CN112685563A - 生产经营视角下的现金流数据处理方法和装置 - Google Patents
生产经营视角下的现金流数据处理方法和装置 Download PDFInfo
- Publication number
- CN112685563A CN112685563A CN202011582629.3A CN202011582629A CN112685563A CN 112685563 A CN112685563 A CN 112685563A CN 202011582629 A CN202011582629 A CN 202011582629A CN 112685563 A CN112685563 A CN 112685563A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- cash
- analyzed
- determining
- factors
- 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
Images
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种生产经营视角下的现金流数据处理方法和装置,其中方法包括:基于待分析企业在多个历史周期内持有的现金量,确定所述待分析企业的现金波动因素;基于所述待分析企业的生产经营数据,确定所述待分析企业的经营影响因素;基于所述待分析企业的现金波动因素和经营影响因素,以及所述待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,确定所述待分析企业的最佳现金持有量。本发明提供的方法和装置,实现了企业现金流数据的自动化分析,提高了数据分析的效率,提高了预测最佳现金持有量的准确性。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种生产经营视角下的现金流数据处理方法和装置。
背景技术
最佳现金持有量为既满足企业资金流动所需,又不影响企业发展速度的现金持有量。现金持有量过大,说明资金利用率低、造成资源浪费,影响企业发展速度;反之,则会给资金流动带来困难,严重时造成资金链断裂,企业有倒闭的危险。
目前,最佳现金持有量是通过专业人员采用人工方式对企业的现金流数据进行分析后得到的,最佳现金持有量的获取严重依赖于人员的工作经验和主观判断,数据处理的效率低,准确性差。
发明内容
本发明提供一种生产经营视角下的现金流数据处理方法和装置,用以解决现有技术中最佳现金持有量的预测严重依赖于人员的工作经验和主观判断,数据处理的效率低,准确性差的问题。
本发明提供一种生产经营视角下的现金流数据处理方法,包括:
基于待分析企业在多个历史周期内持有的现金量,确定所述待分析企业的现金波动因素;
基于所述待分析企业的生产经营数据,确定所述待分析企业的经营影响因素;
基于所述待分析企业的现金波动因素和经营影响因素,以及所述待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,确定所述待分析企业的最佳现金持有量。
根据本发明提供的生产经营视角下的现金流数据处理方法,所述基于待分析企业在多个历史周期内持有的现金量,确定所述待分析企业的现金波动因素,包括:
基于所述待分析企业在任一历史周期内各个季度持有的现金量,以及所述待分析企业在所述任一历史周期内持有的现金总量,确定所述待分析企业在所述任一历史周期内的现金量归一化结果;
基于所述待分析企业在多个历史周期内的现金量归一化结果,确定所述待分析企业的现金波动因素。
根据本发明提供的生产经营视角下的现金流数据处理方法,所述经营影响因素包括融资约束因素、多元经营因素和营业成长因素中的至少一种;
所述基于所述待分析企业的生产经营数据,确定所述待分析企业的经营影响因素,包括:
基于所述待分析企业的借款利率、所述待分析企业所属行业的借款利率以及所述待分析企业的信用评级,确定所述待分析企业的融资约束因素;
和/或,基于所述待分析企业在各个行业的主营业务收入,以及所述待分析企业对应各个客户的主营业务收入,确定所述待分析企业的多元经营因素;
和/或,基于所述待分析企业在各个历史周期内的净利润和主营业务收入,确定所述待分析企业的营业成长因素。
根据本发明提供的生产经营视角下的现金流数据处理方法,所述基于所述待分析企业的现金波动因素和经营影响因素,以及所述待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,确定所述待分析企业的最佳现金持有量,包括:
基于同类型企业的现金波动因素、经营影响因素和实际现金持有量之间的关系,确定所述待分析企业的现金波动因素和经营影响因素对应的最佳现金持有量。
根据本发明提供的生产经营视角下的现金流数据处理方法,所述资金链状态评估结果是基于同类型企业在评估期间的舆情数据确定的。
根据本发明提供的生产经营视角下的现金流数据处理方法,所述资金链状态评估结果是基于如下步骤确定的:
确定任一同类型企业在评估期间的舆情数据;
基于所述舆情数据的采集时间,确定多个舆情数据集;
基于任一舆情数据集中评论文本数量以及预设敏感词出现的次数,确定所述任一舆情数据集的对应时期内是否发生资金链异常舆情事件;
基于所述舆情数据中发生资金链异常舆情事件的数量,确定所述资金链状态评估结果。
根据本发明提供的生产经营视角下的现金流数据处理方法,所述待分析企业的同类型企业是基于如下步骤确定的:
确定企业数据集,所述企业数据集包括各个企业的现金波动因素和经营影响因素;
对所述企业数据集中的各个企业进行聚类,将与所述待分析企业属于同一个簇的企业作为所述待分析企业的同类型企业。
本发明还提供一种生产经营视角下的现金流数据处理装置,包括:
现金波动因素确定单元,用于基于待分析企业在多个历史周期内持有的现金量,确定所述待分析企业的现金波动因素;
经营影响因素确定单元,用于基于所述待分析企业的生产经营数据,确定所述待分析企业的经营影响因素;
现金流数据处理单元,用于基于所述待分析企业的现金波动因素和经营影响因素,以及所述待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,确定所述待分析企业的最佳现金持有量。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述生产经营视角下的现金流数据处理方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述生产经营视角下的现金流数据处理方法的步骤。
本发明提供的生产经营视角下的现金流数据处理方法和装置,根据待分析企业的现金波动因素和经营影响因素,以及待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,对待分析企业进行现金流数据分析,以确定待分析企业的最佳现金持有量,其中现金波动因素和经营影响因素可以分别通过待分析企业在多个历史周期内持有的现金量和生产经营数据进行确定,数据的处理分析不再依赖于专业人员的工作经验和主观判断,实现了企业现金流数据的自动化分析,提高了数据分析的效率,同时,综合考虑了现金波动因素和经营影响因素,提高了预测最佳现金持有量的准确性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1为本发明提供的生产经营视角下的现金流数据处理方法的流程示意图;
图2为本发明提供的现金波动因素确定方法的流程示意图;
图3为本发明提供的资金链状态评估结果确定方法的流程示意图;
图4为本发明提供的同类型企业确定方法的流程示意图之一;
图5为本发明提供的同类型企业确定方法的流程示意图之二;
图6为本发明提供的生产经营视角下的现金流数据处理装置的结构示意图;
图7为本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明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。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。
目前用于获取最佳现金持有量的方法,主要是基于企业自身的财务状况和生产经营计划构建预估模型,例如成本分析模型,分析企业持有现金的机会成本、管理成本、短缺成本,寻找持有成本最低的现金持有量作为最佳现金持有量,即最佳现金持有量为机会成本、管理成本以及短缺成本之和的最小值;又例如鲍曼模型,即考察企业在现金与有价证券间的转换来确定合适的现金持有量等。
由于企业的财务指标不能准确反映企业内部深层次的业务涵义,并且需要借助人员的工作经验和主观判断,预测得到的最佳现金持有量的准确性差。
图1为本发明提供的生产经营视角下的现金流数据处理方法的流程示意图,如图1所示,该方法包括:
步骤110,基于待分析企业在多个历史周期内持有的现金量,确定待分析企业的现金波动因素。
具体地,此处的周期为企业进行生产经营活动的时间段,可以为一个月,可以为一个季度,优选地,周期可以为企业的一个会计年度。
现金波动因素用来表征待分析企业持有的现金量在一定时间段的变化特性。例如,现金波动因素可以为待分析企业在多个历史周期内持有的现金量的标准差。标准差越大,表明待分析企业持有的现金量变化越剧烈。
步骤120,基于待分析企业的生产经营数据,确定待分析企业的经营影响因素。
具体地,待分析企业的现金持有量的多少除了受现金波动因素的影响外,还受经营影响因素的影响。经营影响因素用于衡量生产经营数据对待分析企业持有的现金量的影响程度。经营影响因素可以根据生产经营数据确定。
生产经营数据为企业在生产活动和经营活动中产生的各种数据。例如,企业的销售收入、企业的长期负债、企业的流动负债、企业的存货数量和企业的总资产周转率等,都影响着待分析企业的现金持有量。
步骤130,基于待分析企业的现金波动因素和经营影响因素,以及待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,确定待分析企业的最佳现金持有量。
具体地,待分析企业的同类型企业可以是与待分析企业所在同一细分行业的企业,也可以是与待分析企业的现金流模式相类似的企业,例如在所在地域、企业体量、市场占有率等方面高度接近的两个企业,虽然来自不相同的细分行业,但仍然具有较高的总体相似性。
可以对待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量进行分析,结合待分析企业的现金波动因素和经营影响因素,从而确定待分析企业的最佳现金持有量。
例如,可以采用大量的待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量作为训练数据,对神经网络模型进行训练,使得神经网络模型能够在训练过程中学习到现金波动因素和经营影响因素对于该类型企业的现金持有量的影响或者作用关系,从而得到能够用于进行现金流数据分析得到最佳现金持有量的神经网络模型,以实现自动化地分析待分析企业的现金流。
本发明实施例提供的生产经营视角下的现金流数据处理方法,根据待分析企业的现金波动因素和经营影响因素,以及待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,对待分析企业进行现金流数据分析,以确定待分析企业的最佳现金持有量,其中现金波动因素和经营影响因素可以分别通过待分析企业在多个历史周期内持有的现金量和生产经营数据进行确定,数据的处理分析不再依赖于专业人员的工作经验和主观判断,实现了企业现金流数据的自动化分析,提高了数据分析的效率,同时,综合考虑了现金波动因素和经营影响因素,提高了预测最佳现金持有量的准确性。
