CN112766637A - 股东支持企业的评分方法、装置和电子设备 - Google Patents
股东支持企业的评分方法、装置和电子设备 Download PDFInfo
- Publication number
- CN112766637A CN112766637A CN202011573514.8A CN202011573514A CN112766637A CN 112766637 A CN112766637 A CN 112766637A CN 202011573514 A CN202011573514 A CN 202011573514A CN 112766637 A CN112766637 A CN 112766637A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- evaluated
- enterprises
- data
- relationship
- 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
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- 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
- G06Q40/03—Credit; Loans; Processing thereof
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Technology Law (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种股东支持企业的评分方法、装置和电子设备，该方法包括：获取待评估企业的原始数据，并基于原始数据进行数据转换，得到待评估企业与其关联企业之间的关联关系；基于关联关系构建待评估企业的企业集团关系；基于企业集团关系确定待评估企业在各预设评估指标上的得分；根据待评估企业在各预设评估指标上的得分和各预设评估指标所对应的预设权重计算待评估企业的目标得分。本发明的股东支持企业的评分方法不需要依赖于人的感性认识，其将定性分析转换为了量化评分，能实现横向纵向可比，准确性好，无需对企业进行尽职调查，成本低，效率高。
Description
技术领域
本发明涉及大数据的技术领域，尤其是涉及一种股东支持企业的评分方法、装置和电子设备。
背景技术
对于民营企业偿债能力的评估上，其在困难时期获得大股东额外支持的可能性是很重要的分析维度。
现在各大银行、外部信用评级机构主要采取专家法进行此类分析，要么由专家直接勾选等级(如，高/较高/一般/较低/极低，A～E等，银行多采取此方法)，要么通过定性指标建立打分卡进行分析(评级机构一般采取此方法，但每个指标仍然主要由评级人员定性判断)，如下表所示：
上述专家法的方案为定性分析，依赖于人的感性认识，随意性较强；另外，专家法需要对企业进行尽职调查来获得企业的信息，根据现行监管制度和风险管理机制往往需要调用至少2名客户经理和一名审查人员对企业进行调查，耗费人力多、成本高、耗时长；此外，出于实施成本考虑，各大银行一般每年只做一次完整的专家法分析，评估频率很低，对新变化不能及时反应。
综上，现有技术通过专家法对股东支持企业的可能性进行的分析存在准确性差、成本高和效率低的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种股东支持企业的评分方法、装置和电子设备，以缓解现有技术通过专家法对股东支持企业的可能性进行分析时，准确性差、成本高和效率低的技术问题。
第一方面，本发明实施例提供了一种股东支持企业的评分方法，包括：
获取待评估企业的原始数据，并基于所述原始数据进行数据转换，得到所述待评估企业与其关联企业之间的关联关系，其中，所述原始数据包括：工商数据、上市公司数据、上下游交易数据、担保数据和财务数据；
基于所述关联关系构建所述待评估企业的企业集团关系；
基于所述企业集团关系确定所述待评估企业在各预设评估指标上的得分；
根据所述待评估企业在各预设评估指标上的得分和所述各预设评估指标所对应的预设权重计算所述待评估企业的目标得分，其中，所述目标得分用于表示若所述待评估企业处于困难时期，所述待评估企业获取股东额外支持的可能性。
进一步的，在获取待评估企业的原始数据后，在基于所述原始数据进行数据转换前，所述方法还包括：
按照预设清洗原则对所述原始数据进行清洗，得到清洗后的数据；
对所述清洗后的数据中的同类数据进行信息融合，得到融合后的数据。
进一步的，基于所述原始数据进行数据转换，包括：
对所述融合后的数据进行数据转换，得到所述待评估企业与其关联企业之间的关联关系。
进一步的，对所述融合后的数据进行数据转换，包括：
若所述融合后的数据为多个企业之间的投资比例数据，则根据所述多个企业之间的投资比例数据建立企业间的投资关系，其中，所述多个企业为与所述待评估企业相关的企业；
若所述融合后的数据为通过自然人联系的多个企业，则根据所述自然人在所述多个企业中的职务和所述自然人在所述多个企业中的投资情况建立企业间的关键管理人关联关系、企业间的投资人关联关系和企业间的关键管理人投资关联关系；
将所述企业间的投资关系、所述企业间的关键管理人关联关系、所述企业间的投资人关联关系和所述企业间的关键管理人投资关联关系作为所述待评估企业与其关联企业之间的关联关系。
进一步的，基于所述关联关系构建所述待评估企业的企业集团关系，包括：
根据所述企业间的投资关系确定龙头企业，其中，所述龙头企业为所述企业间的投资关系中入度为预设值的企业；
对所述企业间的投资关系采用深度优先算法和广度优先算法从所述龙头企业开始向下遍历，计算所述龙头企业占被投资企业的股权比例；
根据所述龙头企业占被投资企业的股权比例在所述被投资企业中确定目标被投资企业，其中，所述目标被投资企业为被所述龙头企业占的股权比例大于预设阈值的被投资企业；
将所述龙头企业与其对应的目标被投资企业之间的投资关系作为所述待评估企业的初始企业集团关系；
