CN115063181A - 一种创业分析匹配融资发放方法 - Google Patents
一种创业分析匹配融资发放方法 Download PDFInfo
- Publication number
- CN115063181A CN115063181A CN202210790022.7A CN202210790022A CN115063181A CN 115063181 A CN115063181 A CN 115063181A CN 202210790022 A CN202210790022 A CN 202210790022A CN 115063181 A CN115063181 A CN 115063181A
- Authority
- CN
- China
- Prior art keywords
- project
- target
- entrepreneurship
- data
- database
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06Q30/018—Certifying business or products
-
- 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
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种创业分析匹配融资发放方法,包括:根据产品功能、客户群、技术路线识别目标创业项目所属行业领域;利用从业人员数据库对各行业领域从业人员进行画像;分析目标创业项目与相近行业领域的创业成功企业的相似度;构建创业企业历史数据库和目标创业项目生命阶段预测模型;基于创业企业历史数据库和目标创业项目生命阶段预测模型构建损益概率分布曲线;构建企业采购数据库和企业投资数据库;从企业采购数据库中匹配目标创业项目的潜在客户;根据企业投资数据库拟合风险补偿曲线;通过损益分布曲线与风险补偿曲线计算最优担保额度。
Description
【技术领域】
本发明涉及信息技术领域,尤其涉及一种创业分析匹配融资发放方法。
【背景技术】
为了鼓励大学生创业,目前很多政府单位都推进了很有力的政策,例如为大学生提供创业的贷款和保险服务,但是因为大学生创业有比较大的不确定性,因为对社会需求的把控还不是最足的,因此经常会导致有些项目投资之后失败。目前有很多项目都有相应的成果产品,例如3D打印项目有打印出卡通模型,卡通模型可以售卖。如果将它的成果给到卖卡通模型的店,他们就能够盈利,因此卡通店铺是愿意为这样的产品买单提供创业项目担保的,因为即使项目失败也能够获得产品成果的赔偿。但是,什么样的项目,寻找什么样的担保方,担保多少资金,当前没有很好的计算方法能够使项目落地,并保障创业项目活下去和能够盈利。因此需要对创业项目的担保提供精准的计算方法。
【发明内容】
本发明提供了一种创业分析匹配融资发放方法,主要包括:
根据产品功能、客户群、技术路线识别目标创业项目所属行业领域;利用从业人员数据库对各行业领域从业人员进行画像;分析目标创业项目与相近行业领域的创业成功企业的相似度;构建创业企业历史数据库和目标创业项目生命阶段预测模型;基于创业企业历史数据库和目标创业项目生命阶段预测模型构建损益概率分布曲线;构建企业采购数据库和企业投资数据库;从企业采购数据库中匹配目标创业项目的潜在客户;根据企业投资数据库拟合风险补偿曲线;通过损益分布曲线与风险补偿曲线计算最优担保额度;
进一步可选地,所述根据产品功能、客户群、技术路线识别目标创业项目所属行业领域包括:
根据目标创业项目申请融资时的录入信息,抽取目标创业项目的产品功能、客户群体、技术路线;选取上市公司作为不同行业领域成熟企业的样本,从其公开信息和研究报告中抽取成熟企业的产品功能、客户群体、技术路线;分析目标创业项目的产品功能、客户群体、技术路线与不同行业领域成熟企业的重合度,使用朴素贝叶斯算法算出目标创业项目与各个行业领域的匹配度,将目标创业项目分配到匹配度最高的行业领域。
进一步可选地,所述利用从业人员数据库对各行业领域从业人员进行画像包括:
通过深度遍历与ETL建立各行业领域从业人员数据库;利用从业人员数据库对各行业领域从业人员进行画像;将目标创业项目人员与所属行业领域的从业人员画像进行比较,分析契合度;包括:通过深度遍历与ETL建立各行业领域从业人员数据库;利用从业人员数据库对各行业领域从业人员进行画像;将目标创业项目人员与所属行业领域从业人员画像进行比较,分析契合度;
所述通过深度遍历与ETL建立各行业领域从业人员数据库,具体包括:
获取各行业领域从业人员背景数据,包括学历学位数据、各科成绩数据、所获证书数据、从业经历数据、项目经历数据、性格倾向数据;通过求职平台和人才市场补充缺失数据:学历学位数据、各科成绩数据、所获证书数据、从业经历数据;通过任职公司补充缺失数据:从业经历数据、项目经历数据、性格倾向数据;通过学校补充缺失数据:学历学位数据、学业成绩数据、所获证书数据;对采集的数据进行ETL流程,建立各行业领域从业人员数据库。
所述利用从业人员数据库对各行业领域从业人员进行画像,具体包括:
对所有从业人员学历学位数据、所获证书数据、从业经历数据、项目经历数据这四个维度进行关键词词频统计;抽取上述各维度中出现频率前三的关键词;对各科成绩数据、性格倾向数据除了进行关键词词频统计外,还要求出各关键词平均得分;对学历学位、所获证书、从业经历、项目经历这四个维度的关键词,按出现频率进行排序;对各科成绩、性格倾向维度的关键词,按照出现频率和平均得分进行排序;抽取各行业领域学历学位、所获证书、从业经历和项目经历排位前三的关键词,抽取各科成绩和性格倾向排位前三的关键词和排位前三的得分。
所述将目标创业项目人员与所属行业领域从业人员画像进行比较,分析契合度,具体包括:
在从业人员数据库中查找目标创业项目人员信息,若有,则跳到第三步,若无,则进行第二步;按照从业人员数据库的数据格式收集目标创业项目人员详细信息,对目标创业项目人员进行画像;通过K-means聚类算法计算目标创业项目人员与目标创业项目所在行业领域的从业人员的相似度,若相似度越高,则目标创业项目人员背景与目标创业项目所在行业领域的契合度越高。
进一步可选地,所述分析目标创业项目与相近行业领域的创业成功企业的相似度包括:
在A股的科创板、中小板和北交所挂牌交易的企业中,筛选特定行业领域满足上市年限阈值的企业作为创业成功企业;从交易市场披露信息数据库中爬取创业成功企业财务披露报告,提取创业成功企业的财务指标历史记录,构建创业成功企业财务指标分布函数;从交易市场爬取创业成功企业的第三方研究报告,提取创业成功企业的产品关键特征;从目标创业项目申请融资时提交的财务报告中提取各项财务指标,求目标创业项目的各项财务指标在创业成功企业财务指标分布函数上的分位数,将这些分位数作为目标创业项目在这些财务指标上的得分;分析目标创业项目产品的特征与创业成功企业产品关键特征重合度;计算相似度,相似度为财务指标得分与产品关键特征重合度的乘积。
进一步可选地,所述构建创业企业历史数据库和目标创业项目生命阶段预测模型包括:
从创业孵化平台、IPO披露信息数据库中获取所有创业企业在各个年份所处发展阶段数据,以及各个阶段的财务数据,构建创业企业历史数据库;根据创业企业历史数据库中历年各个创业企业的所处阶段数据总结得出各个阶段企业进入下个生命阶段的一步转移频率;构建有限状态马氏链,节点为:天使期,A轮融资,B轮融资,C轮融资,IPO上市、项目搁置,其中IPO上市和项目搁置是两个吸收壁;将上述一步转移频率作为马氏链的一步转移概率,构建出目标创业项目生命阶段预测模型。
进一步可选地,所述基于创业企业历史数据库和目标创业项目生命阶段预测模型构建损益概率分布曲线包括:
使用Glivenko经验分布函数得到不同生命阶段估值概率分布;结合不同生命阶段估值概率分布与目标创业项目生命阶段预测模型构建损益概率分布;基于目标创业项目产品估值及产能对损益概率分布进行正向修正;包括:使用Glivenko经验分布函数得到不同生命阶段估值概率分布;结合不同生命阶段估值概率分布与目标创业项目生命阶段预测模型构建损益概率分布;基于目标创业项目产品估值及产能对损益概率分布进行正向修正;
所述使用Glivenko经验分布函数得到不同生命阶段估值概率分布,具体包括:
从创业企业历史数据库中提取出历史上各个行业领域各个阶段创业企业的各个指标的数据,构建Glivenko经验分布函数,这些指标包括:用户数、市盈率、市净率、价格营收比和负债率;将经验分布函数作为目标创业项目在不同生命阶段的各个指标的概率分布;基于各个指标的概率分布,通过PMAU、PE、PS、PEG多种估值方法得到目标创业项目在不同生命阶段的PMAU估值概率分布、PE估值概率分布、PS估值概率分布、PEG估值概率分布;将多种估值按照目标创业项目的所属行业领域来进行加权平均得到目标创业企业在不同生命阶段的估值概率分布。
所述结合不同生命阶段估值概率分布与目标创业项目生命阶段预测模型构建损益概率分布,具体包括:
使用不同生命阶段的估值概率分布和目标创业项目生命阶段预测模型,基于全概率公式得到综合估值V的概率分布;由V的概率分布进一步得到损益概率分布,损益是估值、股份、担保额的函数:p=V*股份-担保额。
所述基于目标创业项目产品估值及产能对损益概率分布进行正向修正,具体包括:
修改拉巴波特现金流贴现模型以构建产品补偿模型;将产品估值与各年产能预测值的乘积作为产品补偿模型中各年的年现金流;若目标创业项目成功售出过产品,则产品估值使用产品既往的出售价格;若目标创业项目从未售出过产品,则产品估值使用所属行业领域产品的平均价格;产能的预测按照目标创业项目的扩张计划进行估计;用生产资料折旧代替现金流模型的通胀的倒数;将各年的产品贴现值加总到原损益概率分布上,以实现对损益概率分布的正向修正。
进一步可选地,所述构建企业采购数据库和企业投资数据库包括:
从市场管理机构处合法获取并标准化处理市场上企业的采购数据,建立企业采购数据库,维度包括产品作用、采购数量、采购单价;从市场管理机构处合法获取并标准化处理市场上企业的投资数据,建立企业投资数据库,维度包括投资方向、投资额度。
进一步可选地,所述从企业采购数据库中匹配目标创业项目的潜在客户包括:
对目标创业项目产品数据进行标准化处理,抽取目标创业项目的产品的特征属性,包括产品作用、产品成本、创新点;若目标创业项目产品的产品作用和/或创新点拥有企业采购数据库中产品作用的某个关键词,则进行标注;计算采购倾向
