CN114757754A - 上市公司画像系统、方法、存储介质及电子设备 - Google Patents
上市公司画像系统、方法、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114757754A CN114757754A CN202110845184.1A CN202110845184A CN114757754A CN 114757754 A CN114757754 A CN 114757754A CN 202110845184 A CN202110845184 A CN 202110845184A CN 114757754 A CN114757754 A CN 114757754A
- Authority
- CN
- China
- Prior art keywords
- listed company
- financial
- listed
- evaluation result
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 62
- 230000007246 mechanism Effects 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013210 evaluation model Methods 0.000 claims description 8
- 238000012550 audit Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000013058 risk prediction model Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供上市公司画像系统、方法、存储介质及电子设备。所述上市公司画像方法包括步骤：基于第一预设机制对所述上市公司的财务状况进行评价，以得到所述上市公司的正面评价结果，并据以生成第一上市公司画像；和/或基于第二预设机制对所述上市公司的财务风险进行预测，以得到所述上市公司的负面评价结果，并据以生成第二上市公司画像；展示所述第一上市公司画像和/或所述第二上市公司画像。本发明将上市公司的财务状况评价结果和财务风险预测结果以画像的形式直观地展示给用户，从而为用户做智能化投研提供有效信息。
Description
技术领域
本发明涉及互联网金融技术领域，特别是涉及上市公司画像系统、方法、存储介质及电子设备。
背景技术
“财务评价”是指根据国家现行财税制度和价格体系，分析计算项目的财务效益和费用，编制财务报表、计算财务指标、考察项目盈利能力、清偿能力等财务状况，以判别财务可行性。在针对已上市公司的财务评价中，所考察的往往是企业的盈利能力和成长能力等，追求的是企业对自身、对投资者和对社会责任的长期效用最大化。
“财务风险”是指企业在各项财务活动过程中，由于各种难以预料或控制的因素影响，财务状况具有不确定性，从而使企业有蒙受损失的可能性。而上市公司的财务风险，不但影响着企业自身的经营，更关系到广大投资者的资产安全性，进而关乎整个二级市场的运行效率和社会信用。因此，对企业的财务风险进行研究、揭示和预警，一直以来都是公司分析过程中的重要一环。
目前，财务状况评价模型、财务风险预测模型仍在不断发展中，却缺少将评价结果、预测结果直观地展示给用户的解决方案，无法帮助用户提高智能化投研的效率。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供上市公司画像系统、方法、存储介质及电子设备，用于解决现有技术中的以上不足。
为实现上述目的及其他相关目的，本发明提供一种上市公司画像方法，包括：基于第一预设机制对所述上市公司的财务状况进行评价，以得到所述上市公司的正面评价结果，并据以生成第一上市公司画像；和/或基于第二预设机制对所述上市公司的财务风险进行预测，以得到所述上市公司的负面评价结果，并据以生成第二上市公司画像；展示所述第一上市公司画像和/或所述第二上市公司画像。
为实现上述目的及其他相关目的，本发明提供一种上市公司画像系统，包括：财务状况画像模块，用于基于第一预设机制对所述上市公司的财务状况进行评价，以得到所述上市公司的正面评价结果，并据以生成第一上市公司画像；和/或财务风险画像模块，用于基于第二预设机制对所述上市公司的财务风险进行预测，以得到所述上市公司的负面评价结果，并据以生成第二上市公司画像；公司画像显示模块，用于展示所述第一上市公司画像和/或所述第二上市公司画像。
为实现上述目的及其他相关目的，本发明提供一种计算机可读存储介质，其中存储有计算机程序，所述计算机程序被处理器加载执行时，实现以上所述的方法。
为实现上述目的及其他相关目的，本发明提供一种电子设备，包括：处理器及存储器；所述存储器用于存储计算机程序；所述处理器用于加载执行所述计算机程序，以使所述电子设备执行以上所述的方法。
