CN114971685A - 基于大数据的市场采购贸易商品价格管理方法 - Google Patents
基于大数据的市场采购贸易商品价格管理方法 Download PDFInfo
- Publication number
- CN114971685A CN114971685A CN202210426501.0A CN202210426501A CN114971685A CN 114971685 A CN114971685 A CN 114971685A CN 202210426501 A CN202210426501 A CN 202210426501A CN 114971685 A CN114971685 A CN 114971685A
- Authority
- CN
- China
- Prior art keywords
- price
- data
- commodity
- export
- commodities
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000012549 training Methods 0.000 claims description 24
- 230000008676 import Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 3
- 230000002596 correlated effect Effects 0.000 abstract 1
- 239000000463 material Substances 0.000 description 10
- 238000012550 audit Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 210000001503 joint Anatomy 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于大数据的市场采购贸易商品价格管理方法,其能够生成价格分布情况,构成上牌价格数据,建立价格数据库。可通过SVM算法模型进行基准价格推算,依照匹配的价格数据确定该出口商品的基准价格推算模型。通过价格比对,进行商品价格预警。通过关联成交数据,对商品价格库出口商品进行分析。由此,能够有效解决市场采购贸易出口商品的价格管理的缺陷,不仅能够解决基准价格推算上的难关,而且使价格管理更加精准、合理。能减少工作人员的工作量,降低政府管理的成本。可针对企业、编码、报关单总金额等不同预警对象设置预警等级,不同等级匹配不同布控率,可根据预警等级不同区别价格审核命中概率。
Description
技术领域
本发明涉及一种贸易商品价格管理方法,尤其涉及一种基于大数据的市场采购贸易商品价格管理方法。
背景技术
对于现有的采购方式来看,市场采购贸易方式是一种为专业市场量身定制的新兴贸易方式,自2014年11月在浙江义乌落地实施以来,经过5年多的试点实践,已在全国31个市场集聚区复制推广,有效激发了我国外贸市场主体活力,为我国外贸稳定增长作出了积极贡献。
市场采购贸易业态最显著特点是“交易环节内贸化、物流环节外贸化”,货物出口环节要紧通过采购代理、货运代理、通关代理等主体代理完成。由此,层层委托、代理造成交易信息在一定程度上容易出现失真,从而造成申报数据的准确性不高。
从监管的角度来看,监管部门要对市场采购贸易商品出口统计数据负责,若报关单货物申报价格低于实际成交价格,申报不实行为会影响统计准确性。若报关单货物申报价格高于实际成交价格,则会影响部门监管的秩序。从市场管理部门的角度来看,市场出口量逐年递增,大量的商品出口必然会造成管理部门在人力方面的投入,并且存在贸易过程中的价格虚报、骗取补贴、收汇风险等问题。
目前,各地试点市场对于出口商品的价格管理,主要是基于集聚区域内现有商品出口价格数据的统计获取一个平均价来作为基准价格。但是,对于出口商品的价格来看,其会根据出口国别不同、出口季节不同和出口数量不同而进行相应调整。因此基准价格的及时性、合理性和准确性都不够。
有鉴于上述的缺陷,本设计人,积极加以研究创新,以期创设一种基于大数据的市场采购贸易商品价格管理方法,使其更具有产业上的利用价值。
发明内容
为解决上述技术问题,本发明的目的是提供一种基于大数据的市场采购贸易商品价格管理方法。
本发明的基于大数据的市场采购贸易商品价格管理方法,其特征在于包括以下步骤:
步骤一,生成价格分布情况,构成上牌价格数据,建立价格数据库;
