CN116151991A - 一种企业估值方法、装置、电子设备、存储介质及产品 - Google Patents

Abstract

本发明公开了一种企业估值方法、装置、电子设备、存储介质及产品。该方法通过获取目标企业的行业类型和历史业务数据，基于行业类型和历史业务数据确定目标企业对应的至少一个目标估值模型，根据行业类型和历史业务数据的业务时长，确定预测指标的预测方式，基于目标估值模型和预测指标的预测方式，对目标企业进行指标预测，并基于指标预测结果得到目标企业的估值结果。基于目标企业的行业类型和历史业务数据进行企业估值，确保估值结果科学、可靠，从而使用户无需具备过硬的财务知识即可进行企业估值，解决了估值模型选取困难及非专业评估人员无法进行快速的企业估值的问题。

Description

一种企业估值方法、装置、电子设备、存储介质及产品

技术领域

本发明涉及数据处理领域，尤其涉及一种企业估值方法、装置、电子设备、存储介质及产品。

背景技术

当要对一家公司进行企业并购投资时，需要确定这家公司的当前企业价值是否合乎期望，对企业的过去和未来的现金流进行分析，评估企业内在价值，为投资决策提供有效依据。

目前，现有的企业估值通常采用三种方式：企业通过资产评估获取评估师对企业股权的估值建议；通过公开的新闻及相关信息，获取零散的非上市企业融资、估值信息；上市公司、新三板企业有活跃交易的企业，可以通过公开信息查询企业的市值，主要基于评估参与者对大量财务数据的分析，已评估参与者自身的知识、经验、技术等因素为基础对股权价值进行非常主观的评估，这样做即费时又耗力，而且不够准确、智能，对评估参与者的专业知识要求较高，且不同的计算方法需要获取不同的数据，数据收集数量要求比较多，过程复杂。

发明内容

本发明提供了一种企业估值方法、装置、电子设备、存储介质及产品，以解决估值模型选取困难的问题，从而使非专业评估人员能进行快速的企业估值。

根据本发明的一方面，提供了一种企业估值方法，包括：

获取目标企业的行业类型和历史业务数据，基于所述行业类型和所述历史业务数据确定所述目标企业对应的至少一个目标估值模型；

根据所述行业类型和所述历史业务数据的业务时长，确定预测指标的预测方式；

基于所述目标估值模型和所述预测指标的预测方式，对所述目标企业进行指标预测，并基于指标预测结果得到所述目标企业的估值结果。

可选的，所述企业估值方法，包括：

根据目标企业的行业类型，确定所述行业类型对应的多个估值模型，以及各估值模型的第一推荐排序；

基于所述目标企业的历史业务数据，对各所述估值模型进行指标判定，得到各估值模型的指标判定结果，并基于所述各估值模型的指标判定结果更新各估值模型的第一推荐排序，得到各所述估值模型的第二推荐排序；

基于所述估值模型的第二推荐排序确定至少一个目标估值模型。

可选的，基于所述目标企业的历史业务数据，对各所述估值模型进行指标判定，得到各估值模型的指标判定结果，包括：

对于任一估值模型，确定所述估值模型对应的判定指标；

基于所述历史业务数据确定所述判定指标的指标数据，并确定所述指标数据是否满足指标判定条件，得到所述估值模型的指标判定结果。

可选的，所述基于所述各估值模型的指标判定结果更新各估值模型的第一推荐排序，得到各所述估值模型的第二推荐排序，包括：

对于第一推荐排序中的各估值模型，若所述估值模型的指标判定结果为满足指标判定条件，则保持所述估值模型的排序；

若所述估值模型的指标判定结果为不满足指标判定条件，则将所述估值模型的排序位置调节为排序末位，并更新其他估值模型的排序位置，其中，各所述估值模型均完成调节后的排序形成第二推荐排序。