如上所述，本发明的上市公司画像系统、方法、存储介质及电子设备，基于第一预设机制对所述上市公司的财务状况进行评价，以得到所述上市公司的正面评价结果，并据以生成第一上市公司画像；基于第二预设机制对所述上市公司的财务风险进行预测，以得到所述上市公司的负面评价结果，并据以生成第二上市公司画像；展示所述第一上市公司画像和/或所述第二上市公司画像；从而将上市公司的财务状况评价结果、财务风险预测结果以画像的形式直观地展示给用户，高效地为用户提供智能化投研信息。
附图说明
图1显示为本发明一实施例中上市公司画像方法的原理示意图。
图2显示为本发明一实施例中资产战略结果的画像界面图。
图3显示为本发明一实施例中融资结构结果的画像界面图。
图4显示为本发明一实施例中财务评价结果盈利能力部分的画像界面图。
图5显示为本发明一实施例中财务评价结果盈利质量部分的画像界面图。
图6显示为本发明一实施例中财务评价结果成长能力部分的画像界面图。
图7显示为本发明一实施例中财务评价结果经营效率部分的画像界面图。
图8显示为本发明一实施例中上市公司财务风险预测结果的画像示意图。
图9显示为本发明一实施例中上市公司画像系统的模块示意图。
图10显示为本发明一实施例中电子设备的结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
鉴于现有技术中的以上不足，本申请提供一种上市公司画像方法，将上市公司的财务状况评价结果、财务风险预测结果以画像的形式直观地展示给用户，从而高效地为用户提供智能化投研信息。
参阅图1，本申请的上市公司画像方法包括以下步骤：
S11：基于第一预设机制对所述上市公司的财务状况进行评价，以得到所述上市公司的正面评价结果，并据以生成第一上市公司画像；和/或
S12：基于第二预设机制对所述上市公司的财务风险进行预测，以得到所述上市公司的负面评价结果，并据以生成第二上市公司画像；
S13：展示所述第一上市公司画像和/或所述第二上市公司画像。
需要说明的是，在实际应用中步骤S11和S12的顺序不分先后。较佳的，在一实施例中，基于所述上市公司的正面评价结果与负面评价结果，进一步得到所述上市公司的综合评价结果，并据以生成第三上市公司画像，予以展示。
举例而言，财务状况评价结果为一打分值，该打分值越高说明该上市公司的财务状况越好，反之说明该上市公司的财务状况越差，但该打分值高不代表该上市公司持续创造社会价值的能力好；财务风险预测结果为另一打分值，该打分值越高说明该上市公司的财务风险越低，反之说明该上市公司的财务风险越高，但该打分值高不代表该上市公司持续创造社会价值的能力好。将两个打分值相加以得到该上市公司的综合评价结果，即分数越高的上市公司，其持续创造社会价值的能力就越好；反之亦然。
在一实施例中，第一预设机制是进行上市公司财务评价的方法，其包括以下步骤：
第一步：获取上市公司的资产负债表。
众所周知，资产负债表(the Balance Sheet)亦称财务状况表，表示企业在一定日期(通常为各会计期末)的财务状况(即资产、负债和业主权益的状况)的主要会计报表。更为详细的，本步骤获取每个上市公司的每期资产负债表的数据，从而用于评价每个上市公司的每期财务状况。
第二步：基于所述资产负债表中资产科目的数据，对所述上市公司的资产战略归类；和/或基于所述资产负债表中负债和所有者权益科目的数据，对所述上市公司的融资结构归类。
在一实施例中，基于所述资产负债表中资产科目的数据，对所述上市公司的资产战略归类，具体包括以下步骤：
首先，将所述上市公司的资产负债表中资产科目的数据，按照经营性类别和投资性类别分类统计；
具体的，“经营性类别”资产科目包括：应收票据、应收账款、预付账款、存货、固定资产、在建工程等等，“投资性类别”资产科目则包括：金融资产、持有至到期债券、长期股权投资、其他流动资产等等。通过将经营性类别、投资性类别包含的资产科目分别累加，从而进行经营性类别、投资性类别的分类统计。
其次，根据每类统计结果在总资产中的占比，对所述上市公司的资产战略进行归类；其中，所述资产战略的归类包括：经营性资产主导类、投资性资产主导类及经营与投资并重类；
再次，将该占比情况显示于所述第一上市公司画像中。
举例而言，参阅图2的画像，贵州茅台2021年第一季度的经营性资产科目总和占总资产的比例为69％，投资性资产科目总和占总资产的比例为9.0％(剩余22％为其他资产)，前者显著高于后者，因此贵州茅台当期的资产战略归类为“经营性资产主导”。
在一实施例中，基于所述资产负债表中负债和所有者权益科目的数据，对所述上市公司的融资结构归类，具体包括以下步骤：
首先，将所述上市公司的资产负债表中负债和所有者权益科目的数据，按照经营性负债类、金融性负债类、股东入资类和累积利润类进行分类统计；
具体的，“经营性负债”科目包括应付票据、应付账款、预受账款等等，“金融性债务”科目包括短期借款、一年内到期的非流动性负债、交易性金融负债、应付债券、长期借款等等，“股东入资”科目包括实收资本、资本公积等等，“累积利润”科目则包括盈余公积、未分配利润等等。通过将经营性负债类、金融性负债类、股东入资类和累积利润类包含的科目分别累加，从而进行经营性负债类、金融性负债类、股东入资类以及累积利润类的分类统计。
