CN109800976A - 项目投资决策方法、装置、计算机设备和存储介质 - Google Patents
项目投资决策方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109800976A CN109800976A CN201910013149.6A CN201910013149A CN109800976A CN 109800976 A CN109800976 A CN 109800976A CN 201910013149 A CN201910013149 A CN 201910013149A CN 109800976 A CN109800976 A CN 109800976A
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- business
- project
- parameter
- 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 34
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 230000008451 emotion Effects 0.000 claims description 45
- 238000004590 computer program Methods 0.000 claims description 27
- 239000000284 extract Substances 0.000 claims description 24
- 230000002996 emotional effect Effects 0.000 claims description 18
- 230000036541 health Effects 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 15
- 238000013210 evaluation model Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 7
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 3
- 238000012502 risk assessment Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013058 risk prediction model Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及大数据处理领域，特别涉及一种项目投资决策方法、装置、计算机设备和存储介质。所述方法包括：接收项目投资决策指令；从项目投资决策指令中读取目标企业和企业关联方；采集目标企业对应的企业数据和企业关联方对应的关联方数据，根据企业数据和关联方数据建立项目数据档案；从项目数据档案中提取企业风险参数，根据企业风险参数计算企业风险因子；从项目数据档案中提取关联关系数据，根据关联关系数据计算风险传导概率；根据企业风险因子和风险传导概率得到项目风险，根据项目风险生成投资决策建议。采用本方法能够有效降低项目投资风险。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种项目投资决策方法、装置、计算机设备和存储介质。
背景技术
项目投资是实现社会资本积累功能的主要途径，也是扩大社会再生产的重要手段，有助于促进社会经济的长期可持续发展，不仅可以满足社会需求的不断增长，而且会最终拉动社会消费的增长。
但是，由于项目投资具有投资数额多、影响时间长、发生频率低、变现能力差的特点，项目投资投资风险很大。目前，企业、政府部门等在进行项目投资决策时，大多是依靠投资经验，缺乏科学合理的项目投资决策依据，从而项目投资的风险大大增加。
发明内容
基于此，有必要针对上述技术问题，提供一种能够有效降低项目投资风险的项目投资决策方法、装置、计算机设备和存储介质。
一种项目投资决策方法，所述方法包括：
接收项目投资决策指令；
从所述项目投资决策指令中读取目标企业和企业关联方；
采集所述目标企业对应的企业数据和所述企业关联方对应的关联方数据，根据所述企业数据和所述关联方数据建立项目数据档案；
从所述项目数据档案中提取企业风险参数，根据所述企业风险参数计算企业风险因子；
从所述项目数据档案中提取关联关系数据，根据所述关联关系数据计算风险传导概率；
根据所述企业风险因子和所述风险传导概率得到项目风险，根据所述项目风险生成投资决策建议。
在其中一个实施例中，根据所述企业数据和所述关联方数据建立项目数据档案，包括：
获取预设企业信息字段，根据所述企业信息字段从所述企业数据中提取企业信息字段值，根据所述企业信息字段值生成企业信息记录；
获取预设关联信息字段，根据所述目标企业和所述预设关联信息字段从所述关联方数据中提取关联信息字段值，根据所述关联信息字段值和所述目标企业生成关联信息记录；
根据所述目标企业将所述企业信息记录和所述关联信息记录进行关联并生成项目数据档案。
在其中一个实施例中，从所述项目数据档案中提取企业风险参数，根据所述企业风险参数计算企业风险因子，包括：
从所述项目数据档案中提取财务预警指标、法务预警指标和舆情情感字段；
将所述财务预警指标输入财务风险评估模型得到财务风险评分；
将所述法务预警指标输入法务风险评估模型得到法务风险评分；
根据所述舆情情感字段计算舆情风险评分；
根据所述财务风险评分、所述法务风险评分和所述舆情风险评分得到企业风险因子。
在其中一个实施例中，财务风险评估模型的生成方式，包括：
采集企业财务样本数据；
将所述企业财务样本数据划分为样本集数据和测试集数据；
从所述样本集数据中提取财务风险参数及对应的目标风险值；
将所述财务风险参数和所述目标风险值输入预设分类模型中进行训练得到初始财务评估模型；
根据所述测试集数据对所述初始评估模型进行模型参数优化得到财务风险评估模型。
在其中一个实施例中，方法还包括：根据所述舆情情感字段计算舆情风险评分，包括：
获取各预设情感类别对应的情感分值；
统计各所述预设情感类别对应的所述舆情情感字段的字段数量；
根据所述情感分值和所述字段数量计算得到舆情风险评分。
在其中一个实施例中，从所述项目数据档案中提取关联关系数据，根据所述关联关系数据计算风险传导概率，包括：
从所述项目数据档案中提取直接参数字段，根据所述直接参数字段确定直接关系系数；
获取预设间接关系指标，从所述项目数据档案中提取所述预设间接关系指标对应的间接参数值，根据所述间接参数值得到间接关系系数；
