CN117893323A - 一种基于大数据的长期风险评价*** - Google Patents
一种基于大数据的长期风险评价*** Download PDFInfo
- Publication number
- CN117893323A CN117893323A CN202310151536.2A CN202310151536A CN117893323A CN 117893323 A CN117893323 A CN 117893323A CN 202310151536 A CN202310151536 A CN 202310151536A CN 117893323 A CN117893323 A CN 117893323A
- Authority
- CN
- China
- Prior art keywords
- risk
- project
- long
- term
- module
- 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
- 230000007774 longterm Effects 0.000 title claims abstract description 72
- 238000011156 evaluation Methods 0.000 title claims abstract description 63
- 238000010276 construction Methods 0.000 claims abstract description 31
- 230000007246 mechanism Effects 0.000 claims abstract description 25
- 238000013210 evaluation model Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 31
- 238000012502 risk assessment Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 5
- 238000004445 quantitative analysis Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 2
- 230000009471 action Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005058 diapause Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000013598 vector Substances 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Computational Mathematics (AREA)
- Fuzzy Systems (AREA)
- Biomedical Technology (AREA)
- Entrepreneurship & Innovation (AREA)
- Automation & Control Theory (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
Abstract
本发明公开了一种基于大数据的长期风险评价方法,包括以下步骤:步骤一:基于多项目案例,获取工程项目遇到的开发商无法继续投资建设及陷入债务纠纷的具体长期风险问题特征;步骤二:基于长期风险的评价进行具体项目风险的分类;步骤三:根据分类结果构建反映风险特征的指标集合;步骤四:根据计算出的权重值构建项目长期风险的模糊综合评价模型;步骤五:根据评价判断的风险因素等级,建立工程项目开发商投资建设及债务纠纷的投资风险预警机制,针对工程项目中长期分风险特征,进行风险识别分析和风险因素层次运算,制定有针对性的长期风险投资预警机制,本发明,具有针对工程项目具体长期风险跟踪分析和投资预警的特点。
Description
技术领域
本发明涉及风险分析技术领域,具体为一种基于大数据的长期风险评价***。
背景技术
