CN110597990B - 一种基于智能分类的财务分析方法和系统 - Google Patents

一种基于智能分类的财务分析方法和系统 Download PDF

Info

Publication number
CN110597990B
CN110597990B CN201910843537.7A CN201910843537A CN110597990B CN 110597990 B CN110597990 B CN 110597990B CN 201910843537 A CN201910843537 A CN 201910843537A CN 110597990 B CN110597990 B CN 110597990B
Authority
CN
China
Prior art keywords
enterprises
similar
target
data
enterprise
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.)
Active
Application number
CN201910843537.7A
Other languages
English (en)
Other versions
CN110597990A (zh
Inventor
李振
张刚
鲍东岳
宋璞
尹正
彭加欣
李千惠
邸璇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Minsheng Science And Technology Co ltd
Original Assignee
Minsheng Science And Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Minsheng Science And Technology Co ltd filed Critical Minsheng Science And Technology Co ltd
Priority to CN201910843537.7A priority Critical patent/CN110597990B/zh
Publication of CN110597990A publication Critical patent/CN110597990A/zh
Application granted granted Critical
Publication of CN110597990B publication Critical patent/CN110597990B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Databases & Information Systems (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明属于信息技术领域，具体为一种基于智能分类的财务分析方法。该方法针对目标企业和数据库中的其他企业，通过爬虫系统搜集目标企业和数据库中其他企业的舆情信息，基于舆情信息进行两次聚类，最相似企业与目标企业的相似度h,对得到相似度h进行加权调整，得到最终相似度h*；基于相似度h*对目标企业和相似企业做排序，输出目标企业在排序结果中的位置，即得到目标企业在同类企业的排名，以及同类企业的指标区间。本发明主要优势为：通过聚类获取供目标企业对比的其他企业，不依赖现有分类手段，有助于找到与目标企业相似程度最高的其他企业，并通过经营范围、企业规模等对篮内企业做调整，从而为目标企业的财务分析提供可靠的参考依据。