根据所述直接关系系数和所述间接关系系数计算得到风险传导概率。
一种项目投资决策装置，所述装置包括：
指令接收模块，用于接收项目投资决策指令；
指令读取模块，用于从所述项目投资决策指令中读取目标企业和企业关联方；
档案建立模块，用于采集所述目标企业对应的企业数据和所述企业关联方对应的关联方数据，根据所述企业数据和所述关联方数据建立项目数据档案；
风险因子计算模块，用于从所述项目数据档案中提取企业风险参数，根据所述企业风险参数计算企业风险因子；
传导概率计算模块，用于从所述项目数据档案中提取关联关系数据，根据所述关联关系数据计算风险传导概率；
建议生成模块，用于根据所述企业风险因子和所述风险传导概率得到项目风险，根据所述项目风险生成投资决策建议。
在其中一个实施例中，传导概率计算模块包括：
直接系数生成单元，用于从所述项目数据档案中提取直接参数字段，根据所述直接参数字段确定直接关系系数；
间接系数生成单元，用于获取预设间接关系指标，从所述项目数据档案中提取所述预设间接关系指标对应的间接参数值，根据所述间接参数值得到间接关系系数；
概率计算单元，用于根据所述直接关系系数和所述间接关系系数计算得到风险传导概率。
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上述方法的步骤。
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上述方法的步骤。
上述项目投资决策方法、装置、计算机设备和存储介质，通过采集项目投资的目标企业的企业数据及其关联方的数据，建立投资项目的项目数据档案，并从项目数据档案中提取企业相关的风险参数计算出企业风险因子，提取出关联方的关联关系数据计算出各关联方带来的风险传导概率，通过企业自身风险和关联方的风险传导来综合评价项目风险并自动生成投资决策建议，从而能够为投资方提供更加科学合理的项目风险评估依据，有效降低投资风险。
附图说明
图1为一个实施例中项目投资决策方法的应用场景图；
图2为一个实施例中项目投资决策方法的流程示意图；
图3为一个实施例中风险传导概率计算步骤的流程示意图；
图4为一个实施例中项目投资决策装置的结构框图；
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。
本申请提供的项目投资决策方法，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。终端102向服务器104发送项目投资决策指令，服务器104接收项目投资决策指令后，从项目投资决策指令中读取目标企业和企业关联方；采集目标企业对应的企业数据和企业关联方对应的关联方数据，根据企业数据和关联方数据建立项目数据档案；从项目数据档案中提取企业风险参数，根据企业风险参数计算企业风险因子；从项目数据档案中提取关联关系数据，根据关联关系数据计算风险传导概率；根据企业风险因子和风险传导概率得到项目风险，根据项目风险生成投资决策建议。服务器104将生成的投资决策建议返回给终端102。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，提供了一种项目投资决策方法，以该方法应用于图1中的服务器104为例进行说，方法包括以下步骤：
步骤210，接收项目投资决策指令。
政府、企业等投资方在进行项目投资风险评估时，需要综合考虑投资的目标企业的企业自身风险，及投资项目的各个关联方与目标企业的关联程度所带来的关联风险。
终端上可以提供项目决策辅助功能，投资方在评估待选的投资项目时，将投资项目的基本信息如投资的目标企业信息，与目标企业相关的各个关联方的信息录入终端，当选择项目决策辅助功能时，终端生成携带有投资项目信息的项目投资决策指令，用于指示对投资项目进行决策辅助分析，终端将项目投资决策指令发送给服务器，服务器接收终端发送的项目投资决策指令。
步骤220，从项目投资决策指令中读取目标企业和企业关联方。
服务器从接收的项目投资决策指令中读取投资项目的目标企业和目标企业的企业关联方的相关信息。其中，目标企业为投资项目的承办企业，企业关联方为参与项目建设或与目标企业具有项目合作关系的关联方，企业关联方可以包括项目建筑方、项目供应商和项目咨询方等。
步骤230，采集目标企业对应的企业数据和企业关联方对应的关联方数据，根据企业数据和关联方数据建立项目数据档案。
服务器对目标企业的相关数据和关联方的相关数据进行采集，采集的数据可以包括目标企业、关联方已有的基础信息，如已有项目资料、工商信息、法律文件等数据，也可以包括服务器定时爬取的目标企业和项目关联方的舆情数据。其中，服务器采集的关联方数据为关联方与目标企业具有相关联系的数据。
服务器将分别对采集的关联方数据与目标企业数据进行数据标准化处理，整理成标准的结构化数据，再根据关联方与目标企业之间存在的关联数据将企业数据和关联方数据建立联系，生成以目标企业为中心，并辐射各个项目关联方的网状项目数据档案。
步骤240，从项目数据档案中提取企业风险参数，根据企业风险参数计算企业风险因子。
服务器从整理好的项目数据档案中提取出企业风险参数，企业风险参数可以包括目标企业财务、法律、舆情等各个方面的风险参数。例如，财务方面的风险参数可以包括企业盈利、尝估、营运、成长等风险参数。
服务器可以将提取出的企业风险参数输入企业风险评判模型中计算出企业风险因子，企业风险因子用于评定企业自身风险。企业风险评判模型可以为企业风险计算公式等，如可以为各项企业风险参数的加权求和，也可以为其他形式的计算公式。
步骤250，从项目数据档案中提取关联关系数据，根据关联关系数据计算风险传导概率。
服务器从项目数据档案中提取关联关系数据，关联关系数据为用于表示目标企业与各关联方之间关联关系的数据，如股东持股关系、合作关系、竞争关系、股权投资关系、股权出质关系、上下游企业关系等。服务器事先对不同的关联关系设定关联数值，一般地，关联程度越紧密的关联关系的关联数值越大。服务器将提取出的关联关系转换为相应的关联数值。
服务器将转换好的关联数值输入预设的关联风险传导计算公式进行计算，计算出各关联方对目标企业的风险传导概率，风险传导概率用于表示项目关联方与目标企业的关联粘度，以表示关联方可能对目标企业带来的关联风险。
步骤260，根据企业风险因子和风险传导概率得到项目风险，根据项目风险生成投资决策建议。
服务器根据企业风险因子和风险传导概率进行项目风险评估。如服务器可以对企业风险因子和风险传导概率两个风险因素设定风险权重，根据风险权重进行加权计算得到项目风险。服务器也可以事先对历史的已完成的投资项目进行数据分析，从历史投资项目的样本数据中提取出企业风险因子和风险传导概率进行机器学习训练，并根据训练结果构建风险评估模型，将企业风险因子和风险传导概率输入风险评估模型进行计算，服务器也可以采用其他方式计算出项目风险。