MATCH_PAR=(BASE+INOVA_MAT)*(1/COST),其中BASE表示目标创业项目产品的产品作用与特定企业采购记录中产品作用的重合率,INOVA_MAT表示创新点重合度,COST表示新产品成本相较于采购记录中产品的成本的倍率;挑选采购倾向前N位的企业作为目标创业项目的产品的潜在客户。
进一步可选地,所述根据企业投资数据库拟合风险补偿曲线包括:
从企业投资数据库中抽取潜在客户的投资历史数据;根据K-means聚类推荐算法计算目标创业项目与潜在客户投资记录的相似度;根据投资历史数据计算投资丰富度,投资丰富度为潜在客户在各个行业领域的投资额度占总投资百分比的几何平均;上述相似度与投资丰富度取积后进行归一化得出担保倾向系数,系数达到设定阈值就可作为潜在担保方;对潜在担保方做风险投资问答,求出潜在客户在不同的结算年限、不同的潜在收益下,能承受的最大风险;由投资问答得到的离散数据拟合出潜在客户的风险补偿曲线。
一种创业分析匹配融资发放方法其特征在于,所述系统包括:
将损益分布曲线与风险补偿曲线绘制于同一坐标轴;坐标轴横轴表示的是收益,正方向为正收益,左侧边界为担保额,担保额取负数,右侧边界为正无穷;坐标轴纵轴表示的是概率,正方向为正概率,下界是0,上界是1;判断损益分布曲线和风险补偿曲线是否存在交点;若存在交点,则最右侧的交点的横坐标就是最优担保额度;若不存在交点,则不进行担保。
本发明实施例提供的技术方案可以包括以下有益效果:
本发明能通过精确的计算,保障大学生项目能够获得足够的担保费用,并保障担保方获得收益。能够为创业项目提供启动资金,并减少项目失败风险。
【附图说明】
图1为本发明的一种创业分析匹配融资发放方法的流程图。
图2为本发明的一种创业分析匹配融资发放系统的结构图
【具体实施方式】
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图和具体实施例对本发明进行详细描述。
图1为本发明的一种创业分析匹配融资发放方法流程图。如图1所示,本实施例一种创业分析匹配融资发放方法具体可以包括:
步骤101,根据产品功能、客户群、技术路线识别目标创业项目所属行业领域。
根据目标创业项目申请融资时的录入信息,抽取目标创业项目的产品功能、客户群体、技术路线;选取上市公司作为不同行业领域成熟企业的样本,从其公开信息和研究报告中抽取成熟企业的产品功能、客户群体、技术路线;分析目标创业项目的产品功能、客户群体、技术路线与不同行业领域成熟企业的重合度,使用朴素贝叶斯算法算出目标创业项目与各个行业领域的匹配度,将目标创业项目分配到匹配度最高的行业领域。
步骤102,利用从业人员数据库对各行业领域从业人员进行画像。
通过深度遍历与ETL建立各行业领域从业人员数据库;利用从业人员数据库对各行业领域从业人员进行画像;将目标创业项目人员与所属行业领域的从业人员画像进行比较,分析契合度。
通过深度遍历与ETL建立各行业领域从业人员数据库。
获取各行业领域从业人员背景数据,包括学历学位数据、各科成绩数据、所获证书数据、从业经历数据、项目经历数据、性格倾向数据;通过求职平台和人才市场补充缺失数据:学历学位数据、各科成绩数据、所获证书数据、从业经历数据;通过任职公司补充缺失数据:从业经历数据、项目经历数据、性格倾向数据;通过学校补充缺失数据:学历学位数据、学业成绩数据、所获证书数据;对采集的数据进行ETL流程,建立各行业领域从业人员数据库。三个维度对于匹配度的影响不尽相同,比如产品功能、客户群体与某一行业领域重合度越高,则表示目标创业项目越倾向于属于这个行业领域,但对于革命性的产品,技术路线重合度反而越低越好。
利用从业人员数据库对各行业领域从业人员进行画像。
对所有从业人员学历学位数据、所获证书数据、从业经历数据、项目经历数据这四个维度进行关键词词频统计;抽取上述各维度中出现频率前三的关键词;对各科成绩数据、性格倾向数据除了进行关键词词频统计外,还要求出各关键词平均得分;对学历学位、所获证书、从业经历、项目经历这四个维度的关键词,按出现频率进行排序;对各科成绩、性格倾向维度的关键词,按照出现频率和平均得分进行排序;抽取各行业领域学历学位、所获证书、从业经历和项目经历排位前三的关键词,抽取各科成绩和性格倾向排位前三的关键词和排位前三的得分。
将目标创业项目人员与所属行业领域从业人员画像进行比较,分析契合度。
在从业人员数据库中查找目标创业项目人员信息,若有,则跳到第三步,若无,则进行第二步;按照从业人员数据库的数据格式收集目标创业项目人员详细信息,对目标创业项目人员进行画像;通过K-means聚类算法计算目标创业项目人员与目标创业项目所在行业领域的从业人员的相似度,若相似度越高,则目标创业项目人员背景与目标创业项目所在行业领域的契合度越高。数据来源主要为公开数据库和合法数据交易平台,若有缺失数据,则可以尝试从求职平台、人才市场、任职企业、学校处补充;获取获取数据时注意获得数据来源的许可,爬虫程序符合数据来源对第三方爬虫程序的要求;一项数据可从多个数据来源获得,一个数据来源可以获得多项数据,通过交叉比对更改来提高数据的真实性和有效性;对各行业领域从业人员数据收集可以从人才中心数据库切入,再深度遍历到现就职公司、曾任职公司与曾就读学校,也可以反过来,从现任职公司开始切入,逐步上溯。
步骤103,分析目标创业项目与相近行业领域的创业成功企业的相似度。