其次，根据每类统计结果在总负债(即负债和所有者权益总计)中的占比，对所述上市公司的融资结构进行归类；其中，所述融资结构的归类包括：经营驱动类、债务融资驱动类、股东融资驱动类和利润驱动类；
再次，将该占比情况显示于所述第一上市公司画像中。
举例而言，参阅图3的画像，秦安股份2021年第一季度的经营性负债科目总和占总负债的比例为15％，金融性债务科目总和占总负债的比例为13％，股东入资科目总和占总负债的比例为2％，累计利润科目总和占总负债的比例为10％(剩余60％为其他负债)，因此，秦安股份当期的融资结构归类为“经营驱动类”。
第三步：令预设财务评价模型根据所述上市公司归属的资产战略类别、融资结构类别输出所述上市公司的财务评价结果。
在一实施例中，所述财务评价模型采用多因子模型。基于企业的“资产战略”和“融资结构”标签，预先训练财务评价的多因子模型。
多因子模型是目前本领域内广泛应用的财务评价模型，其逻辑和框架已经非常成熟。简而言之，“单因子模型”是指对某一个标准化的指标定义(如ROE)，计算所有上市公司在同一时点最新可得的指标值，并按指定标签(如所在行业)进行分组排序并打分(组内排名越高的得分越高，或者组内排名越低的公司得分越高，二者选一)，再根据得分的高低来决定买卖股票的模型(A股无做空，因此通常默认定期买入得分最高的x家公司)。而“多因子模型”，就是对多个上述单因子模型的打分进行加权平均计算出总分，再根据总分的高低来决定买卖股票的模型(通常默认定期买入得分最高的x家公司)。多因子模型的“训练”，指的是对海量的指标定义以及它们所对应的单因子模型打分，测试该打分结果与公司股票在未来一段时间涨跌幅的相关性的过程。从中选取相关性较高的一组指标并测试权重，那么用它们构建的多因子模型，每家公司的总分与其股票在未来一段时间涨跌幅的相关性也就教高，进而能够使得最终选出的x只股票在未来一段时间的涨跌幅也尽可能高。对于多因子模型而言，不同模型之间的主要差异在于维度的划分和权重系数等细节的设定。在权重的计算上，我们除了考虑到常用的“企业规模”和“所属行业”两大重要标签因素，选择以同样的算法纳入和处理“资产战略”和“融资结构”标签，从而获得新的权重。较佳的，我们选择将财务指标划分为“盈利能力”、“盈利质量”、“成长能力”和“经营效率”四个维度。如此，我们的财务评价模型可以根据所述上市公司的企业规模、所属行业、资产战略类别和融资结构类别，输出所述上市公司的盈利能力、盈利质量、成长能力、经营效率这四个维度的财务评价结果，如图4～图7所示的画像，从而同时为企业的经营者和投资者提供经营指引。
例如，基于贵州茅台的规模、行业、资产战略和融资结构，其在2021年第一季度的盈利能力得分为9.9分、盈利质量得分为5.7分、成长能力得分为3.6分、经营效率得分为6.0分，加权总得分为6.3分(总分均为10分)，在同行业上市公司中排名第5，在同资产战略和融资结构上市公司中排名第26。
承接上述，需要说明的是，由于“多因子模型”训练的流程是先枚举出海量指标的分组得分，再测试它与未来股价的相关性。所以我们这里引入了新的分组，即“资产战略”和“融资结构”，相当于引入了创新的打分方式。这种打分方式应用到此前所有的备选指标，有两种结果：第一种是新的打分与股价的相关性不如从前的方法，那么这种“创新”是没有实际价值的，这也是这类创新不能随意编造的原因；第二种结果是新的打分与股价的相关性优于从前的方法(如按行业分组打分)，那么它就可以切实地提高整个多因子模型的有效性(如选出的股票未来涨跌幅更高)，那么这种创新就是有实际价值且独一无二、不可被其他方法替代的。经大量仿真实验证明，在其他条件不变的情况下，我们加入“资产战略”和“融资结构”的新模型对上市公司评价的有效性(以企业财报发布后90天股价涨跌幅为判断依据)相比不加入这两个标签的现有模型，提升了3％(从78％提升到81％)，足以证明本发明方法相比于现有方法的优越性。
较佳的，以上步骤一至三以软件程序的形式部署在服务器中，每日定时执行一次，基于当天所有新披露的上市公司财务报表，计算对应企业当期的资产战略、融资结构和对应的财务评价，供企业的管理者和投资者参考。
以上介绍的上市公司财务评价方法，首次把上市公司内部的、主动的战略目标，同其外部的、被动的投资价值量化地联系在一起，从而更全面地评价该上市公司在多大程度上实现了管理层所规划的盈利、成长和价值创造，而不是仅仅从外部投资者的角度去关心潜在的投资损益，而是在对企业进行财务评价的同时，兼顾了企业自身的战略目标和创造。
在一实施例中，第二预设机制是进行上市公司财务风险预测的方法，其包括以下步骤：
Step 1：获取预设财务风险预测条件与财务风险类别之间的对应关系。
其中，所述预设财务风险预测条件基于财务报表各科目之间的勾稽关系而生成。
