CN110443528A - 一种基于机器学习的企业风险量化评估和跟踪系统 - Google Patents
一种基于机器学习的企业风险量化评估和跟踪系统 Download PDFInfo
- Publication number
- CN110443528A CN110443528A CN201910811114.7A CN201910811114A CN110443528A CN 110443528 A CN110443528 A CN 110443528A CN 201910811114 A CN201910811114 A CN 201910811114A CN 110443528 A CN110443528 A CN 110443528A
- Authority
- CN
- China
- Prior art keywords
- risk
- enterprise
- machine learning
- assessment
- 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
- 238000010801 machine learning Methods 0.000 title claims abstract description 26
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 20
- 238000011002 quantification Methods 0.000 claims abstract description 17
- 238000013210 evaluation model Methods 0.000 claims abstract description 16
- 238000012502 risk assessment Methods 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 241001269238 Data Species 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 2
- 238000013139 quantization Methods 0.000 claims description 2
- 230000001960 triggered effect Effects 0.000 claims description 2
- 238000010219 correlation analysis Methods 0.000 claims 1
- 230000001105 regulatory effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 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
- 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
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于机器学习的企业风险量化评估和跟踪系统，是集风险因子识别、风险评估、风险跟踪及预警一体的系统，具体包括了风险量化评估子系统、投资项目价值评估子系统、债券风险量化评估子系统和风险预警跟踪子系统。系统最大的特点是系统基于原点参数大数据平台的数据，利用机器学习算法自动识别、判断标的企业可能存在的潜在风险因子，并通过对公司基本信息的分析自动调用适用于标的企业的风险评估模型，实现对标的企业的风险量化评估、实时跟踪预警，为投资者提供可靠实用的工具。
Description
技术领域
本发明涉及财务工具领域，特别是涉及一种基于机器学习的企业风险量化评估和跟踪系统。
背景技术
现状：
在金融行业，股权投资是最常见、普遍的一种商业活动。科学、专业的股权投资需要收集大量的宏观数据、行业数据、企业历年的财务数据和非财务数据，并由专业人员对所有数据进行评估、分析，再形成投资评估报告与结论。对企业股权投资管理，一般包括几个阶段：投前调查、投中评估和投后监控。
现行传统方法的弊端有：
1.准确性
目前的传统方法主要依靠机构内部专家的经验进信用风险判断，对于宏观、行业数据的时效性以及代表性要求较低，从而会导致评估结果与企业实际情况存在偏差
2.各个环节之间的孤立性
目前市场上通用的方式是投前、投中、投后由不同的人员负责，相互之间的信息不对称，导致各个环节之间的沟通成本过高，并且结果反馈不及时。
3.模型的固定性
现行机构的模型更多的是基于传统的银行风险评估模型建立，模型中因子的设定以及因子的参数均是由专家根据经验设立，不能根据实际情况进行调整，模型的灵活性和可用性较差。
发明内容