可选的，基于所述估值模型的第二推荐排序确定至少一个目标估值模型，包括：

根据模型选择数量，将所述第二推荐排序中预设排序位置处的估值模型确定为目标估值模型；或者，

将所述估值模型的第二推荐排序进行展示，根据对估值模型的选择操作，确定被选择的目标估值模型。

可选的，所述将所述估值模型的第二推荐排序进行展示，包括：

将所述第二推荐排序中预设排序位置处的估值模型进行第一方式的区别展示；和/或，

将所述不满足指标判定条件的估值模型进行第二方式的区别展示。

可选的，根据所述行业类型和所述历史业务数据的业务时长，确定预测指标的预测方式，包括：

调用预测方式配置文件，所述预测方式配置文件中包括预测指标的预测方式分别与行业类型和历史业务数据的对应关系；

根据所述目标企业的行业类型和历史业务数据的业务时长，在所述预测方式配置文件中进行匹配，确定各预测指标对应的预测方式。

可选的，所述历史业务数据的业务时长的类型包括大于预设时长和小于预设时长；

相应的，所述预测方式配置文件中包括大于预设时长的情况下，行业类型与各预测指标的预测方式的第一对应关系，以及，小于预设时长的情况下，行业类型与各预测指标的预测方式的第二对应关系。

可选的，所述方法还包括：

对所述预测指标的预测结果进行合理性验证。

可选的，所述对所述预测指标的预测结果进行合理性验证，包括：

根据各预测指标的数据清洗方式，对所述历史业务数据进行数据清洗；

通过所述目标估值模型对清洗后的历史业务数据进行重预测处理，得到重预测结果，并基于所述重预测结果对所述预测结果进行验证。

可选的，所述基于指标预测结果得到所述目标企业的估值结果，包括：

获取推荐估值参数，基于所述推荐估值参数和所述指标预测结果，得到所述目标企业的估值结果。

根据本发明的一方面，提供了一种企业估值装置，包括：

模型确定模块，用于获取目标企业的行业类型和历史业务数据，基于所述行业类型和所述历史业务数据确定所述目标企业对应的至少一个目标估值模型；

预测方式确定模块，用于根据所述行业类型和所述历史业务数据的业务时长，确定预测指标的预测方式；

估值结果获取模块，用于基于所述目标估值模型和所述预测指标的预测方式，对所述目标企业进行指标预测，并基于指标预测结果得到所述目标企业的估值结果。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的企业估值方法。

根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的企业估值方法。

根据本发明的另一方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现本发明任一实施例所述的企业估值方法。

本发明实施例的技术方案，通过获取目标企业的行业类型和历史业务数据，基于行业类型和历史业务数据确定目标企业对应的至少一个目标估值模型，根据行业类型和历史业务数据的业务时长，确定预测指标的预测方式，基于目标估值模型和预测指标的预测方式，对目标企业进行指标预测，并基于指标预测结果得到目标企业的估值结果。基于目标企业的行业类型和历史业务数据进行企业估值，确保估值结果科学、可靠，从而使用户无需具备过硬的财务知识即可进行企业估值，解决了估值模型选取困难及非专业评估人员无法进行快速的企业估值的问题。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是本发明实施例一提供的一种企业估值方法的流程图；

图2是本发明实施例二提供的一种企业估值装置的结构示意图；

图3是本发明实施例三提供的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一特征数据”、“第二特征数据”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本申请所涉及技术方案中对数据的获取、存储和/或处理，符合国家法律法规的相关规定。

实施例一

图1是本发明实施例一提供的一种企业估值方法的流程图，本实施例可适用于对企业的内在价值进行评估的情况，该方法可以由企业估值装置来执行，该企业估值装置可以采用硬件和/或软件的形式实现，该企业估值装置可配置于本发明实施例提供的电子设备中。如图1所示，该方法包括：

S110、获取目标企业的行业类型和历史业务数据，基于行业类型和历史业务数据确定目标企业对应的至少一个目标估值模型。

其中，目标企业可以是用户在筹集资本、收购合并、公司重组、出售资产或业务、新股发行上市等需求前需要进行企业估值的公司。行业类型可以包括但不限于目标企业所属的业务领域等，例如，农、林、牧、渔业，采矿业，制造业，电力、热力、燃气及水生产和供应业，建筑业，批发和零售业，交通运输、仓储和邮政业，住宿和餐饮业，信息传输、软件和信息技术服务业，金融业等。历史业务数据可以是目标企业的财务报表数据等表征目标企业价值的数据。相应的，目标企业的行业类型可以基于目标企业的基本信息进行确定，历史业务数据可以从目标企业的系统中直接提取获得或由目标企业提供，此处不做具体限定。

其中，目标估值模型可以是用于对企业进行价值评估模型，目标估值模型可以包括但不限于无杠杆自由现金流模型(Free cash flow for the firm，FCFF)、股权自由现金流模型(Free Cash Flow to Equity，FCFE)、分红折现模型(股利贴现模型，DividendDiscount Model，DDM)、超额利润估值模型(Abnormal Earning，AE)、经济利润估值模型(经济增加值折现模型，Economic Value Added，EVA)、PE(Price Earning，市盈率模型)、PB(Price Book，市净率模型)、PS(Price to sales ratio，市销率模型)、PCF(市现率估值模型)、EV/EBIT模型、PEG模型、资产基础法等，关于上述模型的具体描述可以参考现有技术，此处不做详细描述。本实施例中，预先设置诸如上述估值模型作为候选模型，针对于目标企业，确定该目标企业所适用的目标估值模型，进一步提高对目标企业的估值准确度。

可选的，目标估值模型的确定过程可以是：根据目标企业的行业类型，确定行业类型对应的多个估值模型，以及各估值模型的第一推荐排序，基于目标企业的历史业务数据，对各估值模型进行指标判定，得到各估值模型的指标判定结果，并基于各估值模型的指标判定结果更新各估值模型的第一推荐排序，得到各估值模型的第二推荐排序，基于估值模型的第二推荐排序确定至少一个目标估值模型。

需要说明的是，对于目标企业可以有多个对应的估值模型，但这些估值模型与目标企业的契合度，即计算精度及估值准确度是不同的。

其中，第一推荐排序可以是通过读取目标企业的基本信息从而确定目标企业的行业类型，并基于行业类型和估值模型推荐排序的匹配关系向用户推送的初步模型推荐排序，相应的，第一推荐排序可以表征模型对于该目标企业的契合度，即排序越靠前的模型计算的准确度越高，行业类型和估值模型推荐排序的匹配关系可以是预先设置的，此处不做具体限定。

示例性的，若确定目标企业的行业类型为采矿业，则各估值模型的第一推荐排序如下：1、PB模型，2、资产基础法，3、PS模型，4、EVA模型，5、AE模型，6、PEG模型，7、PE模型，8、DDM模型，9、FCFF模型，10、FCFE模型，11、PCF模型，12、EV模型。

其中，指标可以是各个估值模型对应的判定指标，不同的估值模型对应的判定指标可以是不同的。通过历史业务数据对估值模型对应的判定指标进行判定，并将判定结果作为更新各估值模型的推荐排序的依据。第二推荐排序可以是在对第一推荐排序中所有估值模型完成指标判定并更新后形成的估值模型的排序。

通过对各个估值模型的判定指标进行判断获得判定结果，并基于判定结果更新第一推荐排序，使估值模型的排序与目标企业的契合度更高，提高目标估值模型的确定准确性，从而确保估值结果科学、可靠。

可选的，判定结果的获取，可以是：对于任一估值模型，确定估值模型对应的判定指标，基于历史业务数据确定判定指标的指标数据，并确定指标数据是否满足指标判定条件，得到估值模型的指标判定结果。

其中，判定条件可以是基于历史业务数据计算的各个估值模型对应指标的正负情况，或者是否满足特定阈值的情况。相应的，判定结果可以是在确定指标数据满足指标判定条件时维持第一推荐排序原有的排序或在确定指标数据不满足指标判定条件时基于判定结果生成第二推荐排序。

示例性的，如果判断指标为正值，确定该指标数据满足指标判定条件，则维持第一推荐排序的排序，如果判断指标为负值，确定该指标数据不满足指标判定条件，则更新该估值模型的第一推荐排序。无杠杆自由现金流模型(FCFF)模型对应的判定指标可以是实体现金流量，股权自由现金流模型(FCFE)模型对应的判定指标可以是股权现金流量，分红折现模型(DDM)模型对应的判定指标可以是股利，PB模型对应的判定指标可以是所有者权益，资产基础法对应的判定指标可以是所有者权益，等等，所有的估值模型都有其对应的判定指标，此处不再一一列举。此处对各判定指标对应的指标数据的确定方式不作限定，可基于预先设置的指标数据计算规则对历史业务数据计算得到。

通过确定各个估值模型对应的判定指标，为各个估值模型推荐排序的更新提供了依据。

可选的，对于第一推荐排序中的各估值模型，若估值模型的指标判定结果为满足指标判定条件，则保持估值模型的排序，若估值模型的指标判定结果为不满足指标判定条件，则将估值模型的排序位置调节为排序末位，并更新其他估值模型的排序位置，其中，各估值模型均完成调节后的排序形成第二推荐排序。

其中，基于各估值模型的指标判定结果更新各估值模型的第一推荐排序可以是遍历第一推荐排序中所有的估值模型，并判断其对应指标的正负，若判断指标为正值，则维持该估值模型排序位置，若判断指标为负值，则将该判定指标对应的估值模型的排序位置调节为排序末位，并适应性的更新其他估值模型的排序。依次对第一推荐排序中每一个估值模型均执行上述排序更新过程，直至第一推荐排序中所有估值模型都完成指标的判定。

示例性的，若向用户提供的各估值模型的第一推荐排序如下：1、FCFF模型，2、FCFE模型，3、PCF模型，4、EV模型，判定FCFF模型对应的判定指标为正，则判定结果为保持FCFF模型当前的排序，即第一位，判定FCFE模型对应的判定指标为负，则判定结果为将FCFE模型的排序位置调节为排序末位，即第四位，遍历并依次判定PCF模型对应的对应的判定指标为负及EV模型对应的判定指标为正，则更新第一推荐排序形成第二推荐排序为：1、FCFF模型，2、EV模型，3、FCFE模型，4、PCF模型，此处仅为举例说明第一推荐排序的更新情况，并非具体限定。

通过遍历第一推荐排序将不满足判定条件的估值模型的排序进行调节形成新的第二推荐排序，使用户无需具备过硬的财务知识即可进行企业估值。

可选的，基于估值模型的第二推荐排序确定至少一个目标估值模型，可以是：根据模型选择数量，将第二推荐排序中预设排序位置处的估值模型确定为目标估值模型。

其中，模型选择数量可以是由用户根据实际情况确定的，此处不做具体限定。预设排序可以是指第二推荐排序中与模型选择数量相同且位于靠前排序的估值模型，例如，模型选择数量为3，则目标估值模型为第二推荐排序中前3个(排序第1-3位)的估值模型。例如，模型选择数量为1则目标估值模型为第二推荐排序中排序第一位的估值模型。

通过自动选取排序靠前的估值模型，进一步确保估值结果科学、可靠，解决了估值模型选取困难及非专业评估人员无法进行快速的企业估值的问题。

可选的，基于估值模型的第二推荐排序确定至少一个目标估值模型，还可以是：将估值模型的第二推荐排序进行展示，根据对估值模型的选择操作，确定被选择的目标估值模型。

其中，将估值模型的第二推荐排序进行展示可以是在电子设备的显示面板上基于第二推荐排序列出各个估值模型，供用户选择。对估值模型的选择操作可以是用户的点击操作。相应的，在接收到用户的点击操作后，将用户点击的估值模型作为目标估值模型，该点击操作的执行次数与模型选择数量相同。其中，用户通过选择操作选择的目标估值模型可以是一个或多个。

通过将推荐排序展示给用户进行选择，实现了企业估值的自适应更改，进一步确保了估值结果科学、可靠。

可选的，将估值模型的第二推荐排序进行展示，可以是：将第二推荐排序中预设排序位置处的估值模型进行第一方式的区别展示，和/或，将不满足指标判定条件的估值模型进行第二方式的区别展示。

其中，第一方式可以是绿色高亮标识，第二方式可以是红色高亮标识，能够实现第一方式与第二方式的区别即可，此处不做具体限定。

例如，若模型选择数量为4，不满足指标判定条件(判定指标为负，排序调节到末位)的估值模型为4，则将前四个估值模型用高亮绿色背景进行标识，而将末位四个估值模型用高亮红色背景进行标识，实现区别展示。更加方便用户选择契合度更高的估值模型。

在一些实施例中，在确定目标估值模型之后，还可以包括调节模型配置指标，例如可调用模型配置指标调节列表，该模型配置指标调节列表中包括各估值模型对应的模型配置指标。示例性的，FCFF模型对应的模型配置指标包括股权资本成本、债务融资成本、债务资本比例、永续增长率等。可根据确定的目标估值模型，与上述模型配置指标调节列表确定进行调节的模型配置参数。其中，各模型配置指标的调节方式为预先设置的，根据模型配置指标的类型调用调节规则，对目标估值模型进行模型配置指标的调节。相应的，基于指标调节后的目标估值模型对目标企业进行估值处理。

S120、根据行业类型和历史业务数据的业务时长，确定预测指标的预测方式。

其中，业务时长可以是目标企业的历史业务数据的时间跨度，例如，目标企业财务报表数据的时间跨度为一年。预测指标可以是指目标企业历史业务中的各项数据指标，例如，营业收入、营业成本、营业税金及附加、销售费用、管理费用、其他财务费用、资产减值损失、其他经营性损益、所得税率、资产处置收益、其他非经营性损益、少数股东损益、普通股股利、交易性金融资产、应收票据及账款等。预测方式可以是基于目标企业行业类型确定的预测指标的计算方式。

可选的，确定预测指标的预测方式，可以是：调用预测方式配置文件，预测方式配置文件中包括预测指标的预测方式分别与行业类型和历史业务数据的对应关系，根据目标企业的行业类型和历史业务数据的业务时长，在预测方式配置文件中进行匹配，确定各预测指标对应的预测方式。

其中，预测方式配置文件可以是预先设置的，能够查询到不同行业类型对应的预测指标的计算方式即可，此处不做具体限定，示例性的，预测方式配置文件可以是表格形式。相应的，预测方式配置文件中包括预测指标的预测方式分别与行业类型和历史业务数据的对应关系，例如，采矿业的营业收入的预测方式为：比率＝最新年报；建筑业的销售费用的预测方式为：比率＝行业增长，等。

基于业务时间调用不同的预测方式配置文件进行匹配从而确定各预测指标的预测方式，确保了预测的准确性。

可选的，历史业务数据的业务时长的类型包括大于预设时长和小于预设时长。

其中，预设时间可以是根据具体情况进行设定的，例如，一年等。历史业务数据的不同业务时长类型对应设置有不同的预测方式配置文件。

相应的，预测方式配置文件中包括大于预设时长的情况下，行业类型与各预测指标的预测方式的第一对应关系，以及，小于预设时长的情况下，行业类型与各预测指标的预测方式的第二对应关系。

例如，若该目标企业的行业类型为采矿业，且其历史业务数据未超过一年，则其营业收入的预测方式为：比率＝行业增长。相应的，在确定目标企业的行业类型后，基于目标企业的历史业务数据的业务时长确定需要调用的预测方式配置文件，并在对应的预测方式配置文件中基于目标企业的行业类型进行匹配，确定各预测指标的预测方式。

通过基于历史业务数据的不同业务时间设置不同的预测方式配置文件，并基于业务时间调用不同的预测方式配置文件进行匹配从而确定各预测指标的预测方式，进一步确保了预测的准确性。

S130、基于目标估值模型和预测指标的预测方式，对目标企业进行指标预测，并基于指标预测结果得到目标企业的估值结果。

其中，指标预测可以是基于在预测方式配置文件匹配到的预测指标的预测方式对预测指标进行计算的过程。本实施例中，基于目标估值模型对历史业务数据执行预测指标的预测方式的预测处理，得到该指标预测结果的指标预测结果。其中，该指标预测结果可以是目标企业在未来n期的预测结果，其中n期可以是在未来n个时间段，每一时间段的时长可以是预设的，例如每一时间段可以是一年等。

可选的，在获得预测指标的预测结果后，还可以：对预测指标的预测结果进行合理性验证。

可选的，对预测指标的预测结果进行合理性验证可以是：根据各预测指标的数据清洗方式，对历史业务数据进行数据清洗，通过目标估值模型对清洗后的历史业务数据进行重预测处理，得到重预测结果，并基于重预测结果对预测结果进行验证。

其中，数据清洗方式可以是对历史业务数据的删除操作。相应的，不同的历史业务数据对应有不同的数据清洗方式。

例如，对于营业收入增长率对应的数据清洗方式可以是去除历史第一期数据，其中，第一期数据可以是基于业务时长进行的适应性划分，此处不作具体限定，而对于销售净利率则可以不做任何数据清洗。

通过对预测指标的预测结果进行合理性验证，进一步的确保了估值结果的科学、可靠。

可选的，估值结果的获取，可以是：获取推荐估值参数，基于推荐估值参数和指标预测结果，得到目标企业的估值结果。

其中，推荐估值参数可以是能够影响企业估值结果的固有参数，相应的，推荐估值参数可以包括但不限于GDP增长率等。目标企业的估值结果可以是将推荐估值参数和目标企业的指标预测结果输入目标企业的目标估值模型计算获得的，关于其具体实现流程可以参考现有技术，此处不再过多赘述。

在一些实施例中，可以是通过对多个指标预测结果进行打分处理，得到打分数据，将该打分数据确定为目标企业的估值结果。其中，打分处理过程可以是对各指标预测结果进行加权处理，或者，将多个指标预测结果输入至预先设置的打分模型中得到。

通过获取目标企业的行业类型和历史业务数据，基于行业类型和历史业务数据确定目标企业对应的至少一个目标估值模型，根据行业类型和历史业务数据的业务时长，确定预测指标的预测方式，基于目标估值模型和预测指标的预测方式，对目标企业进行指标预测，并基于指标预测结果得到目标企业的估值结果。基于目标企业的行业类型和历史业务数据进行企业估值，确保估值结果科学、可靠，从而使用户无需具备过硬的财务知识即可进行企业估值，解决了估值模型选取困难及非专业评估人员无法进行快速的企业估值的问题。

实施例二

图2是本发明实施例二提供的一种企业估值装置的结构示意图。如图2所示，该装置包括：

模型确定模块210，用于获取目标企业的行业类型和历史业务数据，基于所述行业类型和所述历史业务数据确定所述目标企业对应的至少一个目标估值模型；

预测方式确定模块220，用于根据所述行业类型和所述历史业务数据的业务时长，确定预测指标的预测方式；

估值结果获取模块230，用于基于所述目标估值模型和所述预测指标的预测方式，对所述目标企业进行指标预测，并基于指标预测结果得到所述目标企业的估值结果。

可选的，所述企业估值装置，包括：

第一排序模块，用于根据目标企业的行业类型，确定所述行业类型对应的多个估值模型，以及各估值模型的第一推荐排序；

第二排序模块，用于基于所述目标企业的历史业务数据，对各所述估值模型进行指标判定，得到各估值模型的指标判定结果，并基于所述各估值模型的指标判定结果更新各估值模型的第一推荐排序，得到各所述估值模型的第二推荐排序；

目标估值模型确定模块，用于基于所述估值模型的第二推荐排序确定至少一个目标估值模型。

可选的，第二排序模块，包括：

判定指标确定模块，用于对于任一估值模型，确定所述估值模型对应的判定指标；

判定结果获取模块，用于基于所述历史业务数据确定所述判定指标的指标数据，并确定所述指标数据是否满足指标判定条件，得到所述估值模型的指标判定结果。

可选的，所述第二排序模块，具体用于：

对于第一推荐排序中的各估值模型，若所述估值模型的指标判定结果为满足指标判定条件，则保持所述估值模型的排序；

若所述估值模型的指标判定结果为不满足指标判定条件，则将所述估值模型的排序位置调节为排序末位，并更新其他估值模型的排序位置，其中，各所述估值模型均完成调节后的排序形成第二推荐排序。

可选的，目标估值模型确定模块，包括：

确定单元，用于根据模型选择数量，将所述第二推荐排序中预设排序位置处的估值模型确定为目标估值模型；

展示单元，用于将所述估值模型的第二推荐排序进行展示，根据对估值模型的选择操作，确定被选择的目标估值模型。

可选的，所展示单元，具体用于：

将所述第二推荐排序中预设排序位置处的估值模型进行第一方式的区别展示；和/或，

将所述不满足指标判定条件的估值模型进行第二方式的区别展示。

可选的，预测方式确定模块220，包括：

调用模块，用于调用预测方式配置文件，所述预测方式配置文件中包括预测指标的预测方式分别与行业类型和历史业务数据的对应关系；

匹配模块，用于根据所述目标企业的行业类型和历史业务数据的业务时长，在所述预测方式配置文件中进行匹配，确定各预测指标对应的预测方式。

可选的，所述历史业务数据的业务时长的类型包括大于预设时长和小于预设时长。

相应的，所述调用模块，具体用于：

在所述历史业务数据的业务时长的类型为大于预设时长的情况下，调用行业类型与各预测指标的预测方式的第一对应关系；

在所述历史业务数据的业务时长的类型为小于预设时长的情况下，调用行业类型与各预测指标的预测方式的第二对应关系。

可选的，所述企业估值装置还包括：

验证模块，用于对所述预测指标的预测结果进行合理性验证。

可选的，所述验证模块，具体用于：

根据各预测指标的数据清洗方式，对所述历史业务数据进行数据清洗；

通过所述目标估值模型对清洗后的历史业务数据进行重预测处理，得到重预测结果，并基于所述重预测结果对所述预测结果进行验证。

可选的，所述估值结果获取模块230，包括：

推荐估值参数获取模块，用于获取推荐估值参数，基于所述推荐估值参数和所述指标预测结果，得到所述目标企业的估值结果。

本发明实施例所提供的企业估值装置可执行本发明任意实施例所提供的企业估值方法，具备执行方法相应的功能模块和有益效果。

实施例三

图3是本发明实施例三提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图3所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如企业估值方法。

在一些实施例中，企业估值方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的企业估值方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行企业估值方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

实施例四

本发明实施例四还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行企业估值方法，该方法包括：

获取目标企业的行业类型和历史业务数据，基于所述行业类型和所述历史业务数据确定所述目标企业对应的至少一个目标估值模型；根据所述行业类型和所述历史业务数据的业务时长，确定预测指标的预测方式；基于所述目标估值模型和所述预测指标的预测方式，对所述目标企业进行指标预测，并基于指标预测结果得到所述目标企业的估值结果。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

实施例五

本发明实施例五还提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本发明任一实施例所述的企业估值方法。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (15)

1.一种企业估值方法，其特征在于，包括：

获取目标企业的行业类型和历史业务数据，基于所述行业类型和所述历史业务数据确定所述目标企业对应的至少一个目标估值模型；

根据所述行业类型和所述历史业务数据的业务时长，确定预测指标的预测方式；

基于所述目标估值模型和所述预测指标的预测方式，对所述目标企业进行指标预测，并基于指标预测结果得到所述目标企业的估值结果。

2.根据权利要求1所述的方法，其特征在于，包括：

根据目标企业的行业类型，确定所述行业类型对应的多个估值模型，以及各估值模型的第一推荐排序；

基于所述目标企业的历史业务数据，对各所述估值模型进行指标判定，得到各估值模型的指标判定结果，并基于所述各估值模型的指标判定结果更新各估值模型的第一推荐排序，得到各所述估值模型的第二推荐排序；

基于所述估值模型的第二推荐排序确定至少一个目标估值模型。

3.根据权利要求1所述的方法，其特征在于，基于所述目标企业的历史业务数据，对各所述估值模型进行指标判定，得到各估值模型的指标判定结果，包括：

对于任一估值模型，确定所述估值模型对应的判定指标；

基于所述历史业务数据确定所述判定指标的指标数据，并确定所述指标数据是否满足指标判定条件，得到所述估值模型的指标判定结果。

4.根据权利要求2所述的方法，其特征在于，所述基于所述各估值模型的指标判定结果更新各估值模型的第一推荐排序，得到各所述估值模型的第二推荐排序，包括：

对于第一推荐排序中的各估值模型，若所述估值模型的指标判定结果为满足指标判定条件，则保持所述估值模型的排序；

若所述估值模型的指标判定结果为不满足指标判定条件，则将所述估值模型的排序位置调节为排序末位，并更新其他估值模型的排序位置，其中，各所述估值模型均完成调节后的排序形成第二推荐排序。

5.根据权利要求2所述的方法，其特征在于，基于所述估值模型的第二推荐排序确定至少一个目标估值模型，包括：

根据模型选择数量，将所述第二推荐排序中预设排序位置处的估值模型确定为目标估值模型；或者，

将所述估值模型的第二推荐排序进行展示，根据对估值模型的选择操作，确定被选择的目标估值模型。

6.根据权利要求5所述的方法，其特征在于，所述将所述估值模型的第二推荐排序进行展示，包括：

将所述第二推荐排序中预设排序位置处的估值模型进行第一方式的区别展示；和/或，

将所述不满足指标判定条件的估值模型进行第二方式的区别展示。

7.根据权利要求1所述的方法，其特征在于，根据所述行业类型和所述历史业务数据的业务时长，确定预测指标的预测方式，包括：

调用预测方式配置文件，所述预测方式配置文件中包括预测指标的预测方式分别与行业类型和历史业务数据的对应关系；

根据所述目标企业的行业类型和历史业务数据的业务时长，在所述预测方式配置文件中进行匹配，确定各预测指标对应的预测方式。

8.根据权利要求7所述的方法，其特征在于，所述历史业务数据的业务时长的类型包括大于预设时长和小于预设时长；

相应的，所述预测方式配置文件中包括大于预设时长的情况下，行业类型与各预测指标的预测方式的第一对应关系，以及，小于预设时长的情况下，行业类型与各预测指标的预测方式的第二对应关系。

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对所述预测指标的预测结果进行合理性验证。

10.根据权利要求9所述方法，其特征在于，所述对所述预测指标的预测结果进行合理性验证，包括：

根据各预测指标的数据清洗方式，对所述历史业务数据进行数据清洗；

通过所述目标估值模型对清洗后的历史业务数据进行重预测处理，得到重预测结果，并基于所述重预测结果对所述预测结果进行验证。

11.根据权利要求1所述的方法，其特征在于，所述基于指标预测结果得到所述目标企业的估值结果，包括：

获取推荐估值参数，基于所述推荐估值参数和所述指标预测结果，得到所述目标企业的估值结果。

12.一种企业估值装置，其特征在于，包括：

模型确定模块，用于获取目标企业的行业类型和历史业务数据，基于所述行业类型和所述历史业务数据确定所述目标企业对应的至少一个目标估值模型；

预测方式确定模块，用于根据所述行业类型和所述历史业务数据的业务时长，确定预测指标的预测方式；

估值结果获取模块，用于基于所述目标估值模型和所述预测指标的预测方式，对所述目标企业进行指标预测，并基于指标预测结果得到所述目标企业的估值结果。

13.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-11中任一项所述的企业估值方法。

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-11中任一项所述的企业估值方法。

15.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-11中任一项所述的企业估值方法。

Images