房地产工程项目建设需要大量人力物力和资金支持,中间任何一个环节出问题,整个项目的资金链随时可能发生断裂,资金链一旦断裂,工程建设项目只能暂停等待资金到位,这个过程有的项目资金可顺利融得,也有部分项目难以筹措或筹足所需资金,现针对房地产项目的风险辨识就是从***的观点出发,横观项目所涉及的各个方面,纵观项目建设的发展过程,将引起风险的极其复杂的事物分解成比较简单的、容易被认识的基本单元,在众多的影响中抓住主要因素,分析它们引起投资效果变化的严重程度,而没有主要针对工程项目开工后,工程项目遇到的开发商无力继续投资建设或陷入债务纠纷的具体风险问题,进行长期针对性的跟踪和分析计算。因此,设计针对工程项目具体长期风险跟踪分析和投资预警的一种基于大数据的长期风险评价***是很有必要的。
发明内容
本发明的目的在于提供一种基于大数据的长期风险评价***,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于大数据的长期风险评价方法,包括以下步骤:
步骤一:基于多项目案例,获取工程项目遇到的开发商无法继续投资建设及陷入债务纠纷的具体长期风险问题特征;
步骤二:基于长期风险的评价进行具体项目风险的分类;
步骤三:根据分类结果构建反映风险特征的指标集合;
步骤四:根据计算出的权重值构建项目长期风险的模糊综合评价模型;
步骤五:根据评价判断的风险因素等级,建立工程项目开发商投资建设及债务纠纷的投资风险预警机制。
根据上述技术方案,所述获取具体长期风险问题特征的步骤,包括:
基于开发商无法继续投资建设及陷入债务纠纷的风险侧重点进行工程项目的长期风险特征获取;
通过对大量工程项目的风险事故资料统计分析获取长期风险的规律性。
根据上述技术方案,所述进行具体项目风险的分类的步骤,包括:
对房地产工程项目风险各个方面、各个阶段、各个环节存在的风险因素进行选取分类、统计和分析;
对项目进行初步的工作结构分解确定项目风险因素;
进行项目各阶段的风险因素识别;
根据各项因素的风险发生概率、类别和严重程度形成风险因素表。
根据上述技术方案,所述构建反映风险特征的指标集合的步骤,包括:
基于风险评价的目的制定评价指标体系;
对不同指标的重要性程度进行量化分析确定关键指标;
筛选关键指标外的其余次要指标;
构建关键风险指标和次要风险指标的指标集合;
采用相关方法论将所选用的风险因素进行分类、分级并确定隶属关系,构建具有***性、代表性、层次性的指标体系。
根据上述技术方案,所述构建项目长期风险的模糊综合评价模型的步骤,包括:
计算出每一层次因素的相对权重值,通过对计算结果的综合分析得出各风险指标集合中的权重值;
通过对多种风险因素的影响权重进行分析,结合专家评分,运用模糊综合评价方法对相应的风险指标进行测算打分;
确定分类的风险指标权重值集合,根据评价的风险类型确定风险的评价层级。
根据上述技术方案,所述建立工程项目开发商投资建设及债务纠纷的投资风险预警机制的步骤,包括:
搭建房地产开发商投资建设、债务纠纷的投资风险预警机制;
运用数字化的手段处理与监测项目的风险,建立投资决策机制;
从房地产工程项目资金的视角关注项目财务数据异常波动的情况,及时判断是否存在风险,是否有风险发生的可能,通过直观的项目财务数据识别,对工程项目固定资产、流动资金情况进行评估,进行长期风险的预测。
根据上述技术方案,所述一种基于大数据的长期风险评价***包括:
长期风险特征模块,用于获取工程项目遇到的开发商无法继续投资建设及陷入债务纠纷的具体长期风险问题特征;
风险分类集合模块,用于进行具体项目风险的分类,并根据分类结果构建风险特征的指标集合;
风险评价预警模块,用于根据计算出的权重值构建项目长期风险的评价层次并设计对应的投资预警机制。
与现有技术相比,本发明所达到的有益效果是:本发明,通过设置有长期风险特征模块、风险分类集合模块、风险评价预警模块,基于房地产工程的多项目案例,获取工程项目遇到的开发商无法继续投资建设及陷入债务纠纷的具体长期风险问题特征,基于长期风险的评价进行具体项目风险的分类,再根据分类结果构建反映风险特征的指标集合,根据计算出的权重值构建项目长期风险的模糊综合评价模型,最后根据评价判断的风险因素等级,建立工程项目开发商投资建设及债务纠纷的投资风险预警机制,即针对工程项目中长期分风险特征,进行风险识别分析和风险因素层次运算,制定有针对性的长期风险投资预警机制,使得实现针对工程项目具体长期风险跟踪分析和开发商无法继续投资建设及陷入债务纠纷的投资预警机制设立。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例一提供的一种基于大数据的长期风险评价方法的流程图;
图2为本发明实施例二提供的一种基于大数据的长期风险评价***的模块组成示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一:
图1为本发明实施例一提供的一种基于大数据的长期风险评价方法的流程图,本实施例可应用房地产项目具体风险长期跟踪的场景,该方法可以由本实施例提供的一种基于大数据的长期风险评价***来执行,如图1所示,该方法具体包括以下步骤:
步骤一:基于多项目案例,获取工程项目遇到的开发商无法继续投资建设及陷入债务纠纷的具体长期风险问题特征;
在本发明实施例中,房地产工程项目要进行实际的项目开发,需要从相关的项目书策划到具体的建设实施,再到销售经营以及投入使用,形成一个较长的周期过程,在此过程中,房地产项目不同阶段的处境以及目标追求会导致面临不同的具体风险,因此在进行风险的控制管理时,基于开发商无法继续投资建设及陷入债务纠纷的风险侧重点进行特征获取;
示例性的,房地产工程项目的具体风险问题特征包括:工程项目因本身特点导致的风险因素,开发商无法继续投资建设及陷入债务纠纷均属于主要的经济风险和合同风险,同步涉及工程项目具体的环境风险,风险因素相互关系错综复杂且互为影响、互为消长,且各风险因素同时还与外界相互影响,获取工程项目此时对应的风险多样性和层次性特征,而基于房地产工程项目中不同活动主体对具体风险的认识和承受度不相同,开发商对于风险和风险事故的承受能力因人和具体时间而异,获益的多少、资源的拥有量大小使得房地产工程项目的具体风险,需要明确风险承受的主体开发商相对性;
示例性的,在房地产工程项目的整个开发过程中,风险的性质和种类、风险发生的概率、风险可能导致的后果等随着工程项目的进展都处于不断的变化之中,在项目的每一阶段都可能出现新的风险,而这些不断变化的风险具有不同的风险特征,在前期市场定位时因项目方案不够全面或存在误差,在图纸设计阶段存在地质资料不确定或专业不协调错误,以及最后的销售阶段因市场或政策变化导致产品滞销、资金链断裂等均使得此类风险具有长期性的特征,当一个环节或时点受到发生了风险,与它相关的许多环节或之后的时间节点都会受到影响,而且风险的影响会随时间推移逐步扩大,因此基于房地产工程项目的全局性影响可知具体此类风险侧重点具有整体性,最后通过对大量房地产项目的风险事故资料的观察和统计分析获取其风险的规律性。
步骤二:基于长期风险的评价进行具体项目风险的分类;
在本发明实施例中,对房地产工程项目风险各个方面、各个阶段、各个环节存在的风险因素进行选取分类、统计和分析,在对房地产项目足够了解的基础上,通过实际工程项目实施工作中接触到的各项项目资料,通过咨询工程项目专业人员进行风险因素清单的拟订,保证后续的分类,在实际管理中根据不同种类的风险采取不同的有针对性的管理措施和策略,从不同角度对房地产工程项目的风险进行不同的划分,通过工程项目中的各个阶段负责部门收集相关的项目资料,对项目进行初步的工作结构分解,合理地确定项目风险因素,基于房地产项目阶段性的风险因素清单,明确各类风险的责任主体,并以此进行项目各阶段的风险因素识别,形成最终全面的风险表根据各项因素的风险发生概率、类别和严重程度。
步骤三:根据分类结果构建反映风险特征的指标集合;
在本发明实施例中,基于风险评价的目的制定评价指标体系,将初步构建的风险评价指标体系中重复、过多、特征不明显、计算不简单的风险问题列出,进行优化和筛选,对其进行优化筛选时借助统计学工具对不同指标的重要性程度进行量化分析进而确定关键指标,将关键的指标保留下来,把次要的指标剔除对评价指标体系进行优化,构建出关键风险指标和次要风险指标的指标集合;
示例性的,采用相关方法论将所选用的风险因素进行分类、分级并确定隶属关系,构建具有***性、代表性、层次性的指标体系,在已经构建的风险因素体系中,通过对风险的影响进行科学的评价,得到房地产项目风险的定量分析结果,对定量分析结果中的各种因素进行层次划分,找到各层次之间的有序性和普遍联系性,再运用两两比较的方法对指标的相对重要性予以定量描述,依据客观现实确定两两判断矩阵,计算出每一层次因素的相对权重值,通过对计算结果的综合分析得出各风险指标集合中的权重值;
步骤四:根据计算出的权重值构建项目长期风险的模糊综合评价模型;
在本发明实施例中,通过对多种风险因素的影响权重进行分析,结合专家评分,运用模糊综合评价方法对相应的风险指标进行测算打分,降低人为主观因素的影响,结合层次分析法和模糊综合评价法两种分析方法,构建工程项目风险评价模型;