本发明的目的在于提供种基于机器学习的企业风险量化评估和跟踪系统，其投资风险管理系统是集风险因子识别、风险评估、风险跟踪及预警一体的系统，该系统最大的特点是系统基于原点参数大数据平台的数据，利用机器学习算法自动识别、判断标的企业可能存在的潜在风险因子，并通过对公司基本信息的分析自动调用适用于标的企业的风险评估模型，实现对标的企业的风险量化评估、实时跟踪预警，为投资者提供可靠实用的工具。
在本发明的一些实施例里，所述原点参数经济大数据模块包括宏观经济数据子模块、行业数据子模块、全球上市企业数据子模块、非上市企业子模块，各子模块之内包含了各类经济数据、工商司法数据、政策法规信息、企业历年财务数据、企业风险因子库。
在本发明的一些实施例里，所述知识库大数据模块通过学习宏观经济数据、行业数据、企业财务数据、企业非财务数据，以及数据之间的层级关系，计算每一项数据跟企业的相关性，对企业风险影响的正相关或负相关的程度进行评估。
在本发明的一些实施例里，所述风险量化评估系统进行风险等级的评估，基于基本的风险评估模型和多因子风险评估模型，
其中，基本风险评估模型可以表示为：
S(a)＝∑Fi i∈(1,2,3……n)，
基于多因子的风险评估模型可以表示为：
S(a)＝a+∑Wi*Fi+εi i∈(1,2,3……n)E(εi)＝0,
上式中，Wi:风险因子i的权重，Fi：风险因子i，a：常数。
在本发明的一些实施例里，所述的投资项目价值评估系统进行项目估值，其估值方法基于分为基于评估结果的估值和基于风险因子的估值，具体的：
基于评估结果的估值可以表示为：
E(Ri)＝α+∑λi*Si+εi i∈(1,2,……,n)，
基于风险因子的估值可以表示为：
E(Ri)＝α+∑Wi*Fi+εi i∈(1,2,……,n)，
上式中，α：基本收益率；λ：风险因子i系数；Si：i项目风险评估结果；Wi：风险因子i系数矩阵；Fi：风险因子i；ε：残差，E(εi)＝0。
在本发明的一些实施例里，在投前阶段，所述系统提前收集识别标的企业风险初始信息，并根据企业的基本信息识别企业可能面临的风险因子，提前提示风险并给出初始风险分散或规避策略。
在本发明的一些实施例里，在投中阶段，所述风险量化评估系统内置的企业风险等级评估模块会根据企业的及信息判断企业的属性，上市企业直接采用风险评估模型进行风险等级评估，输出量化评估结果；非上企业则导入各种类型的财务报告文件，完成财报准则、语言转换后调用风险评估模型进行风险评估，然后输出标的企业的量化评估报告。
在本发明的一些实施例里，在投后阶段，所述的风险预警跟踪系统会根据远点参数的预警因子库实时的监控跟踪标的企业的风险情况，系统检测到有对应的预警因子被触发将及时提示用户风险可能发生，用户将根据预警因子进行合理的处理和采取相应的措施。
在本发明的一些实施例里，所述风险因子的设定基于COSO企业风险类别、巴塞尔协议风险类别、国资委央企全面风险管理指引的风险类别以及原点参数相关研究建立。
在本发明的一些实施例里，所述原点参数大数据模块通过机器学习深入的相关性分析进而添加新的风险因子，同时调整现有的因子库。
本发明实施例至少具有如下优点或有益效果：
1.新技术的运用
运用云计算、大数据、和机器学习(算法)等技术，与风险量化专家团队的结合，实现自动对企业风险进行评估和量化，全面提升业务能力。
2.更准确、客观
以历年全球的宏观经济数据，行业数据、历史数据为基础，结合新技术的运用，保证了评估结果更全面、更充分、更客观。
3.降低成本
整个转换过程由程序自动完成，大大降低业务成本。
4.效率高、简单易用
通过网络访问，将数据输入系统，选择转换国家，软件系统将自动输出转换后的财务数据报告。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例原点参数投资风险评估系统模型结构图。
图2是本发明实施例风险量化评估流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中，需要说明的是，若出现术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，若出现术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本发明实施例的描述中，“多个”代表至少2个。
在本发明实施例的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
实施例1
如图1所示，提供一种基于机器学习的企业风险量化评估和跟踪系统，所述系统具体包括了风险量化评估系统、投资项目价值评估系统、债券风险量化评估系统和风险预警跟踪系统，基于原点参数大数据模块的数据，利用机器学习算法自动识别、判断标的企业可能存在的潜在风险因子，并通过对公司基本信息的分析自动调用适用于标的企业的风险评估模型，实现对标的企业的风险量化评估、实时跟踪预警。
在本发明的一些实施例里，所述原点参数经济大数据模块包括宏观经济数据子模块、行业数据子模块、全球上市企业数据子模块、非上市企业子模块，各子模块之内包含了各类经济数据、工商司法数据、政策法规信息、企业历年财务数据、企业风险因子库。
