CN115860465A - 一种企业关联数据处理预警方法、系统及装置 - Google Patents
一种企业关联数据处理预警方法、系统及装置 Download PDFInfo
- Publication number
- CN115860465A CN115860465A CN202211499059.0A CN202211499059A CN115860465A CN 115860465 A CN115860465 A CN 115860465A CN 202211499059 A CN202211499059 A CN 202211499059A CN 115860465 A CN115860465 A CN 115860465A
- Authority
- CN
- China
- Prior art keywords
- risk
- data
- enterprise
- state
- risk state
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种企业关联数据处理预警方法、系统及装置,所述方法包括:获取企业第一关联数据,以及获取第一筛选参数,并将所述企业第一关联数据经过第一数据筛选后,得到企业第二关联数据;根据所述企业第二关联数据,确定当前的风险状态;若当前的风险状态的风险程度为超过其对应阈值,则发出预警;本申请通过及时、准确、全面地采集企业与行业环境的关联信息,并在此基础上进行数据的提取、挖掘和整合分析,实现了对企业或行业的风险状态及风险趋势进行实时监控、智能识别和及时预警的目的。
Description
技术领域
本发明属于数据处理技术领域,特别涉及一种企业关联数据处理预警方法、系统及装置。
背景技术
随着互联网技术和社交媒体渠道的广泛普及,对于企业的关联数据进行深度分析的要求逐渐提高,尤其对企业经营风险的预警需求也越来越高,目前,虽然在企业经营风险的预警方面已有一些应用,但是,相关预警方式主要由舆情的正负面信息、企业的债券公告、公司公告、价格异动、司法诉讼、行政处罚等来判断企业是否存在经营风险,这部分数据不仅存在一定的延时性,而且大多是定性的数据,无法量化,也就无法进行数据的挖掘和分析,从而根据这些数据也无法准确地获知企业经营的风险状态,以及具体的风险程度,也就无法及时地预警企业或行业的风险状态及风险趋势。
因此,通过合理的数据处理和分析,对企业或行业的风险状态及风险趋势进行实时监控、智能识别和及时预警是目前需要解决的问题。
发明内容
鉴于以上问题,本申请提供一种企业关联数据处理预警方法、系统及装置,以解决上述技术问题。
本申请提供了以下技术方案:
第一方面,本申请提供了一种企业关联数据处理预警方法,所述方法包括:
获取企业第一关联数据,以及获取第一筛选参数,并将所述企业第一关联数据经过第一数据筛选后,得到企业第二关联数据;
根据所述企业第二关联数据,确定当前的风险状态;
若当前的风险状态的风险程度为超过其对应阈值,则发出预警;
所述企业第一关联数据,为与企业经营风险有关的各种基础数据,包括但不限于:与企业经营风险关联的舆情数据、工商数据、行业数据、财务数据、债券数据;
所述第一筛选参数,为与确定当前风险状态有关的筛选参数;
所述第一数据筛选,为将企业第一关联数据为基础,根据第一筛选参数,进行筛选、数据标注后抽取,从而得到企业第二关联数据的过程;
所述当前的风险状态,为根据获取的企业第二关联数据,确定企业已出现风险的程度,或存在潜在风险的程度;
本申请将企业关联数据进行筛选后获取与风险状态相关的企业关联数据,并根据筛选后的企业关联数据数据确定具体的风险状态,再根据风险状态的风险程度,确定是否发出预警;这样既能够保证数据来源的准确性,也能够在量化风险程度的基础上,提高预警的准确性;
进一步的,所述根据所述企业第二关联数据,确定当前的风险状态,若当前的风险状态的风险程度为超过对应阈值,则发出预警;包括:
根据所述企业第二关联数据,确定预设的单项风险指标的是否超过其对应阈值,并识别当前的风险状态;
(1)若当前的风险状态为第一风险状态,则确定第一风险状态的风险程度,发出预警,并输出第一风险状态的风险程度;
(2)若当前的风险状态为非第一风险状态,则进一步确定是否预警如下:
将已获取的所述企业第一关联数据,经过第二数据筛选后,得到企业第三关联数据;
根据企业第三关联数据,确定非第一风险状态的风险程度,并识别当前的风险状态;
a.若非第一风险状态的风险程度超过其对应阈值,确定当前的风险状态为第二风险状态,则发出预警,并输出第二风险状态的风险程度;
b.若非第一风险状态的风险程度未超过其对应阈值,确定当前的风险状态为第三风险状态,则不发出预警;
所述第一风险状态,为在预设的单项风险指标中,至少有一项指标超过其对应阈值;
所述第二风险状态,为在预设的单项风险指标中,未有一项指标超过其对应阈值,但当前风险状态的风险程度超过其对应阈值;
所述第三风险状态,为在预设的单项风险指标中,未有一项指标超过其对应阈值,且当前风险状态的风险程度未超过其对应阈值;
所述单项风险指标,为表征风险状态的不同方面的单独一项指标,比如变现能力、营运能力、偿债能力、盈利能力、现金流量等方面的多种单项指标;
所述第二筛选参数,为与确定第二风险状态有关的筛选参数;
所述第二数据筛选,为将企业第一关联数据为基础,根据第二筛选参数,进行筛选、数据标注后抽取,从而得到企业第三关联数据的过程;
具体来说,获取企业第一关联数据,也即与企业经营风险有关的各种基础数据,可通过爬虫将舆情、公告、财务报告等公开数据进行抓取所需数据,之后的第一数据筛选或者第二数据筛选,可将抓取的数据的进行数据标注后抽取(标注的目的是抽取所需的相关数据),再根据标注内容进行分类,组成企业第二关联数据或企业第三关联数据;其中,第一数据筛选的过程中,将根据第一筛选参数(即预设的相关关键词、相关参数、比例、比率等具体参数),对已获取的企业第一关联数据进行筛选,然后对确定第一风险状态的相关数据进行标注后抽取,得到企业第二关联数据;同理,第二数据筛选的过程中,将根据第二筛选参数(即预设的相关关键词、相关参数、比例、比率等具体参数),对已获取的企业第一关联数据进行筛选,然后对确定第一风险状态的相关数据进行标注后抽取,得到企业第三关联数据;
具体来说,所述第一筛选参数和所述第二筛选参数,为模型预设的初始筛选参数,后续随着模型的更新,初始筛选参数也会随之进行适应性调整,以符合最新的筛选规则,具体的筛选参数,包括:数据时间(比如某一时间段或某一具体时刻),筛选关键词,关键词筛选优先度排序等;且所述第一筛选参数和所述第二筛选参数,均有自定义参数的功能,能够根据后续确定风险状态的具体参数的不同,进行调整;
具体来说,发出预警时,可将预警信息均标注到对应的关联数据中一并输出,使得预警信息的展示能够关联性更强,更加直观;