步骤二,通过SVM算法模型进行基准价格推算,依照匹配的价格数据确定该出口商品的基准价格推算模型;
步骤三,通过价格比对,进行商品价格预警;
步骤四,通过关联成交数据,对商品价格库出口商品进行分析。
进一步地,上述的基于大数据的市场采购贸易商品价格管理方法,其中,所述步骤一中,根据商品近一年的出口历史数据,进行商品价格数据采集,获取相应海关商品代码的出口最低价格、平均价格、最高价格,统计出对应价格的分布情况,按照已经获取的各类规格的商品价格数据,在价格管理系统中导入新增的价格库数据,构建当前出口商品对应的价格数据库,对后续的计算模型及后台算法做大数据支持。
更进一步地,上述的基于大数据的市场采购贸易商品价格管理方法,其中,:所述商品价格数据采集为,通过最近两年出口历史数据中的各类商品名称、交易数据、报关单数据、商品数量、年度出口额数据进行统计,将历史数据按照年份分为两组,前一年作为训练样本,后一年作为预测样本进行基准价格推算模型搭建,搭建的基准价格推算模型训练生成部分采用离线训练,对模型及训练数据进行训练拟合生成相关模型参数,预测的过程在线完成。
更进一步地,上述的基于大数据的市场采购贸易商品价格管理方法,其中,所述步骤二中,依照组货装箱清单中的商品名称,通过价格管理系统,依照各类商品的出口地域、具体品类属性和具体数量在价格管理系统内匹配各类商品的当期价格数据,依照匹配的价格数据确定该出口商品的基准价格推算模型;
通过采集最近两年出口历史数据中的各类商品名称、交易数据、报关单数据、商品数量、年度出口额进行分组,前一年作为训练组,后一年作为预测组,拟合生成相关模型参数,实现当年和未来年份的基准价格推算。
更进一步地,上述的基于大数据的市场采购贸易商品价格管理方法,其中,价格管理系统的构建包含价格库形成、价格库更新、价格库导入、价格风险管控、智能核价、价格异常记录,
所述价格库形成为,基于中国国际贸易“单一窗口”累计申报的商品价格历史数据记录,构建市场采购贸易出口商品对应的价格数据库;所述价格库更新为,根据价格库水平分析结果,进行实现价格库比对结果的干预调整和更新,基于历史商品申报的价格情况,结合实际由管理部门调整对应商品的价格库参数;所述价格库导入为,按照已经获取的各类规格的商品价格数据,在价格管理系统中导入新增的价格库数据,构建当前出口商品分类系统中出口商品对应的价格数据库;所述价格风险管控为,通过系统管理方在价格管理系统内配置价格预警参数;所述智能核价为,根据现存价格库及价格比对参数设置,进行相应参考提醒;所述价格异常记录为,根据价格异常情况形成价格异常数据报表。
更进一步地,上述的基于大数据的市场采购贸易商品价格管理方法,其中,所述基准价格推算模型建立方式为,筛选最近一年出口历史数据中的各类商品名称,通过价格管理系统,依照各类商品的出口地域、具体品类属性和具体数量在价格管理系统内部匹配各类商品的当期价格数据,依照匹配的当期价格数据确定该出口商品的基准价格推算模型。
更进一步地,上述的基于大数据的市场采购贸易商品价格管理方法,其中,所述基准价格推算模型为深度信任SVR模型网络,包括一层高斯分布函数显层节点的RBM显层、多层隐层RBM和一层SVR模型构成。
更进一步地,上述的基于大数据的市场采购贸易商品价格管理方法,其中,所述步骤三中,通过价格管理系统进行价格比对,对商品赋予“价格正常”、“价格过低”、“价格过高”参考提醒。
更进一步地,上述的基于大数据的市场采购贸易商品价格管理方法,其中,所述步骤四中,通过关联成交数据,统计任一时间段内商品所对应的历史成交价格及关联报关单据,统计商品月度平均价的变动情况,通过价格管理对价格趋势进行分析。
再进一步地,上述的基于大数据的市场采购贸易商品价格管理方法,其中,所述价格比对的逻辑设定为,定义基准价格,以商品历史最高出口价格作为商品价格上限;根据报关单总金额区间范围、海关商品代码、企业代码,形成布控规则,
对低于基准价格的商品自动通过;对高于基准价格且低于最高价格的商品进行布控,对布控的商品进行人工审核;对仅高于基准价格的商品,进行人工审核。
借由上述方案,本发明至少具有以下优点:
1、能够有效解决市场采购贸易出口商品的价格管理的缺陷,不仅能够解决基准价格推算上的难关,而且使价格管理更加精准、合理。
2、能减少工作人员的工作量,降低政府管理的成本。
3、可针对企业、编码、报关单总金额等不同预警对象设置预警等级,不同等级匹配不同布控率,可根据预警等级不同区别价格审核命中概率。
4、可通过训练样本进行自主训练,提高推算精度。
5、能够与常规的价格管理系统对接,提高实施的便利性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1是基于大数据的市场采购贸易商品价格管理方法的原理示意图。