在所述待评估企业的初始企业集团关系中，采用聚合算法融合所述企业间的关键管理人关联关系、所述企业间的投资人关联关系和所述企业间的关键管理人投资关联关系，得到所述待评估企业的企业集团关系。
进一步的，基于所述企业集团关系确定所述待评估企业在各预设评估指标上的得分，包括：
采用集团成员角色识别算法识别所述待评估企业在所述企业集团关系中的成员角色，并基于所述成员角色确定所述待评估企业的成员角色得分，其中，所述成员角色包括以下任一种：龙头企业、核心成员、财务公司和其它集团成员；
基于所述企业集团关系确定股东对所述待评估企业的实际控制权比例得分；
按照关联交易集中度计算算式计算所述待评估企业的关联交易集中度得分；
基于所述企业集团关系中的财务信息确定所述待评估企业的集团财务一体化水平得分；
基于所述企业集团关系中的担保信息确定所述待评估企业的股东提供担保情况得分；
基于所述企业集团关系中的股东历史注资信息确定所述待评估企业的股东历史注资情况得分。
进一步的，采用集团成员角色识别算法识别所述待评估企业在所述企业集团关系中的成员角色，包括：
若所述待评估企业在所述企业集团关系中的入度为预设值，则所述待评估企业在所述企业集团关系中的成员角色为龙头企业；
若所述待评估企业的企业名称中包含预设关键字，则所述待评估企业在所述企业集团关系中的成员角色为财务公司；
若所述待评估企业的重要度PR值大于预设阈值，则所述待评估企业在所述企业集团关系中的成员角色为核心成员，其中，所述重要度PR值为采用PageRank算法计算得到的，所述预设阈值为集团企业成员个数的预设比例；
若所述待评估企业的在所述企业集团关系中的入度不为预设值，且所述待评估企业的企业名称中不包含预设关键字，且所述待评估企业的重要度PR值不大于预设阈值，则所述待评估企业在所述企业集团关系中的成员角色为其它集团成员。
进一步的，按照关联交易集中度计算算式计算所述待评估企业的关联交易集中度得分，包括：
按照关联采购集中度计算算式计算所述待评估企业的关联采购集中度；
按照关联销售集中度计算算式计算所述待评估企业的关联销售集中度；
将所述关联采购集中度和所述关联销售集中度中的较大值作为所述待评估企业的关联交易集中度得分。
第二方面，本发明实施例还提供了一种股东支持企业的评分装置，包括：
数据获取和数据转换单元，用于获取待评估企业的原始数据，并基于所述原始数据进行数据转换，得到所述待评估企业与其关联企业之间的关联关系，其中，所述原始数据包括：工商数据、上市公司数据、上下游交易数据、担保数据和财务数据；
关系构建单元，用于基于所述关联关系构建所述待评估企业的企业集团关系；
确定单元，用于基于所述企业集团关系确定所述待评估企业在各预设评估指标上的得分；
计算单元，用于根据所述待评估企业在各预设评估指标上的得分和所述各预设评估指标所对应的预设权重计算所述待评估企业的目标得分，其中，所述目标得分用于表示若所述待评估企业处于困难时期，所述待评估企业获取股东额外支持的可能性。
第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上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上述第一方面任一项所述的方法的步骤。
在本发明实施例中，提供了一种股东支持企业的评分方法，包括：获取待评估企业的原始数据，并基于原始数据进行数据转换，得到待评估企业与其关联企业之间的关联关系；然后，基于关联关系构建待评估企业的企业集团关系；进而，基于企业集团关系确定待评估企业在各预设评估指标上的得分；最后，根据待评估企业在各预设评估指标上的得分和各预设评估指标所对应的预设权重计算待评估企业的目标得分，目标得分用于表示若待评估企业处于困难时期，待评估企业获得股东额外支持的可能性。通过上述描述可知，本发明的股东支持企业的评分方法不需要依赖于人的感性认识，其将定性分析转换为了量化评分，能实现横向纵向可比，准确性好，无需对企业进行尽职调查，成本低，效率高，缓解了现有技术通过专家法对股东支持企业的可能性进行分析时，准确性差、成本高和效率低的技术问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明实施例提供的一种股东支持企业的评分方法的流程示意图；
图2为本发明实施例提供的对融合后的数据进行数据转换的方法流程图；
图3为本发明实施例提供的企业间的投资关系的示意图；
图4为本发明实施例提供的关键管理人关联关系的示意图；
图5为本发明实施例提供的投资人关联关系的示意图；
图6为本发明实施例提供的关键管理人投资关联关系的示意图；
图7为本发明实施例提供的基于关联关系构建待评估企业的企业集团关系的示意图；
图8为本发明实施例提供的全量企业间投资关系网的示意图；
图9为本发明实施例提供的初始企业集团关系的示意图；
图10为本发明实施例提供的初始企业集团关系转换为企业集团关系的示意图；
图11为本发明实施例提供的待评估企业的企业集团关系的示意图；
图12为本发明实施例提供的基于企业集团关系确定待评估企业在各预设评估指标上的得分的流程图；
图13为本发明实施例提供的一种股东支持企业的评分装置的示意图。
具体实施方式
下面将结合实施例对本发明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做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。
在实务中，民营企业股东对于投资企业的一般性日常的支持，已经通过建立投资关系、自主经营决策、委任管理人员等经营行为体现，一般能够涵盖在通常的经营分析、财务分析、信用评级范围之内，而本发明主要解决企业遇到经营/财务等困难时，股东基于保障持有的投资权益、保护自身的声誉等原因而对企业提供额外支持的可能性进行评估。
传统方案中，对于上述情况，主流评级公司一般采用以定性分析为主的打分卡，下面示出了某评级公司股东支持可能性的评价打分卡：
