CN117172612A - 一种企业对象的评价方法和装置 - Google Patents
一种企业对象的评价方法和装置 Download PDFInfo
- Publication number
- CN117172612A CN117172612A CN202311264240.8A CN202311264240A CN117172612A CN 117172612 A CN117172612 A CN 117172612A CN 202311264240 A CN202311264240 A CN 202311264240A CN 117172612 A CN117172612 A CN 117172612A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- enterprise
- weighting
- evaluation index
- report data
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 407
- 238000012545 processing Methods 0.000 claims abstract description 56
- 238000010606 normalization Methods 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 62
- 238000011161 development Methods 0.000 claims description 31
- 238000012216 screening Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 230000007306 turnover Effects 0.000 claims description 9
- 239000002131 composite material Substances 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 230000007774 longterm Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 26
- 230000015654 memory Effects 0.000 description 14
- 230000002159 abnormal effect Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种企业对象的评价方法和装置,评价方法包括:获取若干评价对象的评价指标集以及评价指标集对应的报表数据;对报表数据进行归一化处理,获得有效报表数据;基于熵权法函数,对有效报表数据进行赋权处理,获得第一赋权结果;基于critic赋权函数,对有效报表数据进行赋权处理,获得第二赋权结果;基于第一赋权结果和第二赋权结果,对评价指标集中各评价指标进行赋权值处理,获得各评价指标的权重值;基于有效报表数据,分别对各评价指标进行评分,获得各评价指标的初始得分;基于各评价指标的初始得分和各评价指标的权重值,获得若干评价对象的综合得分;基于预设阈值标准和若干评价对象的综合得分,获得若干评价对象的评价结果。
Description
技术领域
本申请涉及企业评价技术领域,尤其涉及一种企业对象的评价方法和装置。
背景技术
目前,企业评价指数主要分为两类,第一类是基于不同行业的综合评价指数,主要聚焦于某个地区的重点产业如工业、煤矿等行业,或者是某地区的小微企业,其评价指数方法不具有普适性;第二类是对企业某方面进行评价,如对企业财务、绩效、信用等方面进行评价,缺乏对企业整体的评价。另外,在评价体系方面,现有企业评价方法指标侧重财务指标,使得评价体系难以全面、真实地反映企业发展状况。同时在评价体系建立过程中,对数据处理、指标权重设计往往采取较为单一的方式或主观评判,难以保证评价体系的合理性和客观性。
因此,亟需一种可对企业进行客观综合评价的方法。
发明内容
本申请的主要目的是提供一种企业对象的评价方法和装置,旨在解决现有技术无法对企业进行客观综合评价的技术问题。
为解决上述技术问题,本申请实施例提出了:一种企业对象的评价方法,包括以下步骤:
获取若干评价对象的评价指标集以及所述评价指标集对应的报表数据;其中,所述评价对象为目标区域内的企业;所述报表数据包括本期报表数据和往期报表数据;基于所述报表数据,获得有效报表数据;
基于熵权法函数,对有效报表数据进行赋权处理,获得第一赋权结果;基于critic赋权函数,对有效报表数据进行赋权处理,获得第二赋权结果;基于所述第一赋权结果和所述第二赋权结果,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值;