示例性的,确定分类的风险指标权重值集合,根据评价的风险类型确定风险的评价层级,即通过非常差、较差、一般、较好、非常好表示评价层级,通过项目各部门的专业人员对被评价的风险因素的评分结果划分,采用中位数的方式进行量化,得到风险因素评价集的标准隶属度,再计算判断各个指标的权重向量,并进行一次性检验,最后基于所有的风险因素的评价进行一级模糊评价和综合隶属度计算结果进行得分集合评价,当项目风险指标评价得分值与评价等级的“非常差”或“较差”相对应,则判断此项目风险因素属于高风险,若与“一般”相对应,则判断项目风险因素属于中风险,若与“较好”或“非常好”相对应,则判断属于低风险,以此反应出工程项目风险评价的大小,评价等级越高房地产工程项目的该类风险因素影响越小。
步骤五:根据评价判断的风险因素等级,建立工程项目开发商投资建设及债务纠纷的投资风险预警机制。
在本发明实施例中,搭建房地产开发商投资建设、债务纠纷的投资风险预警机制,运用数字化的手段处理与监测项目的风险,建立投资决策机制,降低工程项目的决策失误,建立项目投资风险预警机制,工程项目风险管理需要具有规划性,建立项目风险预警与监督机制,通过对项目的投资情况、回报率、成本、投资的市场前景等内容予以全面***的评价,对项目的优势、劣势进行分析预测与预警,风险始终会贯穿在项目的全过程,在房地产工程项目的长周期施工实施中,从项目的立项到项目竣工的过程中,时间越长其风险的因素就会累积越多,因此,对工程项目建立完善的风险预警机制和风险识别机制,从项目资金的视角关注财务数据异常波动的情况,及时判断是否存在风险,是否有风险发生的可能,通过直观的项目财务数据识别,对工程项目固定资产、流动资金情况进行评估,进行风险的预测。
实施例二:
本发明实施例二提供了一种基于大数据的长期风险评价***,图2为本发明实施例二提供的一种基于大数据的长期风险评价***的模块组成示意图,如图2所示,该***包括:
长期风险特征模块,用于获取工程项目遇到的开发商无法继续投资建设及陷入债务纠纷的具体长期风险问题特征;
风险分类集合模块,用于进行具体项目风险的分类,并根据分类结果构建风险特征的指标集合;
风险评价预警模块,用于根据计算出的权重值构建项目长期风险的评价层次并设计对应的投资预警机制。
在本发明的一些实施例中,长期风险特征模块包括:
具体风险特征模块,用于对房地产项目长期实施过程中的具体风险侧重点进行特征获取;
动态风险模块,用于对项目不同阶段出现不断变化的风险因素进行获取具体的动态风险特征;
风险规律性模块,用于通过大量房地产项目的风险资料统计分析获取其风险的规律性;
在本发明的一些实施例中,风险分类集合模块包括:
项目结构分解模块,用于进行初步的风险对应项目工作结构分解;
风险因素分类模块,用于对房地产工程项目风险各个阶段存在的风险因素进行选取分类;
关键风险指标确定模块,用于对风险指标的重要性程度进行量化分析确定关键指标;
指标集模块,用于构建关键风险指标和次要风险指标的指标集合。
在本发明的一些实施例中,风险评价预警模块包括:
模糊综合评价模块,用于运用模糊综合评价方法降低人为主观因素的影响;
风险指标测算打分模块,用于对相应的风险指标进行测算打分;
风险评价模型模块,用于构建工程项目风险评价模型;
风险指标权重值模块,用于通过对多种风险因素的影响权重进行分析,确定分类的风险指标权重值集合;
风险评价层次判断模块,用于根据评价的风险类型确定风险的评价层级;
投资风险预警模块,用于搭建房地产开发商投资建设、债务纠纷的投资风险预警机制。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的长期风险评价方法,该方法包括以下步骤:
步骤一:基于多项目案例,获取工程项目遇到的开发商无法继续投资建设及陷入债务纠纷的具体长期风险问题特征;
步骤二:基于长期风险的评价进行具体项目风险的分类;
步骤三:根据分类结果构建反映风险特征的指标集合;
步骤四:根据计算出的权重值构建项目长期风险的模糊综合评价模型;
步骤五:根据评价判断的风险因素等级,建立工程项目开发商投资建设及债务纠纷的投资风险预警机制。
2.根据权利要求1所述的一种基于大数据的长期风险评价方法,其特征在于:所述获取具体长期风险问题特征的步骤,包括:
基于开发商无法继续投资建设及陷入债务纠纷的风险侧重点进行工程项目的长期风险特征获取;
通过对大量工程项目的风险事故资料统计分析获取长期风险的规律性。
3.根据权利要求1所述的一种基于大数据的长期风险评价方法,其特征在于:所述进行具体项目风险的分类的步骤,包括:
对房地产工程项目风险各个方面、各个阶段、各个环节存在的风险因素进行选取分类、统计和分析;
对项目进行初步的工作结构分解确定项目风险因素;
进行项目各阶段的风险因素识别;
根据各项因素的风险发生概率、类别和严重程度形成风险因素表。