实务中，主体违约的声誉影响事实上是主体与股东的业务关系的外部表现，且主体与股东业务关系中的战略重要性指标事实上与其上方的实际控制力、对核心业务的贡献程度亦为正相关关系，因此上表可近似等价的转为下述评分卡：
| 评价因素 | 权重 |
| 实际控制力 | 20％ |
| 对核心业务的贡献程度 | 20％ |
| 经营一体化程度 | 15％ |
| 财务一体化程度 | 15％ |
| 主体与股东法律关系 | 10％ |
| 主体获得股东历史支持情况 | 20％ |
本发明整体上延续了上述定性分析的打分卡的业务逻辑，但是利用外部大数据构建企业集团关系，结合可得的民营企业关键数据指标，通过程序进一步识别企业在集团中的角色地位、重要程度、集团成员间关联程度、历史支持力度等，将打分卡的定性分析指标转化为定量指标应用于打分卡内，从而得到具有符合业务逻辑的低成本的自动化评分。
本发明通过生成的定量指标数据对原定性指标进行替代，替代关系如下表：
在上述表格的基础原理上，本发明实施例公开了一种股东支持企业的评分方法。
实施例一：
为便于对本实施例进行理解，首先对本发明实施例所公开的一种股东支持企业的评分方法进行详细介绍，参见图1所示的一种股东支持企业的评分方法的流程示意图，主要包括以下步骤：
步骤S102，获取待评估企业的原始数据，并基于原始数据进行数据转换，得到待评估企业与其关联企业之间的关联关系，其中，原始数据包括：工商数据、上市公司数据、上下游交易数据、担保数据和财务数据；
在本发明实施例中，上述原始数据的数据内容和数据获取(接入)方式参考下表：
下文再对原始数据进行数据转换的过程进行详细描述，在此不再赘述。
步骤S104，基于关联关系构建待评估企业的企业集团关系；
步骤S106，基于企业集团关系确定待评估企业在各预设评估指标上的得分；
在本发明实施例中，上述预设评估指标为基于定性评价因素确定的可量化指标。可以包括：成员角色、实际控制权比例、关联交易集中度、集团财务一体化水平、股东提供担保情况和股东历史注资情况。
步骤S108，根据待评估企业在各预设评估指标上的得分和各预设评估指标所对应的预设权重计算待评估企业的目标得分，其中，目标得分用于表示若待评估企业处于困难时期，待评估企业获取股东额外支持的可能性。
在本发明实施例中，提供了一种股东支持企业的评分方法，包括：获取待评估企业的原始数据，并基于原始数据进行数据转换，得到待评估企业与其关联企业之间的关联关系；然后，基于关联关系构建待评估企业的企业集团关系；进而，基于企业集团关系确定待评估企业在各预设评估指标上的得分；最后，根据待评估企业在各预设评估指标上的得分和各预设评估指标所对应的预设权重计算待评估企业的目标得分，目标得分用于表示若待评估企业处于困难时期，待评估企业获得股东额外支持的可能性。通过上述描述可知，本发明的股东支持企业的评分方法不需要依赖于人的感性认识，其将定性分析转换为了量化评分，能实现横向纵向可比，准确性好，无需对企业进行尽职调查，成本低，效率高，缓解了现有技术通过专家法对股东支持企业的可能性进行分析时，准确性差、成本高和效率低的技术问题。
上述内容对本法的股东支持企业的评分方法进行了简要介绍，下面对其中涉及到的具体内容进行详细描述。
在本发明的一个可选实施例中，在获取待评估企业的原始数据后，在基于原始数据进行数据转换前，该方法还包括：按照预设清洗原则对原始数据进行清洗，得到清洗后的数据；对清洗后的数据中的同类数据进行信息融合，得到融合后的数据。
在本发明实施例中，在得到原始数据后，先对原始数据进行清洗，本发明的数据清洗除了包含传统常规的清洗之外，还包含一些其它的清洗要点(即预设清洗原则)。具体可以包括：在得到的工商数据中，企业的经营状态必须是在营状态，如果非在营状态，则予以清除；另外，工商数据中投资占空比必须不为空，如果没有投资比例，或不能计算投资比例，则需要人为确定投资关系的强弱。关系强，则置为S；关系弱，则置为W；本发明还维护了一张关键管理人员的职务参数表，认为只有下述表格中职务对应的人员才是关键管理人，如果得到的数据中关键管理人的职务信息并非是下述表格中的职务，则予以清除。即本发明维护属于关键管理人的职务参数表，用于后续数据转换，系统默认下述职务作为关键管理人职务：
| 参数类别 | 参数 | 默认值 | 识别规则 | 是否启用 |
| 职务 | 董事长 | 是 | Like | 是 |
| 职务 | 副董事长 | 是 | Like | 是 |
| 职务 | 执行董事 | 是 | Like | 是 |
| 职务 | 董事 | 是 | Like | 是 |
| 职务 | 总裁 | 是 | Like | 是 |
| 职务 | 副总裁 | 是 | Like | 是 |
| 职务 | 总经理 | 是 | Like | 是 |
| 职务 | 副总经理 | 是 | Like | 是 |
| 职务 | 经理 | 是 | Like | 是 |
| 职务 | 董事会秘书 | 是 | Like | 是 |
| 职务 | 执行事务合伙人 | 是 | Like | 是 |
| 职务 | 执行事务合伙人委派代表 | 是 | Like | 是 |
| 职务 | 财务负责人 | 是 | Like | 是 |
| 职务 | 首席代表 | 是 | Like | 是 |
| 职务 | 院长 | 是 | Like | 是 |
| 职务 | 厂长 | 是 | Like | 是 |
| 职务 | 负责人 | 是 | Like | 是 |
得到清洗后的数据后，对清洗后的数据中的同类数据进行信息融合，具体过程包括：将工商数据和上市公司数据的同类数据进行信息融合，如：上市公司的前十大股东和工商的股东信息融合(因企业上市后，不再由工商局进行监管，工商数据中仅有其流通股、非流通股的数量，没有明细股东信息，故此时使用上市公司的十大股东数据替换工商数据中的上市企业股东信息数据)；上市公司的高管人员信息和工商的主要管理人员信息融合；上市公司披露的实际控制人和实际控制人模型输出的结果融合。
在得到融合后的数据后，对其进行数据转换。在本发明的一个可选实施例中，基于原始数据进行数据转换，包括：对融合后的数据进行数据转换，得到待评估企业与其关联企业之间的关联关系。