在本发明的一些实施例里，所述知识库大数据模块通过学习宏观经济数据、行业数据、企业财务数据、企业非财务数据，以及数据之间的层级关系，计算每一项数据跟企业的相关性，对企业风险影响的正相关或负相关的程度进行评估。
在本发明的一些实施例里，所述风险量化评估系统进行风险等级的评估，基于基本的风险评估模型和多因子风险评估模型，
其中，基本风险评估模型可以表示为：
S(a)＝∑Fi i∈(1,2,3……n)，
基于多因子的风险评估模型可以表示为：
S(a)＝a+∑Wi*Fi+εi i∈(1,2,3……n)E(εi)＝0,
上式中，Wi:风险因子i的权重，Fi：风险因子i，a：常数。
在本发明的一些实施例里，所述的投资项目价值评估系统进行项目估值，其估值方法基于分为基于评估结果的估值和基于风险因子的估值，具体的：
基于评估结果的估值可以表示为：
E(Ri)＝α+∑λi*Si+εi i∈(1,2,……,n)，
基于风险因子的估值可以表示为：
E(Ri)＝α+∑Wi*Fi+εi i∈(1,2,……,n)，
上式中，α：基本收益率；λ：风险因子i系数；Si：i项目风险评估结果；Wi：风险因子i系数矩阵；Fi：风险因子i；ε：残差，E(εi)＝0。
在本发明的一些实施例里，投前阶段，所述系统提前收集识别标的企业风险初始信息，并根据企业的基本信息识别企业可能面临的风险因子，提前提示风险并给出初始风险分散或规避策略。
投中阶段，如图2所示，所述风险量化评估系统内置的企业风险等级评估模块会根据企业的及信息判断企业的属性，上市企业直接采用风险评估模型进行风险等级评估，输出量化评估结果；非上企业则导入各种类型的财务报告文件，完成财报准则、语言转换后调用风险评估模型进行风险评估，然后输出标的企业的量化评估报告。
投后阶段，所述的风险预警跟踪系统会根据远点参数的预警因子库实时的监控跟踪标的企业的风险情况，系统检测到有对应的预警因子被触发将及时提示用户风险可能发生，用户将根据预警因子进行合理的处理和采取相应的措施。
在本发明的一些实施例里，所述风险因子的设定基于COSO企业风险类别、巴塞尔协议风险类别、国资委央企全面风险管理指引的风险类别以及原点参数相关研究建立。
在本发明的一些实施例里，所述原点参数大数据模块通过机器学习深入的相关性分析进而添加新的风险因子，同时调整现有的因子库。其基本的原理是基于分层分析法，同时结合原点参数大数据资源实现各个行业定性定量风险因子的量化评估。
在数据处理与风险量化过程中，广泛运用自然语言处理、机器学习、数据挖掘和大数据等技术。对宏观经济、行业、公司治理等数百个定性因子进行研究、实现对相关指标值的定量化分析。
基于自有的“全球上市企业数据库”作为底层数据，开发投资风险管理系统、债券投资评估系统、大数据风险预警系统等。在这些系统的内核模型中，我们运用机器学习、大数据等技术量化定性因子，对传统方法进行技术革新。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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)
1.一种基于机器学习的企业风险量化评估和跟踪系统，其特征在于：所述系统是集风险因子识别、风险评估、风险跟踪及预警一体的系统，基于原点参数大数据库模块的数据，利用机器学习算法自动识别、判断标的企业可能存在的潜在风险因子，并通过对公司基本信息的分析自动调用适用于标的企业的风险评估模型，实现对标的企业的风险量化评估、实时跟踪预警。
2.根据权利要求1所述的基于机器学习的企业风险量化评估和跟踪系统，其特征在于，所述原点参数经济大数据模块包括宏观经济数据子模块、行业数据子模块、全球上市企业数据子模块、非上市企业子模块，各子模块之内包含了各类经济数据、工商司法数据、政策法规信息、企业历年财务数据、企业风险因子库。
3.根据权利要求1所述的基于机器学习的企业风险量化评估和跟踪系统，其特征在于，所述系统基于知识库大数据模块，通过学习宏观经济数据、行业数据、企业财务数据、企业非财务数据，以及数据之间的层级关系，计算每一项数据跟企业的相关性，对企业风险影响的正相关或负相关的程度进行评估。
4.根据权利要求1所述的基于机器学习的企业风险量化评估和跟踪系统，其特征在于，所述风险量化评估系统进行风险等级的评估，基于基本的风险评估模型和多因子风险评估模型，
其中，基本风险评估模型可以表示为：
S(a)＝∑Fi i∈(1,2,3……n)，
基于多因子的风险评估模型可以表示为：
S(a)＝a+∑Wi*Fi+εi i∈(1,2,3……n) E(εi)＝0,上式中，Wi:风险因子i的权重，Fi：风险因子i，a：常数。
5.根据权利要求1所述的基于机器学习的企业风险量化评估和跟踪系统，其特征在于，所述的投资项目价值评估系统进行项目估值，其估值方法基于分为基于评估结果的估值和基于风险因子的估值，具体的：
基于评估结果的估值可以表示为：
E(Ri)＝α+∑λi*Si+εi i∈(1,2,……,n)，
基于风险因子的估值可以表示为：