服务器查找与评估得到的项目风险匹配的投资决策建议，将查找到的投资决策建议返回给投资方终端，已辅助投资方进行项目投资决策。例如，服务器可以将项目风险根据数值划分为不同的风险等级，不同的风险等级对应于不同的投资决策建议。例如，可以划分为高、中、低三个风险等级，高风险等级的投资决策建议可以为“该项目为高风险投资项目，建议放弃投资或谨慎投资”等。
进一步地，服务器可以综合考虑企业风险因子、风险传导概率和项目风险三方面数据将投资决策建议进行细化。服务器可以分别对这三方面风险因素的不同风险等级组合均设定相应的投资决策建议。例如，企业风险因子为低风险等级，风险传导概率为中高风险等级，项目风险为中等风险的投资项目对应的投资建议可以为“可以考虑进行投资，但需对投资项目的关联方进行重点考察评估，完善项目结构”
上述项目投资决策方法，通过采集项目投资的目标企业的企业数据及其关联方的数据，建立投资项目的项目数据档案，并从项目数据档案中提取企业相关的风险参数计算出企业风险因子，提取出关联方的关联关系数据计算出各关联方带来的风险传导概率，通过企业自身风险和关联方的风险传导来综合评价项目风险并自动生成投资决策建议，从而能够为投资方提供更加科学合理的项目风险评估依据，有效降低投资风险。
在一个实施例中，根据企业数据和关联方数据建立项目数据档案，包括：获取预设企业信息字段，根据企业信息字段从企业数据中提取企业信息字段值，根据企业信息字段值生成企业信息记录；获取预设关联信息字段，根据目标企业和预设关联信息字段从关联方数据中提取关联信息字段值，根据关联信息字段值和目标企业生成关联信息记录；根据目标企业将企业信息记录和关联信息记录进行关联并生成项目数据档案。
预设企业信息字段为预先设立的需要抓取的企业信息，具体可以包括企业名称、企业创建时间、企业法人、企业大事件等字段，服务器根据预设企业信息字段从采集的目标企业数据中抓取对应的信息，并生成企业信息记录。
服务器根据目标企业的名称或其他标识从采集的关联方数据中筛选出与目标企业具有关联关系的数据。预设关联信息字段为预先设立的表示关联方与目标企业具有关联关系的字段，如可以包括股东持股数量、共持专利数量、合作模式等字段等。服务器根据预先设立的关联信息字段从筛选出的数据中抓取相应的信息生成关联信息记录。由于目标企业的关联方有多个，根据各关联方数据生成的关联信息记录也有多条，服务器根据目标企业的名称或其他标识将多条关联信息记录与企业信息记录进行关联，此外，不同的关联方之间也可能存在关联关系，如财务借贷关系、项目研发合作关系等，服务器将具有关联关系的不同关联方的关联信息记录之间也进行关联，最终形成网状的项目数据档案。
进一步地，服务器在建立项目数据档案之后，可以定时爬取企业舆情数据，根据项目数据档案中的信息字段从企业舆情数据提取信息，根据数据爬取时间生成新的信息记录，将新的信息记录更新至项目数据档案中。从而保持数据档案的实时更新，并可根据更新的数据档案对项目风险进行实时地动态评估。
在本实施例中，通过将企业数据和关联方数据进行标准的结构化处理，可以便于更加清晰快捷地提取有用信息，且将各方数据进行关联，可以更加便于分析各方数据之间的联系程度。
在一个实施例中，从项目数据档案中提取企业风险参数，根据企业风险参数计算企业风险因子可以包括：从项目数据档案中提取财务预警指标、法务预警指标和舆情情感字段；将财务预警指标输入财务风险评估模型得到财务风险评分；将法务预警指标输入法务风险评估模型得到法务风险评分；根据舆情情感字段计算舆情风险评分；根据财务风险评分、法务风险评分和舆情风险评分得到企业风险因子。
在本实施例中，从企业财务情况、企业法律信息和企业舆情情况三方面来对企业风险进行企业风险评估。具体地，服务器可以预先从上述三方面分别设定影响企业风险的财务预警参数、法务预警参数和舆情情感参数，并从项目数据档案中分别提取与财务预警参数对应的财务预警指标、与法务预警参数对应的法务预警指标及与舆情情感参数对应的舆情情感字段。财务风险评估模型、法律风险评估模型为预先建立好的风险预估模型，服务器分别将财务预警指标和法务预警指标输入相应的风险预估模型得到财务风险评分和法务风险评分，再根据舆情情感字段计算出舆情风险评分。
服务器综合财务风险评分、法务风险评分和舆情风险评分计算出企业风险因子。具体地，服务器可以事先对财务风险、法律风险和舆情风险设定各自的风险权重，将各因素各自的风险权重和对应的风险平凡进行累计加成计算出企业风险因子。服务器也可以事先设定企业风险因子计算公式，将三个风险评分代入风险因子计算公式得到企业风险因子，具体地企业风险因子计算公式可以根据历史投资项目的历史数据进行设定。
在一个实施例中，财务风险评估模型的生成方式可以包括：采集企业财务样本数据；将企业财务样本数据划分为样本集数据和测试集数据；从样本集数据中提取财务风险参数及对应的目标风险值；将财务风险参数和目标风险值输入预设分类模型中进行训练得到初始财务评估模型；根据测试集数据对初始评估模型进行模型参数优化得到财务风险评估模型。
在本实施例中，从企业财务的盈利能力、偿债能力、营运能力和成长能力等方面设定企业的财务预警参数。服务器采集企业财务样本数据，采集的企业财务样本数据可以包括投资项目相关企业的历史财务数据，也可以包括其他投资项目相关企业的历史财务数据，且采集的财务数据的样本数量不小于预先设定的样本阈值，样本阈值可以为50个、100个等，从而可以涵盖各种风险类型的财务样本。服务器将采集的企业财务样本数据随机划分为样本集数据和测试集数据，样本集数据和测试集数据的样本百分比可以事先设定，如可以设定为50％：50％、60％：40％等。
服务器从样本集数据中提取财务风险参数及对应的目标风险值。其中，财务风险参数与上述实施例设定的财务预警参数相一致，目标风险值可以简单地以有风险和无风险来定义，也可以事先定义几类风险类别，为不同的风险类别分别设定不同的目标风险值。
预设分类模型可以采用神经网络模型、随机森林模型、决策树模型等用于数据分类的模型。服务器将提取出的财务风险参数和目标风险值输入预设分类模型进行训练得到初始财务评估模型。服务器从测试集数据中也提取出财务风险参数和目标风险值，并输入初始财务评估模型中进行模型参数的优化及调整，得到最终的财务风险评估模型。从而服务器将财务预警指标输入财务风险评估模型后可以得到目标风险值，即财务风险评分，事先对企业的财务风险的分类。