参考图2，具体包括如下步骤：
步骤S201，若融合后的数据为多个企业之间的投资比例数据，则根据多个企业之间的投资比例数据建立企业间的投资关系，其中，多个企业为与待评估企业相关的企业；
该投资关系中是带有方向的，如图3所示。
步骤S202，若融合后的数据为通过自然人联系的多个企业，则根据自然人在多个企业中的职务和自然人在多个企业中的投资情况建立企业间的关键管理人关联关系、企业间的投资人关联关系和企业间的关键管理人投资关联关系；
由于自然人不构成企业集团关系中的成员(企业集团关系中的成员为企业)，所以由同一自然人关联起来的企业间的关系需要转化为企业与企业之间的关系，并且关系是无向的。具体的转换过程如下：
情况一：若同一自然人在两家或以上企业任职，转化为两两企业关键管理人关联关系，如图4所示，A企业和B企业的关键管理人为P，转化为A企业和B企业的关键管理人关联关系；
情况二：若同一自然人在一家或以上企业任职，同时又投资了其他家企业且股权占比在50％以上，则转化为两两企业关键管理人投资关联关系，如图5所示，C企业、D企业、E企业的投资人为X，转化为C企业和D企业、C企业和E企业、D企业和E企业之间的投资人关联关系；
情况三：同一自然人同时投资多家企业并且股权占比在50％以上的关系转换为两两企业投资人关联关系，如图6所示，G企业和H企业的投资人为Y，且Y在F企业任职，转化为F企业和G企业、F企业和H企业之间的关键管理人投资关联关系，G企业和H企业之间的投资人关联关系。
将上述三种情况用表表示，转化的过程为：
原始的三元组关联关系如下表：
| FROM节点 | TO节点 | 关系类型 | 投资占比或关系明细 |
| P | A | 任职 | 董事长 |
| P | B | 任职 | 厂长 |
| X | C | 投资 | 60％ |
| X | D | 投资 | 80％ |
| X | E | 投资 | 100％ |
| Y | F | 任职 | 董事长 |
| Y | G | 投资 | 60％ |
| Y | H | 投资 | 100％ |
数据转换后的关联关系：
上述FROM和TO并不表示方向性，上述FROM节点可以是TO节点，而上述TO节点也可以是FROM节点。
步骤S203，将企业间的投资关系、企业间的关键管理人关联关系、企业间的投资人关联关系和企业间的关键管理人投资关联关系作为待评估企业与其关联企业之间的关联关系。
| FROM节点 | TO节点 | 关系类型 | 投资占比或关系明细 |
| B | A | 投资 | 88％ |
| D | C | 关键管理人关联关系 | 关联人：P |
| … | … | … | … |
在得到关联关系后，就能基于关联关系构建待评估企业的企业集团关系。
在本发明的一个可选实施例中，参考图7，步骤S104，基于关联关系构建待评估企业的企业集团关系，具体包括如下步骤：
步骤S701，根据企业间的投资关系确定龙头企业，其中，龙头企业为企业间的投资关系中入度为预设值的企业；
上述预设值可以为0。
步骤S702，对企业间的投资关系采用深度优先算法和广度优先算法从龙头企业开始向下遍历，计算龙头企业占被投资企业的股权比例；
图8为全量企业间投资关系网，在图8中，A和D为入度为0的两个节点，构成了龙头集合S{A，D}，分别依次由A和D两个节点向下逐层遍历计算A和D直接或间接占有被投资企业的股权比例。
下表中示出了A直接或间接占被投资企业B、C、G、F、K的股权占比计算结果。
下表中示出了D直接或间接占被投资企业C、E、F、K的股权占比计算结果。
步骤S703，根据龙头企业占被投资企业的股权比例在被投资企业中确定目标被投资企业，其中，目标被投资企业为被龙头企业占的股权比例大于预设阈值的被投资企业；
上述预设阈值可以为50％。即根据股权占比的计算结果分别筛选A和D股权占比大于50％的被投资企业，再分别依次逐层遍历计算直接或间接股权占比大于50％的被投资企业，直到关系的尽头，即无法再追溯被投资企业为止。
步骤S704，将龙头企业与其对应的目标被投资企业之间的投资关系作为待评估企业的初始企业集团关系；
上述节点A和节点D控制的企业分别形成集合X{A、B、G、F、K}、Y{D、C、E}。集合X和Y分别是两个单一的初始企业集团关系，如图9所示。
步骤S705，在待评估企业的初始企业集团关系中，采用聚合算法融合企业间的关键管理人关联关系、企业间的投资人关联关系和企业间的关键管理人投资关联关系，得到待评估企业的企业集团关系。
如图10所示，P节点代表自然人，P在F任职董事长，同时P在C任职厂长，已在前置任务中转化为C和F为关键管理人关联关系，叠加了关键管理人关联关系后，使得初始企业集团关系X和Y融合成一个企业集团关系Z{A、B、G、F、K、D、C、E}，如图11所示，为最终得到的待评估企业的企业集团关系的示意图。
最终得到的结果为企业集团，用二维表存储，具体输出项如下表所示，其中企业集团编号表示集团的唯一编号，同一个企业集团编号的集团成员属于一个集团。
| 企业集团编号 | 集团成员 |
| GG11 | A |
| GG11 | B |
| GG11 | G |
| GG11 | F |
| GG11 | K |
| GG11 | C |
| GG11 | D |
| GG11 | E |
在得到企业集团关系后，就能基于企业集团关系确定待评估企业在各预设评估指标上的得分。
在本发明的一个可选实施例中，如图12所示，步骤S106，基于企业集团关系确定待评估企业在各预设评估指标上的得分，具体包括如下步骤：
步骤S121，采用集团成员角色识别算法识别待评估企业在企业集团关系中的成员角色，并基于成员角色确定待评估企业的成员角色得分，其中，成员角色包括以下任一种：龙头企业、核心成员、财务公司和其它集团成员；
上述集团成员角色识别算法用于识别企业集团的龙头企业、核心成员、财务公司和其它集团成员。
龙头企业是指在某一集团内无法再追溯企业的控制法人股东的企业，某一集团内存在一个或以上龙头企业。
