违约预测方法、装置、介质及电子设备 |
| CN113240262A (zh) * | 2021-05-08 | 2021-08-10 | 南京樯图数据研究院有限公司 | 一种企业竞争策略研究用的人工智能*** |
| CN113362158B (zh) * | 2021-05-31 | 2024-06-11 | ***股份有限公司 | 一种信用评估方法、装置及计算机可读存储介质 |
| CN114168757B (zh) * | 2022-02-11 | 2022-04-29 | 子长科技(北京)有限公司 | 公司事件风险预测方法、装置、存储介质及电子设备 |
| CN114693453A (zh) * | 2022-04-20 | 2022-07-01 | 成都随机森林科技有限公司 | 一种退市预警方法与*** |
| CN114862284A (zh) * | 2022-07-06 | 2022-08-05 | 南通思普信息科技有限公司 | 一种基于云端实时语义分析的商业智能模块*** |
| CN116468271B (zh) * | 2023-04-17 | 2024-02-27 | 北京融信数联科技有限公司 | 一种基于大数据的企业风险分析方法、***及介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107665252A (zh) * | 2017-09-27 | 2018-02-06 | 深圳证券信息有限公司 | 一种创建知识图谱的方法及装置 |
| CN107945024A (zh) * | 2017-12-12 | 2018-04-20 | 厦门市美亚柏科信息股份有限公司 | 识别互联网金融借贷企业经营异常的方法、终端设备及存储介质 |
| CN109242352A (zh) * | 2018-10-19 | 2019-01-18 | 中国银行股份有限公司 | 一种金融风险评估方法及装置 |
| CN109347801A (zh) * | 2018-09-17 | 2019-02-15 | 武汉大学 | 一种基于多源词嵌入和知识图谱的漏洞利用风险评估方法 |
| CN109559192A (zh) * | 2018-10-25 | 2019-04-02 | 深圳壹账通智能科技有限公司 | 基于关联图谱的风险检测方法、装置、设备及存储介质 |
| CN109784633A (zh) * | 2018-12-13 | 2019-05-21 | 重庆金融资产交易所有限责任公司 | 企业风险评估的装置、方法及存储介质 |
| CN109829631A (zh) * | 2019-01-14 | 2019-05-31 | 北京中兴通网络科技股份有限公司 | 一种基于记忆网络的企业风险预警分析方法及*** |
| CN109858740A (zh) * | 2018-12-21 | 2019-06-07 | 中化资本有限公司 | 企业风险的评估方法、装置、计算机设备及存储介质 |
| CN110188980A (zh) * | 2019-04-15 | 2019-08-30 | 深圳壹账通智能科技有限公司 | 企业风险评分方法、装置、计算机设备及存储介质 |
| CN110503295A (zh) * | 2019-07-05 | 2019-11-26 | 深圳壹账通智能科技有限公司 | 供应链金融的风险分析方法、装置、计算终端及存储介质 |
| CN110738388A (zh) * | 2019-09-02 | 2020-01-31 | 深圳壹账通智能科技有限公司 | 关联图谱评估风险传导的方法、装置、设备和存储介质 |
| CN110889556A (zh) * | 2019-11-28 | 2020-03-17 | 福建亿榕信息技术有限公司 | 一种企业经营风险预测方法和*** |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9762603B2 (en) * | 2014-05-10 | 2017-09-12 | Informatica Llc | Assessment type-variable enterprise security impact analysis |
| US20190311367A1 (en) * | 2015-06-20 | 2019-10-10 | Quantiply Corporation | System and method for using a data genome to identify suspicious financial transactions |
| US20190164015A1 (en) * | 2017-11-28 | 2019-05-30 | Sigma Ratings, Inc. | Machine learning techniques for evaluating entities |
-
2020
- 2020-03-30 CN CN202010238164.3A patent/CN111401777B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107665252A (zh) * | 2017-09-27 | 2018-02-06 | 深圳证券信息有限公司 | 一种创建知识图谱的方法及装置 |
| CN107945024A (zh) * | 2017-12-12 | 2018-04-20 | 厦门市美亚柏科信息股份有限公司 | 识别互联网金融借贷企业经营异常的方法、终端设备及存储介质 |
| CN109347801A (zh) * | 2018-09-17 | 2019-02-15 | 武汉大学 | 一种基于多源词嵌入和知识图谱的漏洞利用风险评估方法 |
| CN109242352A (zh) * | 2018-10-19 | 2019-01-18 | 中国银行股份有限公司 | 一种金融风险评估方法及装置 |
| CN109559192A (zh) * | 2018-10-25 | 2019-04-02 | 深圳壹账通智能科技有限公司 | 基于关联图谱的风险检测方法、装置、设备及存储介质 |
| CN109784633A (zh) * | 2018-12-13 | 2019-05-21 | 重庆金融资产交易所有限责任公司 | 企业风险评估的装置、方法及存储介质 |
| CN109858740A (zh) * | 2018-12-21 | 2019-06-07 | 中化资本有限公司 | 企业风险的评估方法、装置、计算机设备及存储介质 |
