CN110675078A - 上市公司风险诊断方法、系统、计算机终端及存储介质 - Google Patents
上市公司风险诊断方法、系统、计算机终端及存储介质 Download PDFInfo
- Publication number
- CN110675078A CN110675078A CN201910940109.6A CN201910940109A CN110675078A CN 110675078 A CN110675078 A CN 110675078A CN 201910940109 A CN201910940109 A CN 201910940109A CN 110675078 A CN110675078 A CN 110675078A
- Authority
- CN
- China
- Prior art keywords
- index
- indexes
- analysis
- financial
- company
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 86
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 238000011156 evaluation Methods 0.000 claims description 79
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 230000007306 turnover Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000005211 surface analysis Methods 0.000 description 2
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种上市公司风险诊断方法、系统、计算机终端及存储介质,该诊断方法包括从网站上采集待诊断公司的原始数据;对原始数据进行预处理以提取出关键数据;将关键数据输入预先建立的多个模型进行分析以判断待诊断上市公司的基本面信息和风险状况信息;根据基本面信息和风险状况信息得到诊断结果;能从多方面分析待诊断上市公司的现状,分析结果更全面。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种上市公司风险诊断方法、系统、计算机终端及存储介质。
背景技术
随着人工智能产业的逐步成熟,如何在各垂直领域落地应用已经成为当今的商业热点,针对金融领域而言,人工智能基础设施的逐步完善使得对金融进行全方位智能化分析变得可能。但是,目前市面上对金融分析的人工智能分析只能从单维度角度实现分析,且缺乏分析的实时性,智能化程度低。
发明内容
本发明的目的在于针对现有技术的上述问题,提供一种上市公司风险诊断方法,包括:
从网站上采集待诊断公司的原始数据;
对所述原始数据进行预处理以提取出关键数据;
将所述关键数据输入预先建立的多个模型进行分析以判断待诊断上市公司的基本面信息和风险状况信息;
根据所述基本面信息和风险状况信息得到诊断结果。
作为上述技术方案的进一步改进,所述多个模型包括:
财务分析模型,用于根据财务异常评价指标进行分析,所述财务异常评价指标包括存贷指标、质押指标、商誉指标、以及违规违法指标中的至少一种;
基本面分析模型,用于根据基本财务评价指标进行分析,所述基本财务评价指标包括ROE指标、现金流质量指标、以及存货周转速度指标中的至少一种;
重点分析模型,用于根据股票影响因素评价指标进行分析,所述股票影响因素评价指标包括北向资金指标和舆情指数指标中的至少一种;
股东分析模型,用于根据投资股东评价指标进行分析,所述投资股东评价指标包括社保基金和中央汇金中的至少一种;
重大事项分析模型,用于根据公告信息评价指标进行分析,所述公告信息评价指标包括关联交易、高管变更、以及股权激励中的至少一种。
作为上述技术方案的进一步改进,所述多个模型还包括预处理模型,所述预处理模型用于构建所述财务异常评价指标和所述基本财务评价指标之间的关联关系,并根据所述关联关系对所述原始数据进行数据清洗之后再进行所述数据提取。
作为上述技术方案的进一步改进,所述原始数据包括所述待诊断公司的财报信息、新闻信息、以及舆论信息中的至少一种。
作为上述技术方案的进一步改进,所述预处理包括识别出所述原始数据的数据类型,并根据所述数据类型从所述原始数据提取所述关键数据。
作为上述技术方案的进一步改进,采用爬虫采集方法实时采集待诊断公司的原始数据。
作为一个总的技术构思,本发明还提供一种上市公司风险诊断系统,包括:
采集单元,用于从网站上采集待诊断公司的原始数据;
提取单元,用于对所述原始数据进行预处理以提取出关键数据;
分析单元,用于将所述关键数据输入预先建立的多个模型进行分析以判断待诊断上市公司的基本面信息和风险状况信息;
诊断单元,用于根据所述基本面信息和风险状况信息得到诊断结果。
作为上述技术方案的进一步改进,所述分析单元包括:
财务分析子单元,用于采用财务分析模型根据财务异常评价指标进行分析,所述财务异常评价指标包括存贷指标、质押指标、商誉指标、以及违规违法指标中的一种或者任意几种的组合;