本申请根据获取的企业第一关联数据,首先根据第一筛选参数,筛选出与确定风险状态相关的数据,从而得到企业第二关联数据,再根据企业第二关联数据,确定当前的风险状态是否属于第一风险状态,若属于第一风险状态,则预警并输出具体风险程度,否则,将企业第一关联数据根据第二筛选参数,筛选得到企业第三关联数据,进一步确定当前风险状态属于第二风险状态或者第三风险状态,至此,本申请将当前的风险状态按照客观规律,具体划分为:(1)第一风险状态(已明显出现风险);(2)第二风险状态(虽未明显出现风险,但存在潜在风险);(3)第三风险状态(未明显出现风险,也无潜在风险);以上三种风险状态,将可能存在的风险状态全面包含在内,且将风险级别由高到低进行排序,使得在确定当前风险状态时,能够将所有情况均能分类至合适的风险状态中,并且将同类情况和风险级别一一对应,实现了风险状态、风险情况和风险级别三者的统一归类,这样不仅优化了具体风险状态的识别,而且根据不同风险状态的风险程度,进行预警,实现了根据企业关联数据,对企业进行状态监控和风险预警,并且监控和预警的实时性、准确性也得到进一步提高。
进一步的,所述根据所述企业第二关联数据,确定预设的单项风险指标的是否超过其对应阈值,并识别当前的风险状态,包括:
从企业第二关联数据中,抽取该企业各个营业周期内,与预设单项风险指标相关的数据;
根据抽取的相关数据,逐一确定各单项风险指标值;
若出现任意一个单项风险指标值超过其对应阈值的情况,则识别当前的风险状态为第一风险状态;
进一步的,所述若当前的风险状态为第一风险状态,则确定第一风险状态的风险程度,发出预警,并输出第一风险状态的风险程度,还包括所述确定第一风险状态的风险程度的方法如下:
从抽取的该企业各个营业周期内,与预设单项风险指标相关的数据中,选取同一营业周期内的数据,确定各单项风险指标值;
将确定的各单项风险指标值分别与其对应阈值进行比较,若单项风险指标值超过其对应阈值,则筛选至第一数据集;
将第一数据集中单项风险指标超过其对应阈值的具体程度进行量化,并加权后相加,得出第一数据集中各单项风险指标的综合风险程度,即第一风险状态的风险程度。
进一步的,所述第一风险状态的风险程度采用第一风险指标表征,且所述第一风险指标的模型如下:
其中,W1为第一风险指标;
n为某一营业周期内,当前风险状态中大于等于其对应阈值的单项风险指标的数量;
N为某一营业周期内,当前风险状态中单项风险指标的总数量;
wi为某一营业周期内,在当前风险状态中大于等于其对应阈值的单项风险指标中,第i个单项风险指标值;
wi0为某一营业周期内,在当前风险状态中大于等于其对应阈值的单项风险指标中,第i个单项风险指标值的对应阈值;
以上所述某一营业周期的具体数据均采用同一营业周期的数据,以及统一的量纲和单位;
所述第一风险指标,为根据该企业关联数据的处理后,至少有一项单项风险指标大于等于其对应阈值时的风险程度;
所述第一风险指标值越大,表示当前风险程度越高;
具体来说,在风险状态中大于等于其对应阈值的单项风险指标中,第i个单项风险指标值的对应阈值,可采用该企业所属行业中对应的指标均值,或通过该企业以往的相关历史数据计算出的对应阈值;
所述单项风险指标,为表征风险状态的不同方面的单独一项指标,比如变现能力、营运能力、偿债能力、盈利能力、现金流量等方面的多种单项指标;
进一步的,所述根据企业第三关联数据,确定非第一风险状态的风险程度,包括:
从企业第三关联数据中,抽取该企业各个营业周期内,与非第一风险状态的风险程度相关的数据;
根据抽取的所述相关数据,确定非第一风险状态的风险程度;
进一步的,所述根据抽取的所述相关数据,确定非第一风险状态的风险程度,还包括
从该企业各个营业周期内,与非第一风险状态的风险程度相关的数据中,选取同一营业周期与企业的负债、营收、回款、还债和变现能力相关的数据,以及与该同一营业周期相邻的其他营业周期的营收能力相关数据,组成第二数据集;
将第二数据集中的数据,经过预设对应风险指标模型的数据处理后,量化其具体的风险程度,得出该企业潜在的风险程度,即非第一风险状态的风险程度。
进一步的,所述非第一风险状态的风险程度,也即第二风险状态的风险程度,采用第二风险指标表征,且所述第二风险指标的模型如下:
其中,W2为第二风险指标值;
η为某一营业周期内的资产负载率;
m为某一营业周期的最近m个营业周期;
j为某一营业周期的最近m个营业周期内的第j个营业周期;
Rj为某一营业周期的最近m个营业周期内的第j个营业周期的营业收入;
R为某一营业周期内的营业收入;
c1为某一营业周期内,营业活动的现金流入量;
c2为某一营业周期内,营业活动的现金流出量;
r为某一营业周期内的净利润;
l为某一营业周期内的流动资产;
f为某一营业周期内的流动负债;
h为某一营业周期内的存货类资产;
所述存货类资产,指资产中变现速度慢的资产,包括但不限于:存货、预付账款、营业周期中的非流动资产,及其他流动资产;
以上所述某一营业周期的具体数据均采用同一营业周期的数据,以及统一的量纲和单位;
所述第二风险指标,为根据该企业关联数据的处理后,任意一项单项风险指标均小于其对应阈值时的潜在风险程度;
所述第二风险指标值越大,表示当前风险程度越高;
具体来说,根据第一风险指标和第二风险指标,进行风险状态和风险程度的确定方法,具体如下:
(1)若至少一项单项风险指标大于等于其对应阈值,则识别为第一风险状态,确定当前的第一风险指标,发出预警,并输出采用第一风险指标表征的当前风险的程度;
(2)若任意一项单项风险指标均小于其对应阈值,确定当前的第二风险指标,当第二风险指标大于等于其对应阈值时,则识别为第二风险状态,发出预警,并输出采用第二风险指标表征的当前风险的程度;
(3)若任意一项单项风险指标均小于其对应阈值,且当前的第二风险指标也小于其对应阈值,则识别为第三风险状态,不发出预警;
具体来说,第一风险指标和第二风险指标,表示在实际中的两种不同的风险状态,第一风险指标,表征当前风险状态为已有至少一个单项风险指标已超过对应阈值的情况下,具体的风险程度;第二风险指标,表征当前风险状态为未有一个单项风险指标超过对应阈值的情况下,潜在的风险程度;即第一风险指标,反映的是已经有明显的风险,以及具体的风险程度,第二风险指标,反映的是虽然未有明显的风险,但是可能存在潜在风险的程度;
本申请通过单项风险指标、第一风险指标和第二风险指标三类指标的结合,将风险状态准确地分为:第一风险状态、第二风险状态和第三风险状态,通过单项风险指标识别是否为第一风险状态,且采用第一风险指标对第一风险状态的风险程度进行量化,通过第二风险指标的大小识别是否为第二风险状态,且采用第二风险指标对第二风险状态的风险程度进行量化;而单项风险指标,为风险状态在不同方面的单独一项指标,比如变现能力、营运能力、偿债能力、盈利能力、现金流量等方面的多种单项指标,且按照现有成熟的行业指标的分级,能够更加精确地监控风险状态,及时的进行风险预警,同时,第一风险指标和第二风险指标又能够将其风险程度进行统一量化,使同一风险状态,可以根据具体的风险程度进一步分级监控和预警,另外,大数据的实时更新,也能提高数据的实时性。因此,本申请能够实现实时化、智能化、精细化的风险监控及预警。