基于所述有效报表数据,分别对各所述评价指标进行评分,获得各所述评价指标的初始得分;基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的综合得分;
基于预设阈值标准和若干所述评价对象的综合得分,获得若干所述评价对象的评价结果。
作为本申请一些可选实施方式,所述评价指标集包括一级评价指标和二级评价指标;
所述第一评价指标包括:企业营运获利能力指标、企业风险承受能力指标和企业经济发展潜力指标;
所述企业营运获利能力指标的二级评价指标包括:企业资产获利能力、企业经营收益效率、成本收入转化效率、人均生产经济效率、企业盈余质量系数和成本利润转化效率;
所述企业风险承受能力指标的二级评价指标包括:企业资金周转效率、企业期末偿债能力、企业流动偿债能力、企业短期偿债能力和企业长期偿债能力;
所述企业经济发展潜力指标的二级评价指标包括:企业净资产增长率、企业盈利能力增速、员工收入增长系数、企业发展投入系数、企业人员增长系数、偿债能力增长系数和企业营销发展能力。
作为本申请一些可选实施方式,所述基于所述报表数据,获得有效报表数据,包括:
将所述报表数据和若干评价对象进行关联,以报表数据不完整的评价对象筛除,获得有效评价对象及其对应的第一报表数据;
基于所述第一报表数据,对所述评价指标集中各二级评价指标进行计算,获得二级评价指标值;
将所述二级评价指标值进行异常值处理后,进行无量纲归一化处理,获得有效报表数据。
作为本申请一些可选实施方式,所述基于熵权法函数,对有效报表数据进行赋权处理,获得第一赋权结果;基于critic赋权函数,对有效报表数据进行赋权处理,获得第二赋权结果;基于所述第一赋权结果和所述第二赋权结果,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值;包括:
基于熵权法原理和所述有效报表数据,构建熵权法函数;基于熵权法函数,对有效报表数据进行赋权处理,获得第一赋权结果;
基于critic法原理和所述有效报表数据,构建critic赋权函数;基于critic赋权函数,对有效报表数据进行赋权处理,获得第二赋权结果;
将所述第一赋权结果和所述第二赋权结果按照预设权重比例,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值。
作为本申请一些可选实施方式,所述将所述第一赋权结果和所述第二赋权结果按照预设权重比例,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值,包括:
将所述第一赋权结果和所述第二赋权结果按照预设权重比例,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的初始权重值;
若评价对象的报表数据发生变化,则将所述各所述评价指标的初始权重值作为权重矩阵初始值输入至三层BP神经网络模型,以获得更新后的目标权重值。
作为本申请一些可选实施方式,所述基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的综合得分;包括:
基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的企业营运获利能力分值;
基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的企业风险承受能力分值;
基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的企业经济发展潜力分值;
将所述企业营运获利能力分值、所述企业风险承受能力分值和所述企业经济发展潜力分值进行加和,获得所述评价对象的企业综合能力分值。
作为本申请一些可选实施方式,所述企业营运获利能力分值满足以下关系式:
所述企业风险承受能力分值满足以下关系式:
所述企业经济发展潜力分值满足以下关系式:
作为本申请一些可选实施方式,所述基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的综合得分;包括:
将各所述评价指标的初始得分和各所述评价指标的权重值相乘后,除以总权重数,获得各所述评价指标的分值;
将各所述评价指标的分值进行加和,获得所述评价对象的综合得分。
作为本申请一些可选实施方式,所述基于预设阈值标准和若干所述评价对象的综合得分,获得若干所述评价对象的评价结果,包括:
基于第一预设阈值标准,将若干所述评价对象按照综合得分进行筛选,获得优秀等级的评价对象;
基于第二预设阈值标准,将若干所述评价对象按照综合得分进行筛选,获得良好等级的评价对象;