Description

一种基于智能分类的财务分析方法和系统
技术领域
本发明属于信息系统技术领域，具体为一种基于自然语言处理和机器学习技术的智能财务分析方法和系统。
背景技术
目前，对于企业管理及各种方式的投资管理来说，财务分析至关重要。财务报表分析是一种针对财务资料来进行判断的过程，其用意在于评估企业目前及未来的财务状况与经营成果，主要目的在于通过财务分析获知目标企业真实的财务状况与经营绩效。
财务分析作为一门独立学科经过多年发展已经形成了较为完善的指标体系，对于各项指标的计算结果一般依赖于经验或者各类研究结果进行分析。
现有的财务分析在实践中主要依赖分析人员的经验以及把相关机构发布的标准值作为主要参考依据，这种分析方法主观性较强，对于相关数值指标缺乏客观的比较区间，而目前各企业在转型升级中，跨行业经营情况非常普遍，仅仅依赖所属行业或主营业务分类很难全面得到与目标企业相似的其他相似企业并进行对比分析。
发明内容
本公开实施例公开了一种基于智能分类的财务分析方法和系统，以解决现有技术的上述问题以及其他潜在。
为了达到上述目的，本公开实施例公开了一种基于智能分类的财务分析方法，该方法针对目标企业和数据库中的其他企业，通过爬虫系统搜集目标企业和数据库中其他企业的舆情信息，基于舆情信息进行两次聚类，得到最相似的其他企业与目标企业的相似度h,对得到相似度h进行加权调整，得到最终相似度h*；基于最终相似度h*对目标企业和最相似的其他企业做排序，输出目标企业在排序结果中的位置，即得到目标企业在同类企业的排名，以及同类企业的指标区间。
根据本公开实施例，该分析方法具体包括以下步骤：
S1)确定目标企业，触发爬虫系统搜集目标企业和数据库中其他企业的舆情信息，根据舆情信息对目标企业和其他企业进行聚类，找到与目标企业相似的其他企业；
S2)把S1)得到相似企业作为一个整体，将其数据统一，然后和数据库中其他相似企业进行第二次聚类，以扩大相似企业范围，其中该次聚类采用KMEANS聚类算法，采用欧式距离衡量目标企业和相似企业之间的相似度h；
S3)根据企业规模数据对相似度h做加权调整，通过计算得到最终相似度h*'，基于相似度h*对目标企业和最相似的其他企业做排序，输出目标企业在排序结果中的位置，即得到目标企业在同类企业的排名，以及同类企业的指标区间。
根据本公开实施例，所述S2)中还包括以下步骤：根据相似的其他企业自身的基础数据对分类进行调整，过滤掉与目标企业在无交叉的相似的其他企业。
根据本公开实施例，所述S1)的具体步骤为：
S1.1)根据已掌握目标企业的舆情信息的通过企业爬虫系统定期收集相关的舆情信息；
S1.2)针对目标企业与数据库中其他企业的共同舆情、共同关键字进行聚类，得到与目标企业相似的其他企业。
根据本公开实施例，在于，所述基础数据包括经营范围、专项证照和关联关系。
根据本公开实施例，所述S3)的具体步骤为：
S3.1)根据最相似的其他企业与目标企业的规模，即总资产、净资产和营业收入数据对相似度h做加权调整，权重w的计算方式为：从总资产x1、净资产x2、营业收入x3三个维度在坐标轴上标出三点，将三点连线得到三角形，根据三角形面积差计算得到权重w，计算公式如下：
Figure BDA0002194461550000031
Figure BDA0002194461550000032
式中：S表示三角面积，x1、x2、x3分别为三个维度的坐标值，
Si表示其他相似企业三角面积，Sm表示目标企业三角面积；
S3.2)根据S3.1)得到的权重值w，结合相似度值h对加权调整，即w×h作为最终相似度值h*；
S3.3)基于最终相似度值h*对目标企业A和k个最相似的其他企业做排序，输出目标企业在排序结果中的位置，即得到目标企业在同类企业的排名，以及同类企业的指标区间。
本公开实施例的另一目的是公开一种采用上述方法的系统，所述系统包括计算系统、爬虫系统、存储系统和模型计算系统；
其中，所述计算系统负责派发数据爬取任务和输出财务分析计算结果，爬虫系统接受来自计算系统的爬取指令并展开爬取，爬取得到的舆情数据存入存储系统，同时存储系统还存有财务数据、基础数据和规模数据，模型计算系统调取存储系统中的数据并对数据进行建模计算。
根据本公开实施例，所述爬虫系统包括定时爬虫单元和触发爬虫单元。
根据本公开实施例，所述存储系统存储的数据包括财务数据、基础数据、规模数据和舆情数据。
根据本公开实施例，所述模型计算系统中包括分类模型和聚类模型。
本发明的有益效果是：由于采用上述技术方案，本发明主要优势为：通过聚类的方式获取供目标企业对比的一篮子企业，不依赖任何现有分类手段，有助于找到与目标企业相似程度最高的一篮子企业，并通过经营范围、相似度、企业规模等对篮内各企业的权重进行调整，从而为目标企业的财务分析提供有效的参考依据。
附图说明
图1为本发明一种基于智能分类的财务分析方法的流程框图。
图2为本发明一种基于智能分类的财务分析方法中基于三角形面积法确定权重的逻辑图。
图3为本发明一种基于智能分类的财务分析系统的逻辑框图。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案做进一步说明。
本公开实施例公开了一种基于智能分类的财务分析方法，该方法针对目标企业和数据库中的其他企业，通过爬虫系统搜集目标企业和数据库中其他企业的舆情信息，基于舆情信息进行两次聚类，得到最相似的其他企业与目标企业的相似度h,对得到相似度h进行加权调整，得到最终相似度h*；基于最终相似度h*对目标企业和最相似的其他企业做排序，输出目标企业在排序结果中的位置，即得到目标企业在同类企业的排名，以及同类企业的指标区间。
根据本公开实施例，该分析方法具体包括以下步骤：
S1)确定目标企业，触发爬虫系统搜集目标企业和数据库中其他企业的舆情信息，根据舆情信息对目标企业和其他企业进行聚类，找到与目标企业相似的其他企业；