第二方面,本申请提供了一种企业关联数据处理预警系统,所述系统包括:
数据获取模块,用于获取企业第一关联数据,以及获取第一筛选参数,并将所述企业第一关联数据经过第一数据筛选后,得到企业第二关联数据;
风险识别模块,用于根据所述企业第二关联数据,确定当前的风险状态;
风险预警模块,用于若当前的风险状态的风险程度为超过其对应阈值,则发出预警;
所述企业第一关联数据,为与企业经营风险有关的各种基础数据,包括但不限于:与企业经营风险关联的舆情数据、工商数据、行业数据、财务数据、债券数据;
所述第一筛选参数,为与确定当前风险状态有关的筛选参数;
所述第一数据筛选,为将企业第一关联数据为基础,根据第一筛选参数,进行筛选、数据标注后抽取,从而得到企业第二关联数据的过程;
所述当前的风险状态,为根据获取的企业第二关联数据,确定企业已出现风险的程度,或存在潜在风险的程度。
第三方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面所述的方法。
第四方面,本申请提供了一种计算机装置,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于执行所述计算机程序时,实现如第一方面所述的方法。
综上,本申请通过及时、准确、全面地采集企业与行业环境的关联信息,并在此基础上进行数据的提取和挖掘,再利用科学合理的风险识别模型,实现了对企业或行业的风险状态及风险趋势进行实时监控、智能识别和及时预警的目的。
附图说明
为了易于说明,本发明由下述的具体实施及附图作以详细描述。
图1为本发明的方法流程示意图;
图2为本发明的另一方法流程示意图;
图3为本发明的系统结构示意图;
图4为本发明的计算机可读存储介质示意图;
图5为本发明的计算机装置示意图;
具体实施方式
下面将结合本发明实施例中的图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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付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。
实施例1
如图1所示,本申请提供了一种企业关联数据处理预警方法,所述方法包括:
获取企业第一关联数据,以及获取第一筛选参数,并将所述企业第一关联数据经过第一数据筛选后,得到企业第二关联数据;
根据所述企业第二关联数据,确定当前的风险状态;
若当前的风险状态的风险程度为超过其对应阈值,则发出预警;
所述企业第一关联数据,为与企业经营风险有关的各种基础数据,包括但不限于:与企业经营风险关联的舆情数据、工商数据、行业数据、财务数据、债券数据;
所述第一筛选参数,为与确定当前风险状态有关的筛选参数;
所述第一数据筛选,为将企业第一关联数据为基础,根据第一筛选参数,进行筛选、数据标注后抽取,从而得到企业第二关联数据的过程;
所述当前的风险状态,为根据获取的企业第二关联数据,确定企业已出现风险的程度,或存在潜在风险的程度;
本申请将企业关联数据进行筛选后获取与风险状态相关的企业关联数据,并根据筛选后的企业关联数据数据确定具体的风险状态,再根据风险状态的风险程度,确定是否发出预警;这样既能够保证数据来源的准确性,也能够在量化风险程度的基础上,提高预警的准确性;
进一步的,如图2所示,所述根据所述企业第二关联数据,确定当前的风险状态,若当前的风险状态的风险程度为超过对应阈值,则发出预警;包括:
根据所述企业第二关联数据,确定预设的单项风险指标的是否超过其对应阈值,并识别当前的风险状态;
(1)若当前的风险状态为第一风险状态,则确定第一风险状态的风险程度,发出预警,并输出第一风险状态的风险程度;
(2)若当前的风险状态为非第一风险状态,则进一步确定是否预警如下:
将已获取的所述企业第一关联数据,经过第二数据筛选后,得到企业第三关联数据;
根据企业第三关联数据,确定非第一风险状态的风险程度,并识别当前的风险状态;
a.若非第一风险状态的风险程度超过其对应阈值,确定当前的风险状态为第二风险状态,则发出预警,并输出第二风险状态的风险程度;
b.若非第一风险状态的风险程度未超过其对应阈值,确定当前的风险状态为第三风险状态,则不发出预警;
所述第一风险状态,为在预设的单项风险指标中,至少有一项指标超过其对应阈值;
所述第二风险状态,为在预设的单项风险指标中,未有一项指标超过其对应阈值,但当前风险状态的风险程度超过其对应阈值;
所述第三风险状态,为在预设的单项风险指标中,未有一项指标超过其对应阈值,且当前风险状态的风险程度未超过其对应阈值;
所述单项风险指标,为表征风险状态的不同方面的单独一项指标,比如变现能力、营运能力、偿债能力、盈利能力、现金流量等方面的多种单项指标;
所述第二筛选参数,为与确定第二风险状态有关的筛选参数;
所述第二数据筛选,为将企业第一关联数据为基础,根据第二筛选参数,进行筛选、数据标注后抽取,从而得到企业第三关联数据的过程;
具体来说,获取企业第一关联数据,也即与企业经营风险有关的各种基础数据,可通过爬虫将舆情、公告、财务报告等公开数据进行抓取所需数据,之后的第一数据筛选或者第二数据筛选,可将抓取的数据的进行数据标注后抽取(标注的目的是抽取所需的相关数据),再根据标注内容进行分类,组成企业第二关联数据或企业第三关联数据;其中,第一数据筛选的过程中,将根据第一筛选参数(即预设的相关关键词、相关参数、比例、比率等具体参数),对已获取的企业第一关联数据进行筛选,然后对确定第一风险状态的相关数据进行标注后抽取,得到企业第二关联数据;同理,第二数据筛选的过程中,将根据第二筛选参数(即预设的相关关键词、相关参数、比例、比率等具体参数),对已获取的企业第一关联数据进行筛选,然后对确定第一风险状态的相关数据进行标注后抽取,得到企业第三关联数据;
具体来说,所述第一筛选参数和所述第二筛选参数,为模型预设的初始筛选参数,后续随着模型的更新,初始筛选参数也会随之进行适应性调整,以符合最新的筛选规则,具体的筛选参数,包括:数据时间(比如某一时间段或某一具体时刻),筛选关键词,关键词筛选优先度排序等;且所述第一筛选参数和所述第二筛选参数,均有自定义参数的功能,能够根据后续确定风险状态的具体参数的不同,进行调整;
具体来说,发出预警时,可将预警信息均标注到对应的关联数据中一并输出,使得预警信息的展示能够关联性更强,更加直观;