财务公司是指以加强企业集团资金集中管理和提高企业集团资金使用效率为目的，为企业集团成员单位(以下简称成员单位)提供财务管理服务的非银行金融机构。
核心成员是指在集团关联结构上，企业重要程度(关联企业数量)相对较高(前30％)的成员企业为核心成员(集团财务公司除外)，某一集团内存在一个或多个核心成员。
其它集团成员是指集团内除龙头企业、核心成员、财务公司之外的其它成员企业。
上述集团成员角色识别算法，具体包括：
(1)若待评估企业在企业集团关系中的入度为预设值，则待评估企业在企业集团关系中的成员角色为龙头企业；
上述预设值可以为0，即通过出入度算法计算集团内投资关系中入度为0的企业，即为企业集团的龙头企业。
(2)若待评估企业的企业名称中包含预设关键字，则待评估企业在企业集团关系中的成员角色为财务公司；
具体的，采用关键字模糊匹配法，若企业名称中包含“财务有限公司”或“财务有限责任公司”等，则该企业为企业集团关系中的财务公司。
(3)若待评估企业的重要度PR值大于预设阈值，则待评估企业在企业集团关系中的成员角色为核心成员，其中，重要度PR值为采用PageRank算法计算得到的，预设阈值为集团企业成员个数的预设比例；
具体的，在企业集团中，采用PageRank算法计算企业的重要度PR值，若某一企业的PR值大于集团企业成员个数的30％，则该企业为核心成员。例如：企业集团关系中，集团企业成员一共100，集团企业成员个数的30％即30，即如果某一企业的PR值大于30，那么该企业即为核心成员。
(4)若待评估企业的在企业集团关系中的入度不为预设值，且待评估企业的企业名称中不包含预设关键字，且待评估企业的重要度PR值不大于预设阈值，则待评估企业在企业集团关系中的成员角色为其它集团成员。
具体的，采用统计分析排除法，一个企业集团中去除龙头企业、核心成员和财务公司外的其它成员企业为其它集团成员。
步骤S122，基于企业集团关系确定股东对待评估企业的实际控制权比例得分；
具体的，可以基于控制权算法计算实际控制人对待评估企业的控制权比例，也可以采用一般的基于股权关系的计算方法计算实际控制人对待评估企业的控制权比例。
步骤S123，按照关联交易集中度计算算式计算待评估企业的关联交易集中度得分；
具体包括：按照关联采购集中度计算算式计算待评估企业的关联采购集中度；按照关联销售集中度计算算式计算待评估企业的关联销售集中度；将关联采购集中度和关联销售集中度中的较大值作为待评估企业的关联交易集中度得分。
具体的，关联采购集中度计算算式为：关联采购集中度＝待评估企业与集团成员间的采购额/总采购额；关联销售集中度计算算式为：关联销售集中度＝待评估企业与集团成员间的销售额/总销售额。
步骤S124，基于企业集团关系中的财务信息确定待评估企业的集团财务一体化水平得分；
步骤S125，基于企业集团关系中的担保信息确定待评估企业的股东提供担保情况得分；
步骤S126，基于企业集团关系中的股东历史注资信息确定待评估企业的股东历史注资情况得分。
上述得分采用X1～X6表示，上述待评估企业在各预设评估指标上的得分以及各预设评估指标所对应的预设权重如下表所示：
在得到待评估企业在各预设评估指标上的得分后，就能根据待评估企业在各预设评估指标上的得分和各预设评估指标所对应的预设权重计算待评估企业的目标得分：Y＝X1*w1+X2*w2+X3*w3+X4*w4+X5*w5+X6*w6，就能得到0～100之间的可比分值。
本发明提供了一种股东支持企业的评分方法，该方法为一种全新的分析技术，能够自动化的利用外部大数据构建企业集团、识别企业集团的成员角色，并生成横向纵向可比的量化评分，供业务人员使用。
本发明将企业集团、成员角色和控制权比例计算算法创新性的应用于企业股东支持可能性的评价，将通常的专家法的定性分析转化为横向纵向可比的量化评分，提高了精确度；该方法对数据的变化远比专家法敏感，各类数据中发生的变化可以迅速反应在评分结果，大大提高了及时性；本发明的技术可以有效降低单次分析成本，评分过程中不需要人的干预，全部依赖于外部数据，可以持续性的对企业进行高频评价，这样不仅在贷前可以得到应用，在贷中和贷后的过程中也可以自动化的进行持续监控，扩大了应用范围、降低了实施成本。
实施例二：
本发明实施例还提供了一种股东支持企业的评分装置，该股东支持企业的评分装置主要用于执行本发明实施例上述内容所提供的股东支持企业的评分方法，以下对本发明实施例提供的股东支持企业的评分装置做具体介绍。
图13是本发明实施例的一种股东支持企业的评分装置的示意图，如图13所示，该股东支持企业的评分装置主要包括：数据获取和数据转换单元10、关系构建单元20、确定单元30和计算单元40，其中：
数据获取和数据转换单元，用于获取待评估企业的原始数据，并基于原始数据进行数据转换，得到待评估企业与其关联企业之间的关联关系，其中，原始数据包括：工商数据、上市公司数据、上下游交易数据、担保数据和财务数据；
关系构建单元，用于基于关联关系构建待评估企业的企业集团关系；
确定单元，用于基于企业集团关系确定待评估企业在各预设评估指标上的得分；
计算单元，用于根据待评估企业在各预设评估指标上的得分和各预设评估指标所对应的预设权重计算待评估企业的目标得分，其中，目标得分用于表示若待评估企业处于困难时期，待评估企业获取股东额外支持的可能性。
在本发明实施例中，提供了一种股东支持企业的评分装置，包括：获取待评估企业的原始数据，并基于原始数据进行数据转换，得到待评估企业与其关联企业之间的关联关系；然后，基于关联关系构建待评估企业的企业集团关系；进而，基于企业集团关系确定待评估企业在各预设评估指标上的得分；最后，根据待评估企业在各预设评估指标上的得分和各预设评估指标所对应的预设权重计算待评估企业的目标得分，目标得分用于表示若待评估企业处于困难时期，待评估企业获得股东额外支持的可能性。通过上述描述可知，本发明的股东支持企业的评分装置不需要依赖于人的感性认识，其将定性分析转换为了量化评分，能实现横向纵向可比，准确性好，无需对企业进行尽职调查，成本低，效率高，缓解了现有技术通过专家法对股东支持企业的可能性进行分析时，准确性差、成本高和效率低的技术问题。