在一个实施例中，法务风险评估模型的生成方式可以参照上述财务风险评估模型的生成方式，在此不再赘述。其中，根据企业法律数据设定法务预警参数，企业法律数据主要包括经济类、经营类、商业类、信用类和社会类五大维度的数据，如企业的法院公告、开庭公告等。法务预警参数可以为事先设定的法律关键词，不同的法律关键词对应不同的法律风险等级，服务器从项目数据档案中查找出与设定法务预警参数匹配的法律关键词，并将其对应的各维度的法律风险等级提取为法务预警指标。
在一个实施例中，根据舆情情感字段计算舆情风险评分可以包括：获取各预设情感类别对应的情感分值；统计各预设情感类别对应的舆情情感字段的字段数量；根据情感分值和字段数量计算得到舆情风险评分。
在本实施例中，舆情情感字段可以包括企业家正面评价、企业家负面评价、企业正面评价、企业负面评价和公益行为等字段。预设情感类别为舆情情感字段的情感分类，如可以设置为重度负面、轻度负面、中性、轻度正面、重度正面等类别。例如，提取的企业家正面评价字段为优秀青年企业家，所属的情感类别即为重度正面。事先为各预设情感类别设定情感分值。
服务器获取提取出的舆情情感字段对应的预设情感类别，并统计各预设情感类别下提取的舆情情感字段的字段数量，将字段数量与对应的预设情感类别的情感分值进行乘积后累加得到舆情风险评分。
在一个实施例中，如图3所示，从项目数据档案中提取关联关系数据，根据关联关系数据计算风险传导概率的风险传导概率计算步骤250可以包括：
步骤252，从项目数据档案中提取直接参数字段，根据直接参数字段确定直接关系系数。
企业和各关联方之间的关联类型多种多样，但总体上可以分为直接关联关系和间接关联关系。直接关联关系的类型可以包括对外投资、股权质押、股东持股和上下游企业等，根据直接关联关系的类型设定直接参数字段，如持股股东、上游企业、下游企业等字段，并为各类型的直接参数字段设定直接关系系数，服务器从项目数据档案中搜索直接参数字段，并获取查找到的直接参数字段对应的直接关系系数，统计各类型下的直接参数字段的直接关系系数之和。
步骤254，获取预设间接关系指标，从项目数据档案中提取预设间接关系指标对应的间接参数值，根据间接参数值得到间接关系系数。
间接关联关系的类型主要包括竞争关系、合作关系等。以合作关系为例，根据合作关系设定的预设间接关系指标可以包括专利共同占有量、共有股东数量、设备租赁数量等，服务器从项目数据档案中提取与预设间接关系指标对应的间接参数值，如提取专利共同占有量指标的间接参数值为10，共有股东数量指标的间接参数值为3等。可以对各预设间接关系指标设定关系权重，将各类型下提取出的间接参数值与对应的关系权重加权求和后得到各间接关系类型的间接关系系数。
步骤256，根据直接关系系数和间接关系系数计算得到风险传导概率。
服务器中事先设定风险传导模型，将计算出的直接关系系数和间接关系系数代入风险传导模型中计算得到风险传导概率。风险传导模型可以为构建好的以各类关联关系为基础的关联矩阵，关联矩阵中的参数为各类型的直接关系系数之和和间接关系系数，各参数之间会相互影响，相互传导，将直接关系系数和间接关系系数输入风险传导模型之后各参数相互传导，最终输出风险传导概率。
应该理解的是，虽然图2-3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2-3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，提供了一种项目投资决策装置，包括：指令接收模块410、指令读取模块420、档案建立模块430、风险因子计算模块440、传导概率计算模块450和建议生成模块460，其中：
指令接收模块410，用于接收项目投资决策指令。
指令读取模块420，用于从项目投资决策指令中读取目标企业和企业关联方。
档案建立模块430，用于采集目标企业对应的企业数据和企业关联方对应的关联方数据，根据企业数据和关联方数据建立项目数据档案。
风险因子计算模块440，用于从项目数据档案中提取企业风险参数，根据企业风险参数计算企业风险因子。
传导概率计算模块450，用于从项目数据档案中提取关联关系数据，根据关联关系数据计算风险传导概率。
建议生成模块460，用于根据企业风险因子和风险传导概率得到项目风险，根据项目风险生成投资决策建议。
在一个实施例中，档案建立模块430可以包括：
企业记录生成单元，用于获取预设企业信息字段，根据企业信息字段从企业数据中提取企业信息字段值，根据企业信息字段值生成企业信息记录。
关联记录生成单元，用于获取预设关联信息字段，根据目标企业和预设关联信息字段从关联方数据中提取关联信息字段值，根据关联信息字段值和目标企业生成关联信息记录。
档案生成单元，用于根据目标企业将企业信息记录和关联信息记录进行关联并生成项目数据档案。
在一个实施例中，风险因子计算模块440可以包括：
字段提取单元，用于从项目数据档案中提取财务预警指标、法务预警指标和舆情情感字段。
财务评分单元，用于将财务预警指标输入财务风险评估模型得到财务风险评分。
法务评分单元，用于将法务预警指标输入法务风险评估模型得到法务风险评分。
舆情评分单元，用于根据舆情情感字段计算舆情风险评分。
因子计算单元，用于根据财务风险评分、法务风险评分和舆情风险评分得到企业风险因子。
在一个实施例中，项目投资决策装置还可以包括：
样本采集模块，用于采集企业财务样本数据。
样本划分模块，用于将企业财务样本数据划分为样本集数据和测试集数据。
数值提取模块，用于从样本集数据中提取财务风险参数及对应的目标风险值。
模型构建模块，用于将财务风险参数和目标风险值输入预设分类模型中进行训练得到初始财务评估模型。
模型构建模块，用于根据测试集数据对初始评估模型进行模型参数优化得到财务风险评估模型。
在一个实施例中，舆情评分单元可以包括：
分值获取子单元，用于获取各预设情感类别对应的情感分值。
数量统计子单元，用于统计各所述预设情感类别对应的所述舆情情感字段的字段数量。
评分计算子单元，用于根据所述情感分值和所述字段数量计算得到舆情风险评分。
在一个实施例中，传导概率计算模块450可以包括：
直接系数生成单元，用于从项目数据档案中提取直接参数字段，根据直接参数字段确定直接关系系数。
间接系数生成单元，用于获取预设间接关系指标，从项目数据档案中提取预设间接关系指标对应的间接参数值，根据间接参数值得到间接关系系数。
概率计算单元，用于根据直接关系系数和间接关系系数计算得到风险传导概率。
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项目投资决策相关数据。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项目投资决策方法。