基于第三预设阈值标准,将若干所述评价对象按照综合得分进行筛选,获得一般等级的评价对象;
基于第四预设阈值标准,将若干所述评价对象按照综合得分进行筛选,获得较弱等级的评价对象;
其中,所述第一预设阈值标准>所述基于第二预设阈值标准>所述第三预设阈值标准>所述第四预设阈值标准。
为解决上述技术问题,本申请实施例还提出了:一种企业对象的评价装置,包括:
获取数据模块,用于获取若干评价对象的评价指标集以及所述评价指标集对应的报表数据;其中,所述评价对象为目标区域内的企业;所述报表数据包括本期报表数据和往期报表数据;基于所述报表数据,获得有效报表数据;
赋权模块,用于基于熵权法函数,对有效报表数据进行赋权处理,获得第一赋权结果;基于critic赋权函数,对有效报表数据进行赋权处理,获得第二赋权结果;基于所述第一赋权结果和所述第二赋权结果,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值;
计算分值模块,用于基于所述有效报表数据,分别对各所述评价指标进行评分,获得各所述评价指标的初始得分;基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的综合得分;
输出评价结果模块,用于基于预设阈值标准和若干所述评价对象的综合得分,获得若干所述评价对象的评价结果。
相较于现有技术,本申请所述企业对象的评价方法,在获取若干评价对象的评价指标集以及所述评价指标集对应的报表数据之后,通过将所述报表数据进行预处理,以将无效报表数据删除,并获得有效报表数据;并分别基于熵权法函数和critic赋权函数,对有效报表数据进行赋权处理,获得第一赋权结果和第二赋权结果,再基于合理的预设比例,获得各所述评价指标的组合权重值;再基于所述有效报表数据,分别对各所述评价指标进行评分,获得各所述评价指标的初始得分;基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的综合得分;最后,基于预设阈值标准和若干所述评价对象的综合得分,获得若干所述评价对象的评价结果。通过上述步骤,可以基于评价对象即目标区域内的企业,从多角度获得更为全面的评价指标,并且在获得初始得分后乘以相应的组合权重值,以使得得分更加客观;再基于预设阈值标准对得分进行客观评价,从而避免了因主观评分或评价指标片面而导致的评价结果不准确。
附图说明
图1是本申请的实施例涉及的企业对象的评价方法步骤流程示意图;
图2是本申请的实施例提供的企业对象的评价装置的功能模块示意图;
图3是本申请的实施例涉及的硬件运行环境的电子设备结构示意图。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
目前,企业评价指数主要分为两类,第一类是基于不同行业的综合评价指数,主要聚焦于某个地区的重点产业如工业、煤矿等行业,或者是某地区的小微企业,其评价指数方法不具有普适性;第二类是对企业某方面进行评价,如对企业财务、绩效、信用等方面进行评价,缺乏对企业整体的评价。另外,在评价体系方面,现有企业评价方法指标侧重财务指标,使得评价体系难以全面、真实地反映企业发展状况。同时在评价体系建立过程中,对数据处理、指标权重设计往往采取较为单一的方式或主观评判,难以保证评价体系的合理性和客观性。
因此,针对行业建立的企业综合评价方法由于行业间指标差异性,其评价方法不具有普适性;而企业财务评价、企业绩效评价、企业信用评价等评价体系虽然也算综合评价方法中的一种,仅仅只是对企业某一方面的状况进行了评价,且其评价指标主要是选取了财务指标,数据处理、指标权重设计也往往采取较为单一的方式进行处理,存在指标不够全面,评价体系不够合理客观等问题。
本申请实施例提出了一种企业综合评价指数方法,即一种适用于所有行业企业且评价指标较为全面的评价方法,该评价方法基于企业报表数据,从营运获利、风险承受、经济发展等三个维度出发,企业资产获利能力、人均生产经济效率等十八个子维度进行展开,结合企业所在行业位置进行评估,多方面考虑了影响企业发展的因素,并在数据处理过程中采用数据增删替换、变异系数法、归一化、逆向或正向处理等方式结合手段,保证数据特征的同时使数据具有可比较性;同时为避免指标赋权不具有权威性的主观影响,本方法以神经网络算法为基础,采用熵权法和critic法组合使用,降低指标变异性及关联性对评价方法造成的影响。
具体地,如图1所示,本申请实施例提出了:一种企业对象的评价方法,包括以下步骤:
步骤S10、获取若干评价对象的评价指标集以及所述评价指标集对应的报表数据;其中,所述评价对象为目标区域内的企业;所述报表数据包括本期报表数据和往期报表数据;基于所述报表数据,获得有效报表数据。