S2)把S1)得到相似企业作为一个整体，将其数据统一，然后和数据库中其他相似企业进行第二次聚类，以扩大相似企业范围，其中该次聚类采用KMEANS聚类算法，采用欧式距离衡量目标企业和相似企业之间的相似度h；
S3)根据企业规模数据对相似度h做加权调整，通过计算得到最终相似度h*'，基于相似度h*对目标企业和最相似的其他企业做排序，输出目标企业在排序结果中的位置，即得到目标企业在同类企业的排名，以及同类企业的指标区间，如图1所示。
根据本公开实施例，所述S2)中还包括以下步骤：根据相似的其他企业自身的基础数据对分类进行调整，过滤掉与目标企业在无交叉的相似的其他企业。
根据本公开实施例，所述S1)的具体步骤为：
S1.1)根据已掌握目标企业的舆情信息的通过企业爬虫系统定期收集相关的舆情信息；
S1.2)针对目标企业与数据库中其他企业的共同舆情、共同关键字进行聚类，得到与目标企业相似的其他企业。
根据本公开实施例，在于，所述基础数据包括经营范围、专项证照和关联关系。
根据本公开实施例，所述S3)的具体步骤为：
S3.1)根据最相似的其他企业与目标企业的规模，即总资产、净资产和营业收入数据对相似度h做加权调整，权重w的计算方式为：从总资产x1、净资产x2、营业收入x3三个维度在坐标轴上标出三点，将三点连线得到三角形(如图2所示)，根据三角形面积差计算得到权重w，计算公式如下：
Figure BDA0002194461550000061
Figure BDA0002194461550000062
式中：S表示三角面积，x1、x2、x3分别为三个维度的坐标值，
Si表示其他相似企业三角面积，Sm表示目标企业三角面积；
S3.2)根据S3.1)得到的权重值w，结合相似度值h对加权调整，即w×h作为最终相似度值h*；
S3.3)基于最终相似度值h*对目标企业A和k个最相似的其他企业做排序，输出目标企业在排序结果中的位置，即得到目标企业在同类企业的排名，以及同类企业的指标区间。
实施例1：
存储系统中有企业目录，且该目录企业均有财报数据。
当需要确定某一个企业的财务指标数据是否异常，以及处于何种相似企业水平，输入该企业名称，触发爬虫系统，爬取该企业舆情数据。
输入目标企业舆情数据和数据库目录企业舆情数据，然后使用模型对数据进行聚类，距离采用欧式距离，设有两个企业x1和x2，计算公式如下所示：
Figure BDA0002194461550000071
(其中i表示向量的维度)
距离越近表示相似度越高，权重越大，然后依据相似度对企业排序，排序结果可供分析人员截断(即为查看多少个相似企业)。
把聚类相似企业作为一个整体，将其数据统一，然后和数据库中其他相似企业进行二次聚类，以扩大相似企业范围，采用KMEANS聚类算法，采用欧式距离衡量企业之间的相似度。
使用各企业自身的基础数据(营业范围)对分类进行调整，过滤掉与目标企业在经营范围指标方面无交叉的企业。
对修正之后的企业重新计算欧氏距离，并对距离进行排序，将距离作为相似度h留用。
根据企业规模(总资产、净资产、营业收入)数据对相似度h做加权调整，权重w的计算方式为：从总资产x1、净资产x2、营业收入x3三个维度在坐标轴上标出三点，将三点连线得到三角形，如图2所示，根据三角形面积差计算得到权重w，计算公式如下：
Figure BDA0002194461550000081
Figure BDA0002194461550000082
h*＝wXh
(其中S表示三角面积，x1、x2、x3分别为三个维度的坐标值，Si表示其他相似企业三角面积，Sm表示目标企业三角面积)，
对相似样本重复抽样，将抽样结果放入k个相似企业群中。
对目标企业和相似企业群做排序，输出目标企业在排序结果中的位置，即得到目标企业在同类企业的排名，以及同类企业的指标区间。
实施例2：
设有目标企业A，其他相似企业数量不等，用变量M表示。
触发爬虫系统，爬取目标企业舆情数据，其他相似企业舆情数据已通过定时爬虫机制定时爬取舆情信息并存储于数据库中。
通过KMFANS聚类算法，基于舆情数据，对所有企业聚类，选出与目标企业A最相似的n个企业。
二次聚类，把目标企业A与K个相似企业的舆情数据以向量平均的方式统一为一个整体，再针对所有企业进行第二次聚类，经过两次聚类一共得到与目标企业最相似的m个企业。
根据营业范围，从m个最相似的企业当中过滤掉与目标企业在经营范围方面无交集的企业，剩下k个企业，k个企业与目标企业的欧氏距离作为相似度h留存。
相似度h加权调整，权重w的计算方式具体见实施方式一，最后以w×h作为最终相似度h*。
对相似样本做重复抽样，将抽样结果放入k个相似企业中。
基于相似度h*对目标企业A和k个相似企业做排序，输出目标企业在排序结果中的位置，即得到目标企业在同类企业的排名，以及同类企业的指标区间。
本发明方法可主要通过计算机程序实现，利用计算机程序实现本发明的方法，应在本发明的保护范围内。
下述为其中的一种计算机程序实现方式(并不仅限于该方式，如图3所示)：
所述计算系统，用于负责派发数据爬取任务和输出财务分析计算结果，
所述爬虫系统，接受来自计算系统的爬取指令并展开爬取，并将爬取得到的舆情数据存入存储系统，
所述存储系统，用于存储财务数据、基础数据、规模数据和舆情数据，
所述模型计算系统，用于调取存储系统中的数据并对数据进行建模计算。
利用本发明方法的信息处理终端，及计算机可读存储介质(包括指令，当其在计算机上运行时，使得计算机执行本发明的方法)，均应包含在本发明的保护范围内。
本文虽然已经给出了本发明的几个实施例，但是本领域的技术人员应当理解，在不脱离本发明精神的情况下，可以对本文的实施例进行改变。上述实施例只是示例性的，不应以本文的实施例作为本发明权利范围的限定。