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：接收项目投资决策指令；从项目投资决策指令中读取目标企业和企业关联方；采集目标企业对应的企业数据和企业关联方对应的关联方数据，根据企业数据和关联方数据建立项目数据档案；从项目数据档案中提取企业风险参数，根据企业风险参数计算企业风险因子；从项目数据档案中提取关联关系数据，根据关联关系数据计算风险传导概率；根据企业风险因子和风险传导概率得到项目风险，根据项目风险生成投资决策建议。
在一个实施例中，处理器执行计算机程序时实现根据企业数据和关联方数据建立项目数据档案的步骤时还用于：获取预设企业信息字段，根据企业信息字段从企业数据中提取企业信息字段值，根据企业信息字段值生成企业信息记录；获取预设关联信息字段，根据目标企业和预设关联信息字段从关联方数据中提取关联信息字段值，根据关联信息字段值和目标企业生成关联信息记录；根据目标企业将企业信息记录和关联信息记录进行关联并生成项目数据档案。
在一个实施例中，处理器执行计算机程序时实现从项目数据档案中提取企业风险参数，根据企业风险参数计算企业风险因子的步骤时还用于：从项目数据档案中提取财务预警指标、法务预警指标和舆情情感字段；将财务预警指标输入财务风险评估模型得到财务风险评分；将法务预警指标输入法务风险评估模型得到法务风险评分；根据舆情情感字段计算舆情风险评分；根据财务风险评分、法务风险评分和舆情风险评分得到企业风险因子。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：采集企业财务样本数据；将企业财务样本数据划分为样本集数据和测试集数据；从样本集数据中提取财务风险参数及对应的目标风险值；将财务风险参数和目标风险值输入预设分类模型中进行训练得到初始财务评估模型；根据测试集数据对初始评估模型进行模型参数优化得到财务风险评估模型。
在一个实施例中，处理器执行计算机程序时实现根据舆情情感字段计算舆情风险评分的步骤时还用于：获取各预设情感类别对应的情感分值；统计各预设情感类别对应的舆情情感字段的字段数量；根据情感分值和字段数量计算得到舆情风险评分。
在一个实施例中，处理器执行计算机程序时实现从项目数据档案中提取关联关系数据，根据关联关系数据计算风险传导概率的步骤时还用于：从项目数据档案中提取直接参数字段，根据直接参数字段确定直接关系系数；获取预设间接关系指标，从项目数据档案中提取预设间接关系指标对应的间接参数值，根据间接参数值得到间接关系系数；根据直接关系系数和间接关系系数计算得到风险传导概率。
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：接收项目投资决策指令；从项目投资决策指令中读取目标企业和企业关联方；采集目标企业对应的企业数据和企业关联方对应的关联方数据，根据企业数据和关联方数据建立项目数据档案；从项目数据档案中提取企业风险参数，根据企业风险参数计算企业风险因子；从项目数据档案中提取关联关系数据，根据关联关系数据计算风险传导概率；根据企业风险因子和风险传导概率得到项目风险，根据项目风险生成投资决策建议。
在一个实施例中，计算机程序被处理器执行时实现根据企业数据和关联方数据建立项目数据档案的步骤时还用于：获取预设企业信息字段，根据企业信息字段从企业数据中提取企业信息字段值，根据企业信息字段值生成企业信息记录；获取预设关联信息字段，根据目标企业和预设关联信息字段从关联方数据中提取关联信息字段值，根据关联信息字段值和目标企业生成关联信息记录；根据目标企业将企业信息记录和关联信息记录进行关联并生成项目数据档案。
在一个实施例中，计算机程序被处理器执行时实现从项目数据档案中提取企业风险参数，根据企业风险参数计算企业风险因子的步骤时还用于：从项目数据档案中提取财务预警指标、法务预警指标和舆情情感字段；将财务预警指标输入财务风险评估模型得到财务风险评分；将法务预警指标输入法务风险评估模型得到法务风险评分；根据舆情情感字段计算舆情风险评分；根据财务风险评分、法务风险评分和舆情风险评分得到企业风险因子。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：采集企业财务样本数据；将企业财务样本数据划分为样本集数据和测试集数据；从样本集数据中提取财务风险参数及对应的目标风险值；将财务风险参数和目标风险值输入预设分类模型中进行训练得到初始财务评估模型；根据测试集数据对初始评估模型进行模型参数优化得到财务风险评估模型。
在一个实施例中，计算机程序被处理器执行时实现根据舆情情感字段计算舆情风险评分的步骤时还用于：获取各预设情感类别对应的情感分值；统计各预设情感类别对应的舆情情感字段的字段数量；根据情感分值和字段数量计算得到舆情风险评分。
在一个实施例中，计算机程序被处理器执行时实现从项目数据档案中提取关联关系数据，根据关联关系数据计算风险传导概率的步骤时还用于：从项目数据档案中提取直接参数字段，根据直接参数字段确定直接关系系数；获取预设间接关系指标，从项目数据档案中提取预设间接关系指标对应的间接参数值，根据间接参数值得到间接关系系数；根据直接关系系数和间接关系系数计算得到风险传导概率。
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)
1.一种项目投资决策方法，所述方法包括：
接收项目投资决策指令；
从所述项目投资决策指令中读取目标企业和企业关联方；
采集所述目标企业对应的企业数据和所述企业关联方对应的关联方数据，根据所述企业数据和所述关联方数据建立项目数据档案；
从所述项目数据档案中提取企业风险参数，根据所述企业风险参数计算企业风险因子；
从所述项目数据档案中提取关联关系数据，根据所述关联关系数据计算风险传导概率；
根据所述企业风险因子和所述风险传导概率得到项目风险，根据所述项目风险生成投资决策建议。
2.根据权利要求1所述的方法，其特征在于，所述根据所述企业数据和所述关联方数据建立项目数据档案，包括：
获取预设企业信息字段，根据所述企业信息字段从所述企业数据中提取企业信息字段值，根据所述企业信息字段值生成企业信息记录；
获取预设关联信息字段，根据所述目标企业和所述预设关联信息字段从所述关联方数据中提取关联信息字段值，根据所述关联信息字段值和所述目标企业生成关联信息记录；
根据所述目标企业将所述企业信息记录和所述关联信息记录进行关联并生成项目数据档案。
3.根据权利要求1所述的方法，其特征在于，所述从所述项目数据档案中提取企业风险参数，根据所述企业风险参数计算企业风险因子，包括：
从所述项目数据档案中提取财务预警指标、法务预警指标和舆情情感字段；
将所述财务预警指标输入财务风险评估模型得到财务风险评分；
将所述法务预警指标输入法务风险评估模型得到法务风险评分；
根据所述舆情情感字段计算舆情风险评分；