在A股的科创板、中小板和北交所挂牌交易的企业中,筛选特定行业领域满足上市年限阈值的企业作为创业成功企业;从交易市场披露信息数据库中爬取创业成功企业财务披露报告,提取创业成功企业的财务指标历史记录,构建创业成功企业财务指标分布函数;从交易市场爬取创业成功企业的第三方研究报告,提取创业成功企业的产品关键特征;从目标创业项目申请融资时提交的财务报告中提取各项财务指标,求目标创业项目的各项财务指标在创业成功企业财务指标分布函数上的分位数,将这些分位数作为目标创业项目在这些财务指标上的得分;分析目标创业项目产品的特征与创业成功企业产品关键特征重合度;计算相似度,相似度为财务指标得分与产品关键特征重合度的乘积。学历学位、证书、从业经历、项目经历数据属于序列特征;各科成绩、性格倾向属于指数特征;例如,金融行业领域从业人员在学位数据排名前三的关键词是:本科、硕士、博士,性格维度是:外向86分、理性75分、稳重64分;医疗卫生行业领域从业人员的学位关键词为:硕士、博士、本科,证书关键词包括:临床执业医师资格证书、全国医护英语综合等级证书、国际医学检验证书ASCPi证书。
步骤104,构建创业企业历史数据库和目标创业项目生命阶段预测模型。
从创业孵化平台、IPO披露信息数据库中获取所有创业企业在各个年份所处发展阶段数据,以及各个阶段的财务数据,构建创业企业历史数据库;根据创业企业历史数据库中历年各个创业企业的所处阶段数据总结得出各个阶段企业进入下个生命阶段的一步转移频率;构建有限状态马氏链,节点为:天使期,A轮融资,B轮融资,C轮融资,IPO上市、项目搁置,其中IPO上市和项目搁置是两个吸收壁;将上述一步转移频率作为马氏链的一步转移概率,构建出目标创业项目生命阶段预测模型。对于大学生创业者,从业人员数据库中很可能没有录入过他们的信息,故而要额外收集入库;对目标创业项目人员在所有维度上进行比较,重合的关键指标用1表示,没有的用0表示,计算重合关键词占比,占比越高则匹配度越高。
步骤105,基于创业企业历史数据库和目标创业项目生命阶段预测模型构建损益概率分布曲线。
使用Glivenko经验分布函数得到不同生命阶段估值概率分布;结合不同生命阶段估值概率分布与目标创业项目生命阶段预测模型构建损益概率分布;基于目标创业项目产品估值及产能对损益概率分布进行正向修正。科创板、中小板和北交所设立的目的就是为了帮助中小初创企业和专精特新企业进行融资,所以相较于主板,这些板块中的企业往往更能代表好的初创企业,而且也能反应最新的市场动态;财务指标包括:市盈率分布、市净率分布、负债率分布;创业成功企业产品关键特征包括:产品作用、对比竞品优势、价格、创新点。
使用Glivenko经验分布函数得到不同生命阶段估值概率分布。
从创业企业历史数据库中提取出历史上各个行业领域各个阶段创业企业的各个指标的数据,构建Glivenko经验分布函数,这些指标包括:用户数、市盈率、市净率、价格营收比和负债率;将经验分布函数作为目标创业项目在不同生命阶段的各个指标的概率分布;基于各个指标的概率分布,通过PMAU、PE、PS、PEG多种估值方法得到目标创业项目在不同生命阶段的PMAU估值概率分布、PE估值概率分布、PS估值概率分布、PEG估值概率分布;将多种估值按照目标创业项目的所属行业领域来进行加权平均得到目标创业企业在不同生命阶段的估值概率分布;发展阶段包括:天使期,A轮融资,B轮融资,C轮融资,IPO上市、项目搁置;比如说读取2015到2022年的所有创业企业数据,统计其中A轮企业中有多少进入B轮,多少直接IPO,多少项目搁置,就可以得到一步转移频率。由强大数定律可知,独立重复实验中,某事件发生的频率以概率1收敛到这个事件发生的概率,故而我们可将多年的频率视为一步转移概率。
结合不同生命阶段估值概率分布与目标创业项目生命阶段预测模型构建损益概率分布。
使用不同生命阶段的估值概率分布和目标创业项目生命阶段预测模型,基于全概率公式得到综合估值V的概率分布;由V的概率分布进一步得到损益概率分布,损益是估值、股份、担保额的函数:p=V*股份-担保额。
基于目标创业项目产品估值及产能对损益概率分布进行正向修正。
修改拉巴波特现金流贴现模型以构建产品补偿模型;将产品估值与各年产能预测值的乘积作为产品补偿模型中各年的年现金流;若目标创业项目成功售出过产品,则产品估值使用产品既往的出售价格;若目标创业项目从未售出过产品,则产品估值使用所属行业领域产品的平均价格;产能的预测按照目标创业项目的扩张计划进行估计;用生产资料折旧代替现金流模型的通胀的倒数;将各年的产品贴现值加总到原损益概率分布上,以实现对损益概率分布的正向修正;由Glivenko-Cantelli定理可知,经验分布函数列会趋近于真实的分布函数;此处的估值实际上都是随机变量,故都需要得到其概率分布;对于不同的行业领域,估值的方法会不一样,故而要对估值进行修正,比如PE估值法适用于非周期性的稳定盈利企业,对于初创期的IT企业,PE估值法有时就显得无能为力,特别是信息业企业,而PEG法适用于IT等成长性较高企业,不适用于成熟行业领域,故而我们将PE法得出的估值权数设为0.1,PEG法得到的估值权数设为0.8。
步骤106,构建企业采购数据库和企业投资数据库。
从市场管理机构处合法获取并标准化处理市场上企业的采购数据,建立企业采购数据库,维度包括产品作用、采购数量、采购单价;从市场管理机构处合法获取并标准化处理市场上企业的投资数据,建立企业投资数据库,维度包括投资方向、投资额度。比如目标创业项目有0.3的概率处于A轮,A轮的估值概率分布为A(x),0.5的概率处于B轮,B轮的估值概率分布为B(x),0.2的概率处于C轮,C轮的估值概率分布为C(x),则综合估值V的概率分布V(x)=0.3*A(x)+0.5*B(x)+0.2*C(x);损益实际上是随机变量的函数,故而我们说得到的是损益的概率分布。
步骤107,从企业采购数据库中匹配目标创业项目的潜在客户。
对目标创业项目产品数据进行标准化处理,抽取目标创业项目的产品的特征属性,包括产品作用、产品成本、创新点;若目标创业项目产品的产品作用和/或创新点拥有企业采购数据库中产品作用的某个关键词,则进行标注;计算采购倾向
MATCH_PAR=(BASE+INOVA_MAT)*(1/COST),其中BASE表示目标创业项目产品的产品作用与特定企业采购记录中产品作用的重合率,INOVA_MAT表示创新点重合度,COST表示新产品成本相较于采购记录中产品的成本的倍率;挑选采购倾向前N位的企业作为目标创业项目的产品的潜在客户。例如,同类型产品在市场上平均售价为P,第t年的产能为A(t),则产品贴现总值就是一个级数求和,级数的每一项是P*A(t)*C,其中C是折旧系数。
步骤108,根据企业投资数据库拟合风险补偿曲线。
从企业投资数据库中抽取潜在客户的投资历史数据;根据K-means聚类推荐算法计算目标创业项目与潜在客户投资记录的相似度;根据投资历史数据计算投资丰富度,投资丰富度为潜在客户在各个行业领域的投资额度占总投资百分比的几何平均;上述相似度与投资丰富度取积后进行归一化得出担保倾向系数,系数达到设定阈值就可作为潜在担保方;对潜在担保方做风险投资问答,求出潜在客户在不同的结算年限、不同的潜在收益下,能承受的最大风险;由投资问答得到的离散数据拟合出潜在客户的风险补偿曲线。企业采购数据库保存市场上企业的采购行为历史数据,主要用于后文的从企业采购数据库中匹配目标创业项目的潜在客户;企业投资数据库保存市场上企业的投资历史数据,主要用于后面根据潜在客户的投资历史数据评估担保匹配度。
步骤109,通过损益分布曲线与风险补偿曲线计算最优担保额度。
将损益分布曲线与风险补偿曲线绘制于同一坐标轴;坐标轴横轴表示的是收益,正方向为正收益,左侧边界为担保额,担保额取负数,右侧边界为正无穷;坐标轴纵轴表示的是概率,正方向为正概率,下界是0,上界是1;判断损益分布曲线和风险补偿曲线是否存在交点;若存在交点,则最右侧的交点的横坐标就是最优担保额度;若不存在交点,则不进行担保。上述采购倾向若经过判断发现存在两家以上的企业的采购记录与创业产品有相同匹配度时,则根据关键词的不同优先级进行树状比较。
Claims (10)
1.一种创业分析匹配融资发放方法,其特征在于,所述方法包括:
根据产品功能、客户群、技术路线识别目标创业项目所属行业领域;利用从业人员数据库对各行业领域从业人员进行画像,所述利用从业人员数据库对各行业领域从业人员进行画像,具体包括:通过深度遍历与ETL建立各行业领域从业人员数据库,利用从业人员数据库对各行业领域从业人员进行画像,将目标创业项目人员与所属行业领域从业人员画像进行比较,分析契合度;分析目标创业项目与相近行业领域的创业成功企业的相似度;构建创业企业历史数据库和目标创业项目生命阶段预测模型;基于创业企业历史数据库和目标创业项目生命阶段预测模型构建损益概率分布曲线,所述基于创业企业历史数据库和目标创业项目生命阶段预测模型构建损益概率分布曲线,具体包括:使用Glivenko经验分布函数得到不同生命阶段估值概率分布,结合不同生命阶段估值概率分布与目标创业项目生命阶段预测模型构建损益概率分布,基于目标创业项目产品估值及产能对损益概率分布进行正向修正;构建企业采购数据库和企业投资数据库;从企业采购数据库中匹配目标创业项目的潜在客户;根据企业投资数据库拟合风险补偿曲线;通过损益分布曲线与风险补偿曲线计算最优担保额度。
2.根据权利要求1所述的方法,其中,所述根据产品功能、客户群、技术路线识别目标创业项目所属行业领域,包括:
根据目标创业项目申请融资时的录入信息,抽取目标创业项目的产品功能、客户群体、技术路线;选取上市公司作为不同行业领域成熟企业的样本,从其公开信息和研究报告中抽取成熟企业的产品功能、客户群体、技术路线;分析目标创业项目的产品功能、客户群体、技术路线与不同行业领域成熟企业的重合度,使用朴素贝叶斯算法算出目标创业项目与各个行业领域的匹配度,将目标创业项目分配到匹配度最高的行业领域。
3.根据权利要求1所述的方法,其中,所述利用从业人员数据库对各行业领域从业人员进行画像,包括:
通过深度遍历与ETL建立各行业领域从业人员数据库;利用从业人员数据库对各行业领域从业人员进行画像;将目标创业项目人员与所属行业领域的从业人员画像进行比较,分析契合度;包括:通过深度遍历与ETL建立各行业领域从业人员数据库;利用从业人员数据库对各行业领域从业人员进行画像;将目标创业项目人员与所属行业领域从业人员画像进行比较,分析契合度;
所述通过深度遍历与ETL建立各行业领域从业人员数据库,具体包括:
获取各行业领域从业人员背景数据,包括学历学位数据、各科成绩数据、所获证书数据、从业经历数据、项目经历数据、性格倾向数据;通过求职平台和人才市场补充缺失数据:学历学位数据、各科成绩数据、所获证书数据、从业经历数据;通过任职公司补充缺失数据:从业经历数据、项目经历数据、性格倾向数据;通过学校补充缺失数据:学历学位数据、学业成绩数据、所获证书数据;对采集的数据进行ETL流程,建立各行业领域从业人员数据库;
所述利用从业人员数据库对各行业领域从业人员进行画像,具体包括:
对所有从业人员学历学位数据、所获证书数据、从业经历数据、项目经历数据这四个维度进行关键词词频统计;抽取上述各维度中出现频率前三的关键词;对各科成绩数据、性格倾向数据除了进行关键词词频统计外,还要求出各关键词平均得分;对学历学位、所获证书、从业经历、项目经历这四个维度的关键词,按出现频率进行排序;对各科成绩、性格倾向维度的关键词,按照出现频率和平均得分进行排序;抽取各行业领域学历学位、所获证书、从业经历和项目经历排位前三的关键词,抽取各科成绩和性格倾向排位前三的关键词和排位前三的得分;
所述将目标创业项目人员与所属行业领域从业人员画像进行比较,分析契合度,具体包括:
在从业人员数据库中查找目标创业项目人员信息,若有,则跳到第三步,若无,则进行第二步;按照从业人员数据库的数据格式收集目标创业项目人员详细信息,对目标创业项目人员进行画像;通过K-means聚类算法计算目标创业项目人员与目标创业项目所在行业领域的从业人员的相似度,若相似度越高,则目标创业项目人员背景与目标创业项目所在行业领域的契合度越高。
4.根据权利要求1所述的方法,其中,所述分析目标创业项目与相近行业领域的创业成功企业的相似度,包括:
在A股的科创板、中小板和北交所挂牌交易的企业中,筛选特定行业领域满足上市年限阈值的企业作为创业成功企业;从交易市场披露信息数据库中爬取创业成功企业财务披露报告,提取创业成功企业的财务指标历史记录,构建创业成功企业财务指标分布函数;从交易市场爬取创业成功企业的第三方研究报告,提取创业成功企业的产品关键特征;从目标创业项目申请融资时提交的财务报告中提取各项财务指标,求目标创业项目的各项财务指标在创业成功企业财务指标分布函数上的分位数,将这些分位数作为目标创业项目在这些财务指标上的得分;分析目标创业项目产品的特征与创业成功企业产品关键特征重合度;计算相似度,相似度为财务指标得分与产品关键特征重合度的乘积。
5.根据权利要求1所述的方法,其中,所述构建创业企业历史数据库和目标创业项目生命阶段预测模型,包括:
从创业孵化平台、IPO披露信息数据库中获取所有创业企业在各个年份所处发展阶段数据,以及各个阶段的财务数据,构建创业企业历史数据库;根据创业企业历史数据库中历年各个创业企业的所处阶段数据总结得出各个阶段企业进入下个生命阶段的一步转移频率;构建有限状态马氏链,节点为:天使期,A轮融资,B轮融资,C轮融资,IPO上市、项目搁置,其中IPO上市和项目搁置是两个吸收壁;将上述一步转移频率作为马氏链的一步转移概率,构建出目标创业项目生命阶段预测模型。
6.根据权利要求1所述的方法,其中,所述基于创业企业历史数据库和目标创业项目生命阶段预测模型构建损益概率分布曲线,包括:
使用Glivenko经验分布函数得到不同生命阶段估值概率分布;结合不同生命阶段估值概率分布与目标创业项目生命阶段预测模型构建损益概率分布;基于目标创业项目产品估值及产能对损益概率分布进行正向修正;包括:使用Glivenko经验分布函数得到不同生命阶段估值概率分布;结合不同生命阶段估值概率分布与目标创业项目生命阶段预测模型构建损益概率分布;基于目标创业项目产品估值及产能对损益概率分布进行正向修正;
所述使用Glivenko经验分布函数得到不同生命阶段估值概率分布,具体包括:
从创业企业历史数据库中提取出历史上各个行业领域各个阶段创业企业的各个指标的数据,构建Glivenko经验分布函数,这些指标包括:用户数、市盈率、市净率、价格营收比和负债率;将经验分布函数作为目标创业项目在不同生命阶段的各个指标的概率分布;基于各个指标的概率分布,通过PMAU、PE、PS、PEG多种估值方法得到目标创业项目在不同生命阶段的PMAU估值概率分布、PE估值概率分布、PS估值概率分布、PEG估值概率分布;将多种估值按照目标创业项目的所属行业领域来进行加权平均得到目标创业企业在不同生命阶段的估值概率分布;
所述结合不同生命阶段估值概率分布与目标创业项目生命阶段预测模型构建损益概率分布,具体包括:
使用不同生命阶段的估值概率分布和目标创业项目生命阶段预测模型,基于全概率公式得到综合估值V的概率分布;由V的概率分布进一步得到损益概率分布,损益是估值、股份、担保额的函数:p=V*股份-担保额;
所述基于目标创业项目产品估值及产能对损益概率分布进行正向修正,具体包括:
修改拉巴波特现金流贴现模型以构建产品补偿模型;将产品估值与各年产能预测值的乘积作为产品补偿模型中各年的年现金流;若目标创业项目成功售出过产品,则产品估值使用产品既往的出售价格;若目标创业项目从未售出过产品,则产品估值使用所属行业领域产品的平均价格;产能的预测按照目标创业项目的扩张计划进行估计;用生产资料折旧代替现金流模型的通胀的倒数;将各年的产品贴现值加总到原损益概率分布上,以实现对损益概率分布的正向修正。
7.根据权利要求1所述的方法,其中,所述构建企业采购数据库和企业投资数据库,包括:
从市场管理机构处合法获取并标准化处理市场上企业的采购数据,建立企业采购数据库,维度包括产品作用、采购数量、采购单价;从市场管理机构处合法获取并标准化处理市场上企业的投资数据,建立企业投资数据库,维度包括投资方向、投资额度。
8.根据权利要求1所述的方法,其中,所述从企业采购数据库中匹配目标创业项目的潜在客户,包括:
对目标创业项目产品数据进行标准化处理,抽取目标创业项目的产品的特征属性,包括产品作用、产品成本、创新点;若目标创业项目产品的产品作用和/或创新点拥有企业采购数据库中产品作用的某个关键词,则进行标注;计算采购倾向
MATCH_PAR=(BASE+INOVA_MAT)*(1/COST),其中BASE表示目标创业项目产品的产品作用与特定企业采购记录中产品作用的重合率,INOVA_MAT表示创新点重合度,COST表示新产品成本相较于采购记录中产品的成本的倍率;挑选采购倾向前N位的企业作为目标创业项目的产品的潜在客户。
9.根据权利要求1所述的方法,其中,所述根据企业投资数据库拟合风险补偿曲线,包括:
从企业投资数据库中抽取潜在客户的投资历史数据;根据K-means聚类推荐算法计算目标创业项目与潜在客户投资记录的相似度;根据投资历史数据计算投资丰富度,投资丰富度为潜在客户在各个行业领域的投资额度占总投资百分比的几何平均;上述相似度与投资丰富度取积后进行归一化得出担保倾向系数,系数达到设定阈值就可作为潜在担保方;对潜在担保方做风险投资问答,求出潜在客户在不同的结算年限、不同的潜在收益下,能承受的最大风险;由投资问答得到的离散数据拟合出潜在客户的风险补偿曲线。
10.根据权利要求1所述的方法,其中,所述通过损益分布曲线与风险补偿曲线计算最优担保额度,包括:
将损益分布曲线与风险补偿曲线绘制于同一坐标轴;坐标轴横轴表示的是收益,正方向为正收益,左侧边界为担保额,担保额取负数,右侧边界为正无穷;坐标轴纵轴表示的是概率,正方向为正概率,下界是0,上界是1;判断损益分布曲线和风险补偿曲线是否存在交点;若存在交点,则最右侧的交点的横坐标就是最优担保额度;若不存在交点,则不进行担保。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210790022.7A CN115063181A (zh) | 2022-07-05 | 2022-07-05 | 一种创业分析匹配融资发放方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210790022.7A CN115063181A (zh) | 2022-07-05 | 2022-07-05 | 一种创业分析匹配融资发放方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115063181A true CN115063181A (zh) | 2022-09-16 |
Family
ID=83204895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210790022.7A Pending CN115063181A (zh) | 2022-07-05 | 2022-07-05 | 一种创业分析匹配融资发放方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115063181A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115660608A (zh) * | 2022-12-14 | 2023-01-31 | 揭阳职业技术学院 | 一种一站式的创新创业孵化方法 |
CN117688249A (zh) * | 2024-02-02 | 2024-03-12 | 上海银行股份有限公司 | 一种基于数据分析的投行智能匹配平台 |
-
2022
- 2022-07-05 CN CN202210790022.7A patent/CN115063181A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115660608A (zh) * | 2022-12-14 | 2023-01-31 | 揭阳职业技术学院 | 一种一站式的创新创业孵化方法 |
CN117688249A (zh) * | 2024-02-02 | 2024-03-12 | 上海银行股份有限公司 | 一种基于数据分析的投行智能匹配平台 |
CN117688249B (zh) * | 2024-02-02 | 2024-04-19 | 上海银行股份有限公司 | 一种基于数据分析的投行智能匹配平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Al-Sartawi | Ownership structure and intellectual capital: evidence from the GCC countries | |
Ismail et al. | Factors influencing the alignment of accounting information systems in small and medium sized Malaysian manufacturing firms | |