E(Ri)＝α+∑Wi*Fi+εi i∈(1,2,……,n)，
上式中，α：基本收益率；λ：风险因子i系数；Si：i项目风险评估结果；Wi：风险因子i系数矩阵；Fi：风险因子i；ε：残差，E(εi)＝0。
6.根据权利要求1所述的基于机器学习的企业风险量化评估和跟踪系统，其特征在于，在投前阶段，所述系统提前收集识别标的企业风险初始信息，并根据企业的基本信息识别企业可能面临的风险因子，提前提示风险并给出初始风险分散或规避策略。
7.根据权利要求1所述的基于机器学习的企业风险量化评估和跟踪系统，其特征在于，在投中阶段，所述风险量化评估系统内置的企业风险等级评估模块会根据企业的信息判断企业的属性，上市企业直接采用风险评估模型进行风险等级评估，输出量化评估结果；非上企业则导入各种类型的财务报告文件，完成财报准则、语言转换后调用风险评估模型进行风险评估，然后输出标的企业的量化评估报告。
8.根据权利要求1所述的基于机器学习的企业风险量化评估和跟踪系统，其特征在于，在投后阶段，所述的风险预警跟踪系统会根据原点参数的预警因子库实时的监控跟踪标的企业的风险情况，系统检测到有对应的预警因子被触发后，将及时提示用户风险可能发生，用户将根据预警因子进行合理的处理和采取相应的措施。
9.根据权利要求5所述的基于机器学习的企业风险量化评估和跟踪系统，其特征在于，所述风险因子的设定基于COSO企业风险类别、巴塞尔协议风险类别、国资委央企全面风险管理指引的风险类别以及原点参数相关研究建立。
10.根据权利要求1所述的基于机器学习的企业风险量化评估和跟踪系统，其特征在于，所述原点参数大数据模块通过机器学习进行深入的相关性分析进而添加新的风险因子，同时调整现有的因子库。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910811114.7A CN110443528A (zh) | 2019-08-30 | 2019-08-30 | 一种基于机器学习的企业风险量化评估和跟踪系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910811114.7A CN110443528A (zh) | 2019-08-30 | 2019-08-30 | 一种基于机器学习的企业风险量化评估和跟踪系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110443528A true CN110443528A (zh) | 2019-11-12 |
Family
ID=68438416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910811114.7A Pending CN110443528A (zh) | 2019-08-30 | 2019-08-30 | 一种基于机器学习的企业风险量化评估和跟踪系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110443528A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111222968A (zh) * | 2019-12-26 | 2020-06-02 | 大象慧云信息技术有限公司 | 一种企业税务风险管控方法及系统 |
| CN112926864A (zh) * | 2021-03-05 | 2021-06-08 | 浪潮云信息技术股份公司 | 基于配置化的风险评估方法及系统 |
| CN114021898A (zh) * | 2021-10-13 | 2022-02-08 | 成都寻道数财科技有限公司 | 识别校外合作企业风险等级的系统 |
-
2019
- 2019-08-30 CN CN201910811114.7A patent/CN110443528A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111222968A (zh) * | 2019-12-26 | 2020-06-02 | 大象慧云信息技术有限公司 | 一种企业税务风险管控方法及系统 |
| CN112926864A (zh) * | 2021-03-05 | 2021-06-08 | 浪潮云信息技术股份公司 | 基于配置化的风险评估方法及系统 |
| CN114021898A (zh) * | 2021-10-13 | 2022-02-08 | 成都寻道数财科技有限公司 | 识别校外合作企业风险等级的系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110443528A (zh) | 一种基于机器学习的企业风险量化评估和跟踪系统 | |
| Kuhn et al. | Learning from WorldCom: Implications for fraud detection through continuous assurance | |