Step 2：分析所述上市公司的财务报表数据是否满足所述预设财务风险预测条件。
Step 3：根据分析结果，确定所述上市公司是否存在对应类别的财务风险；
Step 4：将所述上市公司存在的各财务风险类别及其等级、财务风险原因显示于所述第二上市公司画像中。
以下将结合示例，详细介绍步骤Step 1～Step 4的实现原理。
具体的，财务报表包括：资产负债表、利润表和现金流量表。本申请提前根据这些财务报表各科目的会计含义，总结出了各科目之间在数学上的勾稽关系。
举例而言，企业的财务报表中，能够直接反映收入的科目有2项，分别是利润表中的“营业收入”，和现金流量表中的“销售商品、提供劳务收到的现金”。这二者的差异来源于前者是使用全责发生制计算的，而后者是使用收付实现制计算的。更具体地，前者比后者多计入了经营产生的各类债权，同时扣除了经营产生的各类负债。而这些子项的绝大部分在财务报表的其他科目中是都有记录的，例如资产负债表中的“应收账款”、“应付账款”等。因此，在科目“营业收入”和科目“销售商品、提供劳务收到的现金”之间应当存在如下的勾稽关系：
本期营业收入≈本期销售商品、提供劳务收到的现金+本期经营性债权–上期经营性债券–本期经营性负债+上期经营性负债；其中，
经营性债权＝应收票据+应收账款+预付款项；
经营性负债＝应付票据+应付账款+预收款项。
本申请根据财务报表的此类勾稽关系预先定义了财务风险预测条件及与之对应的财务风险类别，从而当上市公司的财务报表数据满足该财务风险预测条件时，就认为该上市公司存在对应类别的财务风险。
以上述科目“营业收入”和科目“销售商品、提供劳务收到的现金”之间的勾稽关系为例，我们提前定义了财务风险预测条件为：本期销售商品、提供劳务收到的现金+本期经营性债权–上期经营性债券–本期经营性负债+上期经营性负债–本期营业收入<2*营业收入标准差，以及该财务风险预测条件对应的财务风险类别为“经营风险”。当上市公司的财务报表数据不满足该财务风险预测条件时，则认为该上市公司存在经营风险。
通过利用若干上市公司历史报告期内的财务报表数据进行验证，不满足该财务风险预测条件的上市公司在此后的多年内发生财务风险事件的数量比例为58％，而满足该财务风险预测条件的上市公司在此后的多年内发生财务风险事件的数量比例为13％，由此可见，本申请在财务预测方面具体良好的成功率。
较佳的，在其它实施例中，我们可以总结出更多的勾稽关系，并基于勾稽关系定义相应的财务风险预测条件，以及与之对应的财务风险类别。在此基础上，还可以在该对应关系中加入财务风险原因，以在上市公司的财务报表数据不满足预设的财务风险预测条件时，不仅给出预测的财务风险类别，还给出该上市公司存在财务风险的原因。
如下方表1，示出了15种对应关系中的财务风险原因及对应的财务风险类别，由于受到篇幅限制，表1中没有示出这15种对应关系中基于财务报表勾稽关系所建立的财务风险预测条件。
表1
以上述财务风险预测条件“本期销售商品、提供劳务收到的现金+本期经营性债权–上期经营性债券–本期经营性负债+上期经营性负债–本期营业收入<2*营业收入标准差”为例，可参见表1中的序号9，当上市公司的财务报表数据不满足该财务风险预测条件时，则认为该上市公司存在经营风险，且财务风险原因为“营收与现金流不匹配”。
需说明的是，本申请获取的对应关系不限于以上15种，本领域技术人员可不断进行扩充，或进行删减，从而保留几个预测效果较佳的对应关系来进行财务风险预测。
进一步地，当基于多组对应关系来预测上市公司的财务风险时，本申请还会按照财务风险类别来统计该上市公司的财务风险预测结果，并根据每类风险所包含的预测结果的数量，对各类财务风险进行评级。
举例而言，基于表1中的15组对应关系分析某上市公司2021年一季度财报数据，假设，该财报数据不满足序号1、4和13的财务风险预测条件，得到的财务风险预测结果为：资产风险、资产风险、经营风险，则财务风险评级的具体实现方式如下：
1、因命中资产风险的比例为2/5，故该上市公司在资产方面具有高等的财务风险；
2、因命中经营风险的比例为1/6，故该上市公司在经营方面具有中等的财务风险；
3、因未命中任何负债、投资风险，故该上市公司在负债、投资方面具有低等的财务风险。
4、因命中风险的比例为3/15，故该上市公司整体存在中等的财务风险。
需说明的是，以上各项比例阈值不应视为对本申请的限制，本领域技术人员可根据实际需求自行设置。
如图8所示，本申请最终将上市公司财务风险预测结果显示于画像中。图8的左上方显示了该上市公司每个类别的财务风险等级，右上方显示了存在财务风险所对应的原因，下方则按类别显示了该上市公司19～21年每个季度的整体财务风险预测等级。需说明的是，每个类别的财务风险等级也可以被转化成数值，从而以分数的形式来表示财务风险的大小。
较佳的，上文方法以代码的形式不属于服务器中，每日定时执行一次，基于当天所有新披露的上市公司财务报表，预测对应企业当期的财务风险，供企业的管理者和投资者参考。