4.根据权利要求1所述的一种基于大数据的长期风险评价方法,其特征在于:所述构建反映风险特征的指标集合的步骤,包括:
基于风险评价的目的制定评价指标体系;
对不同指标的重要性程度进行量化分析确定关键指标;
筛选关键指标外的其余次要指标;
构建关键风险指标和次要风险指标的指标集合;
采用相关方法论将所选用的风险因素进行分类、分级并确定隶属关系,构建具有***性、代表性、层次性的指标体系。
5.根据权利要求1所述的一种基于大数据的长期风险评价方法,其特征在于:所述构建项目长期风险的模糊综合评价模型的步骤,包括:
计算出每一层次因素的相对权重值,通过对计算结果的综合分析得出各风险指标集合中的权重值;
通过对多种风险因素的影响权重进行分析,结合专家评分,运用模糊综合评价方法对相应的风险指标进行测算打分;
确定分类的风险指标权重值集合,根据评价的风险类型确定风险的评价层级。
6.根据权利要求1所述的一种基于大数据的长期风险评价方法,其特征在于:所述建立工程项目开发商投资建设及债务纠纷的投资风险预警机制的步骤,包括:
搭建房地产开发商投资建设、债务纠纷的投资风险预警机制;
运用数字化的手段处理与监测项目的风险,建立投资决策机制;
从房地产工程项目资金的视角关注项目财务数据异常波动的情况,及时判断是否存在风险,是否有风险发生的可能,通过直观的项目财务数据识别,对工程项目固定资产、流动资金情况进行评估,进行长期风险的预测。
7.一种基于大数据的长期风险评价***,其特征在于:所述该***包括:
长期风险特征模块,用于获取工程项目遇到的开发商无法继续投资建设及陷入债务纠纷的具体长期风险问题特征;
风险分类集合模块,用于进行具体项目风险的分类,并根据分类结果构建风险特征的指标集合;
风险评价预警模块,用于根据计算出的权重值构建项目长期风险的评价层次并设计对应的投资预警机制。
8.根据权利要求7所述的一种基于大数据的长期风险评价***,其特征在于:所述长期风险特征模块包括:
具体风险特征模块,用于对房地产项目长期实施过程中的具体风险侧重点进行特征获取;
动态风险模块,用于对项目不同阶段出现不断变化的风险因素进行获取具体的动态风险特征;
风险规律性模块,用于通过大量房地产项目的风险资料统计分析获取其风险的规律性。
9.根据权利要求7所述的一种基于大数据的长期风险评价***,其特征在于:所述风险分类集合模块包括:
项目结构分解模块,用于进行初步的风险对应项目工作结构分解;
风险因素分类模块,用于对房地产工程项目风险各个阶段存在的风险因素进行选取分类;
关键风险指标确定模块,用于对风险指标的重要性程度进行量化分析确定关键指标;
指标集模块,用于构建关键风险指标和次要风险指标的指标集合。
10.根据权利要求7所述的一种基于大数据的长期风险评价***,其特征在于:所述风险评价预警模块包括:
模糊综合评价模块,用于运用模糊综合评价方法降低人为主观因素的影响;
风险指标测算打分模块,用于对相应的风险指标进行测算打分;
风险评价模型模块,用于构建工程项目风险评价模型;
风险指标权重值模块,用于通过对多种风险因素的影响权重进行分析,确定分类的风险指标权重值集合;
风险评价层次判断模块,用于根据评价的风险类型确定风险的评价层级;
投资风险预警模块,用于搭建房地产开发商投资建设、债务纠纷的投资风险预警机制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310151536.2A CN117893323A (zh) | 2023-02-22 | 2023-02-22 | 一种基于大数据的长期风险评价*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310151536.2A CN117893323A (zh) | 2023-02-22 | 2023-02-22 | 一种基于大数据的长期风险评价*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117893323A true CN117893323A (zh) | 2024-04-16 |
Family
ID=90638242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310151536.2A Pending CN117893323A (zh) | 2023-02-22 | 2023-02-22 | 一种基于大数据的长期风险评价*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117893323A (zh) |