可选地，该装置还用于：按照预设清洗原则对原始数据进行清洗，得到清洗后的数据；对清洗后的数据中的同类数据进行信息融合，得到融合后的数据。
可选地，数据获取和数据转换单元还用于：对融合后的数据进行数据转换，得到待评估企业与其关联企业之间的关联关系。
可选地，数据获取和数据转换单元还用于：若融合后的数据为多个企业之间的投资比例数据，则根据多个企业之间的投资比例数据建立企业间的投资关系，其中，多个企业为与待评估企业相关的企业；若融合后的数据为通过自然人联系的多个企业，则根据自然人在多个企业中的职务和自然人在多个企业中的投资情况建立企业间的关键管理人关联关系、企业间的投资人关联关系和企业间的关键管理人投资关联关系；将企业间的投资关系、企业间的关键管理人关联关系、企业间的投资人关联关系和企业间的关键管理人投资关联关系作为待评估企业与其关联企业之间的关联关系。
可选地，关系构建单元还用于：根据企业间的投资关系确定龙头企业，其中，龙头企业为企业间的投资关系中入度为预设值的企业；对企业间的投资关系采用深度优先算法和广度优先算法从龙头企业开始向下遍历，计算龙头企业占被投资企业的股权比例；根据龙头企业占被投资企业的股权比例在被投资企业中确定目标被投资企业，其中，目标被投资企业为被龙头企业占的股权比例大于预设阈值的被投资企业；将龙头企业与其对应的目标被投资企业之间的投资关系作为待评估企业的初始企业集团关系；在待评估企业的初始企业集团关系中，采用聚合算法融合企业间的关键管理人关联关系、企业间的投资人关联关系和企业间的关键管理人投资关联关系，得到待评估企业的企业集团关系。
可选地，确定单元还用于：采用集团成员角色识别算法识别待评估企业在企业集团关系中的成员角色，并基于成员角色确定待评估企业的成员角色得分，其中，成员角色包括以下任一种：龙头企业、核心成员、财务公司和其它集团成员；基于企业集团关系确定股东对待评估企业的实际控制权比例得分；按照关联交易集中度计算算式计算待评估企业的关联交易集中度得分；基于企业集团关系中的财务信息确定待评估企业的集团财务一体化水平得分；基于企业集团关系中的担保信息确定待评估企业的股东提供担保情况得分；基于企业集团关系中的股东历史注资信息确定待评估企业的股东历史注资情况得分。
可选地，确定单元还用于：若待评估企业在企业集团关系中的入度为预设值，则待评估企业在企业集团关系中的成员角色为龙头企业；若待评估企业的企业名称中包含预设关键字，则待评估企业在企业集团关系中的成员角色为财务公司；若待评估企业的重要度PR值大于预设阈值，则待评估企业在企业集团关系中的成员角色为核心成员，其中，重要度PR值为采用PageRank算法计算得到的，预设阈值为集团企业成员个数的预设比例；若待评估企业的在企业集团关系中的入度不为预设值，且待评估企业的企业名称中不包含预设关键字，且待评估企业的重要度PR值不大于预设阈值，则待评估企业在企业集团关系中的成员角色为其它集团成员。
可选地，确定单元还用于：按照关联采购集中度计算算式计算待评估企业的关联采购集中度；按照关联销售集中度计算算式计算待评估企业的关联销售集中度；将关联采购集中度和关联销售集中度中的较大值作为待评估企业的关联交易集中度得分。
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。本申请实施例提供的股东支持企业的评分装置与上述实施例提供的股东支持企业的评分方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部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范围。
Claims (10)
1.一种股东支持企业的评分方法，其特征在于，包括：
获取待评估企业的原始数据，并基于所述原始数据进行数据转换，得到所述待评估企业与其关联企业之间的关联关系，其中，所述原始数据包括：工商数据、上市公司数据、上下游交易数据、担保数据和财务数据；
基于所述关联关系构建所述待评估企业的企业集团关系；
基于所述企业集团关系确定所述待评估企业在各预设评估指标上的得分；
根据所述待评估企业在各预设评估指标上的得分和所述各预设评估指标所对应的预设权重计算所述待评估企业的目标得分，其中，所述目标得分用于表示若所述待评估企业处于困难时期，所述待评估企业获取股东额外支持的可能性。
2.根据权利要求1所述的方法，其特征在于，在获取待评估企业的原始数据后，在基于所述原始数据进行数据转换前，所述方法还包括：
按照预设清洗原则对所述原始数据进行清洗，得到清洗后的数据；
对所述清洗后的数据中的同类数据进行信息融合，得到融合后的数据。
3.根据权利要求2所述的方法，其特征在于，基于所述原始数据进行数据转换，包括：
对所述融合后的数据进行数据转换，得到所述待评估企业与其关联企业之间的关联关系。
4.根据权利要求3所述的方法，其特征在于，对所述融合后的数据进行数据转换，包括：
若所述融合后的数据为多个企业之间的投资比例数据，则根据所述多个企业之间的投资比例数据建立企业间的投资关系，其中，所述多个企业为与所述待评估企业相关的企业；
若所述融合后的数据为通过自然人联系的多个企业，则根据所述自然人在所述多个企业中的职务和所述自然人在所述多个企业中的投资情况建立企业间的关键管理人关联关系、企业间的投资人关联关系和企业间的关键管理人投资关联关系；
将所述企业间的投资关系、所述企业间的关键管理人关联关系、所述企业间的投资人关联关系和所述企业间的关键管理人投资关联关系作为所述待评估企业与其关联企业之间的关联关系。
5.根据权利要求4所述的方法，其特征在于，基于所述关联关系构建所述待评估企业的企业集团关系，包括：
根据所述企业间的投资关系确定龙头企业，其中，所述龙头企业为所述企业间的投资关系中入度为预设值的企业；
对所述企业间的投资关系采用深度优先算法和广度优先算法从所述龙头企业开始向下遍历，计算所述龙头企业占被投资企业的股权比例；
根据所述龙头企业占被投资企业的股权比例在所述被投资企业中确定目标被投资企业，其中，所述目标被投资企业为被所述龙头企业占的股权比例大于预设阈值的被投资企业；
