CN110472863A - 一种预警指数评价方法、装置及存储介质 - Google Patents

Abstract

本发明公开了一种预警指数评价方法、装置及计算机可读存储介质，首先采集用于预警指数评价的多个指标参数的周期数据；根据所采集的多个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值；根据所计算出的每一个指标参数的分数值对每一个指标参数进行权重配置；将所配置的权重作为加权系数对所计算出的每一个指标参数的分数值进行加权计算，获得周期预警指数。

Description

一种预警指数评价方法、装置及存储介质

技术领域

本发明涉及供应链金融风险防控领域，尤其涉及一种预警指数评价方法、装置及计算机可读存储介质。

背景技术

供应链作为一个链接最初供应商和最终用户的功能网链，其基础特征是复杂性、动态性、和交互性，供应链中的上下游交易为了自身的利益而争夺系统的资源，通过监督机制的漏洞和各节点的信息不够完整充分而做出的不为所知的利益取向。

在供应链中各节点企业之间信息相对封闭，造成链上企业对需求信息的去接会沿着下游向上级逐级放大，同时供应链中的产品开发生产过程是很多企业相互交流合作的，所以风险因素再通过这个流程传递，从而影响整个供应链的风险水平。

目前对供应链金融风险管理的研究大多集中在概念和价值的定性描述，理论研究上未形成供应链金融风险全面管理的理论体系支撑，实践应用上缺乏科学的定量预警测度模型工具和有效的风险管理技术与方法。

发明内容

本发明实施例为了解决在供应链金融风险管理上存在的种种问题，创造性地提供一种预警指数评价方法、装置及计算机可读存储介质。

根据本发明的第一方面，提供一种预警指数评价方法，该方法包括：采集用于预警指数评价的多个指标参数的周期数据；根据所采集的多个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值；根据所计算出的每一个指标参数的分数值对每一个指标参数进行权重配置；将所配置的权重作为加权系数对所计算出的每一个指标参数的分数值进行加权计算，获得周期预警指数。

根据本发明一实施方式，所述在采集用于预警指数评价的多个指标参数的周期数据之前，所述方法还包括：构建预警指数评价指标体系，所述预警指数评价指标体系包括用于预警指标评价的多个指标参数；其中，所述多个指标参数包括应收周转、库存、库存周转、应付周转、现金点折扣及销量。

根据本发明一实施方式，所述多个指标参数包括下游交易的应收周转、库存、库存周转、应付周转、现金点折扣及销量。

根据本发明一实施方式，所述方法还包括：对所述多个指标参数中每一个指标参数的周期数据进行数据清洗，得到清洗后的每一个指标参数的周期数据；相应的，根据所采集的多个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值为根据清洗后的每个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值。

根据本发明一实施方式，对所述多个指标参数中每一个指标参数的周期数据进行数据清洗，得到清洗后的每一个指标参数的周期数据，包括：针对每一个指标参数的周期数据进行特征分析，得到特征分析结果；根据特征分析结果来对周期数据进行数据清洗。

根据本发明一实施方式，根据特征分析结果来对周期数据进行数据清洗，包括：若所述特征分析结果为周期数据存在缺省值，则根据周期数据的分布情况填充缺省值数据；若所述特征分析结果为周期数据存在异常值，则忽略所述周期数据中的异常值数据；若所述特征分析结果为周期数据存在重复值，则删除所述周期数据中的重复值数据。

根据本发明一实施方式，根据周期数据的分布情况填充缺省值数据，包括：若周期数据的数据分布均匀，则使用均值来填充缺省值数据；若周期数据的数据分布倾斜，则使用中位数来填充缺省值数据。

根据本发明一实施方式，在获得周期预警指数之后，所述方法还包括：对所获得的周期预警指数进行有效性验证。

根据本发明一实施方式，所述对所获得的周期预警指数进行有效性验证，包括：从历史数据中确定周期逾期率；将所获得的周期预警指数的数据与所确定的周期逾期率中延后一个周期的逾期率的数据进行比对，得到比对结果；若所述比对结果所表征的两组数据之间的相关性来对所得到的周期预警指数进行有效性验证。

根据本发明一实施方式，根据所采集的多个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值，包括：根据所采集的多个指标参数的周期数据分别计算所述多个标参数中每一个指标参数的环比值；根据所述每一个指标参数的环比值是否大于环比阈值来确定每一个指标参数的统计值；利用所确定的每一个指标参数的统计值确定对应的分数值。

根据本发明一实施方式，根据所计算出的每一个指标参数的分数值对每一个指标参数进行权重配置，包括：根据所计算出的每一个指标参数的分数值采用逻辑回归算法和二次规划的方式来计算每个指标参数的最优解。

