申请/专利权人:南京冰鉴信息科技有限公司
申请日:2023-12-20
公开(公告)日:2024-04-12
公开(公告)号:CN117876115A
主分类号:G06Q40/06
分类号:G06Q40/06;G06Q40/12;G06F18/214;G06F18/21;G06F18/243;G06N20/20
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种企业财务风险识别方法、装置、设备及存储介质,涉及大数据分析技术领域。所述方法是先将建模样本集合拆分为训练样本集合、测试样本集合和验证样本集合,然后根据训练样本集合,基于不同的多个有监督机器学习算法建立不同的多个企业财务风险分类模型,再然后针对各个分类模型,应用测试样本集合得到对应的模型效果评估结果,以及应用基于无监督孤立森林算法对验证样本集合进行异常样本剔除处理后所得的验证样本新集合,得到对应的模型稳定性观察结果,最后根据两种结果综合选取最优分类模型并应用于目标企业的财务风险识别,如此可有效提高企业财务风险识别准确性,同时无需依靠专家人为经验。
主权项:1.一种企业财务风险识别方法,其特征在于,包括:获取建模样本集合,并将所述建模样本集合拆分为训练样本集合、测试样本集合和验证样本集合,其中,在所述建模样本集合中的每个建模样本包含有多维企业财务指标值并对应有一个企业财务风险标签;根据所述训练样本集合,基于不同的多个有监督机器学习算法建立不同的多个企业财务风险分类模型,其中,所述多个企业财务风险分类模型与所述多个有监督机器学习算法一一对应;针对在所述多个企业财务风险分类模型中的各个企业财务风险分类模型,应用所述测试样本集合进行对应模型的模型效果评估,得到对应的模型效果评估结果;应用无监督孤立森林算法对所述验证样本集合进行异常样本剔除处理,得到验证样本新集合;针对所述各个企业财务风险分类模型,应用所述验证样本新集合进行对应模型的模型稳定性观察,得到对应的模型稳定性观察结果;根据所述各个企业财务风险分类模型的模型效果评估结果及模型稳定性观察结果,从所述多个企业财务风险分类模型中综合选取最优分类模型;获取目标企业的财务报表;根据所述财务报表,计算得到所述目标企业的所述多维企业财务指标值;将所述目标企业的所述多维企业财务指标值导入所述最优分类模型,输出得到所述目标企业的企业财务风险分类结果。
全文数据:
权利要求:
百度查询: 南京冰鉴信息科技有限公司 一种企业财务风险识别方法、装置、设备及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。