TW580627B (en) | System and method for efficiently providing due diligence knowledge and a computer therefor | |
US7873567B2 (en) | Value and risk management system | |
Brezigar-Masten et al. | CART-based selection of bankruptcy predictors for the logit model | |
US20160239919A1 (en) | Predictive model development system applied to organization management | |
US20160171398A1 (en) | Predictive Model Development System Applied To Enterprise Risk Management | |
US20050144106A1 (en) | Method of and system for defining and measuring the real options of a commercial enterprise | |
Katayose et al. | Sentiment extraction in music | |
US20080015871A1 (en) | Varr system | |
Agwu | Relevance of information technology in the effective management of selected SMEs in Lagos State Nigeria | |
CN115063181A (zh) | 一种创业分析匹配融资发放方法 | |
Yoshino et al. | Small and medium-sized enterprise (SME) credit risk analysis using bank lending data: An analysis of Thai SMEs | |
US20140350973A1 (en) | System and method for hedging portfolios of variable annuity liabilities | |
Kosmidis et al. | Corporate failure diagnosis in SMEs: A longitudinal analysis based on alternative prediction models | |
Besley et al. | The aggregate consequences of default risk: evidence from firm-level data | |
Nhan et al. | Evaluating the efficiency of Vietnam banks using data envelopment analysis | |
Wang et al. | Applying TOPSIS method to evaluate the business operation performance of Vietnam listing securities companies | |
Olufemi et al. | Accounting software in computerized business environment and quality of corporate reporting | |
Aranha et al. | Efficacies of artificial neural networks ushering improvement in the prediction of extant credit risk models | |
Lundqvist et al. | Bankruptcy prediction with financial ratios-examining differences across industries and time | |
Pournader et al. | Investigating the impact of behavioral factors on supply network efficiency: insights from banking’s corporate bond networks | |
Ajayi et al. | Access to finance and performance of services sector MSMEs in Nigeria | |
Kanzola | The Knowledge Content of the Greek Production Structure in the Aftermath of the Greek Crisis | |
KR20090025558A (ko) | 주가 정보 제공을 위한 역밸류에이션 방법 및 밸류에이션큐브 |
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 |