本发明实施例提供的生产经营视角下的现金流数据处理方法可以用来确定待分析企业在一期或者多期的最佳现金持有量,即一个会计年度或者多个会计年度的最佳现金持有量。下面实施例中,将以求解待分析企业在本期的最佳现金持有量为例进行说明。此处的本期为本会计年度,历史周期为本期之前的会计年度。
基于上述实施例,图2为本发明提供的现金波动因素确定方法的流程示意图,如图2所示,步骤110包括:
步骤1101,基于待分析企业在任一历史周期内各个季度持有的现金量,以及待分析企业在任一历史周期内持有的现金总量,确定待分析企业在该历史周期内的现金量归一化结果。
具体地,待分析企业在任一历史周期内各个季度持有现金的波动性,主要取决于该企业的生产经营特性。例如,若待分析企业为一家羽绒服生产企业,该企业在春夏季的业务以采购原料为主,通常需要持有较多的现金,该企业在秋冬季的业务以销售成品为主,可以相对地持有少量现金。如果只考虑生产经营特性带来的交易性需求,那么待分析企业某季度持有的现金量,虽然与上一季度(环比)有差异,但与上一历史周期同季度(同比)来看,不同周期的相同月份,持有现金的水平是相似的。
因此,可以从同比的角度确定待分析企业的现金波动因素。为了便于比较,可以先确定待分析企业在任一历史周期内的现金量归一化结果,用公式表示为:
式中,前第i期为本期之前的第i个周期,cash(前第i期m季度)为待分析企业在前第i期内第m个季度的现金持有量,m∈1,2,3,4。为待分析企业在前第i期内的现金量归一化结果,即对前第i期内4个季度的现金持有量进行归一化。
相应地,对于待分析企业,前第i期和前第j期之间现金波动可以用前第i期和前第j期的现金量归一化结果的标准差表示为:
式中,std为标准差函数。
由此可知,如果待分析企业持有的现金只取决于生产经营特性带来的交易性需求,那么,显然上述标准差接近于0。反之,如果待分析企业持有的现金并非主要用于交易性需求,而是有较大份额用于预防性需求、投机性需求等,则由于这些需求不像生产经营那样存在周期规律性,上述标准差就会较大。显然,有较大份额用于预防性需求、投机性需求等的企业,同等其他条件下,应持有较多现金,以应付突发性需求。
步骤1102,基于待分析企业在多个历史周期内的现金量归一化结果,确定待分析企业的现金波动因素。
具体地,可以考察待分析企业在多个历史周期内的现金量归一化结果之间的标准差或者方差,该标准差或者方差越大,说明待分析企业在各个季度持有现金的波动性越大、越难以预测。同等其他条件下,波动性越大,企业应多持有现金;反之,企业可少持有现金。相应地,可以将标准差或者方差的最大值作为该待分析企业的现金波动因素。
进一步地,待分析企业的现金波动因素可以用待分析企业在多个历史周期内的现金量归一化结果表示为:
式中,f现金波动因素为待分析企业的现金波动因素,N为待分析企业的历史周期的数量。
本发明实施例提供的生产经营视角下的现金流数据处理方法,根据待分析企业在多个历史周期内的现金量归一化结果,确定待分析企业的现金波动因素,所得到的现金波动因素能够反映企业的生产经营特性,所选取的数据易于获取,便于分析,不再依赖于专业人员的工作经验和主观判断,实现了企业现金流数据的自动化分析。
基于上述任一实施例,经营影响因素包括融资约束因素、多元经营因素和营业成长因素中的至少一种;相应地,步骤120包括:
基于待分析企业的借款利率、待分析企业所属行业的借款利率以及待分析企业的信用评级,确定待分析企业的融资约束因素;
和/或,基于待分析企业在各个行业的主营业务收入,以及待分析企业对应各个客户的主营业务收入,确定待分析企业的多元经营因素;
和/或,基于待分析企业在各个历史周期内的净利润和主营业务收入,确定待分析企业的营业成长因素。
具体地,同等其他条件下,如果待分析企业的融资能力比较弱,就需要持有较多的现金,以用于日常交易、预防突发性事件、捕捉临时性市场机会等;相反,如果待分析企业的融资能力比较弱,则可以持有较少的现金。
由于融资需求通常对实时性要求很高,企业面临这些需求时,发行股票、发行债券这种动辄需要数月周期的融资方式并不适合。企业融资主要是向银行借款,并且通常是短期借款。因此,融资约束因素用于衡量企业从银行获得现金的难易程度。
待分析企业的融资约束因素可以根据企业向银行发起一年期借款的成本和难度来确定,即融资约束因素f融资约束因素包括融资成本score融资成本和融资难度score融资难度。可以用公式表示为:
f融资约束因素=score融资成本+score融资难度
其中,融资成本可以通过待分析企业和待分析企业所属的行业向银行发起一年期银行借款利率的差值来衡量,可以用公式表示为:
融资难度可以用待分析企业的信用评级来衡量其向银行借款的难度。显然,信用评级越高的企业,向银行借款的申请越容易被批准。
例如,若企业的信用评级从高到低为AAA、AA、A、BBB、BB、B、CCC、CC和C等九个等级。融资难度可以用公式表示为:
特别地,考虑到企业经营性质,对于特殊企业即使信用评级不是AAA,也较易获得银行放款,因此,可以根据实际需要对score融资难度的大小进行调整。
本发明实施例提供的生产经营视角下的现金流数据处理方法,以待分析企业历史上的一年期银行借款利率来衡量融资成本,同时考虑所属行业平均的一年期银行借款利率,不仅反映了企业融资的绝对成本,即本身要付出的融资代价,也反映了相对成本,即这个融资代价是高还是低。此外,还结合企业的信用评级来衡量融资难度,所选取的数据易于获取,便于分析,不再依赖于专业人员的工作经验和主观判断。
此外,同等其他条件下,待分析企业的生产经营越是集中,便越容易因为重点客户经营困难或与重点客户关系不佳等原因导致自身困难,企业应持有较多现金;相反,企业可少持有现金。