| CN109829631A (zh) * | 2019-01-14 | 2019-05-31 | 北京中兴通网络科技股份有限公司 | 一种基于记忆网络的企业风险预警分析方法及*** |
| CN110188980A (zh) * | 2019-04-15 | 2019-08-30 | 深圳壹账通智能科技有限公司 | 企业风险评分方法、装置、计算机设备及存储介质 |
| CN110503295A (zh) * | 2019-07-05 | 2019-11-26 | 深圳壹账通智能科技有限公司 | 供应链金融的风险分析方法、装置、计算终端及存储介质 |
| CN110738388A (zh) * | 2019-09-02 | 2020-01-31 | 深圳壹账通智能科技有限公司 | 关联图谱评估风险传导的方法、装置、设备和存储介质 |
| CN110889556A (zh) * | 2019-11-28 | 2020-03-17 | 福建亿榕信息技术有限公司 | 一种企业经营风险预测方法和*** |
Non-Patent Citations (3)
| Title |
|---|
| 刘德彬 ; .大数据在企业金融的生态应用.软件和集成电路.(第08期),第62-63页. * |
| 基于数据分析的业务风险防控研究;邢巍;余锦河;曹肖悦;江帆;;现代商业(第09期);第15-17页 * |
| 大数据在企业金融的生态应用;刘德彬;;软件和集成电路(第08期);第62-63页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111401777A (zh) | 2020-07-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111401777B (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
| US20200192894A1 (en) | System and method for using data incident based modeling and prediction | |
| US20220343433A1 (en) | System and method that rank businesses in environmental, social and governance (esg) | |
| Almulhim | Analysis of Takaful vs. Conventional insurance firms’ efficiency: Two-stage DEA of Saudi Arabia’s insurance market | |
| US20170075896A1 (en) | System and method for analyzing popularity of one or more user defined topics among the big data | |
| KR20200039852A (ko) | 기업 경영 현황 분석 예측 모델링을 위한 기계학습 알고리즘 제공 방법 | |
| CN112419030B (zh) | 财务舞弊风险评估的方法、***及设备 | |
| US10497059B1 (en) | Method and system for providing real time access to relevant energy policy and regulatory data | |
| CN110675238A (zh) | 客户标签配置方法、***、可读存储介质及电子设备 | |
| CN110489691A (zh) | 页面组件显示方法及终端设备 | |
| CN105303447A (zh) | 利用网络信息进行信用评级的方法和*** | |
| CN107133862A (zh) | 动态产生增强信用评估的详细交易支付经历的方法和*** | |
| US10719561B2 (en) | System and method for analyzing popularity of one or more user defined topics among the big data | |
| Yen et al. | Product market competition and firms’ narrative disclosures: evidence from risk factor disclosures | |
| CN112464051A (zh) | 一种异常数据检测方法、装置及计算机可读存储介质 | |
| Zhu et al. | A DEALG methodology for prediction of effective customers of internet financial loan products | |
| CN111882417A (zh) | 一种财务分析方法及装置 | |
| RU2717903C1 (ru) | Автоматизированная система моделирования изменения содержания информационного пространства | |
| CN113870007A (zh) | 一种产品推荐方法、装置、设备及介质 | |
| Green | Big data analysis in financial markets | |
| CN111882339A (zh) | 预测模型训练及响应率预测方法、装置、设备及存储介质 | |
| US20180075463A1 (en) | Entity state data detection unit | |
| Segnon et al. | Are multifractal processes suited to forecasting electricity price volatility? Evidence from Australian intraday data | |
| Nieuwoudt et al. | Impact of Firm-specific Attributes on the Shareholder Value Creation of Listed South African Companies | |
| Rodríguez-Rad et al. | A longitudinal study of franchisor failure according to Altman’s Z model |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |