CN109543952A - 投资标的企业的获取方法、装置、计算机设备和存储介质 - Google Patents
投资标的企业的获取方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109543952A CN109543952A CN201811250076.4A CN201811250076A CN109543952A CN 109543952 A CN109543952 A CN 109543952A CN 201811250076 A CN201811250076 A CN 201811250076A CN 109543952 A CN109543952 A CN 109543952A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- value
- target
- selection
- data
- 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
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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种投资标的企业的获取方法、装置、计算机设备和存储介质。所述方法包括:获取多个预选企业,并获取预选企业的流动性指标值、成长性指标值、企业估值以及企业竞争值;分别根据流动性指标值、成长性指标值、企业估值以及企业竞争值对预选企业进行排序,获得排序结果;获取流动性指标值、成长性指标值、企业估值以及所述企业竞争值预设的优先级级别,根据优先级级别以及排序结果从预选企业中筛选出投资标的企业。本方法基于大数据处理技术实现获取投资标的企业,通过加入企业竞争值这一维度的考量因子,拓展投资标的企业的选取因子的范围,提高了量化投资模型的信度与效度。
Description
技术领域
本申请涉及大数据处理技术领域,特别是涉及一种投资标的企业的获取方法、装置、计算机设备和存储介质。
背景技术
传统的量化投资策略,往往只对财务数据进行分析,将对投资收益有影响的财务数据作为模型因子构建量化投资模型,通过该量化投资模型选取投资标的企业。但是,传统的量化投资策略选取出的投资标的的收益效果甚微,使得量化投资的信度与效度较低。
发明内容
基于此,有必要针对上述传统的量化投资策略选取出的投资标的的收益效果甚微,量化投资的信度与效度较低的技术问题,提供一种投资标的企业的获取方法、装置、计算机设备和存储介质。
一种投资标的企业的获取方法,所述方法包括:
获取多个预选企业,并获取所述预选企业的流动性指标值、成长性指标值、企业估值以及企业竞争值;
分别根据所述流动性指标值、所述成长性指标值、所述企业估值以及所述企业竞争值对所述预选企业进行排序,获得排序结果;
获取所述流动性指标值、所述成长性指标值、所述企业估值以及所述企业竞争值预设的优先级级别,根据所述优先级级别以及所述排序结果从所述预选企业中筛选出投资标的企业。
在其中一个实施例中,所述获取所述预选企业的流动性指标值、成长性指标值以及企业估值的步骤,包括:
获取所述预选企业的目标指标值的指标数据,其中,所述目标指标值包括流动性指标值、成长性指标值以及企业估值;
计算各所述目标指标值的指标数据中任意两个指标数据间的相关性系数;
将各所述目标指标值的指标数据中,与其他任意指标数据的相关性系数均低于预设相关性阈值的指标数据去除,获得各所述目标指标值的指标特征数据;
获取各所述目标指标值的指标特征数据的数量,根据所述数量确定各所述指标特征数据对应的权值;
根据各所述指标特征数据以及所述权值分别计算所述预选企业的目标指标值。
在其中一个实施例中,所述获取所述预选企业的企业竞争值的步骤,包括:
获取所述预选企业的舆情文本信息,根据所述舆情文本信息获取所述预选企业的结构化特征数据;
从所述结构化特征数据中获取目标特征数据,所述目标特征数据包括企业体量特征数据、市场表现特征数据以及人员素质特征数据;
利用预设的主成分系数矩阵对所述目标特征数据进行主成分降维,获得企业竞争值。
在其中一个实施例中,所述获取所述预选企业的舆情文本信息,根据所述舆情文本信息获取所述预选企业的结构化特征数据的步骤,包括:
建立企业画像数据表,所述企业画像数据表的列族包括预选企业不同的属性类型;
从所述舆情文本信息中提取目标实体,并确定所述目标实体的属性类型;
根据所述目标实体从所述舆情文本信息中获取所述目标实体对应的特征值;
根据所述目标实体的属性类型将所述目标实体对应的特征值保存到所述企业画像数据表中,得到所述预选企业的结构化特征数据。
在其中一个实施例中,所述根据所述优先级级别以及所述排序结果从所述预选企业中筛选出投资标的企业的步骤,包括:
从所述预选企业中筛选出所述流动性指标值排序在第一预设阈值内的第一目标企业;
从所述第一目标企业中筛选出所述成长性指标值排序在第二预设阈值内的第二目标企业;
从所述第二目标企业中筛选出所述企业估值排序在第三预设阈值内的第三目标企业;
从所述第三目标企业中筛选出所述企业竞争值排序在第四预设阈值内的第四目标企业,将所述第四目标企业确定为所述投资标的企业。
一种投资标的企业的获取装置,所述装置包括:
企业指标值获取模型,用于获取多个预选企业,并获取所述预选企业的流动性指标值、成长性指标值、企业估值以及企业竞争值;
企业排序模块,用于分别根据所述流动性指标值、所述成长性指标值、所述企业估值以及所述企业竞争值对所述预选企业进行排序,获得排序结果;
投资标的企业获取模块,用于获取所述流动性指标值、所述成长性指标值、所述企业估值以及所述企业竞争值预设的优先级级别,根据所述优先级级别以及所述排序结果从所述预选企业中筛选出投资标的企业。
在其中一个实施例中,所述企业指标值获取模型用于获取所述预选企业的目标指标值的指标数据,其中,所述目标指标值包括流动性指标值、成长性指标值以及企业估值;计算各所述目标指标值的指标数据中任意两个指标数据间的相关性系数;将各所述目标指标值的指标数据中,与其他任意指标数据的相关性系数均低于预设相关性阈值的指标数据去除,获得各所述目标指标值的指标特征数据;获取各所述目标指标值的指标特征数据的数量,根据所述数量确定各所述指标特征数据对应的权值;根据各所述指标特征数据以及所述权值分别计算所述预选企业的目标指标值.
在其中一个实施例中,所述企业指标值获取模型用所述企业指标值获取模型用于获取所述预选企业的舆情文本信息,根据所述舆情文本信息获取所述预选企业的结构化特征数据;从所述结构化特征数据中获取目标特征数据,所述目标特征数据包括企业体量特征数据、市场表现特征数据以及人员素质特征数据;利用预设的主成分系数矩阵对所述目标特征数据进行主成分降维,获得企业竞争值。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取多个预选企业,并获取所述预选企业的流动性指标值、成长性指标值、企业估值以及企业竞争值;
分别根据所述流动性指标值、所述成长性指标值、所述企业估值以及所述企业竞争值对所述预选企业进行排序,获得排序结果;
获取所述流动性指标值、所述成长性指标值、所述企业估值以及所述企业竞争值预设的优先级级别,根据所述优先级级别以及所述排序结果从所述预选企业中筛选出投资标的企业。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取多个预选企业,并获取所述预选企业的流动性指标值、成长性指标值、企业估值以及企业竞争值;
分别根据所述流动性指标值、所述成长性指标值、所述企业估值以及所述企业竞争值对所述预选企业进行排序,获得排序结果;
获取所述流动性指标值、所述成长性指标值、所述企业估值以及所述企业竞争值预设的优先级级别,根据所述优先级级别以及所述排序结果从所述预选企业中筛选出投资标的企业。
上述投资标的企业的获取方法、装置、计算机设备和存储介质,通过加入企业竞争值这一维度的考量因子,从而根据流动性指标值、成长性指标值、企业估值以及企业竞争值这四个维度获取投资标的企业,实现深入挖掘分析企业信息,拓展了投资标的企业的选取因子的范围,提高了量化投资模型的信度与效度。
附图说明
图1为一个实施例中投资标的企业的获取方法的应用场景图;
图2为一个实施例中投资标的企业的获取方法的流程示意图;
图3为一个实施例中获取预选企业的企业竞争值步骤的流程示意图;
图4为一个实施例中投资标的企业的获取装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的投资标的企业的获取方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与服务器104通过网络进行通信。用户通过终端102输入预选企业,终端102将预选企业发送至服务器104,服务器104获取预选企业的流动性指标值、成长性指标值、企业估值以及企业竞争值,并根据流动性指标值、成长性指标值、企业估值以及企业竞争值从预选企业中筛选出投资标的企业返回至终端102中,为用户提供量化投资策略。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种投资标的企业的获取方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤S210:获取多个预选企业,并获取预选企业的流动性指标值、成长性指标值、企业估值以及企业竞争值。
本步骤中,流动性指标值是用于指示着某一企业资产变现能力的值;成长性指标值是用于衡量企业发展速度的指标值;企业估值是用于衡量企业资产以及获利能力的指标值;企业竞争值可以根据大量新闻舆情信息定性分析获得,具体可以用于衡量包括企业体量、企业市场表现以及企业相关人员在内的多个企业考虑因素;预选企业可以是资本市场上任意企业,也可以是根据预设条件从资本市场上所有企业中筛选出的若干个预选企业;具体的,服务器获取若干个预选企业以及这些预选企业的流动性指标值、成长性指标值、企业估值以及企业竞争值。
步骤S220:分别根据流动性指标值、成长性指标值、企业估值以及企业竞争值对预选企业进行排序,获得排序结果。
本步骤中,服务器根据流动性指标值的大小对预选企业进行排序,获得流动性指标值的排序结果,同样的,服务器分别根据成长性指标值、企业估值以及企业竞争值的大小对预选企业进行排序,以得到成长性指标值的排序结果、企业估值的排序结果以及企业竞争值的排序结果。
步骤S230:获取流动性指标值、成长性指标值、企业估值以及企业竞争值预设的优先级级别,根据优先级级别以及排序结果从预选企业中筛选出投资标的企业。
本步骤中,服务器中预存着流动性指标值、成长性指标值、企业估值以及企业竞争值对应的优先级级别,在获得流动性指标值的排序结果、成长性指标值的排序结果、企业估值的排序结果以及企业竞争值的排序结果后,可以根据流动性指标值、成长性指标值、企业估值以及企业竞争值的优先级级别,从优先级级别较高的指标值到优先级较低的指标值,在预选企业中层层筛选出投资标的企业。
上述投资标的企业的获取方法中,通过加入企业竞争值这一维度的考量因子,从而根据流动性指标值、成长性指标值、企业估值以及企业竞争值这四个维度获取投资标的企业,实现了深入挖掘企业信息,拓展了投资标的企业的选取因子的范围,提高了量化投资模型的信度与效度。
在一个实施例中,获取预选企业的流动性指标值、成长性指标值以及企业估值的步骤,包括:获取预选企业的目标指标值的指标数据,其中,目标指标值包括流动性指标值、成长性指标值以及企业估值;计算各目标指标值的指标数据中任意两个指标数据间的相关性系数;将各目标指标值的指标数据中,与其他任意指标数据的相关性系数均低于预设相关性阈值的指标数据去除,获得各目标指标值的指标特征数据;获取各目标指标值的指标特征数据的数量,根据数量确定各指标特征数据对应的权值;根据各指标特征数据以及权值分别计算预选企业的目标指标值。
本实施例中,企业流动性指标值可以由多个指标数据进行评估获得,例如,评估企业流动性的指标数据可以包括流动比率、速动比率、企业贷存比、企业存款以及企业资金总指数等,服务器在获得评估企业流动性指标值的指标数据后,通过相关性分析计算这些指标数据两两间的相关性系数,当某个指标数据与其他指标数据的相关性系数低于预设阈值,则将该指标数据删除,获取剩余的指标数据,将剩余的指标数据作为流动性指标值的指标特征数据,然后根据流动性指标值的指标特征数据的数量确定各个指标特征数据的权重,并计算企业的流动性;例如服务器获得企业流动性指标值的指标特征数据为流动比率、速动比率、企业贷存比以及企业资金总指数,总共4个指标特征数据,可以确定各个指标特征数据的权值均为25%。同样的,评估企业流动性指标值的指标数据可以包括净资产增长率、销售收入增长率、固定资产增长率、附加价值增长率以及利润总额增长率等;评估企业估值的指标数据可以包市盈率、市净率、实体现金流量、股利现金流量以及股权现金流量等;服务器在获得评估企业流动性指标值或企业估值的指标数据后,对这些指标数据进行相关性分析以获取企业流动性指标值或企业估值的指标特征数据,根据各指标特征数据及其对应的权值计算预选企业流动性指标值或企业估值。通过相关性分析剔除掉与目标指标值相关性较低的指标数据,有效减少噪声干扰,降低数据量提高目标指标值的计算速率。
在一个实施例中,如图3所示,提供了一种企业竞争值的获取方法,获取预选企业的企业竞争值的步骤,包括:
步骤S310:获取预选企业的舆情文本信息,根据舆情文本信息获取预选企业的结构化特征数据。
本步骤中,服务器获取非结构化的舆情文本信息,并从舆情文本信息中提取与预选企业相关的各项相关数据,例如财务数据、企业人员相关信息等数据,并将这些相关数据归入至后台数据库中生成结构化特征数据。
步骤S320:从结构化特征数据中获取目标特征数据,目标特征数据包括企业体量特征数据、市场表现特征数据以及人员素质特征数据。
本步骤中,服务器获得结构化特征数据后,分别从结构化特征数据中获取与企业体量相关的企业体量特征数据、企业市场表现相关的市场表现特征数据以及企业人员相关的人员素质特征数据。
例如,企业体量特征数据可以包括企业的人员规模数据、企业排名等数据;市场表现特征数据可以包括从企业财报数据中提取的各类企业经营指标的数据;人员素质特征数据可以包括企业股东的信用指标值等数据。
步骤S330:利用预设的主成分系数矩阵对目标特征数据进行主成分降维,获得企业竞争值。
具体的,主成分系数矩阵可以根据目标特征数据自身的数据规律而确定;服务器将企业体量特征数据、市场表现特征数据以及人员素质特征数据进行拼接,生成一个目标特征向量,然后利用预设的主成分系数矩阵对该目标特征向量进行主成分降维,获得一个一维的数据作为企业竞争值。
本实施例为对海量的舆情文本信息定性分析获取企业竞争值的过程,通过对舆情文本信息进行处理,获取企业体量特征数据、市场表现特征数据以及人员素质特征数据等结构化数据,从而根据企业体量特征数据、市场表现特征数据以及人员素质特征数据等结构化数据获得能够综合衡量企业体量、市场表现以及企业相关人员素质等信息的企业竞争值,不仅仅只根据财务数据对企业进行定量分析,实现了深入挖掘企业各类信息,极大拓展了选取投资标的企业的考量因素的范围,提高了量化投资模型的信度与效度。
在一个实施例中,获取预选企业的舆情文本信息,根据舆情文本信息获取预选企业的结构化特征数据的步骤,包括:建立企业画像数据表,企业画像数据表的列族包括预选企业不同的属性类型;从舆情文本信息中提取目标实体,并确定目标实体的属性类型;根据目标实体从舆情文本信息中获取目标实体对应的特征值;根据目标实体的属性类型将目标实体对应的特征值保存到企业画像数据表中,得到预选企业的结构化特征数据。
具体的,服务器预先建立企业画像数据表,其中该企业画像数据表每行代表一个预选企业,每列代表该预选企业不同的属性类型,企业画像数据表的属性类型包括但不限于人员规模、企业排名、经营指标以及股东信用值等;服务器在获得预选企业的舆情文本信息后,可以利用自然语音处理技术分别对各个预选企业的舆情文本信息进行实体识别,从而提取出舆情文本信息中的目标实体,并确定该目标实体的类型,目标实体的类型包括企业名称、人名、概念等;获得目标实体后,利用上下文语义分析获取目标实体对应的特征值;将得到的特征存储到企业画像数据表中对应企业的属性类型下,从而得到所有预选企业的结构化特征数据。例如,舆情文本信息为“A公司总人数500人”,从该舆情文本信息中识别到目标实体“公司总人数”,该目标实体的类型为概念型的“人员规模”,根据上下文语义分析确定目标实体“公司总人数”对应的特征值为“500”,服务器将特征值“500”存储到企业画像数据表中A企业的“人员规模”的属性类型下。本实施例利用自然语言处理技术将海量的舆情文本信息转化为结构化数据,有效提高数据的处理速度。
在一个实施例中,根据优先级级别以及排序结果从预选企业中筛选出投资标的企业的步骤,包括:从预选企业中筛选出流动性指标值排序在第一预设阈值内的第一目标企业;从第一目标企业中筛选出成长性指标值排序在第二预设阈值内的第二目标企业;从第二目标企业中筛选出企业估值排序在第三预设阈值内的第三目标企业;从第三目标企业中筛选出企业竞争值排序在第四预设阈值内的第四目标企业,将第四目标企业确定为投资标的企业。
具体的,第一预设阈值、第二预设阈值、第三预设阈值以及第四预设阈值可以根据实际应用情况设置;以各个预设阈值均为前50%为例对本实施例进行说理,服务器先从预选企业中筛选出流动性估值排名在前50%的第一目标企业;再从第一目标企业中筛选出成长性估值排名在前50%内的第二目标企业;然后从第二目标企业中筛选出企业估值排名在前50%内的第三目标企业;最后从第三目标企业中筛选出企业竞争值在前50%内的第四目标企业,将第四目标企业作为投资标的企业。本实施例中,根据流动性指标值、成长性指标值、企业估值以及企业竞争值这4个不同维度的量化因子,依次筛选出标的企业实现量化投资,有效提高量化投资的信度与效度。
应该理解的是,虽然图2或图3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2或图3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种投资标的企业的获取装置,包括:企业指标值获取模型410、企业排序模块420和投资标的企业获取模块430,其中:
企业指标值获取模型410,用于获取多个预选企业,并获取预选企业的流动性指标值、成长性指标值、企业估值以及企业竞争值;
企业排序模块420,用于分别根据流动性指标值、成长性指标值、企业估值以及企业竞争值对预选企业进行排序,获得排序结果;
投资标的企业获取模块430,用于获取流动性指标值、成长性指标值、企业估值以及企业竞争值预设的优先级级别,根据优先级级别以及排序结果从预选企业中筛选出投资标的企业。
在一个实施例中,企业指标值获取模型410用于获取预选企业的目标指标值的指标数据,其中,目标指标值包括流动性指标值、成长性指标值以及企业估值;计算各目标指标值的指标数据中任意两个指标数据间的相关性系数;将各目标指标值的指标数据中,与其他任意指标数据的相关性系数均低于预设相关性阈值的指标数据去除,获得各目标指标值的指标特征数据;获取各目标指标值的指标特征数据的数量,根据数量确定各指标特征数据对应的权值;根据各指标特征数据以及权值分别计算预选企业的目标指标值。
在一个实施例中,企业指标值获取模型410用于获取预选企业的舆情文本信息,根据舆情文本信息获取预选企业的结构化特征数据;从结构化特征数据中获取目标特征数据,目标特征数据包括企业体量特征数据、市场表现特征数据以及人员素质特征数据;利用预设的主成分系数矩阵对目标特征数据进行主成分降维,获得企业竞争值。
在其中一个实施例中,企业指标值获取模型410用于建立企业画像数据表,企业画像数据表的列族包括预选企业不同的属性类型;从舆情文本信息中提取目标实体,并确定目标实体的属性类型;根据目标实体从舆情文本信息中获取目标实体对应的特征值;根据目标实体的属性类型将目标实体对应的特征值保存到企业画像数据表中,得到预选企业的结构化特征数据。
在其中一个实施例中,投资标的企业获取模块430用于从预选企业中筛选出流动性指标值排序在第一预设阈值内的第一目标企业;从第一目标企业中筛选出成长性指标值排序在第二预设阈值内的第二目标企业;从第二目标企业中筛选出企业估值排序在第三预设阈值内的第三目标企业;从第三目标企业中筛选出企业竞争值排序在第四预设阈值内的第四目标企业,将第四目标企业确定为投资标的企业。
关于投资标的企业的获取装置的具体限定可以参见上文中对于投资标的企业的获取方法的限定,在此不再赘述。上述投资标的企业的获取装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储舆情文本信息、企业画像数据表等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种投资标的企业的获取方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取多个预选企业,并获取预选企业的流动性指标值、成长性指标值、企业估值以及企业竞争值;
分别根据流动性指标值、成长性指标值、企业估值以及企业竞争值对预选企业进行排序,获得排序结果;
获取流动性指标值、成长性指标值、企业估值以及企业竞争值预设的优先级级别,根据优先级级别以及排序结果从预选企业中筛选出投资标的企业。
在一个实施例中,处理器执行计算机程序获取预选企业的流动性指标值、成长性指标值以及企业估值的步骤时,具体实现以下步骤:获取预选企业的目标指标值的指标数据,其中,目标指标值包括流动性指标值、成长性指标值以及企业估值;计算各目标指标值的指标数据中任意两个指标数据间的相关性系数;将各目标指标值的指标数据中,与其他任意指标数据的相关性系数均低于预设相关性阈值的指标数据去除,获得各目标指标值的指标特征数据;获取各目标指标值的指标特征数据的数量,根据数量确定各指标特征数据对应的权值;根据各指标特征数据以及权值分别计算预选企业的目标指标值。
在一个实施例中,处理器执行计算机程序实现获取预选企业的企业竞争值的步骤时,具体实现以下步骤:获取预选企业的舆情文本信息,根据舆情文本信息获取预选企业的结构化特征数据;从结构化特征数据中获取目标特征数据,目标特征数据包括企业体量特征数据、市场表现特征数据以及人员素质特征数据;利用预设的主成分系数矩阵对目标特征数据进行主成分降维,获得企业竞争值。
在一个实施例中,处理器执行计算机程序实现获取预选企业的舆情文本信息,根据舆情文本信息获取预选企业的结构化特征数据的步骤时,具体实现以下步骤:建立企业画像数据表,企业画像数据表的列族包括预选企业不同的属性类型;从舆情文本信息中提取目标实体,并确定目标实体的属性类型;根据目标实体从舆情文本信息中获取目标实体对应的特征值;根据目标实体的属性类型将目标实体对应的特征值保存到企业画像数据表中,得到预选企业的结构化特征数据。
在一个实施例中,处理器执行计算机程序实现根据优先级级别以及排序结果从预选企业中筛选出投资标的企业的步骤时,具体实现以下步骤:从预选企业中筛选出流动性指标值排序在第一预设阈值内的第一目标企业;从第一目标企业中筛选出成长性指标值排序在第二预设阈值内的第二目标企业;从第二目标企业中筛选出企业估值排序在第三预设阈值内的第三目标企业;从第三目标企业中筛选出企业竞争值排序在第四预设阈值内的第四目标企业,将第四目标企业确定为投资标的企业。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取多个预选企业,并获取预选企业的流动性指标值、成长性指标值、企业估值以及企业竞争值;
分别根据流动性指标值、成长性指标值、企业估值以及企业竞争值对预选企业进行排序,获得排序结果;
获取流动性指标值、成长性指标值、企业估值以及企业竞争值预设的优先级级别,根据优先级级别以及排序结果从预选企业中筛选出投资标的企业。在一个实施例中,计算机程序被处理器执行实现获取预选企业的流动性指标值、成长性指标值以及企业估值的步骤时,具体实现以下步骤:获取预选企业的目标指标值的指标数据,其中,目标指标值包括流动性指标值、成长性指标值以及企业估值;计算各目标指标值的指标数据中任意两个指标数据间的相关性系数;将各目标指标值的指标数据中,与其他任意指标数据的相关性系数均低于预设相关性阈值的指标数据去除,获得各目标指标值的指标特征数据;获取各目标指标值的指标特征数据的数量,根据数量确定各指标特征数据对应的权值;根据各指标特征数据以及权值分别计算预选企业的目标指标值。
在一个实施例中,计算机程序被处理器执行实现获取预选企业的企业竞争值的步骤时,具体实现以下步骤:获取预选企业的舆情文本信息,根据舆情文本信息获取预选企业的结构化特征数据;从结构化特征数据中获取目标特征数据,目标特征数据包括企业体量特征数据、市场表现特征数据以及人员素质特征数据;利用预设的主成分系数矩阵对目标特征数据进行主成分降维,获得企业竞争值。
在一个实施例中,计算机程序被处理器执行实现获取预选企业的舆情文本信息,根据舆情文本信息获取预选企业的结构化特征数据的步骤时,具体实现以下步骤:建立企业画像数据表,企业画像数据表的列族包括预选企业不同的属性类型;从舆情文本信息中提取目标实体,并确定目标实体的属性类型;根据目标实体从舆情文本信息中获取目标实体对应的特征值;根据目标实体的属性类型将目标实体对应的特征值保存到企业画像数据表中,得到预选企业的结构化特征数据。
在一个实施例中,计算机程序被处理器执行实现根据优先级级别以及排序结果从预选企业中筛选出投资标的企业的步骤时,具体实现以下步骤:从预选企业中筛选出流动性指标值排序在第一预设阈值内的第一目标企业;从第一目标企业中筛选出成长性指标值排序在第二预设阈值内的第二目标企业;从第二目标企业中筛选出企业估值排序在第三预设阈值内的第三目标企业;从第三目标企业中筛选出企业竞争值排序在第四预设阈值内的第四目标企业,将第四目标企业确定为投资标的企业。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种投资标的企业的获取方法,所述方法包括:
获取多个预选企业,并获取所述预选企业的流动性指标值、成长性指标值、企业估值以及企业竞争值;
分别根据所述流动性指标值、所述成长性指标值、所述企业估值以及所述企业竞争值对所述预选企业进行排序,获得排序结果;
获取所述流动性指标值、所述成长性指标值、所述企业估值以及所述企业竞争值预设的优先级级别,根据所述优先级级别以及所述排序结果从所述预选企业中筛选出投资标的企业。
2.根据权利要求1所述的方法,其特征在于,所述获取所述预选企业的流动性指标值、成长性指标值以及企业估值的步骤,包括:
获取所述预选企业的目标指标值的指标数据,其中,所述目标指标值包括流动性指标值、成长性指标值以及企业估值;
计算各所述目标指标值的指标数据中任意两个指标数据间的相关性系数;
将各所述目标指标值的指标数据中,与其他任意指标数据的相关性系数均低于预设相关性阈值的指标数据去除,获得各所述目标指标值的指标特征数据;
获取各所述目标指标值的指标特征数据的数量,根据所述数量确定各所述指标特征数据对应的权值;
根据各所述指标特征数据以及所述权值分别计算所述预选企业的目标指标值。
3.根据权利要求1所述的方法,其特征在于,所述获取所述预选企业的企业竞争值的步骤,包括:
获取所述预选企业的舆情文本信息,根据所述舆情文本信息获取所述预选企业的结构化特征数据;
从所述结构化特征数据中获取目标特征数据,所述目标特征数据包括企业体量特征数据、市场表现特征数据以及人员素质特征数据;
利用预设的主成分系数矩阵对所述目标特征数据进行主成分降维,获得企业竞争值。
4.根据权利要求1所述的方法,其特征在于,所述获取所述预选企业的舆情文本信息,根据所述舆情文本信息获取所述预选企业的结构化特征数据的步骤,包括:
建立企业画像数据表,所述企业画像数据表的列族包括预选企业不同的属性类型;
从所述舆情文本信息中提取目标实体,并确定所述目标实体的属性类型;
根据所述目标实体从所述舆情文本信息中获取所述目标实体对应的特征值;
根据所述目标实体的属性类型将所述目标实体对应的特征值保存到所述企业画像数据表中,得到所述预选企业的结构化特征数据。
5.根据权利要求1所述的方法,其特征在于,所述根据所述优先级级别以及所述排序结果从所述预选企业中筛选出投资标的企业的步骤,包括:
从所述预选企业中筛选出所述流动性指标值排序在第一预设阈值内的第一目标企业;
从所述第一目标企业中筛选出所述成长性指标值排序在第二预设阈值内的第二目标企业;
从所述第二目标企业中筛选出所述企业估值排序在第三预设阈值内的第三目标企业;
从所述第三目标企业中筛选出所述企业竞争值排序在第四预设阈值内的第四目标企业,将所述第四目标企业确定为所述投资标的企业。
6.一种投资标的企业的获取装置,其特征在于,所述装置包括:
企业指标值获取模型,用于获取多个预选企业,并获取所述预选企业的流动性指标值、成长性指标值、企业估值以及企业竞争值;
企业排序模块,用于分别根据所述流动性指标值、所述成长性指标值、所述企业估值以及所述企业竞争值对所述预选企业进行排序,获得排序结果;
投资标的企业获取模块,用于获取所述流动性指标值、所述成长性指标值、所述企业估值以及所述企业竞争值预设的优先级级别,根据所述优先级级别以及所述排序结果从所述预选企业中筛选出投资标的企业。
7.根据权利要求6所述的装置,其特征在于,所述企业指标值获取模型用于获取所述预选企业的目标指标值的指标数据,其中,所述目标指标值包括流动性指标值、成长性指标值以及企业估值;计算各所述目标指标值的指标数据中任意两个指标数据间的相关性系数;将各所述目标指标值的指标数据中,与其他任意指标数据的相关性系数均低于预设相关性阈值的指标数据去除,获得各所述目标指标值的指标特征数据;获取各所述目标指标值的指标特征数据的数量,根据所述数量确定各所述指标特征数据对应的权值;根据各所述指标特征数据以及所述权值分别计算所述预选企业的目标指标值。
8.根据权利要求6所述的装置,其特征在于,所述企业指标值获取模型用于获取所述预选企业的舆情文本信息,根据所述舆情文本信息获取所述预选企业的结构化特征数据;从所述结构化特征数据中获取目标特征数据,所述目标特征数据包括企业体量特征数据、市场表现特征数据以及人员素质特征数据;利用预设的主成分系数矩阵对所述目标特征数据进行主成分降维,获得企业竞争值。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811250076.4A CN109543952A (zh) | 2018-10-25 | 2018-10-25 | 投资标的企业的获取方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811250076.4A CN109543952A (zh) | 2018-10-25 | 2018-10-25 | 投资标的企业的获取方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109543952A true CN109543952A (zh) | 2019-03-29 |
Family
ID=65844920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811250076.4A Pending CN109543952A (zh) | 2018-10-25 | 2018-10-25 | 投资标的企业的获取方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109543952A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110728540A (zh) * | 2019-10-10 | 2020-01-24 | 华夏幸福产业投资有限公司 | 一种企业推荐方法、装置、设备和介质 |
CN110991470A (zh) * | 2019-07-03 | 2020-04-10 | 北京市安全生产科学技术研究院 | 数据降维方法、画像构建方法及系统、可读存储介质 |
CN112308362A (zh) * | 2020-07-06 | 2021-02-02 | 广东粤财金融云科技股份有限公司 | 一种企业贸易数据的处理方法、装置及业务应用系统 |
CN113269516A (zh) * | 2021-05-13 | 2021-08-17 | 企家有道网络技术(北京)有限公司 | 一种通过大数据提高企业能效的方法、装置及系统 |
-
2018
- 2018-10-25 CN CN201811250076.4A patent/CN109543952A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110991470A (zh) * | 2019-07-03 | 2020-04-10 | 北京市安全生产科学技术研究院 | 数据降维方法、画像构建方法及系统、可读存储介质 |
CN110991470B (zh) * | 2019-07-03 | 2022-04-15 | 北京市应急管理科学技术研究院 | 数据降维方法、画像构建方法及系统、可读存储介质 |
CN110728540A (zh) * | 2019-10-10 | 2020-01-24 | 华夏幸福产业投资有限公司 | 一种企业推荐方法、装置、设备和介质 |
CN112308362A (zh) * | 2020-07-06 | 2021-02-02 | 广东粤财金融云科技股份有限公司 | 一种企业贸易数据的处理方法、装置及业务应用系统 |
CN113269516A (zh) * | 2021-05-13 | 2021-08-17 | 企家有道网络技术(北京)有限公司 | 一种通过大数据提高企业能效的方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109543952A (zh) | 投资标的企业的获取方法、装置、计算机设备和存储介质 | |
CN110489520A (zh) | 基于知识图谱的事件处理方法、装置、设备和存储介质 | |
US20110298805A1 (en) | Method and Data Processing System for Financial Planning | |
Huang et al. | Product market competition and credit risk | |
Cheng et al. | Predicting bankruptcy using the discrete-time semiparametric hazard model | |
Budianto et al. | Mudaraba on Islamic Financial Inclusion: Mapping Research Topics using VOSviewer Bibliometric Study and Library Research | |
Akyildirim et al. | How connected is the agricultural commodity market to the news-based investor sentiment? | |
CN110009502A (zh) | 理财数据分析方法、装置、计算机设备和存储介质 | |
Herzel et al. | The cost of sustainability in optimal portfolio decisions | |
CN109583682A (zh) | 企业财务造假风险的识别方法、装置以及计算机设备 | |
Sing et al. | Time-varying betas of US REITs from 1972 to 2013 | |
CN108804564A (zh) | 金融产品的组合推荐方法及终端设备 | |
CN110110884A (zh) | 信息预测方法、装置、计算机设备和存储介质 | |
Osabuohien et al. | Financial development, trade costs and bilateral trade flows: connecting the nexus in ECOWAS | |
Hodula et al. | Debt management when monetary and fiscal policies clash: some empirical evidence | |
Brigo et al. | Credit models and the crisis: default cluster dynamics and the generalized Poisson loss model | |
Divino et al. | Interest rates and default in unsecured loan markets | |
CN110796178B (zh) | 决策模型训练方法及样本特征选择方法、装置和电子设备 | |
Wilinski et al. | An analysis of price impact functions of individual trades on the London stock exchange | |
JPH11175602A (ja) | 信用リスク計測装置 | |
CN110232463A (zh) | 信息预测方法、装置、计算机设备和存储介质 | |
Meligkotsidou et al. | Detecting structural breaks in multivariate financial time series: evidence from hedge fund investment strategies | |
Li | A study on the volatility forecast of the US housing market in the 2008 crisis | |
Gartner | Multi-attribute utility model based on the maximum entropy principle applied in the evaluation of the financial performance of Brazilian banks | |
CN112732866A (zh) | 投资者情绪指数构建方法、异质性主体市场模拟方法、设备及介质 |
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 |