CN112559487A - 财务数据分析预警方法、装置、计算机设备和存储介质 - Google Patents
财务数据分析预警方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112559487A CN112559487A CN202011415639.8A CN202011415639A CN112559487A CN 112559487 A CN112559487 A CN 112559487A CN 202011415639 A CN202011415639 A CN 202011415639A CN 112559487 A CN112559487 A CN 112559487A
- Authority
- CN
- China
- Prior art keywords
- financial data
- model
- abnormal
- result
- sample
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000002159 abnormal effect Effects 0.000 claims abstract description 114
- 238000012549 training Methods 0.000 claims description 47
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 18
- 238000010801 machine learning Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 7
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 230000002547 anomalous effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 230000005856 abnormality Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000007115 recruitment Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- 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
Abstract
本发明实施例涉及财务数据分析技术领域,具体公开了财务数据分析预警方法、装置、计算机设备和存储介质,在本发明实施例提供的财务数据分析预警方法中,在获取财务数据后,通过构建第一模型;将所述财务数据输入所述第一模型中,输出第一结果,其中,所述第一结果用于表示所述财务数据是否异常;并通过构建第二模型;将所述第一结果输入所述第二模型,输出第二结果,其中,第二结果用于表示与所述财务数据相对应的违约概率;根据所述第一结果和所述第二结果,确定所述财务数据是否异常,从而能够在各企业的财务数据量庞大、行业和规模情况各不相同的情况下,对财务数据进行准确的分析和评估。
Description
技术领域
本发明实施例涉及财务数据分析技术领域,具体是财务数据分析预警方法、装置、计算机设备和存储介质。
背景技术
企业的财务数据可以直接或间接反映企业的财务状况,其中,财务数据中直接反映企业的财务状况的数据类型可以是例如:净资产收益率、总资产周转率、投入资产回报率和总资产周转率等;而财务数据中间接反映企业的财务状况的数据类型可以是例如:企业负面新闻数量、负面新闻数量增长率、招聘职位数量和招聘职位数量增长率等。
在对于企业的经营状况进行评估时,常需要对企业的财务数据进行分析,从而预测财务数据对应的违约概率和潜在风险。
传统技术中对财务数据分析预警操作,是通过建立一套线上财务数据分析系统,由专家设计关键词等识别规则,对财务数据进行多次的分析和评估。然而,由于各企业的财务数据量庞大、行业和规模情况各不相同,传统的财务数据分析系统难以准确地对各企业的财务数据进行分析。
发明内容
本发明实施例的目的在于提供财务数据分析预警方法、装置、计算机设备和存储介质,以解决上述背景技术中提出的问题。
为实现上述目的,本发明实施例提供如下技术方案:
一种财务数据分析预警方法,所述方法包括
获取财务数据;
构建第一模型;
将所述财务数据输入所述第一模型中,输出第一结果,其中,所述第一结果用于表示所述财务数据是否异常;
构建第二模型;
将所述第一结果输入所述第二模型,输出第二结果,其中,第二结果用于表示与所述财务数据相对应的违约概率;
根据所述第一结果和所述第二结果,确定所述财务数据是否异常。
作为本发明实施例技术方案进一步的限定,所述构建第一模型的步骤具体包括:获取样本财务数据;
基于所述样本财务数据,确定机器训练学习任务;
对所述机器训练学习任务进行数据异常相关性分析,得到所述机器训练学习任务对应的数据异常分析结果;