以上介绍的上市公司财务风险预测方法，为上市公司的管理者和投资者提供了既具备可解释性，同时又具备可预测性的财务风险预警工具，区别与市场和学界已有的各类财务预警模型，也因此使得企业的管理者在获悉企业财务风险的情况下，也能够有的放矢地管控风险；使得企业的投资者在获悉企业财务风险的情况下，也能够更精确地评估和权衡它与收益之间的比例关系，从而更有效地做出投资决策。此外，基于上市公司财务报表的勾稽关系来预测上市公司的财务风险，不再受股票发行制度的制约，可适用于国内外的股票市场，并能识别出各种类别的财务风险，有助于提高风险预警的有效性。
实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。基于这样的理解，本发明还提供一种计算机程序产品，包括一个或多个计算机指令。所述计算机指令可以存储在计算机可读存储介质中。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(如：软盘、硬盘、磁带)、光介质(如：DVD)、或者半导体介质(如：固态硬盘Solid State Disk(SSD))等。
参阅图9，本实施例提供一种上市公司画像系统，由于本实施例的技术原理与前述方法实施例的技术原理相似，因而不再对同样的技术细节做重复性赘述。本实施例的上市公司画像系统包括如下模块：
财务状况画像模块，用于基于第一预设机制对所述上市公司的财务状况进行评价，以得到所述上市公司的正面评价结果，并据以生成第一上市公司画像；和/或
财务风险画像模块，用于基于第二预设机制对所述上市公司的财务风险进行预测，以得到所述上市公司的负面评价结果，并据以生成第二上市公司画像；
公司画像显示模块，用于展示所述第一上市公司画像和/或所述第二上市公司画像。
在一实施例中，所述公司画像显示模块还用于：基于所述上市公司的正面评价结果与负面评价结果，得到所述上市公司的综合评价结果，并据以生成第三上市公司画像，予以展示等。
本领域技术人员应当理解，图9实施例中的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个或多个物理实体上。且这些模块可以全部以软件通过处理元件调用的形式实现，也可以全部以硬件的形式实现，还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。
参阅图10，本实施例提供一种电子设备，电子设备可以是台式机、便携式电脑、智能手机等设备。详细的，电子设备至少包括通过总线连接的：存储器、处理器，其中，存储器用于存储计算机程序，处理器用于执行存储器存储的计算机程序，以执行前述方法实施例中的全部或部分步骤。
上述提到的系统总线可以是外设部件互连标准(Peripheral PomponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
综上，本发明的上市公司画像系统、方法、存储介质及电子设备，将上市公司的财务状况评价结果和财务风险预测结果以画像的形式直观地展示给用户，从而为用户做智能化投研提供有效信息，克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种上市公司画像方法，其特征在于，包括以下步骤：
基于第一预设机制对所述上市公司的财务状况进行评价，以得到所述上市公司的正面评价结果，并据以生成第一上市公司画像；和/或
基于第二预设机制对所述上市公司的财务风险进行预测，以得到所述上市公司的负面评价结果，并据以生成第二上市公司画像；
展示所述第一上市公司画像和/或所述第二上市公司画像。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述上市公司的正面评价结果与负面评价结果，得到所述上市公司的综合评价结果，并据以生成第三上市公司画像，予以展示。
3.根据权利要求1所述的方法，其特征在于，第一预设机制包括以下步骤：
获取所述上市公司的资产负债表；
将所述资产负债表中资产科目的数据，按照各第一预设类别分类统计，并根据每类统计结果在总资产中的占比，归类所述上市公司的资产战略；将该占比情况显示于所述第一上市公司画像中；
将所述上市公司的资产负债表中负债和所有者权益科目的数据，按照各第二预设类别分类统计，并根据每类统计结果在总负债中的占比，归类所述上市公司的融资结构；将该占比情况显示于所述第一上市公司画像中；
令预设财务评价模型根据所述上市公司归属的资产战略类别、融资结构类别输出所述上市公司的财务评价结果。
4.根据权利要求3所述的方法，其特征在于，所述财务评价模型包括：多因子模型；所述方法还包括：
令所述预设财务评价模型根据所述上市公司的企业规模、所属行业、资产战略类别和融资结构类别，输出所述上市公司的盈利能力、盈利质量、成长能力和/或经营效率；
将所述盈利能力、盈利质量、成长能力和/或经营效率显示于所述第一上市公司画像中。
5.根据权利要求1所述的方法，其特征在于，第二预设机制包括以下步骤：