多元经营因素用于衡量待分析企业的经营多元化程度对现金持有量的影响。可以从两个角度考察待分析企业生产经营的多元化程度,一是待分析企业主要客户的分散度,二是待分析企业的主要营收来源行业的分散度。此处,主要客户的分散度和主要营收来源行业的分散度均可以通过主营业务收入金额来具体衡量。多元经营因素可以用公式表示为:
例如,如果仅要求选取待分析企业的前五大客户和待分析企业生产经营涉及的前五位行业,则有:
上述数据均可以通过采用爬虫技术,根据宽度优先遍历算法从网络平台获取多个上市公司的公开财务数据,从公开财务数据中获取。
本发明实施例提供的生产经营视角下的现金流数据处理方法,从客户分散度和行业分散度出发,考虑经营多元化程度对现金持有量的影响,所选取的数据易于获取,便于分析,不再依赖于专业人员的工作经验和主观判断。
再者,同等其他条件下,企业成长性越好,则相对越容易从各种渠道便捷地融资,因此可以少持有现金。
由于企业只有产生净利润才有能力偿债,因此净利润序列的上升趋势可用来衡量企业成长性。但还应考虑到,企业在扩张期可能采用加大研发与市场投入、与竞争对手开展价格战等,收入高的同时成本高、利润一般甚至下降,但这并不影响债权人的信心,企业仍可以便捷迅速地融资,可以少持有现金。
营业成长因素用来衡量待分析企业自身的成长性对现金持有量的影响程度。待分析企业自身的成长性可以用待分析企业在各个历史周期内净利润和主营业务收入的变化趋势来衡量,用公式可以表示为:
式中,为待分析企业在各个历史周期内的净利润组成的序列,为待分析企业在各个历史周期内的主营业务收入组成的序列,trendpredict函数用于描述一个序列的趋势,函数输出值为序列中下一个元素的预测值。trendpredict函数可以采用自回归滑动平均模型,本发明实施例对于trendpredict函数的具体类型不作具体限定。
在衡量企业成长性时,可以取净利润序列上升趋势、主营业务收入序列上升趋势二者中较大者,作为营业成长因素。
本发明实施例提供的生产经营视角下的现金流数据处理方法,从待分析企业在各个历史周期内的净利润和主营业务收入出发,考虑营业成长因素对现金持有量的影响,所选取的数据易于获取,便于分析,不再依赖于专业人员的工作经验和主观判断,从而保证最佳现金持有量评估的客观性和准确性。
基于上述任一实施例,步骤130包括:
基于同类型企业的现金波动因素、经营影响因素和实际现金持有量之间的关系,确定待分析企业的现金波动因素和经营影响因素对应的最佳现金持有量。
具体地,同类型企业的现金波动因素、经营影响因素和实际现金持有量之间的关系可以通过现金流分析模型得到。可以将待分析企业的现金波动因素和经营影响因素输入到待分析企业的企业类型对应的现金流分析模型,由现金流分析模型根据同类型企业的现金波动因素、经营影响因素和实际现金持有量之间的关系,对待分析企业的现金波动因素和经营影响因素进行现金流分析,从而得到现金流分析模型输出的待分析企业的最佳现金持有量。
现金流分析模型可以与待分析企业的企业类型一一对应,不同企业类型的待分析企业所使用的现金流分析模型不同。通过区分企业类型建立模型,实现进一步细分企业类型,使得建立的现金流分析模型更有针对性,对企业的现金流数据分析更准确,提高了现金流分析模型的实用性。
在执行步骤130之前,可以预先训练得到现金流分析模型,具体可以通过如下训练方式得到现金流分析模型:
首先,确定现金流分析模型对应的企业类型,收集大量的对应企业类型下各企业的现金波动因素、经营影响因素、实际现金持有量以及资金链状态评估结果。
资金链状态评估结果为对企业的资金链的运行状态进行评估得到的结果。例如,资金链状态评估结果为资金链紧张,表明企业的现金持有量不足以应对企业面临的各项支出,企业经营风险高;资金链状态评估结果为资金链充裕,表明企业的现金持有量足够以应对企业面临的各项支出,企业经营风险低。
其次,根据资金链状态评估结果,将对应企业类型下各企业划分为正样本集和负样本集。如果企业的资金链状态评估结果为资金链充裕,则该企业为正样本,如果企业的资金链状态评估结果为资金链紧张,则该企业为负样本。
对应企业类型下各企业的训练样本可以表示为:
其中,为该企业的现金波动因素和经营影响因素,money实际为企业的实际现金持有量,tag正负为企业的样本标签,样本标签包括正样本和负样本,当tag正负=1时,企业为正样本,当tag正负=0时,企业为负样本。
此处,money未知为待分析企业的最佳现金持有量。
本发明实施例提供的生产经营视角下的现金流数据处理方法,通过待分析企业的同类型企业的现金波动因素、经营影响因素、实际现金持有量以及资金链状态评估结果训练得到现金流分析模型,得到待分析企业的最佳现金持有量,提高了现金流分析的准确性。
基于上述任一实施例,资金链状态评估结果是基于同类型企业在评估期间的舆情数据确定的。
具体地,考虑到除非特殊情况或资金链已经断裂导致破产,企业本身不会宣称自己资金链紧张,因此可通过采集网络平台的舆情数据,对舆情数据进行分析后得到该企业的资金链状态评估结果。
本发明实施例提供的生产经营视角下的现金流数据处理方法,通过对与企业相关的舆情数据进行分析,得到资金链状态评估结果,为企业的资金链状态评估提供了新的方法。
基于上述任一实施例,图3为本发明提供的资金链状态评估结果确定方法的流程示意图,如图3所示,该方法包括:
步骤310,确定任一同类型企业在评估期间的舆情数据;
步骤320,基于舆情数据的采集时间,确定多个舆情数据集;
步骤330,基于任一舆情数据集中评论文本数量以及预设敏感词出现的次数,确定该舆情数据集的对应时期内是否发生资金链异常舆情事件;
步骤340,基于舆情数据中发生资金链异常舆情事件的数量,确定资金链状态评估结果。
具体地,评估期可以为企业的一个会计年度或者多个会计年度。评估期的选择应与计算该企业的现金波动因素、经营影响因素和实际现金持有量的时间相对应。
舆情数据可以为网络平台中与该企业的生产经营相关的评论文本。例如网络新闻、发帖和留言等。可以通过计算机爬虫技术与文本解析算法从舆情数据中提取信息。