-
2023
- 2023-02-22 CN CN202310151536.2A patent/CN117893323A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107633455A (zh) | 基于数据模型的信用评估方法及装置 | |
Vochozka | Formation of Complex Company Evaluation Method through Neural Networks Based on the Example of Construction Companies ́ Collection | |
Chaudhary et al. | Comparative analysis of entropy weight method and c5 classifier for predicting employee churn | |
Tripathy et al. | Safety risk assessment and risk prediction in underground coal mines using machine learning techniques | |
CN117007977B (zh) | 一种储能电池健康状态诊断方法 | |
CN117575328A (zh) | 一种基于图注意力神经网络的产业链风险评估方法及装置 | |
Loterman et al. | A proposed framework for backtesting loss given default models | |
Härting et al. | Cost-benefit considerations for data analytics-an SME-oriented framework enhanced by a management perspective and the process of idea generation | |
CN117893323A (zh) | 一种基于大数据的长期风险评价*** | |
Terceño et al. | Prediction of business failure with fuzzy models | |
CN111553581A (zh) | 一种基于熵值的装备维修性评价模型 | |
CN113807587B (zh) | 一种基于多梯核深度神经网络模型积分预警方法以及*** | |
CN115204425A (zh) | 一种基于bim的可视化运维的方法及*** | |
Ying et al. | Research on tax inspection case selection model based on Bayesian network | |
KR20220074327A (ko) | 인공지능을 이용한 가계대출 사기/부실 상시감사지원시스템 | |
CN112801544A (zh) | 一种公路数字化管理绩效评价方法及*** | |
CN114663102A (zh) | 基于半监督模型预测发债主体违约的方法、设备及存储介质 | |
CN114139102B (zh) | 一种数控加工质量风险预警方法 | |
D’Atri et al. | Improving pipeline risk models by using data mining techniques | |
Philip et al. | Time-series forecasting of road distress parameters using dynamic Bayesian belief networks | |
CN114046179B (zh) | 一种基于co监测数据智能识别和预测井下安全事故的方法 | |
CN118014165B (zh) | 锂离子电池生产的溯源管理方法及*** | |
CN117574303B (zh) | 施工状况的监测预警方法、装置、设备及存储介质 | |
KR102499183B1 (ko) | 인공지능을 이용한 기업대출 사기/사기의심 상시감사지원시스템 | |
CN115936835A (zh) | 一种面向债券风险智能监测方法和装置 |
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 |