分析所述上市公司的财务报表数据是否满足各预设财务风险预测条件；其中，各所述预设财务风险预测条件基于财务报表各科目之间的勾稽关系而生成；
若不满足一预设财务风险预测条件，则认为所述上市公司因具有该预设财务风险预测条件对应的财务风险原因，故存在与该预设财务风险预测条件对应类别的财务风险；
按各预设财务风险类别统计所述上市公司的财务风险预测结果，并根据每类所包含的财务风险预测结果的数量，对各类财务风险进行评级；
将所述上市公司存在的各财务风险类别及其等级、财务风险原因显示于所述第二上市公司画像中。
6.根据权利要求5所述的方法，其特征在于，所述财务报表的营业收入科目及所述销售商品、提供劳务收到的现金科目之间的勾稽关系为：
本期营业收入≈本期销售商品、提供劳务收到的现金+本期经营性债权–上期经营性债券–本期经营性负债+上期经营性负债；其中，
经营性债权＝应收票据+应收账款+预付款项；
经营性负债＝应付票据+应付账款+预收款项。
7.根据权利要求6所述的方法，其特征在于，所述预设财务风险预测条件为：本期销售商品、提供劳务收到的现金+本期经营性债权–上期经营性债券–本期经营性负债+上期经营性负债–本期营业收入<2*营业收入标准差；所述预设财务风险预测条件对应的财务风险类别为经营风险。
8.一种上市公司画像系统，其特征在于，包括：
财务状况画像模块，用于基于第一预设机制对所述上市公司的财务状况进行评价，以得到所述上市公司的正面评价结果，并据以生成第一上市公司画像；和/或
财务风险画像模块，用于基于第二预设机制对所述上市公司的财务风险进行预测，以得到所述上市公司的负面评价结果，并据以生成第二上市公司画像；
公司画像显示模块，用于展示所述第一上市公司画像和/或所述第二上市公司画像。
9.一种计算机可读存储介质，其中存储有计算机程序，其特征在于，所述计算机程序被处理器加载执行时，实现如权利要求1至7中任一所述的方法。
10.一种电子设备，其特征在于，包括：处理器及存储器；其中，
所述存储器用于存储计算机程序；
所述处理器用于加载执行所述计算机程序，以使所述电子设备执行如权利要求1至7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110845184.1A CN114757754A (zh) | 2021-07-26 | 2021-07-26 | 上市公司画像系统、方法、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110845184.1A CN114757754A (zh) | 2021-07-26 | 2021-07-26 | 上市公司画像系统、方法、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114757754A true CN114757754A (zh) | 2022-07-15 |
Family
ID=82324905
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110845184.1A Pending CN114757754A (zh) | 2021-07-26 | 2021-07-26 | 上市公司画像系统、方法、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114757754A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116151670A (zh) * | 2023-02-01 | 2023-05-23 | 北京共识数信科技有限公司 | 一种投行业务上市项目质量的智能评估方法、系统及介质 |
-
2021
- 2021-07-26 CN CN202110845184.1A patent/CN114757754A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116151670A (zh) * | 2023-02-01 | 2023-05-23 | 北京共识数信科技有限公司 | 一种投行业务上市项目质量的智能评估方法、系统及介质 |
| CN116151670B (zh) * | 2023-02-01 | 2023-11-24 | 北京共识数信科技有限公司 | 一种投行业务上市项目质量的智能评估方法、系统及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hirdinis | Capital structure and firm size on firm value moderated by profitability | |
| Blaschke et al. | Stress testing of financial systems: an overview of issues, methodologies, and FSAP experiences | |