根据所述财务风险评分、所述法务风险评分和所述舆情风险评分得到企业风险因子。
4.根据权利要求3所述的方法，其特征在于，所述财务风险评估模型的生成方式，包括：
采集企业财务样本数据；
将所述企业财务样本数据划分为样本集数据和测试集数据；
从所述样本集数据中提取财务风险参数及对应的目标风险值；
将所述财务风险参数和所述目标风险值输入预设分类模型中进行训练得到初始财务评估模型；
根据所述测试集数据对所述初始评估模型进行模型参数优化得到财务风险评估模型。
5.根据权利要求3所述的方法，其特征在于，所述根据所述舆情情感字段计算舆情风险评分，包括：
获取各预设情感类别对应的情感分值；
统计各所述预设情感类别对应的所述舆情情感字段的字段数量；
根据所述情感分值和所述字段数量计算得到舆情风险评分。
6.根据权利要求1所述的方法，其特征在于，所述从所述项目数据档案中提取关联关系数据，根据所述关联关系数据计算风险传导概率，包括：
从所述项目数据档案中提取直接参数字段，根据所述直接参数字段确定直接关系系数；
获取预设间接关系指标，从所述项目数据档案中提取所述预设间接关系指标对应的间接参数值，根据所述间接参数值得到间接关系系数；
根据所述直接关系系数和所述间接关系系数计算得到风险传导概率。
7.一种项目投资决策装置，其特征在于，所述装置包括：
指令接收模块，用于接收项目投资决策指令；
指令读取模块，用于从所述项目投资决策指令中读取目标企业和企业关联方；
档案建立模块，用于采集所述目标企业对应的企业数据和所述企业关联方对应的关联方数据，根据所述企业数据和所述关联方数据建立项目数据档案；
风险因子计算模块，用于从所述项目数据档案中提取企业风险参数，根据所述企业风险参数计算企业风险因子；
传导概率计算模块，用于从所述项目数据档案中提取关联关系数据，根据所述关联关系数据计算风险传导概率；
建议生成模块，用于根据所述企业风险因子和所述风险传导概率得到项目风险，根据所述项目风险生成投资决策建议。
8.根据权利要求7所述的装置，其特征在于，所述传导概率计算模块包括：
直接系数生成单元，用于从所述项目数据档案中提取直接参数字段，根据所述直接参数字段确定直接关系系数；
间接系数生成单元，用于获取预设间接关系指标，从所述项目数据档案中提取所述预设间接关系指标对应的间接参数值，根据所述间接参数值得到间接关系系数；
概率计算单元，用于根据所述直接关系系数和所述间接关系系数计算得到风险传导概率。
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6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6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910013149.6A CN109800976A (zh) | 2019-01-07 | 2019-01-07 | 项目投资决策方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910013149.6A CN109800976A (zh) | 2019-01-07 | 2019-01-07 | 项目投资决策方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109800976A true CN109800976A (zh) | 2019-05-24 |
Family
ID=66558672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910013149.6A Pending CN109800976A (zh) | 2019-01-07 | 2019-01-07 | 项目投资决策方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109800976A (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN110619462A (zh) * | 2019-09-10 | 2019-12-27 | 苏州方正璞华信息技术有限公司 | 一种基于ai模型的项目质量评估方法 |
| CN110689438A (zh) * | 2019-08-26 | 2020-01-14 | 深圳壹账通智能科技有限公司 | 企业类金融风险评分方法、装置、计算机设备及存储介质 |
| CN110751589A (zh) * | 2019-11-11 | 2020-02-04 | 广东省国际工程咨询有限公司 | 一种ppp项目投资决策分析系统 |
| CN111192134A (zh) * | 2019-12-16 | 2020-05-22 | 东方微银科技(北京)有限公司 | 一种基于关联关系的风险传导预警方法 |
| CN111598705A (zh) * | 2020-05-18 | 2020-08-28 | 山东管理学院 | 一种风险投资项目的技术风险评估方法及系统 |
| CN111784508A (zh) * | 2020-07-01 | 2020-10-16 | 北京知因智慧科技有限公司 | 企业风险评估方法、装置及电子设备 |
| CN111915206A (zh) * | 2020-08-11 | 2020-11-10 | 成都市食品药品检验研究院 | 一种识别食品风险传导的方法 |
| CN112598302A (zh) * | 2020-12-25 | 2021-04-02 | 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 |
| CN112862305A (zh) * | 2021-02-03 | 2021-05-28 | 北京百度网讯科技有限公司 | 确定对象风险状态的方法、装置、设备和存储介质 |
| CN113205409A (zh) * | 2021-05-28 | 2021-08-03 | 中国工商银行股份有限公司 | 贷款业务处理方法及装置 |
| CN113643035A (zh) * | 2020-05-11 | 2021-11-12 | 阿里巴巴集团控股有限公司 | 信息处理方法、信息展示方法、装置、设备及存储介质 |
| CN114399319A (zh) * | 2022-01-22 | 2022-04-26 | 平安国际智慧城市科技股份有限公司 | 基于预测模型的虚假企业识别方法、装置、设备和介质 |