图2是基于大数据的市场采购贸易商品价格管理方法的简易实施示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1的基于大数据的市场采购贸易商品价格管理方法,其与众不同之处在于包括以下步骤:
步骤一,生成价格分布情况,构成上牌价格数据,建立价格数据库。实施期间,根据商品近一年的出口历史数据,进行商品价格数据采集。以此来获取相应海关商品代码的出口最低价格、平均价格、最高价格,统计出对应价格的分布情况。之后,按照已经获取的各类规格的商品价格数据,在价格管理系统中导入新增的价格库数据,构建当前出口商品对应的价格数据库,对后续的计算模型及后台算法做大数据支持。这样,能够结合在各市场中选取的样本企业的交易数据、组货装箱数据等进行价格调整。使调整后的价格更加科学、合理的反映出口商品价格信息。
实施期间,商品价格数据采集过程为,通过最近两年出口历史数据中的各类商品名称、交易数据、报关单数据、商品数量、年度出口额等数据进行统计。之后,将历史数据按照年份分为两组,前一年作为训练样本,后一年作为预测样本进行基准价格推算模型搭建。同时,搭建的基准价格推算模型训练生成部分采用离线训练,对模型及训练数据进行训练拟合,生成相关模型参数,预测的过程可在线完成。也就是说,本发明可利用离线训练成熟的模型进行在线预测,能够提高系统的实时性和稳定性。通过模型完成接下来年份的预测,最终得到当年及以后年份各类商品的基准价格。
步骤二,通过SVM算法模型进行基准价格推算,通过SVM算法对支持向量的核函数变换提取有效信息得出决策结果,可依照匹配的价格数据确定该出口商品的基准价格推算模型。
具体来说,依照组货装箱清单中的商品名称,通过价格管理系统,依照各类商品的出口地域、具体品类属性和具体数量在价格管理系统内匹配各类商品的当期价格数据,依照匹配的价格数据确定该出口商品的基准价格推算模型。同时,通过采集最近两年出口历史数据中的各类商品名称、交易数据、报关单数据、商品数量、年度出口额进行分组,前一年作为训练组,后一年作为预测组,拟合生成相关模型参数,实现当年和未来年份的基准价格推算。
结合本发明一较佳的实施方式来看,采用的SVM算法模型如下:
设{(xi,yi),i=1,2,…,n}为参考数据的样本集,样本集中共有n个样本数据,其中x为输入向量,且xi∈R;yi∈R,SVM的函数表达式为,式中,ω表示不同因素所取的权值,表示映射函数。考虑到映射数据有可能依然存在高维空间线性不可分性,而该部分数据的高维模糊可分对实际预测影响较小,引入松弛变量来控制模糊分类尺度。
采用的SVM算法模型表达式为,
式中,K(xi,x)为SVR核函数。
并且,基准价格推算模型为深度信任SVR模型网络,包括一层高斯分布函数显层节点的RBM显层、多层隐层RBM和一层SVR模型构成。
具体来说,在深度信任SVR模型网络构建期间,输入层的数据联合分布及显隐层条件分布的计算方式p(v,h;θ)=exp(-E(v,h;θ))/Z。其中,Z=∫∑hexp(-E(v,h;θ))dv;中间层为传统的RBM信息转换,即显层的伯努利与隐层的伯努利RBM数据转换,其能量函数定义为:
式中:θ为给定模型参数,wij表示显层节点vi和隐层节点hj之间的关联权值,bi为显层节点偏移量,αj为隐层节点偏移量,i为显层结构的节点数,j表示隐层结构的节点数。
同时,本发明采用的RBM显层和隐层节点对应的条件概率定义为:
为了更好的进行数据处理,采用的RBM权值更新公式为,
Δwij=Edata(vihj)-Emodel(vihj),式中:Edata(vihj)为训练数据集的期望,Emodel(vihj)为模型中定义的期望。
实施期间,价格管理系统中的商品价格来源通常是商品历史出口信息、海关商品价格或其他第三方的参考价格,该价格已经通过大数据分析统计和价格分布模型得出最合适的基准价,因此在价格管理系统中可以直接作为商品基准价来使用。此外,商品基准价格推算部分沿用公开的SVM预测模型与SVR模型网络。对于本发明未表述的参数环节可直接沿用公开的模型预设内容,在此不再赘述。
步骤三,通过价格比对,进行商品价格预警。可通过价格管理系统进行价格比对,对商品赋予“价格正常”、“价格过低”、“价格过高”等参考提醒。由此,为业务人员做审核判定时提供辅助决策,极大的提高了业务处理效率。无需按照以往的方式需要人工比对价格,避免造成审核过程时间比较长,降低了人力成,且不易出错。