| Antunes et al. | Firm default probabilities revisited | |
| Wuryani | Company size in response to earnings management and company performance | |
| CN109961368A (zh) | 基于机器学习的数据处理方法及装置 | |
| CN112700149A (zh) | 一种投资组合风险评估系统、方法及计算机设备 | |
| Maeenuddina et al. | Economic value added momentum & traditional profitability measures (ROA, ROE & ROCE): A comparative study | |
| Karan et al. | Credit risk estimation using payment history data: A comparative study of Turkish retail stores | |
| Ive et al. | Trade credit in the UK construction industry: an empirical analysis of construction contractor financial positioning and performance | |
| Wang et al. | Applying TOPSIS method to evaluate the business operation performance of Vietnam listing securities companies | |
| CN114757754A (zh) | 上市公司画像系统、方法、存储介质及电子设备 | |
| Sivri et al. | Financial Analytics | |
| JP2003233703A (ja) | 経営指標処理システム | |
| Lundqvist et al. | Bankruptcy prediction with financial ratios-examining differences across industries and time | |
| Veronica | The effect of return on assets and price to book value on stock prices | |
| CN114757753A (zh) | 上市公司财务评价方法、评价装置、存储介质与电子设备 | |
| Harvey | Lending club’s note trading platform facade: An examination of peer-to-peer (P2P) lending secondary market inefficiency | |
| Blattner et al. | Debt or demand: which holds investment back? Evidence from an investment tax credit | |
| Ardha | The influence of company size, managerial share ownership, and profitability on firm value of manufacturing company listed on BEI | |
| JABIN et al. | Bankruptcy risk and income smoothing tendency of NBFIs in Bangladesh | |
| Gumparthi et al. | Credit scoring model for auto ancillary sector | |
| US20080183635A1 (en) | Financing instrument evaluation based on equivalent time-scale based calculations | |
| CA2765820A1 (en) | System and method of evaluating an investment portfolio | |
| CN114757752A (zh) | 上市公司财务风险预测方法、装置、存储介质及电子设备 | |
| Indiriawati | The Incremental Value of Islamic Social Reporting: Evidence from Companies Listed in Jakarta Islamic Index |
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 |