Claims (8)

1.一种基于智能分类的财务分析方法，该方法针对目标企业和数据库中的其他企业，通过爬虫系统搜集目标企业和数据库中其他企业的舆情信息，基于舆情信息进行两次聚类，得到最相似的其他企业与目标企业的相似度h,对得到相似度h进行加权调整，得到最终相似度h * ；基于最终相似度h * 对目标企业和最相似的其他企业做排序，输出目标企业在排序结果中的位置，即得到目标企业在同类企业的排名，以及同类企业的指标区间；该财务分析方法具体包括以下步骤：
S1) 确定目标企业，触发爬虫系统搜集目标企业和数据库中其他企业的舆情信息，根据舆情信息对目标企业和其他企业进行聚类，找到与目标企业相似的其他企业；
S2) 把S1）得到相似企业作为一个整体，将其数据统一，然后和数据库中其他相似企业进行第二次聚类，以扩大相似企业范围，其中该次聚类采用KMEANS聚类算法，采用欧式距离衡量目标企业和相似企业之间的相似度h；
S3) 根据企业规模数据对相似度h做加权调整，通过计算得到最终相似度h *， ，基于相似度h * 对目标企业和最相似的其他企业做排序，输出目标企业在排序结果中的位置，即得到目标企业在同类企业的排名，以及同类企业的指标区间，其特征在于，所述S3）的具体步骤为：
S3.1）根据最相似的其他企业与目标企业的规模，即总资产、净资产和营业收入数据对相似度h做加权调整，权重
Figure 94814DEST_PATH_IMAGE002
的计算方式为：从总资产x 1、净资产x 2、营业收入x 3三个维度在坐标轴上标出三点，将三点连线得到三角形，根据三角形面积差计算得到权重
Figure DEST_PATH_IMAGE003
，计算公式如下：
Figure 74272DEST_PATH_IMAGE005
（1）
Figure DEST_PATH_IMAGE006
（2）
式中：S表示三角面积，x 1、x 2、x 3分别为三个维度的坐标值，
S i 表示其他相似企业三角面积，S m 表示目标企业三角面积；
S3.2）根据S3.1）得到的权重值w，结合相似度值h对加权调整，即
Figure 916326DEST_PATH_IMAGE003
×h作为最终相似度值h * ；
S3.3）基于最终相似度值h * 对目标企业A和k个最相似的其他企业做排序，输出目标企业在排序结果中的位置，即得到目标企业在同类企业的排名，以及同类企业的指标区间。
2.根据权利要求1所述的分析方法，其特征在于，所述S2）中还包括以下步骤：根据相似的其他企业自身的基础数据对分类进行调整，过滤掉与目标企业在无交叉的相似的其他企业。
3.根据权利要求2所述的财务分析方法，其特征在于，所述S1）的具体步骤为：
S1.1）根据已掌握目标企业的舆情信息的通过企业爬虫系统定期收集相关的舆情信息；
S1.2）针对目标企业与数据库中其他企业的共同舆情、共同关键字进行聚类，得到与目标企业相似的其他企业。
4.根据权利要求3所述的财务分析方法，其特征在于，所述基础数据包括经营范围、专项证照和关联关系。
5.一种如权利要求1-4任意一项所述的财务分析方法的分析系统，其特征在于，所述系统包括计算系统、爬虫系统、存储系统和模型计算系统；
其中，所述计算系统负责派发数据爬取任务和输出财务分析计算结果，爬虫系统接受来自计算系统的爬取指令并展开爬取，爬取得到的舆情数据存入存储系统，同时存储系统还存有财务数据、基础数据和规模数据，模型计算系统调取存储系统中的数据并对数据进行建模计算。
6.根据权利要求5所述的分析系统，其特征在于，所述爬虫系统包括定时爬虫单元和触发爬虫单元。
7.根据权利要求5所述的分析系统，其特征在于，所述存储系统存储的数据包括财务数据、基础数据、规模数据和舆情数据。
8.根据权利要求5所述的分析系统，其特征在于，所述模型计算系统中包括分类模型和聚类模型。
CN201910843537.7A 2019-09-06 2019-09-06 一种基于智能分类的财务分析方法和系统 Active CN110597990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910843537.7A CN110597990B (zh) 2019-09-06 2019-09-06 一种基于智能分类的财务分析方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910843537.7A CN110597990B (zh) 2019-09-06 2019-09-06 一种基于智能分类的财务分析方法和系统