根据本发明的第二方面，还提供一种预警指数评价装置，所述装置包括：采集模块，用于采集用于预警指数评价的多个指标参数的周期数据；分数值计算模块，用于根据所采集的多个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值；权重配置模块，用于根据所计算出的每一个指标参数的分数值对每一个指标参数进行权重配置；加权计算模块，用于将所配置的权重作为加权系数对所计算出的每一个指标参数的分数值进行加权计算，获得周期预警指数。

根据本发明一实施方式，所述装置还包括：构建模块，用于在采集模块采集用于预警指数评价的多个指标参数的周期数据之前，构建预警指数评价指标体系，所述预警指数评价指标体系包括用于预警指标评价的多个指标参数；其中，所述多个指标参数包括应收周转、库存、库存周转、应付周转、现金点折扣及销量。

根据本发明一实施方式，所述装置还包括：数据清洗模块，用于对所述多个指标参数中每一个指标参数的周期数据进行数据清洗，得到清洗后的每一个指标参数的周期数据；相应的，分数值计算模块具体用于，根据清洗后的每个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值。

根据本发明一实施方式，所述数据清洗模块包括：特征分析单元，用于针对每一个指标参数的周期数据进行特征分析，得到特征分析结果；数据清洗单元，用于根据特征分析结果来对周期数据进行数据清洗。

根据本发明一实施方式，所述数据清洗单元具体用于，若所述特征分析结果为周期数据存在缺省值，则根据周期数据的分布情况填充缺省值数据；若所述特征分析结果为周期数据存在异常值，则忽略所述周期数据中的异常值数据；若所述特征分析结果为周期数据存在重复值，则删除所述周期数据中的重复值数据。

根据本发明一实施方式，所述数据清洗单元具体用于，若周期数据的数据分布均匀，则使用均值来填充缺省值数据；若周期数据的数据分布倾斜，则使用中位数来填充缺省值数据。

根据本发明一实施方式，所述装置还包括：验证模块，用于在获得周期预警指数之后，对所获得的周期预警指数进行有效性验证。

根据本发明一实施方式，所述验证模块具体用于，从历史数据中确定周期逾期率；将所获得的周期预警指数的数据与所确定的周期逾期率中延后一个周期的逾期率的数据进行比对，得到比对结果；若所述比对结果所表征的两组数据之间的相关性来对所得到的周期预警指数进行有效性验证。

根据本发明一实施方式，所述分数值计算模块具体用于，根据所采集的多个指标参数的周期数据分别计算所述多个标参数中每一个指标参数的环比值；根据所述每一个指标参数的环比值是否大于环比阈值来确定每一个指标参数的统计值；利用所确定的每一个指标参数的统计值确定对应的分数值。

根据本发明一实施方式，所述权重配置模块具体用于，根据所计算出的每一个指标参数的分数值采用逻辑回归算法和二次规划的方式来计算每个指标参数的最优解。

根据本发明的第三方面，又提供一种计算机可读存储介质，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行上述任一项所述预警指数评价方法。

本发明实施例预警指数评价方法、装置及计算机可读存储介质，首先采集用于预警指数评价的多个指标参数的周期数据；根据所采集的多个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值；根据所计算出的每一个指标参数的分数值对每一个指标参数进行权重配置；将所配置的权重作为加权系数对所计算出的每一个指标参数的分数值进行加权计算，获得周期预警指数。如此，本发明构建一个供应链金融风险周期预警指数模型，利用该供应链金融风险周期预警指数模型对预警指数评价指标体系中用于预警指数评价的多个指标参数来进行模型训练，得到用于表征供应链金融风险的周期预警指数，从而实现对供应链金融风险的定量分析，能够更好的量化供应链中的金融风险。

需要理解的是，本发明的教导并不需要实现上面所述的全部有益效果，而是特定的技术方案可以实现特定的技术效果，并且本发明的其他实施方式还能够实现上面未提到的有益效果。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

在附图中，相同或对应的标号表示相同或对应的部分。

图1示出了本发明实施例预警指数评价方法的实现流程示意图；

图2示出了本发明一应用实例预警指数评价方法的具体实现流程示意图；

图3示出了本发明实施例预警指数评价装置的组成结构示意图。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为使本发明更加透彻和完整，并能够将本发明的范围完整地传达给本领域的技术人员。