步骤四,通过关联成交数据,对商品价格库出口商品进行分析。具体来说,通过关联成交数据,统计任一时间段内商品所对应的历史成交价格及关联报关单据,统计商品月度平均价的变动情况,通过价格管理对价格趋势进行分析。这样,能够依托于大数据的分析,让实施本发明的管理部门能够把握在一按时期内价格偏高或偏低的商品,和整体价格偏高或偏低的企业,便于管理部门进行价格管控。
进一步来看,本发明所涉及的价格管理系统的构建包含价格库形成、价格库更新、价格库导入、价格风险管控、智能核价、价格异常记录。具体来说,价格库形成为,基于中国国际贸易“单一窗口”累计申报的商品价格历史数据记录,构建市场采购贸易出口商品对应的价格数据库。同时,采用的价格库更新为,根据价格库水平分析结果,进行实现价格库比对结果的干预调整和更新,基于历史商品申报的价格情况,结合实际由管理部门调整对应商品的价格库参数。考虑到数据的互通性,价格库导入为,按照已经获取的各类规格的商品价格数据,在价格管理系统中导入新增的价格库数据,构建当前出口商品分类系统中出口商品对应的价格数据库。这样,对于实施本发明的系统来看,可通过系统管理方实现价格维护的导入和单条新增,支持删除,修改。同时商品价格库中,可对各类商品的价格数据设置逻辑检查方式,判定数据的真实性、前后一致性。
结合实际实施来看,本发明采用的价格风险管控为,通过系统管理方在价格管理系统内配置价格预警参数。具体来说,价格预警判定要考虑法定数量成交单价和法定第二数量成交单价比对设置。法定数量成交单价=总价/法定数量,法定第二数量成交单价=总价/法定第二数量。如果价格库存在对应商品的法定第二单位成交价格,系统要对比法定成交价格和法定第二单位成交价格;若不存在法定第二单位成交价格,系统对比法定成交价格。
本发明采用的智能核价为,根据现存价格库及价格比对参数设置,进行相应参考提醒。由此,可以为业务人员做审核判定时提供辅助决策。对于采用本发明方法的系统,当报关公司进行报关申报时,系统会根据现有价格库数据和设定的价格比对参数进行价格匹配,若申报价格小于或等于价格库限额,则报关单正常申报至单一窗口;若申报价格高于价格库限额,则报关单转至人工审核,用户须提供价格过高的说明或证明材料(样品、采购合同等),经人工审核通过后才能发送至单一窗口。
价格异常记录为,根据价格异常情况形成价格异常数据报表。实施期间,对于价格异常的企业,管理部门可以设置相应的交易审核机制。
再进一步来看,基准价格推算模型建立方式为,筛选最近一年出口历史数据中的各类商品名称,通过价格管理系统,依照各类商品的出口地域、具体品类属性和具体数量在价格管理系统内部匹配各类商品的当期价格数据。同时,可依照匹配的当期价格数据确定该出口商品的基准价格推算模型。
本发明所采用的价格比对的逻辑设定如下:首先,定义基准价格。基准价格可涉及所对应的全部商品。同时,以商品历史最高出口价格作为商品价格上限。并且,根据报关单总金额区间范围、海关商品代码、企业代码,形成布控规则。实施期间,对低于基准价格的商品自动通过。对高于基准价格且低于最高价格的商品进行布控,对布控的商品进行人工审核。对仅高于基准价格的商品,进行人工审核。
结合实际实施来看,本发明所涉及的布控规则如下:
在报关单申报时比对价格库:若报关单中存在单价高于价格库中对应价格时,提示存在单价高于价格库限额的商品。企业确认提交后,该报关单将转管理部门人工审核,审核通过后可转正常申报国际贸易单一窗口,否则将退回报关单编辑。
管理部门人工审核时,提示对应商品编码、申报价格,价格库价格、及超出价格百分比,便于直观审核。
可针对企业、编码、报关单总金额等不同预警对象设置预警等级,不同等级匹配不同布控率,可根据预警等级不同区别价格审核命中概率。
通过预警等级和对象设置,达到:1)指定企业指定的布控率2)指定编码指定的布控率3)单票报关单超过一定总金额后指定的布控率。
价格预警判定要考虑法定数量成交单价和法定第二数量成交单价比对设置。
法定数量成交单价=总价/法定数量,法定第二数量成交单价=总价/法定第二数量。如果价格库存在对应商品的法定第二单位成交价格,系统要对比法定成交价格和法定第二单位成交价格;若不存在法定第二单位成交价格,系统对比法定成交价格。
增设预警白名单设置功能,对具体HS编码可针对企业设置白名单,越过人工审核,予以“放行”。
结合图2来看,本发明的实施过程可以简化为如下步骤:
(1)市场采购贸易出口报关单进行申报,系统判定是否有价格库记录,无记录则在价格库中进行记录该商品;有记录则判定是否超价格库参考价;
(2)未超过参考价的可正常出口;超过参考价但在价格库白名单中的企业可自动通过审核;不在白名单内的企业则触发系统布控;