基本面分析子单元,用于采用基本面分析模型根据基本财务评价指标进行分析,所述基本财务评价指标包括ROE指标、现金流质量指标、以及存货周转速度指标中的至少一种;
重点分析子单元,用于采用重点分析模型根据股票影响因素评价指标进行分析,所述股票影响因素评价指标包括北向资金指标和舆情指数指标中的至少一种;
股东分析子单元,用于采用股东分析模型根据投资股东评价指标进行分析,所述投资股东评价指标包括社保基金和中央汇金中的至少一种;
重大事项分析子单元,用于采用重大事项分析模型根据公告信息评价指标进行分析,所述公告信息评价指标包括关联交易、高管变更、以及股权激励中的至少一种。
作为一个总的技术构思,本发明还提供一种计算机终端,包括:
处理器和存储器;
所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述计算机终端执行所述的上市公司风险诊断方法。
作为一个总的技术构思,本发明还提供一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实施所述的上市公司风险诊断方法。
与现有技术相比,本发明提供的上市公司风险诊断方法,通过将关键数据输入预先建立的多个模型进行分析以判断待诊断上市公司的基本面信息和风险状况信息,进一步根据该基本面信息和风险状况信息得到诊断结果,能从多方面分析待诊断上市公司的现状,分析结果更全面。
附图说明
为了更清楚地说明本发明的技术方案,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本发明保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1示出了本发明实施例中上市公司风险诊断方法流程图;
图2示出了本发明实施例中的分析模型的一部分分析结果示意图;
图3示出了本发明实施例中的分析模型的另一部分分析结果示意图;
图4示出了本发明实施例中提取的关键数据示意图;
图5示出了本发明实施例中上市公司风险诊断系统结构示意图;
图6示出了本发明实施例中分析单元的各子单元结构示意图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
在下文中,可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
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。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本发明的各种实施例中被清楚地限定。
针对现有技术中的缺陷,本发明人发现当前市面上的公司分析方法和系统,限于技术能力,大都只能纯粹的展示需要上市的公司的基础信息,缺少对需要上市的公司的全面的相关信息的分析能力。即使有一些方法和系统有简单的分析功能,也是某个单一维度的分析,比如净利润趋势分析,并不能实时的、全面的对上市公司的基本面和风险情况进行分析。因此,有必要提出一种上市公司风险诊断方法、系统、计算机终端及存储介质。
实施例1
如图1所示,本实施例提供一种上市公司风险诊断方法,包括:
101:从网站上采集待诊断公司的原始数据;
102:对原始数据进行预处理以提取出关键数据;
103:将关键数据输入预先建立的多个模型进行分析以判断待诊断上市公司的基本面信息和风险状况信息;
104:根据基本面信息和风险状况信息得到诊断结果。
本实施例中,从200多个相关网站上分布式实时采集待诊断上市公司的原始数据,包括待诊断上市公司的财报信息、新闻信息、以及舆论信息。
将上述原始数据进行预处理,具体地,该预处理步骤包括对上述原始数据进行清洗和提取。然后采用预先建立的多个模型将经预处理后的原始数据进行分析以判断待诊断上市公司的基本面信息和风险状况信息。
上述预先建立的多个模型包括财务分析模型、基本面分析模型、重点分析模型、股东分析模型、和重大事项分析模型。其中,各分析模型的分析结果如图2和图3所示,其中,图2和图3中的笑脸图标表示结果良好没有风险,另一个图标表示结果存在风险。
其中,财务分析模型,用于根据财务异常评价指标进行分析,财务异常评价指标包括存贷指标、质押指标、商誉指标、以及违规违法指标中的至少一种;基本面分析模型,用于根据基本财务评价指标进行分析,基本财务评价指标包括ROE指标、现金流质量指标、以及存货周转速度指标中的至少一种;重点分析模型,用于根据股票影响因素评价指标进行分析,股票影响因素评价指标包括北向资金指标和舆情指数指标中的至少一种;股东分析模型,用于根据投资股东评价指标进行分析,投资股东评价指标包括社保基金和中央汇金中的至少一种;重大事项分析模型,用于根据公告信息评价指标进行分析,公告信息评价指标包括关联交易、高管变更、以及股权激励中的至少一种。