本申请根据获取的企业第一关联数据,首先根据第一筛选参数,筛选出与确定风险状态相关的数据,从而得到企业第二关联数据,再根据企业第二关联数据,确定当前的风险状态是否属于第一风险状态,若属于第一风险状态,则预警并输出具体风险程度,否则,将企业第一关联数据根据第二筛选参数,筛选得到企业第三关联数据,进一步确定当前风险状态属于第二风险状态或者第三风险状态,至此,本申请将当前的风险状态按照客观规律,具体划分为:(1)第一风险状态(已明显出现风险);(2)第二风险状态(虽未明显出现风险,但存在潜在风险);(3)第三风险状态(未明显出现风险,也无潜在风险);以上三种风险状态,将可能存在的风险状态全面包含在内,且将风险级别由高到低进行排序,使得在确定当前风险状态时,能够将所有情况均能分类至合适的风险状态中,并且将同类情况和风险级别一一对应,实现了风险状态、风险情况和风险级别三者的统一归类,这样不仅优化了具体风险状态的识别,而且根据不同风险状态的风险程度,进行预警,实现了根据企业关联数据,对企业进行状态监控和风险预警,并且监控和预警的实时性、准确性也得到进一步提高。
进一步的,所述根据所述企业第二关联数据,确定预设的单项风险指标的是否超过其对应阈值,并识别当前的风险状态,包括:
从企业第二关联数据中,抽取该企业各个营业周期内,与预设单项风险指标相关的数据;
根据抽取的相关数据,逐一确定各单项风险指标值;
若出现任意一个单项风险指标值超过其对应阈值的情况,则识别当前的风险状态为第一风险状态;
进一步的,所述若当前的风险状态为第一风险状态,则确定第一风险状态的风险程度,发出预警,并输出第一风险状态的风险程度,还包括所述确定第一风险状态的风险程度的方法如下:
从抽取的该企业各个营业周期内,与预设单项风险指标相关的数据中,选取同一营业周期内的数据,确定各单项风险指标值;
将确定的各单项风险指标值分别与其对应阈值进行比较,若单项风险指标值超过其对应阈值,则筛选至第一数据集;
将第一数据集中单项风险指标超过其对应阈值的具体程度进行量化,并加权后相加,得出第一数据集中各单项风险指标的综合风险程度,即第一风险状态的风险程度。
进一步的,所述第一风险状态的风险程度采用第一风险指标表征,且所述第一风险指标的模型如下:
其中,W1为第一风险指标;
n为某一营业周期内,当前风险状态中大于等于其对应阈值的单项风险指标的数量;
N为某一营业周期内,当前风险状态中单项风险指标的总数量;
wi为某一营业周期内,在当前风险状态中大于等于其对应阈值的单项风险指标中,第i个单项风险指标值;
wi0为某一营业周期内,在当前风险状态中大于等于其对应阈值的单项风险指标中,第i个单项风险指标值的对应阈值;
以上所述某一营业周期的具体数据均采用同一营业周期的数据,以及统一的量纲和单位;
所述第一风险指标,为根据该企业关联数据的处理后,至少有一项单项风险指标大于等于其对应阈值时的风险程度;
所述第一风险指标值越大,表示当前风险程度越高;
具体来说,在风险状态中大于等于其对应阈值的单项风险指标中,第i个单项风险指标值的对应阈值,可采用该企业所属行业中对应的指标均值,或通过该企业以往的相关历史数据计算出的对应阈值;
所述单项风险指标,为表征风险状态的不同方面的单独一项指标,比如变现能力、营运能力、偿债能力、盈利能力、现金流量等方面的多种单项指标;具体见下表中不同方面各级指标。
进一步的,所述根据企业第三关联数据,确定非第一风险状态的风险程度,包括:
从企业第三关联数据中,抽取该企业各个营业周期内,与非第一风险状态的风险程度相关的数据;
根据抽取的所述相关数据,确定非第一风险状态的风险程度;
进一步的,所述根据抽取的所述相关数据,确定非第一风险状态的风险程度,还包括
从该企业各个营业周期内,与非第一风险状态的风险程度相关的数据中,选取同一营业周期与企业的负债、营收、回款、还债和变现能力相关的数据,以及与该同一营业周期相邻的其他营业周期的营收能力相关数据,组成第二数据集;
将第二数据集中的数据,经过预设对应风险指标模型的数据处理后,量化其具体的风险程度,得出该企业潜在的风险程度,即非第一风险状态的风险程度。
进一步的,所述非第一风险状态的风险程度,也即第二风险状态的风险程度,采用第二风险指标表征,且所述第二风险指标的模型如下:
其中,W2为第二风险指标值;
η为某一营业周期内的资产负载率;
m为某一营业周期的最近m个营业周期;
j为某一营业周期的最近m个营业周期内的第j个营业周期;
Rj为某一营业周期的最近m个营业周期内的第j个营业周期的营业收入;
R为某一营业周期内的营业收入;
c1为某一营业周期内,营业活动的现金流入量;
c2为某一营业周期内,营业活动的现金流出量;
r为某一营业周期内的净利润;
l为某一营业周期内的流动资产;
f为某一营业周期内的流动负债;
h为某一营业周期内的存货类资产;
所述存货类资产,指资产中变现速度慢的资产,包括但不限于:存货、预付账款、营业周期中的非流动资产,及其他流动资产;
以上所述某一营业周期的具体数据均采用同一营业周期的数据,以及统一的量纲和单位;
所述第二风险指标,为根据该企业关联数据的处理后,任意一项单项风险指标均小于其对应阈值时的潜在风险程度;
所述第二风险指标值越大,表示当前风险程度越高;
具体来说,根据第一风险指标和第二风险指标,进行风险状态和风险程度的确定方法,具体如下:
(1)若至少一项单项风险指标大于等于其对应阈值,则识别为第一风险状态,确定当前的第一风险指标,发出预警,并输出采用第一风险指标表征的当前风险的程度;
(2)若任意一项单项风险指标均小于其对应阈值,确定当前的第二风险指标,当第二风险指标大于等于其对应阈值时,则识别为第二风险状态,发出预警,并输出采用第二风险指标表征的当前风险的程度;
(3)若任意一项单项风险指标均小于其对应阈值,且当前的第二风险指标也小于其对应阈值,则识别为第三风险状态,不发出预警;
具体来说,第一风险指标和第二风险指标,表示在实际中的两种不同的风险状态,第一风险指标,表征当前风险状态为已有至少一个单项风险指标已超过对应阈值的情况下,具体的风险程度;第二风险指标,表征当前风险状态为未有一个单项风险指标超过对应阈值的情况下,潜在的风险程度;即第一风险指标,反映的是已经有明显的风险,以及具体的风险程度,第二风险指标,反映的是虽然未有明显的风险,但是可能存在潜在风险的程度;
本申请通过单项风险指标、第一风险指标和第二风险指标三类指标的结合,将风险状态准确地分为:第一风险状态、第二风险状态和第三风险状态,通过单项风险指标识别是否为第一风险状态,且采用第一风险指标对第一风险状态的风险程度进行量化,通过第二风险指标的大小识别是否为第二风险状态,且采用第二风险指标对第二风险状态的风险程度进行量化;而单项风险指标,为风险状态在不同方面的单独一项指标,比如变现能力、营运能力、偿债能力、盈利能力、现金流量等方面的多种单项指标,且按照现有成熟的行业指标的分级,能够更加精确地监控风险状态,及时的进行风险预警,同时,第一风险指标和第二风险指标又能够将其风险程度进行统一量化,使同一风险状态,可以根据具体的风险程度进一步分级监控和预警,另外,大数据的实时更新,也能提高数据的实时性。因此,本申请能够实现实时化、智能化、精细化的风险监控及预警。