| CN110135724A (zh) | 基于coso内部控制框架的企业全面风险管理系统与方法 | |
| CN111754116B (zh) | 一种基于标签画像技术的信用评估方法及装置 | |
| CN103246999A (zh) | 一种企业税务风险自查平台 | |
| JP2015222596A (ja) | 将来の損失に関連する頻度を予測し、損失決定ユニットの関連する自動処理のためのシステム及び方法 | |
| CN103049874A (zh) | 一种企业税务管控平台及实现企业税务管控的方法 | |
| CN102663650A (zh) | 一种企业信用风险分析系统及其使用方法 | |
| CN107844917A (zh) | 一种基于大数据的企业生命周期分析方法和系统 | |
| CN103279833A (zh) | 一种财税一体化资源计划系统 | |
| CN110415106A (zh) | 一种经营主体的经营分析预测评估系统 | |
| Chen | [Retracted] Research on Accounting Intelligence System Modeling of Financial Performance Evaluation | |
| CN112785060A (zh) | 一种配电网精益化运维水平优化方法 | |
| CN102456175A (zh) | 一种软件开发过程管理方法 | |
| CN117196311A (zh) | 一种铁路工程建设项目风险管理方法 | |
| Zainuddin et al. | IT governance evaluation at the population and civil registry office in Kolaka district using COBIT 5 framework | |
| CN108460544A (zh) | 一种企业环境风险通用评价系统和方法 | |
| CN117371788A (zh) | 一种电力营销风险预警方法及系统 | |
| CN116777633A (zh) | 基于数据管理的金融资产管理系统 | |
| PosPieszny | Application of data mining techniques in project management–an overview | |
| KR101909138B1 (ko) | 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템 | |
| Liu et al. | Investment decision support for engineering projects based on risk correlation analysis | |
| CN114169686A (zh) | 一种上市公司esg评价方法 | |
| Kou et al. | Synergistic integration of digital twins and sustainable industrial internet of things for new generation energy investments | |
| Tan et al. | Using the analytic hierarchy process (AHP) for supply chain risk management (SCRM): A case study in automotive sector |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200630 Address after: 2103 International Chamber of Commerce Center, 168 Fuhua Third Road, Fu'an community, Futian street, Futian District, Shenzhen City, Guangdong Province Applicant after: Shenzhen origin parameter information technology Co.,Ltd. Address before: 518033 room 2103, International Chamber of Commerce Center, Fuhua Third Road, Futian street, Futian District, Shenzhen City, Guangdong Province Applicant before: Shenzhen origin Parameter Technology Co.,Ltd. |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191112 |