需要说明的是,本实施例并不对上述各评价指标类型做具体限定,此处仅作举例说明,在具体应用时,还可以对相应模型中采用的评价指标做适当的扩充。例如,对于基本面分析模型中采用的待诊断上市公司的基本财务评价指标,还可以涵盖赊账率、净利润增速、营收销售费用是否背离、净现是否匹配、ROE稳定情况、存贷周转速度、营收增速、应收账款是否突增、其他应收款占比、过去是否有亏损、销售费用率、财务费用率、扣除非经常项后的净利润经营现金流、带息负债率等多项评价指标。在跨行业对比中,从毛利率、存货周转速度、短期偿债能力、设备投资力度、经营现金流质量、实收净利润对公司进行分析。此外,基本面分析模型中依据的评价指标还可以包括是否经四大审计、会计事务所是否稳定、是否为百年老店、分红次数、转增、最近一次高分红、是否有大股东增减持、是否为MSCI标的股、股东户数是否减少、对市场的敏感程度、待诊断上市公司是否预计存在限售股解禁、业绩预期、涨跌幅、换手率、缩量下跌、放量上涨等多项维度对个股进行多项扩展指标的综合评估。
进一步地,将经预处理后的原始数据和评价指标进行比较,具体包括将原始数据和财务异常评价指标、基本财务评价指标、股票影响因素评价指标、投资股东评价指标、和公告信息评价指标进行比较。
优选地,本实施例中,预先建立的多个模型还包括预处理模型,预处理模型用于构建财务异常评价指标和基本财务评价指标之间的关联关系,并根据关联关系对原始数据进行数据清洗之后再进行数据提取以得到关键数据。经过该预处理,可以根据该关联关系快速判识原始数据中有关财务异常评价指标和基本财务评价指标的相关原始数据的正确性,及时删除错误的相关原始数据,更准确且更快速地得到数据清洗地结果。
本实施例中,如图4所示,以五粮液(000858.SZ)发布业绩预告为例。采用本实施例的预处理方法进行预处理后,可以在快速识别出该公告是业绩预告公告,而且提取出公告里关键数据,展示给用户。其中,提取的关键数据包括待评估业绩增减情况、业绩增减的具体数据、和与上年同期的增减比例。
最后,将预处理后的原始数据与各模型的评价指标进行比较,即,将预处理后的原始数据数据分别与各模型中的财务异常评价指标、基本财务评价指标、股票影响因素评价指标、投资股东评价指标、以及公告信息评价指标进行比较,若原始数据超过相应的指标,则认为诊断为存在异动。
上述的上市公司风险诊断方法能从多方面分析待诊断上市公司的现状,分析结果更全面。
实施例2
与上述实施例1相对应地,如图5所示,本实施例提供一种上市公司风险诊断系统,包括:
采集单元,用于从网站上采集待诊断公司的原始数据;
提取单元,用于对原始数据进行预处理以提取出关键数据;
分析单元,用于将关键数据输入预先建立的多个模型进行分析以判断待诊断上市公司的基本面信息和风险状况信息;
诊断单元,用于根据基本面信息和风险状况信息得到诊断结果。
其中,如图6所示,分析单元包括:
财务分析子单元,用于采用财务分析模型根据财务异常评价指标进行分析,财务异常评价指标包括存贷指标、质押指标、商誉指标、以及违规违法指标中的一种或者任意几种的组合;
基本面分析子单元,用于采用基本面分析模型根据基本财务评价指标进行分析,基本财务评价指标包括ROE指标、现金流质量指标、以及存货周转速度指标中的至少一种;
重点分析子单元,用于采用重点分析模型根据股票影响因素评价指标进行分析,股票影响因素评价指标包括北向资金指标和舆情指数指标中的至少一种;
股东分析子单元,用于采用股东分析模型根据投资股东评价指标进行分析,投资股东评价指标包括社保基金和中央汇金中的至少一种;
重大事项分析子单元,用于采用重大事项分析模型根据公告信息评价指标进行分析,公告信息评价指标包括关联交易、高管变更、以及股权激励中的至少一种。
上述各单元执行工作时的方法步骤如实施例1所示,在此,不多做赘述。
实施例3
本实施例提供一种计算机终端,包括:
处理器和存储器;
存储器用于存储计算机程序,处理器运行计算机程序以使计算机终端执行的诊断方法。
实施例4
本实施例提供一种计算机可读存储介质,其存储有计算机程序,该计算机程序被处理器执行时实施的上市公司风险诊断方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能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,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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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(可以是智能手机、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步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、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。
Claims (10)
1.一种上市公司风险诊断方法,其特征在于,包括:
从网站上采集待诊断公司的原始数据;
对所述原始数据进行预处理以提取出关键数据;
将所述关键数据输入预先建立的多个模型进行分析以判断待诊断上市公司的基本面信息和风险状况信息;
根据所述基本面信息和风险状况信息得到诊断结果。
2.根据权利要求1所述的上市公司风险诊断方法,其特征在于,所述多个模型包括:
财务分析模型,用于根据财务异常评价指标进行分析,所述财务异常评价指标包括存贷指标、质押指标、商誉指标、以及违规违法指标中的至少一种;