下面结合附图和具体实施例对本发明的技术方案进一步详细阐述。

图1示出了本发明实施例预警指数评价方法的实现流程示意图；图2示出了本发明一应用实例预警指数评价方法的具体实现流程示意图。

参考图1，本发明实施例预警指数评价方法包括：操作101，采集用于预警指数评价的多个指标参数的周期数据；操作102，根据所采集的多个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值；操作103，根据所计算出的每一个指标参数的分数值对每一个指标参数进行权重配置；操作104，将所配置的权重作为加权系数对所计算出的每一个指标参数的分数值进行加权计算，获得周期预警指数。

参考图2，在操作101之前，首先构建预警指数评价指标体系。其中，预警指数评价指标体系包括用于预警指标评价的多个指标参数；多个指标参数包括应收周转、库存、库存周转、应付周转、现金点折扣及销量。

具体地，预警指数评价指标体系按照企业分析不同分析维度，如杠杆率、偿债能力、流动性、周转率、增长性等；因此通过定性分析和定量分析相结合，在利用行业经验的同时也利用数理统计的方法，选取出来应收周转、库存、库存周转、应付周转、现金点折扣、销量这六个指标参数来构成预警指数评价指标体系。

在操作101中，周期通常可以按月计量。这样，采集用于预警指数评价的多个指标参数的周期数据通常是指采集用于预警指数评价的多个指标参数的月数据。

其中，多个指标参数包括下游交易的应收周转、库存、库存周转、应付周转、现金点折扣及销量。参考图2，即采集供应链金融核心企业下游交易的多个指标参数相关月数据。具体地，通过交易信息系统或者直接交易信息录入的方式，获得核心企业下游的交易信息，对每一家下游企业的每月交易信息进行收集、汇总。例如销售额度、库存量、应付账款、应收账款等基础信息。在这些基础信息的基础上，再来统计和计算出步骤一所得出的应收周转、库存、库存周转、应付周转、现金点折扣、销量这六个指标参数的月数据。

参考图2，在操作102之前，所述方法还包括：对所述多个指标参数中每一个指标参数的周期数据进行数据清洗，得到清洗后的每一个指标参数的周期数据。

相应的，操作102即可根据清洗后的每个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值。

具体地，首先利用科学计算库进行数据初步的探索，例如数据类型，缺失值，数据集规模，各特征下的数据分布情况等，并利用第三方绘图库进行直观的观察，以获取数据的基本属性与分布情况。这样，对所述多个指标参数中每一个指标参数的周期数据进行数据清洗具体包括：若所述特征分析结果为周期数据存在缺省值，则根据周期数据的分布情况填充缺省值数据；若所述特征分析结果为周期数据存在异常值，则忽略所述周期数据中的异常值数据；若所述特征分析结果为周期数据存在重复值，则删除所述周期数据中的重复值数据。

其中，根据周期数据的分布情况填充缺省值数据，包括：若周期数据的数据分布均匀，则使用均值来填充缺省值数据；若周期数据的数据分布倾斜，则使用中位数来填充缺省值数据。

在操作102，首先根据所采集的多个指标参数的周期数据分别计算所述多个标参数中每一个指标参数的环比值；根据每一个指标参数的环比值是否大于环比阈值来确定每一个指标参数的统计值；利用所确定的每一个指标参数的统计值确定对应的分数值。其中，环比阈值选择可以根据实际需要考量，通常意义下可以取值在20％左右。

具体地，首先利用操作101所采集的应收周转、库存、库存周转、应付周转、现金点折扣、销量这六个指标参数的月周期数据，分别计算各自指标参数的环比值；然后根据每月环比值的大小进行分类，若环比上升大于20％，则记为1，小于-20％记为-1，介于之间记为0；再根据各个指标参数每月的统计值来计算各自指标的分数值，其中现金点折扣和销量指标的分数值计算方法与应收周转、库存、库存周转、应付周转这四个指标参数的分数值计算方法不同。前两个指标参数为负指标，后四个指标参数为正指标。负指标参数的含义是指随着指标的增长，潜在的风险随之降低，而正指标参数与之相反，表示随着指标的增长，潜在的风险也随之增长。