(3)按企业名称布控时,被命中的企业需要进行人工审核,企业提供相关商品价格证明材料;审核人员对证明材料进行审核、补充或驳回,人工审核通过则正常出口,人工审核不通过则不允许出口;
(4)按企业名称布控时未被命中的,则触发商品编码布控规流程,被命中的企业需要进行人工审核,企业提供相关商品价格证明材料;审核人员对证明材料进行审核、补充或驳回,人工审核通过则正常出口,人工审核不通过则不允许出口;
(5)按商品编码布控未被命中的,则按报关单总金额再次布控,被命中的企业需要进行人工审核,企业提供相关商品价格证明材料;未命中的,则正常出口,记录放行原因。
简单来说,本发明通过大数据采集,利用现代统计学原理,形成多变量计算模型,通过后台算法完成出口商品的基准价格推算和价格分析,为管理部门对市场采购贸易商品的价格管控和统计分析提供科学合理的依据。
通过上述的文字表述并结合附图可以看出,采用本发明后,拥有如下优点:
1、能够有效解决市场采购贸易出口商品的价格管理的缺陷,不仅能够解决基准价格推算上的难关,而且使价格管理更加精准、合理。
2、能减少工作人员的工作量,降低政府管理的成本。
3、可针对企业、编码、报关单总金额等不同预警对象设置预警等级,不同等级匹配不同布控率,可根据预警等级不同区别价格审核命中概率。
4、可通过训练样本进行自主训练,提高推算精度。
5、能够与常规的价格管理系统对接,提高实施的便利性。
此外,本发明所描述的指示方位或位置关系,均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构造必须具有特定的方位,或是以特定的方位构造来进行操作,因此不能理解为对本发明的限制。
以上所述仅是本发明的优选实施方式,并不用于限制本发明,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (10)
1.基于大数据的市场采购贸易商品价格管理方法,其特征在于包括以下步骤:
步骤一,生成价格分布情况,构成上牌价格数据,建立价格数据库;
步骤二,通过SVM算法模型进行基准价格推算,依照匹配的价格数据确定该出口商品的基准价格推算模型;
步骤三,通过价格比对,进行商品价格预警;
步骤四,通过关联成交数据,对商品价格库出口商品进行分析。
2.根据权利要求1所述的基于大数据的市场采购贸易商品价格管理方法,其特征在于:所述步骤一中,根据商品近一年的出口历史数据,进行商品价格数据采集,获取相应海关商品代码的出口最低价格、平均价格、最高价格,统计出对应价格的分布情况,按照已经获取的各类规格的商品价格数据,在价格管理系统中导入新增的价格库数据,构建当前出口商品对应的价格数据库,对后续的计算模型及后台算法做大数据支持。
3.根据权利要求1所述的基于大数据的市场采购贸易商品价格管理方法,其特征在于:所述商品价格数据采集为,通过最近两年出口历史数据中的各类商品名称、交易数据、报关单数据、商品数量、年度出口额数据进行统计,将历史数据按照年份分为两组,前一年作为训练样本,后一年作为预测样本进行基准价格推算模型搭建,搭建的基准价格推算模型训练生成部分采用离线训练,对模型及训练数据进行训练拟合生成相关模型参数,预测的过程在线完成。
4.根据权利要求1所述的基于大数据的市场采购贸易商品价格管理方法,其特征在于:所述步骤二中,依照组货装箱清单中的商品名称,通过价格管理系统,依照各类商品的出口地域、具体品类属性和具体数量在价格管理系统内匹配各类商品的当期价格数据,依照匹配的价格数据确定该出口商品的基准价格推算模型;
通过采集最近两年出口历史数据中的各类商品名称、交易数据、报关单数据、商品数量、年度出口额进行分组,前一年作为训练组,后一年作为预测组,拟合生成相关模型参数,实现当年和未来年份的基准价格推算。
5.根据权利要求1所述的基于大数据的市场采购贸易商品价格管理方法,其特征在于:价格管理系统的构建包含价格库形成、价格库更新、价格库导入、价格风险管控、智能核价、价格异常记录,
所述价格库形成为,基于中国国际贸易“单一窗口”累计申报的商品价格历史数据记录,构建市场采购贸易出口商品对应的价格数据库;
所述价格库更新为,根据价格库水平分析结果,进行实现价格库比对结果的干预调整和更新,基于历史商品申报的价格情况,结合实际由管理部门调整对应商品的价格库参数;
所述价格库导入为,按照已经获取的各类规格的商品价格数据,在价格管理系统中导入新增的价格库数据,构建当前出口商品分类系统中出口商品对应的价格数据库;
所述价格风险管控为,通过系统管理方在价格管理系统内配置价格预警参数;