基于所述样本财务数据和所述数据异常分析结果,对第一初始模型进行异常数据分析训练,在训练的过程中调整所述第一初始模型的模型参数至所述第一初始模型输出的结果与所述机器训练学习任务相匹配;
将当前的预设机器学习模型作为所述第一模型。
作为本发明实施例技术方案进一步的限定,所述构建第二模型的具体步骤包括:
获取异常的样本财务数据以及与所述异常的样本财务数据相对应的样本违约记录,其中,所述异常的样本财务数据包括样本异常指标和样本异常指标对应的异常项目数据;
获取第二初始模型,根据样本异常指标、异常项目数据以及样本违约记录对所述第二初始模型进行训练得到第二模型。
作为本发明实施例技术方案进一步的限定,所述方法还包括以下具体步骤:
当根据所述第一结果和所述第二结果,确定所述财务数据为异常时,将异常的财务数据进行存储。
作为本发明实施例技术方案进一步的限定,所述方法还包括以下具体步骤:
接收移动终端发送的异常财务数据查询请求;
获取财务数据异常报告模板,将所述异常数据导入所述财务数据异常报告模板,并生成异常财务数据报告;
将所述异常财务数据报告返回至所述移动终端。
一种财务数据分析预警装置,所述装置包括:
财务数据获取模块,用于获取财务数据;
第一模型构建模块,用于构建第一模型;
第一分析模块,用于将所述财务数据输入所述第一模型中,输出第一结果,其中,所述第一结果用于表示所述财务数据是否异常;
第二模型构建模块,用于构建第二模型;
第二分析模块,用于将所述第一结果输入所述第二模型,输出第二结果,其中,第二结果用于表示与所述财务数据相对应的违约概率;以及
结果分析模块,用于根据所述第一结果和所述第二结果,确定所述财务数据是否异常。
作为本发明实施例技术方案进一步的限定,所述第一模型构建模块包括:
第一样本数据获取单元,用于获取样本财务数据;
机器学习任务确定单元,用于基于所述样本财务数据,确定机器训练学习任务;
机器学习分析单元,用于对所述机器训练学习任务进行数据异常相关性分析,得到所述机器训练学习任务对应的数据异常分析结果;
第一模型训练单元,用于基于所述样本财务数据和所述数据异常分析结果,对第一初始模型进行异常数据分析训练,在训练的过程中调整所述第一初始模型的模型参数至所述第一初始模型输出的结果与所述机器训练学习任务相匹配;以及
模型确立单元,用于将当前的预设机器学习模型作为所述第一模型。
作为本发明实施例技术方案进一步的限定,所述第二模型构建模块包括:
第二样本数据获取单元,用于获取异常的样本财务数据以及与所述异常的样本财务数据相对应的样本违约记录,其中,所述异常的样本财务数据包括样本异常指标和样本异常指标对应的异常项目数据;以及
第二模型训练单元,用于获取第二初始模型,根据样本异常指标、异常项目数据以及样本违约记录对所述第二初始模型进行训练得到第二模型。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述财务数据分析预警方法的步骤。
一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述财务数据分析预警方法的步骤。
与现有技术相比,在本发明实施例提供的财务数据分析预警方法中,在获取财务数据后,通过构建第一模型;将所述财务数据输入所述第一模型中,输出第一结果,其中,所述第一结果用于表示所述财务数据是否异常;并通过构建第二模型;将所述第一结果输入所述第二模型,输出第二结果,其中,第二结果用于表示与所述财务数据相对应的违约概率;根据所述第一结果和所述第二结果,确定所述财务数据是否异常,从而能够在各企业的财务数据量庞大、行业和规模情况各不相同的情况下,对财务数据进行准确的分析和评估,解决了传统的财务数据分析系统难以准确地对各企业的财务数据进行分析的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例。
图1为本发明实施例一财务数据分析预警方法的流程框图。
图2为本发明实施例二财务数据分析预警方法的子流程框图。
图3为本发明实施例三财务数据分析预警方法的又一子流程框图。
图4为本发明实施例四财务数据分析预警方法的另一流程框图。
图5为本发明实施例五财务数据分析预警方法的又一流程框图。
图6为本发明实施例六财务数据分析预警装置的结构框图。
图7为本发明实施例七财务数据分析预警装置中第一模型构建模块的结构框图。
图8为本发明实施例八财务数据分析预警装置中第二模型构建模块的结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解的是,目前在对于企业的经营状况进行评估时,常需要对企业的财务数据进行分析,从而预测财务数据对应的违约概率和潜在风险。
然而,传统技术中对财务数据分析预警操作,是通过建立一套线上财务数据分析系统,由专家设计关键词等识别规则,对财务数据进行多次的分析和评估,由于各企业的财务数据量庞大、行业和规模情况各不相同,传统的财务数据分析系统难以准确地对各企业的财务数据进行分析。