综上,本申请通过及时、准确、全面地采集企业与行业环境的关联信息,并在此基础上进行数据的提取、挖掘和整合分析,实现了对企业或行业的风险状态及风险趋势进行实时监控、智能识别和及时预警的目的。
实施例2
如图3所示,本申请提供了一种企业关联数据处理预警系统,所述系统包括:
数据获取模块,用于获取企业第一关联数据,以及获取第一筛选参数,并将所述企业第一关联数据经过第一数据筛选后,得到企业第二关联数据;
风险识别模块,用于根据所述企业第二关联数据,确定当前的风险状态;
风险预警模块,用于若当前的风险状态的风险程度为超过其对应阈值,则发出预警;
所述企业第一关联数据,为与企业经营风险有关的各种基础数据,包括但不限于:与企业经营风险关联的舆情数据、工商数据、行业数据、财务数据、债券数据;
所述第一筛选参数,为与确定当前风险状态有关的筛选参数;
所述第一数据筛选,为将企业第一关联数据为基础,根据第一筛选参数,进行筛选、数据标注后抽取,从而得到企业第二关联数据的过程;
所述当前的风险状态,为根据获取的企业第二关联数据,确定企业已出现风险的程度,或存在潜在风险的程度。
进一步的,如图2所示,所述根据所述企业第二关联数据,确定当前的风险状态,若当前的风险状态的风险程度为超过对应阈值,则发出预警;包括:
根据所述企业第二关联数据,确定预设的单项风险指标的是否超过其对应阈值,并识别当前的风险状态;
(1)若当前的风险状态为第一风险状态,则确定第一风险状态的风险程度,发出预警,并输出第一风险状态的风险程度;
(2)若当前的风险状态为非第一风险状态,则进一步确定是否预警如下:
将已获取的所述企业第一关联数据,经过第二数据筛选后,得到企业第三关联数据;
根据企业第三关联数据,确定非第一风险状态的风险程度,并识别当前的风险状态;
a.若非第一风险状态的风险程度超过其对应阈值,确定当前的风险状态为第二风险状态,则发出预警,并输出第二风险状态的风险程度;
b.若非第一风险状态的风险程度未超过其对应阈值,确定当前的风险状态为第三风险状态,则不发出预警;
所述第一风险状态,为在预设的单项风险指标中,至少有一项指标超过其对应阈值;
所述第二风险状态,为在预设的单项风险指标中,未有一项指标超过其对应阈值,但当前风险状态的风险程度超过其对应阈值;
所述第三风险状态,为在预设的单项风险指标中,未有一项指标超过其对应阈值,且当前风险状态的风险程度未超过其对应阈值;
所述单项风险指标,为表征风险状态的不同方面的单独一项指标,比如变现能力、营运能力、偿债能力、盈利能力、现金流量等方面的多种单项指标;
所述第二筛选参数,为与确定第二风险状态有关的筛选参数;
所述第二数据筛选,为将企业第一关联数据为基础,根据第二筛选参数,进行筛选、数据标注后抽取,从而得到企业第三关联数据的过程;
具体来说,获取企业第一关联数据,也即与企业经营风险有关的各种基础数据,可通过爬虫将舆情、公告、财务报告等公开数据进行抓取所需数据,之后的第一数据筛选或者第二数据筛选,可将抓取的数据的进行数据标注后抽取(标注的目的是抽取所需的相关数据),再根据标注内容进行分类,组成企业第二关联数据或企业第三关联数据;其中,第一数据筛选的过程中,将根据第一筛选参数(即预设的相关关键词、相关参数、比例、比率等具体参数),对已获取的企业第一关联数据进行筛选,然后对确定第一风险状态的相关数据进行标注后抽取,得到企业第二关联数据;同理,第二数据筛选的过程中,将根据第二筛选参数(即预设的相关关键词、相关参数、比例、比率等具体参数),对已获取的企业第一关联数据进行筛选,然后对确定第一风险状态的相关数据进行标注后抽取,得到企业第三关联数据;
具体来说,所述第一筛选参数和所述第二筛选参数,为模型预设的初始筛选参数,后续随着模型的更新,初始筛选参数也会随之进行适应性调整,以符合最新的筛选规则,具体的筛选参数,包括:数据时间(比如某一时间段或某一具体时刻),筛选关键词,关键词筛选优先度排序等;且所述第一筛选参数和所述第二筛选参数,均有自定义参数的功能,能够根据后续确定风险状态的具体参数的不同,进行调整;
具体来说,发出预警时,可将预警信息均标注到对应的关联数据中一并输出,使得预警信息的展示能够关联性更强,更加直观;
本申请根据获取的企业第一关联数据,首先根据第一筛选参数,筛选出与确定风险状态相关的数据,从而得到企业第二关联数据,再根据企业第二关联数据,确定当前的风险状态是否属于第一风险状态,若属于第一风险状态,则预警并输出具体风险程度,否则,将企业第一关联数据根据第二筛选参数,筛选得到企业第三关联数据,进一步确定当前风险状态属于第二风险状态或者第三风险状态,至此,本申请将当前的风险状态按照客观规律,具体划分为:(1)第一风险状态(已明显出现风险);(2)第二风险状态(虽未明显出现风险,但存在潜在风险);(3)第三风险状态(未明显出现风险,也无潜在风险);以上三种风险状态,将可能存在的风险状态全面包含在内,且将风险级别由高到低进行排序,使得在确定当前风险状态时,能够将所有情况均能分类至合适的风险状态中,并且将同类情况和风险级别一一对应,实现了风险状态、风险情况和风险级别三者的统一归类,这样不仅优化了具体风险状态的识别,而且根据不同风险状态的风险程度,进行预警,实现了根据企业关联数据,对企业进行状态监控和风险预警,并且监控和预警的实时性、准确性也得到进一步提高。
进一步的,所述根据所述企业第二关联数据,确定预设的单项风险指标的是否超过其对应阈值,并识别当前的风险状态,包括:
从企业第二关联数据中,抽取该企业各个营业周期内,与预设单项风险指标相关的数据;
根据抽取的相关数据,逐一确定各单项风险指标值;
若出现任意一个单项风险指标值超过其对应阈值的情况,则识别当前的风险状态为第一风险状态;
进一步的,所述若当前的风险状态为第一风险状态,则确定第一风险状态的风险程度,发出预警,并输出第一风险状态的风险程度,还包括所述确定第一风险状态的风险程度的方法如下:
从抽取的该企业各个营业周期内,与预设单项风险指标相关的数据中,选取同一营业周期内的数据,确定各单项风险指标值;
将确定的各单项风险指标值分别与其对应阈值进行比较,若单项风险指标值超过其对应阈值,则筛选至第一数据集;
将第一数据集中单项风险指标超过其对应阈值的具体程度进行量化,并加权后相加,得出第一数据集中各单项风险指标的综合风险程度,即第一风险状态的风险程度。
进一步的,所述第一风险状态的风险程度采用第一风险指标表征,且所述第一风险指标的模型如下:
其中,W1为第一风险指标;
n为某一营业周期内,当前风险状态中大于等于其对应阈值的单项风险指标的数量;
N为某一营业周期内,当前风险状态中单项风险指标的总数量;
wi为某一营业周期内,在当前风险状态中大于等于其对应阈值的单项风险指标中,第i个单项风险指标值;
wi0为某一营业周期内,在当前风险状态中大于等于其对应阈值的单项风险指标中,第i个单项风险指标值的对应阈值;
以上所述某一营业周期的具体数据均采用同一营业周期的数据,以及统一的量纲和单位;
所述第一风险指标,为根据该企业关联数据的处理后,至少有一项单项风险指标大于等于其对应阈值时的风险程度;
所述第一风险指标值越大,表示当前风险程度越高;
具体来说,在风险状态中大于等于其对应阈值的单项风险指标中,第i个单项风险指标值的对应阈值,可采用该企业所属行业中对应的指标均值,或通过该企业以往的相关历史数据计算出的对应阈值;
所述单项风险指标,为表征风险状态的不同方面的单独一项指标,比如变现能力、营运能力、偿债能力、盈利能力、现金流量等方面的多种单项指标;
进一步的,所述根据企业第三关联数据,确定非第一风险状态的风险程度,包括:
从企业第三关联数据中,抽取该企业各个营业周期内,与非第一风险状态的风险程度相关的数据;
根据抽取的所述相关数据,确定非第一风险状态的风险程度;
进一步的,所述根据抽取的所述相关数据,确定非第一风险状态的风险程度,还包括
从该企业各个营业周期内,与非第一风险状态的风险程度相关的数据中,选取同一营业周期与企业的负债、营收、回款、还债和变现能力相关的数据,以及与该同一营业周期相邻的其他营业周期的营收能力相关数据,组成第二数据集;
将第二数据集中的数据,经过预设对应风险指标模型的数据处理后,量化其具体的风险程度,得出该企业潜在的风险程度,即非第一风险状态的风险程度。
进一步的,所述非第一风险状态的风险程度,也即第二风险状态的风险程度,采用第二风险指标表征,且所述第二风险指标的模型如下:
其中,W2为第二风险指标值;
η为某一营业周期内的资产负载率;
m为某一营业周期的最近m个营业周期;
j为某一营业周期的最近m个营业周期内的第j个营业周期;
Rj为某一营业周期的最近m个营业周期内的第j个营业周期的营业收入;
R为某一营业周期内的营业收入;
c1为某一营业周期内,营业活动的现金流入量;
c2为某一营业周期内,营业活动的现金流出量;
r为某一营业周期内的净利润;
l为某一营业周期内的流动资产;
f为某一营业周期内的流动负债;
h为某一营业周期内的存货类资产;
所述存货类资产,指资产中变现速度慢的资产,包括但不限于:存货、预付账款、营业周期中的非流动资产,及其他流动资产;
以上所述某一营业周期的具体数据均采用同一营业周期的数据,以及统一的量纲和单位;
所述第二风险指标,为根据该企业关联数据的处理后,任意一项单项风险指标均小于其对应阈值时的潜在风险程度;
所述第二风险指标值越大,表示当前风险程度越高;
具体来说,根据第一风险指标和第二风险指标,进行风险状态和风险程度的确定方法,具体如下:
(1)若至少一项单项风险指标大于等于其对应阈值,则识别为第一风险状态,确定当前的第一风险指标,发出预警,并输出采用第一风险指标表征的当前风险的程度;
(2)若任意一项单项风险指标均小于其对应阈值,确定当前的第二风险指标,当第二风险指标大于等于其对应阈值时,则识别为第二风险状态,发出预警,并输出采用第二风险指标表征的当前风险的程度;
(3)若任意一项单项风险指标均小于其对应阈值,且当前的第二风险指标也小于其对应阈值,则识别为第三风险状态,不发出预警;
具体来说,第一风险指标和第二风险指标,表示在实际中的两种不同的风险状态,第一风险指标,表征当前风险状态为已有至少一个单项风险指标已超过对应阈值的情况下,具体的风险程度;第二风险指标,表征当前风险状态为未有一个单项风险指标超过对应阈值的情况下,潜在的风险程度;即第一风险指标,反映的是已经有明显的风险,以及具体的风险程度,第二风险指标,反映的是虽然未有明显的风险,但是可能存在潜在风险的程度;
本申请通过单项风险指标、第一风险指标和第二风险指标三类指标的结合,将风险状态准确地分为:第一风险状态、第二风险状态和第三风险状态,通过单项风险指标识别是否为第一风险状态,且采用第一风险指标对第一风险状态的风险程度进行量化,通过第二风险指标的大小识别是否为第二风险状态,且采用第二风险指标对第二风险状态的风险程度进行量化;而单项风险指标,为风险状态在不同方面的单独一项指标,比如变现能力、营运能力、偿债能力、盈利能力、现金流量等方面的多种单项指标,且按照现有成熟的行业指标的分级,能够更加精确地监控风险状态,及时的进行风险预警,同时,第一风险指标和第二风险指标又能够将其风险程度进行统一量化,使同一风险状态,可以根据具体的风险程度进一步分级监控和预警,另外,大数据的实时更新,也能提高数据的实时性。因此,本申请能够实现实时化、智能化、精细化的风险监控及预警。
实施例3
如图4所示,本发明提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如上述实施例1所述的方法。
实施例4
如图5所示,本发明提供一种计算机装置,其特征在于,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于执行所述计算机程序时,实现如上述实施例1所述的方法。
综上,本申请通过及时、准确、全面地采集企业与行业环境的关联信息,并在此基础上进行数据的提取、挖掘和整合分析,实现了对企业或行业的风险状态及风险趋势进行实时监控、智能识别和及时预警的目的。
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,上述描述的系统、介质、装置、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或单元可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块或单元可以是或者也可以不是物理上分开的,作为模块或单元显示的部件可以是或者也可以不是物理模块或单元,即可以位于一个地方,或者也可以分布到多个网络模块或单元上。可以根据实际的需要选择其中的部分或者全部模块或单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块或单元可以集成在一个处理模块或单元中,也可以是各个模块或单元单独物理存在,也可以两个或两个以上模块或单元集成在一个模块或单元中。上述集成的模块或单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的系统、模块、单元等,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,本申请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全部或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)执行本申请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。