所述智能核价为,根据现存价格库及价格比对参数设置,进行相应参考提醒;
所述价格异常记录为,根据价格异常情况形成价格异常数据报表。
6.根据权利要求1所述的基于大数据的市场采购贸易商品价格管理方法,其特征在于:所述基准价格推算模型建立方式为,筛选最近一年出口历史数据中的各类商品名称,通过价格管理系统,依照各类商品的出口地域、具体品类属性和具体数量在价格管理系统内部匹配各类商品的当期价格数据,依照匹配的当期价格数据确定该出口商品的基准价格推算模型。
7.根据权利要求1所述的基于大数据的市场采购贸易商品价格管理方法,其特征在于:所述基准价格推算模型为深度信任SVR模型网络,包括一层高斯分布函数显层节点的RBM显层、多层隐层RBM和一层SVR模型构成。
8.根据权利要求1所述的基于大数据的市场采购贸易商品价格管理方法,其特征在于:所述步骤三中,通过价格管理系统进行价格比对,对商品赋予“价格正常”、“价格过低”、“价格过高”参考提醒。
9.根据权利要求1所述的基于大数据的市场采购贸易商品价格管理方法,其特征在于:所述步骤四中,通过关联成交数据,统计任一时间段内商品所对应的历史成交价格及关联报关单据,统计商品月度平均价的变动情况,通过价格管理对价格趋势进行分析。
10.根据权利要求1所述的基于大数据的市场采购贸易商品价格管理方法,其特征在于:所述价格比对的逻辑设定为,定义基准价格,以商品历史最高出口价格作为商品价格上限;根据报关单总金额区间范围、海关商品代码、企业代码,形成布控规则,
对低于基准价格的商品自动通过;对高于基准价格且低于最高价格的商品进行布控,对布控的商品进行人工审核;对仅高于基准价格的商品,进行人工审核。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210426501.0A CN114971685A (zh) | 2022-04-22 | 2022-04-22 | 基于大数据的市场采购贸易商品价格管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210426501.0A CN114971685A (zh) | 2022-04-22 | 2022-04-22 | 基于大数据的市场采购贸易商品价格管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114971685A true CN114971685A (zh) | 2022-08-30 |
Family
ID=82979935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210426501.0A Pending CN114971685A (zh) | 2022-04-22 | 2022-04-22 | 基于大数据的市场采购贸易商品价格管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114971685A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116109364A (zh) * | 2023-02-16 | 2023-05-12 | 北京青萌数海科技有限公司 | 一种价格评估方法和装置 |
CN117057816A (zh) * | 2023-07-05 | 2023-11-14 | 江苏神州博海信息科技有限公司 | 一种适用于批发市场聚集区的市场采购贸易综合管理系统 |
-
2022
- 2022-04-22 CN CN202210426501.0A patent/CN114971685A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116109364A (zh) * | 2023-02-16 | 2023-05-12 | 北京青萌数海科技有限公司 | 一种价格评估方法和装置 |
CN117057816A (zh) * | 2023-07-05 | 2023-11-14 | 江苏神州博海信息科技有限公司 | 一种适用于批发市场聚集区的市场采购贸易综合管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170308934A1 (en) | Management method of power engineering cost | |
US8725288B2 (en) | Synthesis of mail management information from physical mail data | |