为解决上述问题,在本发明实施例提供的财务数据分析预警方法中,在获取财务数据后,通过构建第一模型;将所述财务数据输入所述第一模型中,输出第一结果,其中,所述第一结果用于表示所述财务数据是否异常;并通过构建第二模型;将所述第一结果输入所述第二模型,输出第二结果,其中,第二结果用于表示与所述财务数据相对应的违约概率;根据所述第一结果和所述第二结果,确定所述财务数据是否异常,从而能够在各企业的财务数据量庞大、行业和规模情况各不相同的情况下,对财务数据进行准确的分析和评估,解决了传统的财务数据分析系统难以准确地对各企业的财务数据进行分析的问题。
下面,对本申请实施例的执行主体进行介绍。本申请提供的交互方法可以通过计算机设备执行。该计算机设备可以是终端设备,其中,终端设备可以通过执行本申请实施例提供的财务数据分析预警方法。该终端设备例如可以是智能手机、计算机、个人数字助理、平板电脑、销售终端、车载电脑等设备。
该计算机设备还可以是服务器,服务器可以通过执行本申请实施例提供的财务数据分析预警方法。其中,服务器可以是独立的服务器、集群中的服务器或云服务器等。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
实施例一:图1为本发明实施例提供的财务数据分析预警方法100的流程框图。
具体的,在本发明提供的优选实施方式中,所述的财务数据分析预警方法100包括以下具体步骤:
步骤101:获取财务数据;
其中,在本发明实施例中,获取财务数据的方式可以是使用电子设备从目标企业的数据库中调取,获取目标时间段内的目标企业的财务数据集。
具体的,所述的财务数据集中包含该企业在目标时间段内产生的多个财务数据,如目标时间段可以距当前时间五个月的时长;
当然,所述目标时间段还可以是三个月或者四个月,具体时长依实际需求而定。
步骤102:构建第一模型;
在本发明实施例中,基于样本财务数据对初始的机器学习模型进行训练,使得所述第一模型能够用于财务数据进行异常分析,从而对大量的财务数据进行监测,及时发现财务数据中的异常信息;
步骤103:将所述财务数据输入所述第一模型中,输出第一结果,其中,所述第一结果用于表示所述财务数据是否异常;
在本发明实施例中,在构建了符合条件的第一模型后,将需要进行异常分析的财务数据输入到模型中,通过模型对财务数据进行评估分析,并输出评估分析结果,从而可以快速的知晓该财务数据中是否存在异常数据,方便用户及时掌握财务数据的真实情况,以供企业做出合理决策提供数据支撑;
步骤104:构建第二模型;
在本发明实施例中,基于异常的样本财务数据以及与所述异常的样本财务数据相对应的样本违约记录对另一个初始的机器学习模型进行训练,使得所述第二模型能够用于异常的样本财务数据以及与所述异常的样本财务数据相对应的样本违约记录进行进一步的异常分析,从而及时发现异常财务数据中的特征信息,并能够模拟计算出与所述财务数据相对应的违约概率;
步骤105:将所述第一结果输入所述第二模型,输出第二结果,其中,第二结果用于表示与所述财务数据相对应的违约概率;
在本发明实施例中,在构建了符合条件的第二模型后,将需要进评估分析的异常财务数据输入到模型中,通过模型对财务数据进行评估分析,并输出评估分析结果,该评估分析结果用于表示与所述财务数据相对应的违约概率,方便用户及时掌握财务数据的真实情况,以供企业做出合理决策提供数据支撑;
步骤106:根据所述第一结果和所述第二结果,确定所述财务数据是否异常。
在本发明实施例中,用户在获得异常财务数据分析结果以及与异常财务数据相对应的违约概率后,结合常财务数据分析结果以及与异常财务数据相对应的违约概率,进而对财务数据是否异常作出最终的研判。
实施例二:图2为本发明实施例二财务数据分析预警方法的子流程框图。具体的,在本发明提供的优选实施方式中,所述构建第一模型的步骤102具体包括:
步骤1021:获取样本财务数据;
其中,在本发明实施例中,获取的样本财务数据的方式可以是使用电子设备从目标企业的数据库中调取,且调取的样本财务数据分为无异常的财务数据以及已加异常的财务数据,具体的,所述的样本财务数据集中包含该企业在目标时间段内产生的多个财务数据,如目标时间段可以距当前时间五个月的时长。
步骤1022:基于所述样本财务数据,确定机器训练学习任务;
步骤1023:对所述机器训练学习任务进行数据异常相关性分析,得到所述机器训练学习任务对应的数据异常分析结果;
步骤1024:基于所述样本财务数据和所述数据异常分析结果,对第一初始模型进行异常数据分析训练,在训练的过程中调整所述第一初始模型的模型参数至所述第一初始模型输出的结果与所述机器训练学习任务相匹配;
步骤1025:将当前的预设机器学习模型作为所述第一模型。
实施例三:图3为本发明实施例二财务数据分析预警方法的又一于流程框图。
具体的,在本发明提供的优选实施方式中,所述构建第二模型的步骤104包括:
步骤1041:获取异常的样本财务数据以及与所述异常的样本财务数据相对应的样本违约记录,其中,所述异常的样本财务数据包括样本异常指标和样本异常指标对应的异常项目数据;
步骤1042:获取第二初始模型,根据样本异常指标、异常项目数据以及样本违约记录对所述第二初始模型进行训练得到第二模型。
实施例四:图4为本发明实施例四财务数据分析预警方法的另一流程框图。