根据舆情数据的采集时间,可以将舆情数据划分为多个舆情数据集。例如,可以以天为单位,对舆情数据进行划分。还可以以周为单位,对舆情数据进行划分。
若任一舆情数据集中评论文本数量超过预设文本数量,则表明在该舆情数据集对应的时间范围内出现舆情事件。预设文本数量可以根据实际情况设置,例如可以对全年的评论数据进行统计后得到每日发表评论数量平均值,将该平均值或者该平均值的倍数作为预设文本数量。特别地,若连续多天满足评论文本数量超过预设文本数量,则此连续多天发生的舆情事件应作为同一个舆情事件。
同时,还需要对该舆情数据集中评论文本进行分词,分词后的结果与预设敏感词进行匹配,例如,敏感词可以选取为“资金链断裂”或者“资金链紧张”。若预设敏感词出现的次数超过预设词语数量,则认为该舆情数据集内发生的舆情事件属于资金链异常舆情事件。预设词语数量可以根据实际情况进行设置。
对多个舆情数据集发生的资金链异常舆情事件进行统计,若得到的统计次数超过预设阈值,则可以认为资金链状态评估结果为资金链紧张,该舆情数据对应的企业的样本标签为负样本。
特别地,若该企业在评估期间宣告破产或者清算,则直接将样本标签确定为负样本。
本发明实施例提供的生产经营视角下的现金流数据处理方法,通过采用舆情数据对企业的资金链状态评估结果进行分析,从而实现模型训练样本的自动标注,提高模型训练效率。
基于上述任一实施例,图4为本发明提供的同类型企业确定方法的流程示意图之一,如图4所示,该方法包括:
步骤410,确定企业数据集,企业数据集包括各个企业的现金波动因素和经营影响因素;
步骤420,对企业数据集中的各个企业进行聚类,将与待分析企业属于同一个簇的企业作为待分析企业的同类型企业。
具体地,在构建企业数据集时,考虑到数据采集的便利性和准确性,可以优先采集上市公司的公开数据,例如,上市公司的财务报表在一个会计年度内会在指定网站上公开发布。银行利率、信用等级等也在指定网站上发布。可以采用爬虫技术和文本解析方法获取,分析整理后按照上述实施例中的计算方法得到各个企业的现金波动因素和经营影响因素。
确定待分析企业的同类型企业可以采用聚类算法,例如层次聚类、谱聚类、密度聚类等,将企业数据集分为若干簇,与待分析企业属于同一个簇的企业即为待分析企业的同类型企业。
本发明实施例提供的生产经营视角下的现金流数据处理方法,通过对企业数据集进行聚类后得到待分析企业的同类型企业,不再依赖于专业人员的工作经验和主观判断,实现了企业现金流数据的自动化分析。
基于上述任一实施例,图5为本发明提供的同类型企业确定方法的流程示意图之二,如图5所示,步骤420包括:
步骤4201,确定多个候选聚类数量;
步骤4202,基于每一候选聚类数量,对企业数据集中的各个企业进行聚类,得到每一候选聚类数据对应的候选聚类结果;
步骤4203,确定每一候选聚类结果的聚类评价结果;
步骤4204,将聚类评价结果最优的候选聚类结果作为最优聚类结果;
步骤4205,将最优聚类结果中与待分析企业属于同一个簇的其他企业作为同类型企业。
具体地,对企业数据集中的各个企业进行聚类,聚类数量是未知的,为了得到最优的聚类结果,可以根据企业数据集中的企业数量确定多个候选聚类数量,从而避免人为设定聚类数量。
分别根据多个候选聚类数量进行聚类,从多次聚类结果中选择最优的聚类结果。下面以K-means算法(K-means clustering algorithm,K均值聚类算法)为例,说明对企业数据集中的各个企业进行聚类的过程。
若企业数据集中企业的数量为N,N为大于1的正整数。则可以将候选聚类数量,也即K-means算法中的K值,依次选取为{1,2,…,N}。特别地,当K=N时,K取最大理论值,即每个企业自成一个簇。
基于每一候选聚类数量,即K值,对企业数据集中的各个企业进行聚类,得到每一候选聚类数据对应的候选聚类结果。
建立评价函数,通过评价函数值的高低,确定每一候选聚类数据的聚类评价结果,或者设定比较阈值,通过将每一候选聚类数据与比较阈值进行比较,确定每一候选聚类数据的聚类评价结果。
将聚类评价结果最优的候选聚类结果作为最优聚类结果,在最优聚类结果中,选取与待分析企业属于同一个簇的其他企业作为同类型企业。
本发明实施例提供的生产经营视角下的现金流数据处理方法,对企业数据集进行聚类后得到待分析企业的同类型企业,不再依赖于专业人员的工作经验和主观判断,实现了企业现金流数据的自动化分析。
基于上述任一实施例,本发明实施例提供一种生产经营视角下的现金流数据处理方法,用于预测待分析企业的最佳现金持有量。
该方法的主要构思为通过现金流分析模型f()来预测待分析企业的最佳现金持有量,用公式可以表示为:
在对待分析企业进行现金流分析时,除了考虑企业内部的机会成本、管理成本、短缺成本和现金与有价证券转换代价,企业外部的市场利率和市场平均收益率之外,还考虑现金波动因素、融资约束因素、多元经营因素和营业成长因素。则可以建立待分析企业的现金流影响因素集合,表示为:{机会成本、管理成本、短缺成本、现金与有价证券转换代价、市场利率、市场平均收益率、现金波动因素、融资约束因素、多元经营因素、营业成长因素}
基于上市公司建立企业数据集,则企业数据集中每一企业的以上影响因素均可以通过爬虫技术在公开的财务报表、政府网站等公开数据源中进行获取,并通过上述实施例中的方法计算得到。
对企业数据集进行划分,得到正负样本集,采用逻辑回归模型作为现金流分析模型的初始模型,进行训练后得到现金流分析模型,即:
令待分析企业的样本标签tag正负=1,得到待分析企业的最佳现金持有量的预测值。
下面对本发明提供的生产经营视角下的现金流数据处理装置进行描述,下文描述的生产经营视角下的现金流数据处理装置与上文描述的生产经营视角下的现金流数据处理方法可相互对应参照。
基于上述任一实施例,图6为本发明提供的生产经营视角下的现金流数据处理装置的结构示意图,如图6所示,该装置包括:
现金波动因素确定单元610,用于基于待分析企业在多个历史周期内持有的现金量,确定待分析企业的现金波动因素;
经营影响因素确定单元620,用于基于待分析企业的生产经营数据,确定待分析企业的经营影响因素;
现金流数据处理单元630,用于基于待分析企业的现金波动因素和经营影响因素,以及待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,确定待分析企业的最佳现金持有量。
具体地,现金波动因素确定单元610用于确定待分析企业的现金波动因素,经营影响因素确定单元620用于确定待分析企业的经营影响因素,现金流数据处理单元630用于根据待分析企业的现金波动因素和经营影响因素,以及待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,确定待分析企业的最佳现金持有量。
本发明实施例提供的生产经营视角下的现金流数据处理装置,根据待分析企业的现金波动因素和经营影响因素,以及待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,对待分析企业进行现金流数据分析,确定待分析企业的最佳现金持有量,现金波动因素和经营影响因素可以分别通过待分析企业在多个历史周期内持有的现金量和生产经营数据进行确定,不再依赖于专业人员的工作经验和主观判断,实现了企业现金流数据的自动化分析,提高了数据分析的效率,同时,综合考虑了现金波动因素和经营影响因素,提高了预测最佳现金持有量的准确性。
基于上述任一实施例,现金波动因素确定单元610包括:
现金量归一化子单元,用于基于待分析企业在任一历史周期内各个季度持有的现金量,以及待分析企业在任一历史周期内持有的现金总量,确定待分析企业在任一历史周期内的现金量归一化结果;
波动因素确定子单元,用于基于待分析企业在多个历史周期内的现金量归一化结果,确定待分析企业的现金波动因素。
基于上述任一实施例,经营影响因素包括融资约束因素、多元经营因素和营业成长因素中的至少一种;
经营影响因素确定单元620具体用于:
基于待分析企业的借款利率、待分析企业所属行业的借款利率以及待分析企业的信用评级,确定待分析企业的融资约束因素;
和/或,基于待分析企业在各个行业的主营业务收入,以及待分析企业对应各个客户的主营业务收入,确定待分析企业的多元经营因素;
和/或,基于待分析企业在各个历史周期内的净利润和主营业务收入,确定待分析企业的营业成长因素。
基于上述任一实施例,现金流数据处理单元630具体用于:
基于同类型企业的现金波动因素、经营影响因素和实际现金持有量之间的关系,确定待分析企业的现金波动因素和经营影响因素对应的最佳现金持有量。
基于上述任一实施例,资金链状态评估结果是基于同类型企业在评估期间的舆情数据确定的。
基于上述任一实施例,现金流数据处理单元630包括资金链状态评估子单元,资金链状态评估子单元具体用于:
确定任一同类型企业在评估期间的舆情数据;
基于舆情数据的采集时间,确定多个舆情数据集;
基于任一舆情数据集中评论文本数量以及预设敏感词出现的次数,确定任一舆情数据集的对应时期内是否发生资金链异常舆情事件;
基于舆情数据中发生资金链异常舆情事件的数量,确定资金链状态评估结果。
基于上述任一实施例,该装置还包括同类型企业确定单元,同类型企业确定单元包括:
数据集确定子单元,用于确定企业数据集,企业数据集包括各个企业的现金波动因素和经营影响因素;
聚类分析子单元,用于对企业数据集中的各个企业进行聚类,将与待分析企业属于同一个簇的企业作为待分析企业的同类型企业。
基于上述任一实施例,图7为本发明提供的电子设备的结构示意图,如图7所示,该电子设备可以包括:处理器(Processor)710、通信接口(Communications Interface)720、存储器(Memory)730和通信总线(Communications Bus)740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑命令,以执行如下方法:
基于待分析企业在多个历史周期内持有的现金量,确定待分析企业的现金波动因素;基于待分析企业的生产经营数据,确定待分析企业的经营影响因素;基于待分析企业的现金波动因素和经营影响因素,以及待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,确定待分析企业的最佳现金持有量。
此外,上述的存储器730中的逻辑命令可以通过软件功能单元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,包括若干命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。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的方法,例如包括:
基于待分析企业在多个历史周期内持有的现金量,确定待分析企业的现金波动因素;基于待分析企业的生产经营数据,确定待分析企业的经营影响因素;基于待分析企业的现金波动因素和经营影响因素,以及待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,确定待分析企业的最佳现金持有量。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述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,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干命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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种生产经营视角下的现金流数据处理方法,其特征在于,包括:
基于待分析企业在多个历史周期内持有的现金量,确定所述待分析企业的现金波动因素;
基于所述待分析企业的生产经营数据,确定所述待分析企业的经营影响因素;
基于所述待分析企业的现金波动因素和经营影响因素,以及所述待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,确定所述待分析企业的最佳现金持有量。
2.根据权利要求1所述的生产经营视角下的现金流数据处理方法,其特征在于,所述基于待分析企业在多个历史周期内持有的现金量,确定所述待分析企业的现金波动因素,包括:
基于所述待分析企业在任一历史周期内各个季度持有的现金量,以及所述待分析企业在所述任一历史周期内持有的现金总量,确定所述待分析企业在所述任一历史周期内的现金量归一化结果;
基于所述待分析企业在多个历史周期内的现金量归一化结果,确定所述待分析企业的现金波动因素。
3.根据权利要求1所述的生产经营视角下的现金流数据处理方法,其特征在于,所述经营影响因素包括融资约束因素、多元经营因素和营业成长因素中的至少一种;
所述基于所述待分析企业的生产经营数据,确定所述待分析企业的经营影响因素,包括:
基于所述待分析企业的借款利率、所述待分析企业所属行业的借款利率以及所述待分析企业的信用评级,确定所述待分析企业的融资约束因素;
和/或,基于所述待分析企业在各个行业的主营业务收入,以及所述待分析企业对应各个客户的主营业务收入,确定所述待分析企业的多元经营因素;
和/或,基于所述待分析企业在各个历史周期内的净利润和主营业务收入,确定所述待分析企业的营业成长因素。
4.根据权利要求1至3任一项所述的生产经营视角下的现金流数据处理方法,其特征在于,所述基于所述待分析企业的现金波动因素和经营影响因素,以及所述待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,确定所述待分析企业的最佳现金持有量,包括:
基于同类型企业的现金波动因素、经营影响因素和实际现金持有量之间的关系,确定所述待分析企业的现金波动因素和经营影响因素对应的最佳现金持有量。
5.根据权利要求4所述的生产经营视角下的现金流数据处理方法,其特征在于,所述资金链状态评估结果是基于同类型企业在评估期间的舆情数据确定的。
6.根据权利要求5所述的生产经营视角下的现金流数据处理方法,其特征在于,所述资金链状态评估结果是基于如下步骤确定的:
确定任一同类型企业在评估期间的舆情数据;
基于所述舆情数据的采集时间,确定多个舆情数据集;
基于任一舆情数据集中评论文本数量以及预设敏感词出现的次数,确定所述任一舆情数据集的对应时期内是否发生资金链异常舆情事件;
基于所述舆情数据中发生资金链异常舆情事件的数量,确定所述资金链状态评估结果。
7.根据权利要求1至3任一项所述的生产经营视角下的现金流数据处理方法,其特征在于,所述待分析企业的同类型企业是基于如下步骤确定的:
确定企业数据集,所述企业数据集包括各个企业的现金波动因素和经营影响因素;
对所述企业数据集中的各个企业进行聚类,将与所述待分析企业属于同一个簇的企业作为所述待分析企业的同类型企业。
8.一种生产经营视角下的现金流数据处理装置,其特征在于,包括:
现金波动因素确定单元,用于基于待分析企业在多个历史周期内持有的现金量,确定所述待分析企业的现金波动因素;
经营影响因素确定单元,用于基于所述待分析企业的生产经营数据,确定所述待分析企业的经营影响因素;
现金流数据处理单元,用于基于所述待分析企业的现金波动因素和经营影响因素,以及所述待分析企业的同类型企业的现金波动因素、经营影响因素和实际现金持有量,确定所述待分析企业的最佳现金持有量。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的生产经营视角下的现金流数据处理方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的生产经营视角下的现金流数据处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011582629.3A CN112685563A (zh) | 2020-12-28 | 2020-12-28 | 生产经营视角下的现金流数据处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011582629.3A CN112685563A (zh) | 2020-12-28 | 2020-12-28 | 生产经营视角下的现金流数据处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112685563A true CN112685563A (zh) | 2021-04-20 |
Family
ID=75453574
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011582629.3A Pending CN112685563A (zh) | 2020-12-28 | 2020-12-28 | 生产经营视角下的现金流数据处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112685563A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837648A (zh) * | 2021-10-11 | 2021-12-24 | 讯飞智元信息科技有限公司 | 企业关联性分析方法、关联企业推荐方法和装置 |
-
2020