| CN114580916A (zh) * | 2022-03-07 | 2022-06-03 | 上海安硕企业征信服务有限公司 | 一种企业风险评估方法、装置、电子设备及存储介质 |
| CN117422314A (zh) * | 2023-12-19 | 2024-01-19 | 鲁信科技股份有限公司 | 一种基于大数据分析的企业数据评估方法及设备 |
| CN117541044A (zh) * | 2023-07-28 | 2024-02-09 | 中科乾唐(北京)科技股份公司 | 基于项目风险分析的项目分类方法、系统、介质及设备 |
| CN117911161A (zh) * | 2024-01-25 | 2024-04-19 | 广东顺银产融投资有限公司 | 一种项目投资决策方法、装置和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060212375A1 (en) * | 2005-03-21 | 2006-09-21 | Sebastien Funez | Method for venture project financing |
| CN104732440A (zh) * | 2015-04-03 | 2015-06-24 | 合肥高新创业园管理有限公司 | 一种面向科技企业孵化器的投融资项目筛选系统 |
| CN107909274A (zh) * | 2017-11-17 | 2018-04-13 | 平安科技（深圳）有限公司 | 企业投资风险评估方法、装置及存储介质 |
| CN107993010A (zh) * | 2017-12-02 | 2018-05-04 | 中科钢研节能科技有限公司 | 一种项目尽职调查自动分析系统及自动分析方法 |
| CN108108869A (zh) * | 2017-11-03 | 2018-06-01 | 苏州海创天地信息科技有限公司 | 一种面向众创空间入驻企业项目的评估方法 |
-
2019
- 2019-01-07 CN CN201910013149.6A patent/CN109800976A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060212375A1 (en) * | 2005-03-21 | 2006-09-21 | Sebastien Funez | Method for venture project financing |
| CN104732440A (zh) * | 2015-04-03 | 2015-06-24 | 合肥高新创业园管理有限公司 | 一种面向科技企业孵化器的投融资项目筛选系统 |
| CN108108869A (zh) * | 2017-11-03 | 2018-06-01 | 苏州海创天地信息科技有限公司 | 一种面向众创空间入驻企业项目的评估方法 |
| CN107909274A (zh) * | 2017-11-17 | 2018-04-13 | 平安科技（深圳）有限公司 | 企业投资风险评估方法、装置及存储介质 |
| CN107993010A (zh) * | 2017-12-02 | 2018-05-04 | 中科钢研节能科技有限公司 | 一种项目尽职调查自动分析系统及自动分析方法 |
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN110689438A (zh) * | 2019-08-26 | 2020-01-14 | 深圳壹账通智能科技有限公司 | 企业类金融风险评分方法、装置、计算机设备及存储介质 |
| CN110619462A (zh) * | 2019-09-10 | 2019-12-27 | 苏州方正璞华信息技术有限公司 | 一种基于ai模型的项目质量评估方法 |
| CN110751589A (zh) * | 2019-11-11 | 2020-02-04 | 广东省国际工程咨询有限公司 | 一种ppp项目投资决策分析系统 |
| CN111192134A (zh) * | 2019-12-16 | 2020-05-22 | 东方微银科技(北京)有限公司 | 一种基于关联关系的风险传导预警方法 |
| CN113643035B (zh) * | 2020-05-11 | 2024-08-02 | 阿里巴巴集团控股有限公司 | 信息处理方法、信息展示方法、装置、设备及存储介质 |
| CN113643035A (zh) * | 2020-05-11 | 2021-11-12 | 阿里巴巴集团控股有限公司 | 信息处理方法、信息展示方法、装置、设备及存储介质 |
| CN111598705A (zh) * | 2020-05-18 | 2020-08-28 | 山东管理学院 | 一种风险投资项目的技术风险评估方法及系统 |
| CN111784508A (zh) * | 2020-07-01 | 2020-10-16 | 北京知因智慧科技有限公司 | 企业风险评估方法、装置及电子设备 |
| CN111915206A (zh) * | 2020-08-11 | 2020-11-10 | 成都市食品药品检验研究院 | 一种识别食品风险传导的方法 |
| CN111915206B (zh) * | 2020-08-11 | 2024-02-27 | 成都市食品药品检验研究院 | 一种识别食品风险传导的方法 |
| CN112598302A (zh) * | 2020-12-25 | 2021-04-02 | 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 |
| 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 |
| CN112862305A (zh) * | 2021-02-03 | 2021-05-28 | 北京百度网讯科技有限公司 | 确定对象风险状态的方法、装置、设备和存储介质 |
| CN113205409A (zh) * | 2021-05-28 | 2021-08-03 | 中国工商银行股份有限公司 | 贷款业务处理方法及装置 |
| CN114399319A (zh) * | 2022-01-22 | 2022-04-26 | 平安国际智慧城市科技股份有限公司 | 基于预测模型的虚假企业识别方法、装置、设备和介质 |
| CN114580916A (zh) * | 2022-03-07 | 2022-06-03 | 上海安硕企业征信服务有限公司 | 一种企业风险评估方法、装置、电子设备及存储介质 |