将所述龙头企业与其对应的目标被投资企业之间的投资关系作为所述待评估企业的初始企业集团关系；
在所述待评估企业的初始企业集团关系中，采用聚合算法融合所述企业间的关键管理人关联关系、所述企业间的投资人关联关系和所述企业间的关键管理人投资关联关系，得到所述待评估企业的企业集团关系。
6.根据权利要求1所述的方法，其特征在于，基于所述企业集团关系确定所述待评估企业在各预设评估指标上的得分，包括：
采用集团成员角色识别算法识别所述待评估企业在所述企业集团关系中的成员角色，并基于所述成员角色确定所述待评估企业的成员角色得分，其中，所述成员角色包括以下任一种：龙头企业、核心成员、财务公司和其它集团成员；
基于所述企业集团关系确定股东对所述待评估企业的实际控制权比例得分；
按照关联交易集中度计算算式计算所述待评估企业的关联交易集中度得分；
基于所述企业集团关系中的财务信息确定所述待评估企业的集团财务一体化水平得分；
基于所述企业集团关系中的担保信息确定所述待评估企业的股东提供担保情况得分；
基于所述企业集团关系中的股东历史注资信息确定所述待评估企业的股东历史注资情况得分。
7.根据权利要求6所述的方法，其特征在于，采用集团成员角色识别算法识别所述待评估企业在所述企业集团关系中的成员角色，包括：
若所述待评估企业在所述企业集团关系中的入度为预设值，则所述待评估企业在所述企业集团关系中的成员角色为龙头企业；
若所述待评估企业的企业名称中包含预设关键字，则所述待评估企业在所述企业集团关系中的成员角色为财务公司；
若所述待评估企业的重要度PR值大于预设阈值，则所述待评估企业在所述企业集团关系中的成员角色为核心成员，其中，所述重要度PR值为采用PageRank算法计算得到的，所述预设阈值为集团企业成员个数的预设比例；
若所述待评估企业的在所述企业集团关系中的入度不为预设值，且所述待评估企业的企业名称中不包含预设关键字，且所述待评估企业的重要度PR值不大于预设阈值，则所述待评估企业在所述企业集团关系中的成员角色为其它集团成员。
8.根据权利要求6所述的方法，其特征在于，按照关联交易集中度计算算式计算所述待评估企业的关联交易集中度得分，包括：
按照关联采购集中度计算算式计算所述待评估企业的关联采购集中度；
按照关联销售集中度计算算式计算所述待评估企业的关联销售集中度；
将所述关联采购集中度和所述关联销售集中度中的较大值作为所述待评估企业的关联交易集中度得分。
9.一种股东支持企业的评分装置，其特征在于，包括：
数据获取和数据转换单元，用于获取待评估企业的原始数据，并基于所述原始数据进行数据转换，得到所述待评估企业与其关联企业之间的关联关系，其中，所述原始数据包括：工商数据、上市公司数据、上下游交易数据、担保数据和财务数据；
关系构建单元，用于基于所述关联关系构建所述待评估企业的企业集团关系；
确定单元，用于基于所述企业集团关系确定所述待评估企业在各预设评估指标上的得分；
计算单元，用于根据所述待评估企业在各预设评估指标上的得分和所述各预设评估指标所对应的预设权重计算所述待评估企业的目标得分，其中，所述目标得分用于表示若所述待评估企业处于困难时期，所述待评估企业获取股东额外支持的可能性。
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述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上述权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011573514.8A CN112766637A (zh) | 2020-12-25 | 2020-12-25 | 股东支持企业的评分方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011573514.8A CN112766637A (zh) | 2020-12-25 | 2020-12-25 | 股东支持企业的评分方法、装置和电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112766637A true CN112766637A (zh) | 2021-05-07 |
Family
ID=75695866
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011573514.8A Pending CN112766637A (zh) | 2020-12-25 | 2020-12-25 | 股东支持企业的评分方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112766637A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113837649A (zh) * | 2021-10-11 | 2021-12-24 | 讯飞智元信息科技有限公司 | 企业多元化决策评价方法、企业决策推荐方法和装置 |
| CN114328634A (zh) * | 2021-12-29 | 2022-04-12 | 泸州老窖集团有限责任公司 | 企业关系网络构建与关系评价方法 |
-
2020
- 2020-12-25 CN CN202011573514.8A patent/CN112766637A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113837649A (zh) * | 2021-10-11 | 2021-12-24 | 讯飞智元信息科技有限公司 | 企业多元化决策评价方法、企业决策推荐方法和装置 |
| CN114328634A (zh) * | 2021-12-29 | 2022-04-12 | 泸州老窖集团有限责任公司 | 企业关系网络构建与关系评价方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180260891A1 (en) | Systems and methods for generating and using optimized ensemble models | |