具体的,在本发明提供的优选实施方式中,所述方法100还包括以下具体步骤:
步骤107:当根据所述第一结果和所述第二结果,确定所述财务数据为异常时,将异常的财务数据进行存储。
在本发明实施例中,结合常财务数据分析结果以及与异常财务数据相对应的违约概率,进而对财务数据是否异常作出最终的研判,当确定财务数据为异常数据时,则对异常数据进行存储,以方便用户及时的调取异常数据,以随时对异常数据进行分析。
实施例五:图5为本发明实施例五财务数据分析预警方法的又一流程框图。
具体的,在本发明提供的优选实施方式中,所述方法100还包括以下具体步骤:
步骤108:接收移动终端发送的异常财务数据查询请求;
具体的,在本发明实施例中,当用户需要对已经存储的异常数据进行分析时,通过移动终端向服务器发送异常财务数据查询的请求,即服务器接收来自移动终端发送的异常财务数据查询请求;
步骤109:获取财务数据异常报告模板,将所述异常数据导入所述财务数据异常报告模板,并生成异常财务数据报告;
在本发明实施例中,在服务器接收到所述查询请求后,从存储器其中获取已经存储的财务数据异常报告模板,并将所述异常数据导入所述财务数据异常报告模板,并生成异常财务数据报告;
步骤110:将所述异常财务数据报告返回至所述移动终端。
具体的,在本发明实施例中,服务器将所生产的异常财务数据报告返回至所述移动终端,并在所述移动终端进行显示,从而方便了用户实时查询异常财务数据。
实施例六:图6为本发明实施例六财务数据分析预警装置的结构框图。
具体的,在本发明提供的优选实施方式中,一种财务数据分析预警装置200,所述财务数据分析预警装置200包括:
财务数据获取模块201,用于获取财务数据;
第一模型构建模块202,用于构建第一模型;
第一分析模块203,用于将所述财务数据输入所述第一模型中,输出第一结果,其中,所述第一结果用于表示所述财务数据是否异常;
第二模型构建模块204,删于构建第二模型;
第二分析模块205,用于将所述第一结果输入所述第二模型,输出第二结果,其中,第二结果用于表示与所述财务数据相对应的违约概率;以及
结果分析模块206,用于根据所述第一结果和所述第二结果,确定所述财务数据是否异常。
实施例七:图7为本发明实施例七财务数据分析预警装置中第一模型构建模块的结构框图。具体的,在本发明实施例中,所述第一模型构建模块202包括:
第一样本数据获取单元2021,用于获取样本财务数据;
机器学习任务确定单元2022,用于基于所述样本财务数据,确定机器训练学习任务;
机器学习分析单元2023,用于对所述机器训练学习任务进行数据异常相关性分析,得到所述机器训练学习任务对应的数据异常分析结果;
第一模型训练单元2024,用于基于所述样本财务数据和所述数据异常分析结果,对第一初始模型进行异常数据分析训练,在训练的过程中调整所述第一初始模型的模型参数至所述第一初始模型输出的结果与所述机器训练学习任务相匹配;以及
模型确立单元2025,用于将当前的预设机器学习模型作为所述第一模型。
实施例八:图8为本发明实施例八财务数据分析预警装置中第二模型构建模块的结构框图。具体的,在本发明实施例中,所述第二模型构建模块204包括:
第二样本数据获取单元2041,用于获取异常的样本财务数据以及与所述异常的样本财务数据相对应的样本违约记录,其中,所述异常的样本财务数据包括样本异常指标和样本异常指标对应的异常项目数据;以及
第二模型训练单元2042,用于获取第二初始模型,根据样本异常指标、异常项目数据以及样本违约记录对所述第二初始模型进行训练得到第二模型。
实施例九:本发明实施例七还提供了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述财务数据分析预警方法100的步骤。
实施例十:本发明实施例八还提供了一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述财务数据分析预警方法100的步骤。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述终端设备的描述仅仅是示例,并不构成对终端设备的限定,另外,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。
与现有技术相比,在本发明实施例提供的财务数据分析预警方法中,在获取财务数据后,通过构建第一模型;将所述财务数据输入所述第一模型中,输出第一结果,其中,所述第一结果用于表示所述财务数据是否异常;并通过构建第二模型;将所述第一结果输入所述第二模型,输出第二结果,其中,第二结果用于表示与所述财务数据相对应的违约概率;根据所述第一结果和所述第二结果,确定所述财务数据是否异常,从而能够在各企业的财务数据量庞大、行业和规模情况各不相同的情况下,对财务数据进行准确的分析和评估,解决了传统的财务数据分析系统难以准确地对各企业的财务数据进行分析的问题。
可以替换的,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。