| CN117541044A (zh) * | 2023-07-28 | 2024-02-09 | 中科乾唐(北京)科技股份公司 | 基于项目风险分析的项目分类方法、系统、介质及设备 |
| CN117541044B (zh) * | 2023-07-28 | 2024-06-11 | 中科乾唐(北京)科技股份公司 | 基于项目风险分析的项目分类方法、系统、介质及设备 |
| CN117422314A (zh) * | 2023-12-19 | 2024-01-19 | 鲁信科技股份有限公司 | 一种基于大数据分析的企业数据评估方法及设备 |
| CN117422314B (zh) * | 2023-12-19 | 2024-04-12 | 鲁信科技股份有限公司 | 一种基于大数据分析的企业数据评估方法及设备 |
| CN117911161A (zh) * | 2024-01-25 | 2024-04-19 | 广东顺银产融投资有限公司 | 一种项目投资决策方法、装置和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109800976A (zh) | 项目投资决策方法、装置、计算机设备和存储介质 | |
| Olorunnimbe et al. | Deep learning in the stock market—a systematic survey of practice, backtesting, and applications | |
| KR102009309B1 (ko) | 금융상품 관리자동화 시스템 및 관리자동화 방법 | |
| Herrera et al. | Renewable energy stocks forecast using Twitter investor sentiment and deep learning | |
| Zabavnik et al. | Relationship between the financial and the real economy: A bibliometric analysis | |
| Wimalagunaratne et al. | A predictive model for the global cryptocurrency market: A holistic approach to predicting cryptocurrency prices | |
| Xia et al. | Incorporating multilevel macroeconomic variables into credit scoring for online consumer lending | |
| Lu et al. | Fintech and the future of financial service: A literature review and research agenda | |
| Moedjahedy et al. | Stock price forecasting on telecommunication sector companies in Indonesia Stock Exchange using machine learning algorithms | |
| CN113642923A (zh) | 基于历史催收数据的不良资产包价值评估方法 | |
| Kinderis et al. | Bitcoin currency fluctuation | |
| CN111433806A (zh) | 用于分析众筹平台的系统和方法 | |
| Wei et al. | A machine learning approach to evaluate the performance of rural bank | |
| WO2024021354A1 (zh) | 模型训练方法、价格预测方法、终端设备以及存储介质 | |
| Sutkatti et al. | Stock market forecasting techniques: A survey | |
| Ma et al. | Towards earnings call and stock price movement | |
| Lin et al. | Analytically pricing European options under a new two-factor Heston model with regime switching | |
| Raipitam et al. | Comparative study on stock market prediction using generic CNN-LSTM and ensemble learning | |
| Liu et al. | Evaluation research on commercial bank counterparty credit risk management based on new intuitionistic fuzzy method | |
| Lee et al. | Forecasting the short-term price trend of Taiwan stocks with deep neural network | |
| TWI776370B (zh) | 對於基金商品的投資風險評分方法及系統 | |
| Parab et al. | Evaluation of Cryptocurrency coins with Machine Learning algorithms and Blockchain Technology | |
| Taherinia et al. | Prediction the Return Fluctuations with Artificial Neural Networks' Approach | |
| Wang et al. | Credit Risk Assessment and Early Warning of Supply Chain Finance Based on XGBoost-LSTM-A Model | |
| Han et al. | Empirical analysis of SH50ETF and SH50ETF option prices under regime-switching jump-diffusion models |
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 |