这里，需要补充说明的是，负指标参数的分数值的计算公式为：

而正指标参数的分数值的计算公式为：

在操作103，根据所计算出的每一个指标参数的分数值采用逻辑回归(LogisticRegression)算法和二次规划的方式来计算每个指标参数的最优解。

具体地，在指标权重的配置方面，引入Logistic Regression算法，多个变量的Logistic Regression算法的公式为：

其中，p表示逾期率，自变量Xm在本方案中分别了步骤一所得出的应收周转、库存、库存周转、应付周转、现金点折扣、销量这六个指标。

接着通过采用二次规划的方式来计算出权重配置即参数的最优解，标准二次规划的方式表示如下：

其中x为d维向量，Q∈R^d*d为实对称矩阵，A∈R^d*d为实矩阵，b∈R^m和c∈R^m为实向量，Ax≤b的每一行对应一个约束。其中本方案所受约束为：

在操作104，在通过操作101～103计算得到了应收周转、库存、库存周转、应付周转、现金点折扣、销量这六个指标参数的分数值和各自权重之后，预警指数的计算方法便是将六个指标的分数按照计算得到的权重简单加权计算的值，即：warning＝β₁*ar_30+β₂*kc+β₃*kc_30+β₄*ARBW+β₅*xjd+β₆*sti；其中，ar_30、kc、kc_30、ARBW、xjd、sti分别为应收周转、库存、库存周转、应付周转、现金点折扣、销量指标，β₁β₂...β₆分别为对应指标的权重。

参考图2，在操作104之后，所述方法还包括：对所获得的周期预警指数进行有效性验证。

具体地，从历史数据中确定周期逾期率；将所获得的周期预警指数的数据与所确定的周期逾期率中延后一个周期的逾期率的数据进行比对，得到比对结果；若所述比对结果所表征的两组数据之间的相关性来对所得到的周期预警指数进行有效性验证。比如：2019年1月的预警指数对应2019年2月的逾期率。计算两组数据的相关系数，若相关系数为正，同时统计检验的p值小于0.05，则说明两组数据有正相关关系，预警指数随逾期率同向变动，同时相关系数的值越大，相关性越强。

本发明实施例预警指数评价方法，首先采集用于预警指数评价的多个指标参数的周期数据；根据所采集的多个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值；根据所计算出的每一个指标参数的分数值对每一个指标参数进行权重配置；将所配置的权重作为加权系数对所计算出的每一个指标参数的分数值进行加权计算，获得周期预警指数。如此，本发明构建一个供应链金融风险周期预警指数模型，利用该供应链金融风险周期预警指数模型对预警指数评价指标体系中用于预警指数评价的多个指标参数来进行模型训练，得到用于表征供应链金融风险的周期预警指数，从而实现对供应链金融风险的定量分析，能够更好的量化供应链中的金融风险。

而且，采用本发明上文所述预警指数评价方法，具有如下几点显著优势：1)以往的供应链金融的风险分析基本都专注于定性的研究和分析，而本发明通过定量的分析来计算得到综合性的预警指数，为宏观和微观相结合的风险管理提供基础理论和可实用化的技术手段；2)选取应收周转、库存、库存周转、应付周转、现金点折扣、销量六个指标参数，构成预警指数评价指标体系，能够更加全面、更加准确的反映出，当前业务供应链体系中所存在金融市场风险；3)对于应收周转、库存、库存周转、应付周转、现金点折扣、销量这六个指标参数的配置方法上，本发明选取了Logistic Regression算法和二次规划来求出最优解，从而得到更为合适和准确的指标参数的分数值和权重配置。

基于上文所述预警指数评价方法，又提供一种计算机可读存储介质，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行上述预警指数评价方法。

进一步地，基于上文所述预警指数评价方法，本发明实施例还提供一种预警指数评价装置，如图3所示，该装置30包括：采集模块301，用于采集用于预警指数评价的多个指标参数的周期数据；分数值计算模块302，用于根据所采集的多个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值；权重配置模块303，用于根据所计算出的每一个指标参数的分数值对每一个指标参数进行权重配置；加权计算模块304，用于将所配置的权重作为加权系数对所计算出的每一个指标参数的分数值进行加权计算，获得周期预警指数。

根据本发明一实施方式，所述装置30还包括：构建模块，用于在采集模块采集用于预警指数评价的多个指标参数的周期数据之前，构建预警指数评价指标体系，所述预警指数评价指标体系包括用于预警指标评价的多个指标参数；其中，所述多个指标参数包括应收周转、库存、库存周转、应付周转、现金点折扣及销量。

根据本发明一实施方式，所述装置30还包括：数据清洗模块，用于对所述多个指标参数中每一个指标参数的周期数据进行数据清洗，得到清洗后的每一个指标参数的周期数据；相应的，分数值计算模块302具体用于，根据清洗后的每个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值。

根据本发明一实施方式，数据清洗模块包括：特征分析单元，用于针对每一个指标参数的周期数据进行特征分析，得到特征分析结果；数据清洗单元，用于根据特征分析结果来对周期数据进行数据清洗。