- 2020-12-28 CN CN202011582629.3A patent/CN112685563A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837648A (zh) * | 2021-10-11 | 2021-12-24 | 讯飞智元信息科技有限公司 | 企业关联性分析方法、关联企业推荐方法和装置 |
CN113837648B (zh) * | 2021-10-11 | 2023-11-17 | 讯飞智元信息科技有限公司 | 企业关联性分析方法、关联企业推荐方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yan et al. | Uncertainty and IPO initial returns: evidence from the tone analysis of China’s IPO prospectuses | |
Doumpos et al. | Developing and testing models for replicating credit ratings: A multicriteria approach | |
CN107437227A (zh) | 股票投资分析装置与方法 | |
US7870047B2 (en) | System, method for deploying computing infrastructure, and method for identifying customers at risk of revenue change | |
Mukumbi et al. | Effect of capital structure on the financial performance of non-financial firms quoted at the Nairobi Securities Exchange | |
CN112801529B (zh) | 财务数据分析方法及装置、电子设备及介质 | |
Chen et al. | Bankruptcy prediction using machine learning models with the text-based communicative value of annual reports | |
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 | |
Boguslauskas et al. | The selection of financial ratios as independent variables for credit risk assessment | |
Liu et al. | News tone, investor sentiment, and liquidity premium | |
Chen et al. | Digitalization and corporate investment efficiency: Evidence from China | |
Feuerriegel et al. | Evaluation of news-based trading strategies | |
Šverko Grdić et al. | Insolvency in the Republic of Croatia | |
CN112685563A (zh) | 生产经营视角下的现金流数据处理方法和装置 | |
Gruszczyński et al. | Modeling financial distress and bankruptcy | |
Handoyo et al. | Factors influencing audit quality of banking business sector in Indonesia | |
Mądra-Sawicka | Financial management in the big data era | |
Li et al. | The effect of chairman’s statement tone changes in annual reports from Hong Kong | |
CN112785113A (zh) | 一种基于改进灰色模型的上市公司价值评估方法及系统 | |
Chen et al. | The impact of hedge fund activism on audit pricing | |
KR102590232B1 (ko) | 빅데이터 기반 인공지능을 이용한 단타매매 종목 추천 서비스 제공 시스템 | |
Agbo | IMPACT OF OIL PRICE VOLATILITY ON THE NUMBER OF DEALS IN THE CAPITAL MARKETS OF SUB–SAHARA AFRICAN COUNTRIES | |
WO2024000152A1 (en) | A system and a method for analysing a market of exchangeable assets | |
Chen et al. | Interest rate liberalization and firm leverage in China: Effects and channels | |
Nguyen et al. | Applying appropriate models to predict bankruptcy for Vietnamese listed construction companies |
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: 20210420 |