基本面分析模型,用于根据基本财务评价指标进行分析,所述基本财务评价指标包括ROE指标、现金流质量指标、以及存货周转速度指标中的至少一种;
重点分析模型,用于根据股票影响因素评价指标进行分析,所述股票影响因素评价指标包括北向资金指标和舆情指数指标中的至少一种;
股东分析模型,用于根据投资股东评价指标进行分析,所述投资股东评价指标包括社保基金和中央汇金中的至少一种;
重大事项分析模型,用于根据公告信息评价指标进行分析,所述公告信息评价指标包括关联交易、高管变更、以及股权激励中的至少一种。
3.根据权利要求2所述的上市公司风险诊断方法,其特征在于,所述多个模型还包括预处理模型,所述预处理模型用于构建所述财务异常评价指标和所述基本财务评价指标之间的关联关系,并根据所述关联关系对所述原始数据进行数据清洗之后再进行数据提取以得到所述关键数据。
4.根据权利要求1至3中任一项所述的上市公司风险诊断方法,其特征在于,所述原始数据包括所述待诊断公司的财报信息、新闻信息、以及舆论信息中的至少一种。
5.根据权利要求1所述的上市公司风险诊断方法,其特征在于,所述预处理包括识别出所述原始数据的数据类型,并根据所述数据类型从所述原始数据提取所述关键数据。
6.根据权利要求1所述的上市公司风险诊断方法,其特征在于,采用爬虫采集方法实时采集待诊断公司的原始数据。
7.一种上市公司风险诊断系统,其特征在于,包括:
采集单元,用于从网站上采集待诊断公司的原始数据;
提取单元,用于对所述原始数据进行预处理以提取出关键数据;
分析单元,用于将所述关键数据输入预先建立的多个模型进行分析以判断待诊断上市公司的基本面信息和风险状况信息;
诊断单元,用于根据所述基本面信息和风险状况信息得到诊断结果。
8.根据权利要求7所述的上市公司风险诊断系统,其特征在于,所述分析单元包括:
财务分析子单元,用于采用财务分析模型根据财务异常评价指标进行分析,所述财务异常评价指标包括存贷指标、质押指标、商誉指标、以及违规违法指标中的一种或者任意几种的组合;
基本面分析子单元,用于采用基本面分析模型根据基本财务评价指标进行分析,所述基本财务评价指标包括ROE指标、现金流质量指标、以及存货周转速度指标中的至少一种;
重点分析子单元,用于采用重点分析模型根据股票影响因素评价指标进行分析,所述股票影响因素评价指标包括北向资金指标和舆情指数指标中的至少一种;
股东分析子单元,用于采用股东分析模型根据投资股东评价指标进行分析,所述投资股东评价指标包括社保基金和中央汇金中的至少一种;
重大事项分析子单元,用于采用重大事项分析模型根据公告信息评价指标进行分析,所述公告信息评价指标包括关联交易、高管变更、以及股权激励中的至少一种。
9.一种计算机终端,其特征在于,包括:
处理器和存储器;
所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述计算机终端执行根据权利要求1至6中任一项所述的上市公司风险诊断方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实施所述权利要求1至6中任一项所述的上市公司风险诊断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940109.6A CN110675078A (zh) | 2019-09-30 | 2019-09-30 | 上市公司风险诊断方法、系统、计算机终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910940109.6A CN110675078A (zh) | 2019-09-30 | 2019-09-30 | 上市公司风险诊断方法、系统、计算机终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110675078A true CN110675078A (zh) | 2020-01-10 |
Family
ID=69080514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910940109.6A Pending CN110675078A (zh) | 2019-09-30 | 2019-09-30 | 上市公司风险诊断方法、系统、计算机终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110675078A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111383115A (zh) * | 2020-03-16 | 2020-07-07 | 中科天玑数据科技股份有限公司 | 一种交易场所异常行为监测分析方法和系统 |
CN111382213A (zh) * | 2020-04-02 | 2020-07-07 | 无锡蓝色云湾信息技术有限公司 | 一种结合物联网及云计算技术的数据分析系统 |
CN111612601A (zh) * | 2020-04-17 | 2020-09-01 | 北京智信度科技有限公司 | 基于服务机构的上市公司的财务风险识别方法及装置 |