最后应说明的是,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种企业关联数据处理预警方法,其特征在于,所述方法包括:
获取企业第一关联数据,以及获取第一筛选参数,并将所述企业第一关联数据经过第一数据筛选后,得到企业第二关联数据;
根据所述企业第二关联数据,确定当前的风险状态;
若当前的风险状态的风险程度为超过其对应阈值,则发出预警;
所述企业第一关联数据,为与企业经营风险有关的各种基础数据,包括但不限于:与企业经营风险关联的舆情数据、工商数据、行业数据、财务数据、债券数据;
所述第一筛选参数,为与确定当前风险状态有关的筛选参数;
所述第一数据筛选,为将企业第一关联数据为基础,根据第一筛选参数,进行筛选、数据标注后抽取,从而得到企业第二关联数据的过程;
所述当前的风险状态,为根据获取的企业第二关联数据,确定企业已出现风险的程度,或存在潜在风险的程度。
2.根据权利要求1所述的企业关联数据处理预警方法,其特征在于,所述根据所述企业第二关联数据,确定当前的风险状态,若当前的风险状态的风险程度为超过对应阈值,则发出预警;包括:
根据所述企业第二关联数据,确定预设的单项风险指标的是否超过其对应阈值,并识别当前的风险状态;
(1)若当前的风险状态为第一风险状态,则确定第一风险状态的风险程度,发出预警,并输出第一风险状态的风险程度;
(2)若当前的风险状态为非第一风险状态,则进一步确定是否预警如下:
将已获取的所述企业第一关联数据,经过第二数据筛选后,得到企业第三关联数据;
根据企业第三关联数据,确定非第一风险状态的风险程度,并识别当前的风险状态;
a.若非第一风险状态的风险程度超过其对应阈值,确定当前的风险状态为第二风险状态,则发出预警,并输出第二风险状态的风险程度;
b.若非第一风险状态的风险程度未超过其对应阈值,确定当前的风险状态为第三风险状态,则不发出预警;
所述第一风险状态,为在预设的单项风险指标中,至少有一项指标超过其对应阈值;
所述第二风险状态,为在预设的单项风险指标中,未有一项指标超过其对应阈值,但当前风险状态的风险程度超过其对应阈值;
所述第三风险状态,为在预设的单项风险指标中,未有一项指标超过其对应阈值,且当前风险状态的风险程度未超过其对应阈值;
所述单项风险指标,为表征风险状态的不同方面的单独一项指标,比如变现能力、营运能力、偿债能力、盈利能力、现金流量等方面的多种单项指标;
所述第二筛选参数,为与确定第二风险状态有关的筛选参数;
所述第二数据筛选,为将企业第一关联数据为基础,根据第二筛选参数,进行筛选、数据标注后抽取,从而得到企业第三关联数据的过程。
3.根据权利要求2所述的企业关联数据处理预警方法,其特征在于,所述根据所述企业第二关联数据,确定预设的单项风险指标的是否超过其对应阈值,并识别当前的风险状态,包括:
从企业第二关联数据中,抽取该企业各个营业周期内,与预设单项风险指标相关的数据;
根据抽取的相关数据,逐一确定各单项风险指标值;
若出现任意一个单项风险指标值超过其对应阈值的情况,则识别当前的风险状态为第一风险状态。
4.根据权利要求3所述的企业关联数据处理预警方法,其特征在于,所述若当前的风险状态为第一风险状态,则确定第一风险状态的风险程度,发出预警,并输出第一风险状态的风险程度,还包括所述确定第一风险状态的风险程度的方法如下:
从抽取的该企业各个营业周期内,与预设单项风险指标相关的数据中,选取同一营业周期内的数据,确定各单项风险指标值;
将确定的各单项风险指标值分别与其对应阈值进行比较,若单项风险指标值超过其对应阈值,则筛选至第一数据集;
将第一数据集中单项风险指标超过其对应阈值的具体程度进行量化,并加权后相加,得出第一数据集中各单项风险指标的综合风险程度,即第一风险状态的风险程度。
5.根据权利要求4所述的企业关联数据处理预警方法,其特征在于,所述第一风险状态的风险程度采用第一风险指标表征,且所述第一风险指标的模型如下:
其中,W1为第一风险指标;
n为某一营业周期内,当前风险状态中大于等于其对应阈值的单项风险指标的数量;
N为某一营业周期内,当前风险状态中单项风险指标的总数量;
wi为某一营业周期内,在当前风险状态中大于等于其对应阈值的单项风险指标中,第i个单项风险指标值;
wi0为某一营业周期内,在当前风险状态中大于等于其对应阈值的单项风险指标中,第i个单项风险指标值的对应阈值;
以上所述某一营业周期的具体数据均采用同一营业周期的数据,以及统一的量纲和单位;
所述第一风险指标,为根据该企业关联数据的处理后,至少有一项单项风险指标大于等于其对应阈值时的风险程度;
所述第一风险指标值越大,表示当前风险程度越高;
所述单项风险指标,为表征风险状态的不同方面的单独一项指标,比如变现能力、营运能力、偿债能力、盈利能力、现金流量等方面的多种单项指标。
6.根据权利要求2所述的企业关联数据处理预警方法,其特征在于,所述根据企业第三关联数据,确定非第一风险状态的风险程度,包括:
从企业第三关联数据中,抽取该企业各个营业周期内,与非第一风险状态的风险程度相关的数据;
根据抽取的所述相关数据,确定非第一风险状态的风险程度。
7.根据权利要求6所述的企业关联数据处理预警方法,其特征在于,所述根据抽取的所述相关数据,确定非第一风险状态的风险程度,还包括:
从该企业各个营业周期内,与非第一风险状态的风险程度相关的数据中,选取同一营业周期与企业的负债、营收、回款、还债和变现能力相关的数据,以及与该同一营业周期相邻的其他营业周期的营收能力相关数据,组成第二数据集;
将第二数据集中的数据,经过预设对应风险指标模型的数据处理后,量化其具体的风险程度,得出该企业潜在的风险程度,即非第一风险状态的风险程度。
8.根据权利要求7所述的企业关联数据处理预警方法,其特征在于,所述非第一风险状态的风险程度,也即第二风险状态的风险程度,采用第二风险指标表征,且所述第二风险指标的模型如下:
其中,W2为第二风险指标值;
η为某一营业周期内的资产负载率;
m为某一营业周期的最近m个营业周期;
j为某一营业周期的最近m个营业周期内的第j个营业周期;
Rj为某一营业周期的最近m个营业周期内的第j个营业周期的营业收入;
R为某一营业周期内的营业收入;
c1为某一营业周期内,营业活动的现金流入量;
c2为某一营业周期内,营业活动的现金流出量;
r为某一营业周期内的净利润;
l为某一营业周期内的流动资产;