根据本发明一实施方式，数据清洗单元具体用于，若所述特征分析结果为周期数据存在缺省值，则根据周期数据的分布情况填充缺省值数据；若所述特征分析结果为周期数据存在异常值，则忽略所述周期数据中的异常值数据；若所述特征分析结果为周期数据存在重复值，则删除所述周期数据中的重复值数据。

根据本发明一实施方式，数据清洗单元具体用于，若周期数据的数据分布均匀，则使用均值来填充缺省值数据；若周期数据的数据分布倾斜，则使用中位数来填充缺省值数据。

根据本发明一实施方式，所述装置30还包括：验证模块，用于在获得周期预警指数之后，对所获得的周期预警指数进行有效性验证。

根据本发明一实施方式，验证模块具体用于，从历史数据中确定周期逾期率；将所获得的周期预警指数的数据与所确定的周期逾期率中延后一个周期的逾期率的数据进行比对，得到比对结果；若所述比对结果所表征的两组数据之间的相关性来对所得到的周期预警指数进行有效性验证。

根据本发明一实施方式，分数值计算模块302具体用于，根据所采集的多个指标参数的周期数据分别计算所述多个标参数中每一个指标参数的环比值；根据所述每一个指标参数的环比值是否大于环比阈值来确定每一个指标参数的统计值；利用所确定的每一个指标参数的统计值确定对应的分数值。

根据本发明一实施方式，权重配置模块303具体用于，根据所计算出的每一个指标参数的分数值采用逻辑回归算法和二次规划的方式来计算每个指标参数的最优解。

这里需要指出的是：以上预警指数评价装置实施例的描述，与前述图1和2所示的方法实施例的描述是类似的，具有同前述图1和2所示的方法实施例相似的有益效果，因此不做赘述。对于本发明装置实施例中未披露的技术细节，请参照本发明前述图1和2所示的方法实施例的描述而理解，为节约篇幅，因此不再赘述。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种预警指数评价方法，其特征在于，所述方法包括：

采集用于预警指数评价的多个指标参数的周期数据；

根据所采集的多个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值；

根据所计算出的每一个指标参数的分数值对每一个指标参数进行权重配置；

将所配置的权重作为加权系数对所计算出的每一个指标参数的分数值进行加权计算，获得周期预警指数。

2.根据权利要求1所述的方法，其特征在于，在采集用于预警指数评价的多个指标参数的周期数据之前，所述方法还包括：

构建预警指数评价指标体系，所述预警指数评价指标体系包括用于预警指标评价的多个指标参数；

其中，所述多个指标参数包括应收周转、库存、库存周转、应付周转、现金点折扣及销量。

3.根据权利要求2所述的方法，其特征在于，所述多个指标参数包括下游交易的应收周转、库存、库存周转、应付周转、现金点折扣及销量。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述多个指标参数中每一个指标参数的周期数据进行数据清洗，得到清洗后的每一个指标参数的周期数据；

相应的，根据所采集的多个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值为根据清洗后的每个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值。

5.根据权利要求4所述的方法，其特征在于，对所述多个指标参数中每一个指标参数的周期数据进行数据清洗，得到清洗后的每一个指标参数的周期数据，包括：

针对每一个指标参数的周期数据进行特征分析，得到特征分析结果；

根据特征分析结果来对周期数据进行数据清洗。

6.根据权利要求1所述的方法，其特征在于，在获得周期预警指数之后，所述方法还包括：

对所获得的周期预警指数进行有效性验证。

7.根据权利要求1至6任一项所述的方法，其特征在于，根据所采集的多个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值，包括：

根据所采集的多个指标参数的周期数据分别计算所述多个标参数中每一个指标参数的环比值；

根据所述每一个指标参数的环比值是否大于环比阈值来确定每一个指标参数的统计值；

利用所确定的每一个指标参数的统计值确定对应的分数值。

8.根据权利要求1至6任一项所述的方法，其特征在于，根据所计算出的每一个指标参数的分数值对每一个指标参数进行权重配置，包括：

根据所计算出的每一个指标参数的分数值采用逻辑回归算法和二次规划的方式来计算每个指标参数的最优解。

9.一种预警指数评价装置，其特征在于，所述装置包括：

采集模块，用于采集用于预警指数评价的多个指标参数的周期数据；

分数值计算模块，用于根据所采集的多个指标参数的周期数据分别计算所述多个指标参数中每一个指标参数的分数值；

权重配置模块，用于根据所计算出的每一个指标参数的分数值对每一个指标参数进行权重配置；

加权计算模块，用于将所配置的权重作为加权系数对所计算出的每一个指标参数的分数值进行加权计算，获得周期预警指数。

10.一种计算机可读存储介质，其特征在于，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行权利要求1至8任一项所述预警指数评价方法。