CN112488538A (zh) * | 2020-12-04 | 2021-03-12 | 国泰新点软件股份有限公司 | 评价指标的上报处理方法、装置及存储介质 |
-
2019
- 2019-09-30 CN CN201910940109.6A patent/CN110675078A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111383115A (zh) * | 2020-03-16 | 2020-07-07 | 中科天玑数据科技股份有限公司 | 一种交易场所异常行为监测分析方法和系统 |
CN111382213A (zh) * | 2020-04-02 | 2020-07-07 | 无锡蓝色云湾信息技术有限公司 | 一种结合物联网及云计算技术的数据分析系统 |
CN111612601A (zh) * | 2020-04-17 | 2020-09-01 | 北京智信度科技有限公司 | 基于服务机构的上市公司的财务风险识别方法及装置 |
CN111612601B (zh) * | 2020-04-17 | 2023-05-09 | 北京智信度科技有限公司 | 基于服务机构的上市公司的财务风险识别方法及装置 |
CN112488538A (zh) * | 2020-12-04 | 2021-03-12 | 国泰新点软件股份有限公司 | 评价指标的上报处理方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090823B (zh) | 基于SaaS的账务数据管理系统 | |
CN110675078A (zh) | 上市公司风险诊断方法、系统、计算机终端及存储介质 | |
US20160364727A1 (en) | System and method for identifying compromised accounts | |
US20050125322A1 (en) | System, method and computer product to detect behavioral patterns related to the financial health of a business entity | |
CN109543096A (zh) | 数据查询方法、装置、计算机设备和存储介质 | |
Franceschetti et al. | Do bankrupt companies manipulate earnings more than the non-bankrupt ones? | |
US20150363875A1 (en) | System and Method for Filtering and Analyzing Transaction Information | |
CN110060087B (zh) | 异常数据的检测方法、装置和服务器 | |
CN112116464B (zh) | 基于事件序列频繁项集的异常交易行为分析方法和系统 | |
CN113205402A (zh) | 对账方法、装置、电子设备及计算机可读介质 | |
KR101487090B1 (ko) | 복수의 업체를 관리하기 위한 업체 관리 시스템 및 그 방법 | |
CN113538154A (zh) | 风险对象的识别方法、装置、存储介质和电子设备 | |
CN112016843A (zh) | 一种组织财税数据风险分析方法及相关装置 | |
CN115526700A (zh) | 风险的预测方法、装置及电子设备 | |
CN110991650A (zh) | 训练养卡识别模型、识别养卡行为的方法及装置 | |
Chiu et al. | The automation of financial statement fraud detection: a framework using process mining | |
CN101308564A (zh) | 一种按揭贷款信息监控方法及系统 | |
CN109919667A (zh) | 一种用于识别企业ip的方法和装置 | |
CN116629998A (zh) | 一种自动计息方法、装置、电子设备及可读存储介质 | |
CN116739795A (zh) | 基于知识图谱的保险风险评估方法、装置和电子设备 | |
CN110246002A (zh) | 理财推荐信息的推送方法、装置及计算机设备 | |
CN110570301B (zh) | 风险识别方法、装置、设备及介质 | |
KR20150097837A (ko) | 계정추천 및 전표생성을 위한 패턴생성시스템 및 그 제공방법 | |
Kang | Fraud Detection in Mobile Money Transactions Using Machine Learning | |
US20210350259A1 (en) | Data processing systems and methods to provide decision support |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200110 |