f为某一营业周期内的流动负债;
h为某一营业周期内的存货类资产;
所述存货类资产,指资产中变现速度慢的资产,包括但不限于:存货、预付账款、营业周期中的非流动资产,及其他流动资产;
以上所述某一营业周期的具体数据均采用同一营业周期的数据,以及统一的量纲和单位;
所述第二风险指标,为根据该企业关联数据的处理后,任意一项单项风险指标均小于其对应阈值时的潜在风险程度;
所述第二风险指标值越大,表示当前风险程度越高。
9.一种企业关联数据处理预警系统,其特征在于,所述系统包括:
数据获取模块,用于获取企业第一关联数据,以及获取第一筛选参数,并将所述企业第一关联数据经过第一数据筛选后,得到企业第二关联数据;
风险识别模块,用于根据所述企业第二关联数据,确定当前的风险状态;
风险预警模块,用于若当前的风险状态的风险程度为超过其对应阈值,则发出预警;
所述企业第一关联数据,为与企业经营风险有关的各种基础数据,包括但不限于:与企业经营风险关联的舆情数据、工商数据、行业数据、财务数据、债券数据;
所述第一筛选参数,为与确定当前风险状态有关的筛选参数;
所述第一数据筛选,为将企业第一关联数据为基础,根据第一筛选参数,进行筛选、数据标注后抽取,从而得到企业第二关联数据的过程;
所述当前的风险状态,为根据获取的企业第二关联数据,确定企业已出现风险的程度,或存在潜在风险的程度。
10.一种计算机装置,包括存储器和处理器;所述存储器,用于存储计算机程序;所述处理器,用于执行所述计算机程序时,实现如权利要求1-8所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211499059.0A CN115860465A (zh) | 2022-11-28 | 2022-11-28 | 一种企业关联数据处理预警方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211499059.0A CN115860465A (zh) | 2022-11-28 | 2022-11-28 | 一种企业关联数据处理预警方法、系统及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115860465A true CN115860465A (zh) | 2023-03-28 |
Family
ID=85667037
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211499059.0A Pending CN115860465A (zh) | 2022-11-28 | 2022-11-28 | 一种企业关联数据处理预警方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860465A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116578460A (zh) * | 2023-06-30 | 2023-08-11 | 中科乐约健康科技(深圳)有限公司 | 一种医疗机构前置数据安全监控方法、系统及装置 |
-
2022
- 2022-11-28 CN CN202211499059.0A patent/CN115860465A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116578460A (zh) * | 2023-06-30 | 2023-08-11 | 中科乐约健康科技(深圳)有限公司 | 一种医疗机构前置数据安全监控方法、系统及装置 |
CN116578460B (zh) * | 2023-06-30 | 2024-03-15 | 中科乐约健康科技(深圳)有限公司 | 一种医疗机构前置数据安全监控方法、系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110751371B (zh) | 基于统计四分位距的商品库存风险预警方法、系统及计算机可读存储介质 | |
CN111401777B (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
CN110378786B (zh) | 模型训练方法、违约传导风险识别方法、装置及存储介质 | |
CN101493913A (zh) | 一种评估网上用户信用的方法及系统 | |
CN107437227A (zh) | 股票投资分析装置与方法 | |
CN110163413A (zh) | 企业监控及预警方法、装置、计算机设备及可读存储介质 | |
CN107133862B (zh) | 动态产生增强信用评估的详细交易支付经历的方法和系统 | |
CN113095927A (zh) | 一种反洗钱可疑交易识别方法及设备 | |
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 | |
CN115860465A (zh) | 一种企业关联数据处理预警方法、系统及装置 | |
CN115545886A (zh) | 逾期风险识别方法、装置、设备及存储介质 | |
CN115829714A (zh) | 一种理财产品数据动态监测的方法及系统 | |
CN114997975A (zh) | 一种异常企业识别方法、装置、设备、介质及产品 | |
CN113434575B (zh) | 基于数据仓库的数据归因处理方法、装置及存储介质 | |
CN112686446A (zh) | 一种面向机器学习可解释性的信贷违约预测方法及系统 | |
CN112464051A (zh) | 一种异常数据检测方法、装置及计算机可读存储介质 | |
CN115689713A (zh) | 异常风险数据处理方法、装置、计算机设备和存储介质 | |
CN115187259A (zh) | 基于无监督式机器学习的区块链异常交易识别方法和系统 | |
CN114638504A (zh) | 企业风险评估方法、装置、设备、介质及产品 | |
CN114140241A (zh) | 一种交易监控指标的异常识别方法及装置 | |
CN112651660A (zh) | 企业风险预警方法及装置 | |
CN113743752A (zh) | 一种数据处理方法及装置 | |
CN111476396A (zh) | 一种基于财务大数据的预测分析方法 | |
CN114155038B (zh) | 受疫情影响用户识别方法 | |
CN108399209A (zh) | 一种基于大数据的监测系统 |
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 |