以上所述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.财务数据分析预警方法,其特征在于,所述方法包括:
获取财务数据;
构建第一模型;将所述财务数据输入所述第一模型中,输出第一结果,其中,所述第一结果用于表示所述财务数据是否异常;
构建第二模型;将所述第一结果输入所述第二模型,输出第二结果,其中,第二结果用于表示与所述财务数据相对应的违约概率;
根据所述第一结果和所述第二结果,确定所述财务数据是否异常。
2.根据权利要求1所述的财务数据分析预警方法,其特征在于,所述构建第一模型的步骤具体包括:
获取样本财务数据;
基于所述样本财务数据,确定机器训练学习任务;
对所述机器训练学习任务进行数据异常相关性分析,得到所述机器训练学习任务对应的数据异常分析结果;
基于所述样本财务数据和所述数据异常分析结果,对第一初始模型进行异常数据分析训练,在训练的过程中调整所述第一初始模型的模型参数至所述第一初始模型输出的结果与所述机器训练学习任务相匹配;
将当前的预设机器学习模型作为所述第一模型。
3.根据权利要求2所述的财务数据分析预警方法,其特征在于,所述构建第二模型的具体步骤包括:
获取异常的样本财务数据以及与所述异常的样本财务数据相对应的样本违约记录,其中,所述异常的样本财务数据包括样本异常指标和样本异常指标对应的异常项目数据;
获取第二初始模型,根据样本异常指标、异常项目数据以及样本违约记录对所述第二初始模型进行训练得到第二模型。
4.根据权利要求1-3任一所述的财务数据分析预警方法,其特征在于,所述方法还包括以下具体步骤:
当根据所述第一结果和所述第二结果,确定所述财务数据为异常时,将异常的财务数据进行存储。
5.根据权利要求4所述的财务数据分析预警方法,其特征在于,所述方法还包括以下具体步骤:
接收移动终端发送的异常财务数据查询请求;
获取财务数据异常报告模板,将所述异常数据导入所述财务数据异常报告模板,并生成异常财务数据报告;
将所述异常财务数据报告返回至所述移动终端。
6.一种财务数据分析预警装置,所述装置包括:
财务数据获取模块,用于获取财务数据;
第一模型构建模块,用于构建第一模型;
第一分析模块,用于将所述财务数据输入所述第一模型中,输出第一结果,其中,所述第一结果用于表示所述财务数据是否异常;
第二模型构建模块,用于构建第二模型;
第二分析模块,用于将所述第一结果输入所述第二模型,输出第二结果,其中,第二结果用于表示与所述财务数据相对应的违约概率;以及
结果分析模块,用于根据所述第一结果和所述第二结果,确定所述财务数据是否异常。
7.根据权利要求6所述的财务数据分析预警装置,其特征在于,所述第一模型构建模块包括:
第一样本数据获取单元,用于获取样本财务数据;
机器学习任务确定单元,用于基于所述样本财务数据,确定机器训练学习任务;
机器学习分析单元,用于对所述机器训练学习任务进行数据异常相关性分析,得到所述机器训练学习任务对应的数据异常分析结果;
第一模型训练单元,用于基于所述样本财务数据和所述数据异常分析结果,对第一初始模型进行异常数据分析训练,在训练的过程中调整所述第一初始模型的模型参数至所述第一初始模型输出的结果与所述机器训练学习任务相匹配;以及
模型确立单元,用于将当前的预设机器学习模型作为所述第一模型。
8.根据权利要求7所述的财务数据分析预警装置,其特征在于,所述第二模型构建模块包括:
第二样本数据获取单元,用于获取异常的样本财务数据以及与所述异常的样本财务数据相对应的样本违约记录,其中,所述异常的样本财务数据包括样本异常指标和样本异常指标对应的异常项目数据;以及
第二模型训练单元,用于获取第二初始模型,根据样本异常指标、异常项目数据以及样本违约记录对所述第二初始模型进行训练得到第二模型。
9.计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-5任一所述财务数据分析预警方法的步骤。
10.存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-5任一所述财务数据分析预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011415639.8A CN112559487A (zh) | 2020-12-03 | 2020-12-03 | 财务数据分析预警方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011415639.8A CN112559487A (zh) | 2020-12-03 | 2020-12-03 | 财务数据分析预警方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112559487A true CN112559487A (zh) | 2021-03-26 |
Family