Publications (2)

Publication Number Publication Date
CN110597990A CN110597990A (zh) 2019-12-20
CN110597990B true CN110597990B (zh) 2022-05-10

Family

ID=68858173

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910843537.7A Active CN110597990B (zh) 2019-09-06 2019-09-06 一种基于智能分类的财务分析方法和系统

Country Status (1)

Country Link
CN (1) CN110597990B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112767103A (zh) * 2020-12-30 2021-05-07 北京知因智慧科技有限公司 财务数据分析方法、装置和电子设备
CN113393278A (zh) * 2021-07-05 2021-09-14 上海汉沅教育科技有限公司 一种餐饮门店智能诊断方法、系统、设备及介质
CN114168814A (zh) * 2021-12-09 2022-03-11 中国建设银行股份有限公司 数据处理方法、相关装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102214332A (zh) * 2011-06-29 2011-10-12 浪潮集团山东通用软件有限公司 一种柔性调整权值的财务预警专家系统
CN109523153A (zh) * 2018-11-12 2019-03-26 平安科技（深圳）有限公司 非法集资企业的获取方法、装置、计算机设备和存储介质
CN109754161A (zh) * 2018-12-14 2019-05-14 中国航天标准化研究所 基于财务pest分析框架的军工行业发展能力评价方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150213390A1 (en) * 2014-01-28 2015-07-30 Bank Of America Corporation Competitive Pricing Framework

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102214332A (zh) * 2011-06-29 2011-10-12 浪潮集团山东通用软件有限公司 一种柔性调整权值的财务预警专家系统
CN109523153A (zh) * 2018-11-12 2019-03-26 平安科技（深圳）有限公司 非法集资企业的获取方法、装置、计算机设备和存储介质
CN109754161A (zh) * 2018-12-14 2019-05-14 中国航天标准化研究所 基于财务pest分析框架的军工行业发展能力评价方法

Also Published As

Publication number Publication date
CN110597990A (zh) 2019-12-20

Similar Documents

Publication Publication Date Title
CN110597990B (zh) 一种基于智能分类的财务分析方法和系统
CN109859052B (zh) 一种投资策略的智能推荐方法、装置、存储介质和服务器
CN107993143A (zh) 一种信贷风险评估方法及系统
CN109409677A (zh) 企业信用风险评估方法、装置、设备及存储介质
CN107679946A (zh) 基金产品推荐方法、装置、终端设备及存储介质
CN106779755A (zh) 一种网络电商借贷风险评估方法及模型
CN113807940B (zh) 信息处理和欺诈行为识别方法、装置、设备及存储介质
CN108009925A (zh) 一种基于网络聚类的基金资产配置系统及方法
WO2022143431A1 (zh) 一种反洗钱模型的训练方法及装置
CN110689437A (zh) 一种基于随机森林的通信施工项目财务风险预测方法
CN104933621A (zh) 一种担保圈的大数据分析系统和方法
Ruyu et al. A comparison of credit rating classification models based on spark-evidence from lending-club
Moedjahedy et al. Stock price forecasting on telecommunication sector companies in Indonesia Stock Exchange using machine learning algorithms
CN111930957A (zh) 实体间亲密度的分析方法、装置、电子设备以及存储介质
Rahman et al. To predict customer churn by using different algorithms
Fan et al. StockMixer: A Simple Yet Strong MLP-Based Architecture for Stock Price Forecasting
CN112445976A (zh) 一种基于拥堵指数图谱的城市地址定位方法
CN116701935A (zh) 敏感度预测模型训练方法、敏感信息处理方法及装置
CN116188233A (zh) 基于大数据分析的政策信息推送方法、系统、终端及介质
CN117011065A (zh) 基于企业标签的金融产品动态匹配推荐方法及设备
CN115114851A (zh) 基于五折交叉验证的评分卡建模方法及装置
CN115237970A (zh) 数据预测方法、装置、设备、存储介质及程序产品
KR102543211B1 (ko) 비정형 기업 데이터를 이용한 기업성장 예측 시스템
CN109063944A (zh) 基于大数据分析技术的城市金融指数分析方法及装置
TWM597462U (zh) 土地建築融資資訊整合平台系統

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
GR01 Patent grant
GR01 Patent grant