| Chen et al. | A fuzzy credit-rating approach for commercial loans: a Taiwan case | |
| Brunner et al. | Multiple lenders and corporate distress: Evidence on debt restructuring | |
| Xiao et al. | Taxonomy method for multiple attribute group decision making based on interval-valued intuitionistic fuzzy with entropy | |
| US20140108072A1 (en) | Vendor Contract Assessment Tool | |
| CN112766637A (zh) | 股东支持企业的评分方法、装置和电子设备 | |
| Bapat et al. | Comparison of bankruptcy prediction models: Evidence from India | |
| Chowdhury et al. | Applicability of Prediction Techniques in the Stock Market-A Chittagong Stock Exchange Perspective | |
| Morillas et al. | IO coefficients importance: a fuzzy logic approach | |
| Mimovic et al. | Evaluation and ranking of insurance companies by combining TOPSIS and the interval fuzzy rough sets | |
| Saha et al. | Board human capital diversity and firm performance: evidence from top listed Indian firms | |
| Poh | An intelligent decision support system for investment analysis | |
| Chaturvedi et al. | Examining the interconnectedness and early warning signals of systemic risks of shadow banks: An application to the Indian shadow bank crisis | |
| Chen | Multiple criteria decision analysis: classification problems and solutions | |
| Mehlawat | Behavioral optimization models for multicriteria portfolio selection | |
| Mokhtar et al. | Identifying the critical financial ratios for stocks evaluation: a fuzzy Delphi approach | |
| Liu et al. | Research on risk identification system based on random forest algorithm-high-order moment model | |
| Xiong et al. | How cultural distance affects the formation of international strategic alliance–an explanation of the transaction costs theory | |
| Kądziołka | Ranking and classification of cryptocurrency exchanges using the methods of a multidimensional comparative analysis | |
| Behr et al. | Default prediction using balance-sheet data: A comparison of models | |
| León et al. | Macro-prudential assessment of Colombian financial institutions’ systemic importance | |
| Oyewole et al. | Influence of macroeconomic factors on the performance of office properties in Lagos, Nigeria | |
| Wang et al. | Credit rating analysis based on the network of trading information | |
| US11935119B2 (en) | Device and method for pricing and trading income sharing agreements | |
| Rosen | Correlation based clustering of the Stockholm Stock Exchange |
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 |