ID=75058955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011415639.8A Pending CN112559487A (zh) | 2020-12-03 | 2020-12-03 | 财务数据分析预警方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112559487A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110472660A (zh) * | 2019-07-09 | 2019-11-19 | 深圳壹账通智能科技有限公司 | 异常数据检测方法、装置、计算机设备和存储介质 |
CN110490720A (zh) * | 2019-07-08 | 2019-11-22 | 深圳壹账通智能科技有限公司 | 财务数据分析预警方法、装置、计算机设备和存储介质 |
-
2020
- 2020-12-03 CN CN202011415639.8A patent/CN112559487A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110490720A (zh) * | 2019-07-08 | 2019-11-22 | 深圳壹账通智能科技有限公司 | 财务数据分析预警方法、装置、计算机设备和存储介质 |
CN110472660A (zh) * | 2019-07-09 | 2019-11-19 | 深圳壹账通智能科技有限公司 | 异常数据检测方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111401777B (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
CN113239314A (zh) | 用于碳排放量预测的方法、装置、终端及计算机可读存储介质 | |
CN111160473A (zh) | 一种分类标签的特征挖掘方法及装置 | |
CN111796957B (zh) | 基于应用日志的交易异常根因分析方法及系统 | |
CN111427974A (zh) | 数据质量评估管理方法和装置 | |
CN111210321B (zh) | 一种基于合同管理的风险预警方法及系统 | |
US11232463B2 (en) | Systems and methods for finding an interaction subset within a set of interactions | |
CN113849618A (zh) | 基于知识图谱的策略确定方法、装置、电子设备及介质 | |
CN112559487A (zh) | 财务数据分析预警方法、装置、计算机设备和存储介质 | |
CN111160929B (zh) | 一种客户类型的确定方法及装置 | |
CN111209214B (zh) | 代码测试处理方法、装置、电子设备及介质 | |
CN114638503A (zh) | 一种资产风险压力测试方法、装置、设备及存储介质 | |
CN115617790A (zh) | 数据仓库创建方法、电子设备及存储介质 | |
Mahalle et al. | Data Acquisition and Preparation | |
CN111859985A (zh) | Ai客服模型测试方法、装置、电子设备及存储介质 | |
CN115841275B (zh) | 基于ai的数据管理水平的体检方法及装置 | |
WO2024065776A1 (en) | Method for data processing, apparatus for data processing, electronic device, and storage medium | |
WO2022269656A1 (ja) | 機械学習装置、深刻度予知装置、および機械学習方法 | |
Hanne et al. | Artificial Intelligence and Machine Learning for Maturity Evaluation and Model Validation | |
CN114757763A (zh) | 对象能力的预测方法和装置、存储介质及电子装置 | |
CN117829586A (zh) | 企业风险评估系统的控制方法、设备及存储介质 | |
CN114387031A (zh) | 一种短信营销的处理方法、系统、设备及介质 | |
CN116976886A (zh) | 账户安全检测方法、装置、计算机设备和存储介质 | |
TR2021021471A2 (tr) | Emekli̇li̇k şi̇rketleri̇ i̇çi̇n geli̇şti̇ri̇len bi̇r si̇stem ve yöntem | |
Mincheva | Process Mining Techniques in Business Process Management Systems |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210326 |