CN114971685A (zh) | 基于大数据的市场采购贸易商品价格管理方法 | |
CN111222955B (zh) | 一种基于区块链的供应商监管方法及系统 | |
CN112529449A (zh) | 一种基于大数据的供应商质量评价方法及系统 | |
CN109377050A (zh) | 一种基于风险分析及ai人工智能模型风险分析方法 | |
CN116468536A (zh) | 一种自动化风险控制规则生成的方法 | |
CN115310752A (zh) | 面向能源大数据的数据资产价值评价方法及系统 | |
Xie et al. | A big data technique for internet financial risk control | |
Zeng | Neural network technology-based optimization framework of financial and management accounting model | |
CN110298602A (zh) | 用于预决算分析的模型库及其建立方法、利用其进行预决算分析的方法 | |
Xin | Application of optimized support vector machine model in tax forecasting system | |
Camara | Granular linkages, supplier cost shocks & export performance | |
CN117171145B (zh) | 一种企业管理系统数据的分析处理方法、设备及存储介质 | |
Ohsato et al. | Construction of an Input-Output Table Considering Business-to-Consumer Transactions by using Private Data | |
Zinenko et al. | Modeling and evaluating the effectiveness of innovation policy in the regions of Russia based on the data envelopment analysis method | |
Kang | Fusion analysis of management accounting and financial accounting based on data mining | |
Xiaofang | Construction of Enterprise Economic Benefit Evaluation System Based on Fuzzy Clustering Algorithm | |
CN117057816A (zh) | 一种适用于批发市场聚集区的市场采购贸易综合管理系统 | |
Güneş | Data quality assessment in credit risk management by customized total data quality management approach | |
Landis | Benchmarking environmental efficiency of garment factories to understand the value of real-time environmental data | |
Guo | Intelligent Assessment Method of Enterprise Tax Risk Based on Deep Learning | |
Porterfield et al. | The Export Decision of Selected Services‐Producing and Manufacturing Industries | |
Shepherd | Facilitating Trade in Pharmaceuticals: A Response to the COVID 19 Pandemic | |
Zhang | Exploration of Finance Digital Transformation Path Based on RPA Technology |
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 |