需要说明的是,为了使得分值计算结果更为客观和全面,本申请实施例所述的评价指标集包括一级评价指标和二级评价指标。其中,所述第一评价指标包括:企业营运获利能力指标、企业风险承受能力指标和企业经济发展潜力指标。
具体来说,所述企业营运获利能力指标的二级评价指标包括:企业资产获利能力、企业经营收益效率、成本收入转化效率、人均生产经济效率、企业盈余质量系数和成本利润转化效率。所述企业风险承受能力指标的二级评价指标包括:企业资金周转效率、企业期末偿债能力、企业流动偿债能力、企业短期偿债能力和企业长期偿债能力。所述企业经济发展潜力指标的二级评价指标包括:企业净资产增长率、企业盈利能力增速、员工收入增长系数、企业发展投入系数、企业人员增长系数、偿债能力增长系数和企业营销发展能力。
即本申请实施例提供了一种具有普适性、可面向所有行业,对企业进行全面综合评价的体系方法:基于企业一套表数据,构建企业资产获利、人均经济效率、企业流动偿债能力、企业发展投入系数等18个二级指标,由此构建企业营运获利能力、风险承受能力和企业经济发展潜力三个一级指标,建立全面的评价指标体系。
在将上述各评价指标设置好后,为了避免有个别无效或不完整的报表数据对整体的评价结果产生影响,本申请将所获取的报表数据进行了一定的预处理,即:将所述报表数据和若干评价对象进行关联,以报表数据不完整的评价对象筛除,获得有效评价对象及其对应的第一报表数据;基于所述第一报表数据,对所述评价指标集中各二级评价指标进行计算,获得二级评价指标值;将所述二级评价指标值进行异常值处理后,进行无量纲归一化处理,获得有效报表数据。
具体来说,本申请实施例从企业报表中获取评价方法所需要的本期数据和上期数据后,通过将报表数据与企业名称、企业所在行政区域进行关联(便于分析地区及行业情况),对报表中的无效数据进行删除。即:对关联后发现上期数据有缺失的企业,将该企业的数据取出保留并不参与后续综合评价过程。
为进一步提高评价结果的准确性,本申请在对所述报表数据中不完整报表数据删除后,会对报表数据中其他存在异常的数据做进一步替换,即:对作为分母的指标数据、计算后导致二级指标为零值的指标数据,使用该列数据的均值进行替换,以保证不出现INF值。需要说明的是,上述“该列数据”是指异常指标数据对应的原始指标数据。
此外,本申请实施例通过将18个二级指标按照计算公式进行初步计算后,获得初步结果后,将初步结果进行排列,获得新的结果数据列表;再基于新的结果数据列表进行异常值处理,即对新的结果数据列表中最大的四个数值使用该结果数据列表中第五大的数值进行替换处理,对新的结果数据列表中最小的四个数值使用该结果数据列表中所有结果数据的均值进行替换,以保证将所有结果数据进行归一化处理后的结果不会出现大量结果数据聚集的异常情况。
需要说明的是,上述异常值数据并不是指错误数据,而只是实际情况中极少数的个例数据,因此其会对总体评价结果产生影响,故而为了提高评价结果的准确性,需要将上述异常值数据进行删除处理。
在将所述二级评价指标值进行异常值处理后,进行无量纲归一化处理,获得有效报表数据。需要说明的是,所述无量纲归一化处理是指对正向指标进行正向化处理,对负向指标进行逆向化处理。其中,正向指标是指数据越大越优异的指标,负向指标是指数据越小越优异的指标。
具体来说,在本申请实施例中,所述企业资产获利能力主要通过总资产贡献率进行评价计算,具体的,所述总资产贡献率=(利润总额+税金及附加+利息费用)/资产总计。所述企业经营收益效率主要通过营业利税率进行评价计算,具体的,所述营业利税率=(营业利润+税金及附加)/营业收入。所述成本收入转化效率主要通过成本收入比率进行评价计算,具体的,所述成本收入比率=(营业成本+税金及附加+销售费用+管理费用+财务费用)/营业收入。所述人均生产经济效率主要通过全员劳动生产率进行评价计算,具体的,所述全员劳动生产率=(营业收入/从业人员平均人数)/社会平均产能参考。所述企业盈余质量系数主要通过盈余资金保障倍数=流动资产合计/利润总额。成本利润转化效率主要通过成本费用利润率进行评价计算,具体的,所述成本费用利润率=利润总额/(营业成本+税金及附加+销售费用+管理费用+财务费用)。企业资金周转效率主要通过流动资产周转率进行评价计算,具体的,所述流动资产周转率=营业收入/流动资产合计。企业期末偿债能力主要通过资产负债率进行评价计算,具体的,所述资产负债率=资产总计/负债合计。企业流动偿债能力主要通过速动比率进行评价计算,具体的,所述速动比率=(流动资产合计-存货)/流动负债合计。企业短期偿债能力主要通过流动比率进行评价计算,具体的,所述流动比率=流动资产合计/流动负债合计。企业长期偿债能力主要通过产权比率进行评价计算,具体的,所述产权比率=负债合计/所有者权益合计。企业净资产增长率主要通过资产保值增值率进行评价计算,具体的,所述资产保值增值率=所有者权益合计/上年同期的所有者权益合计。企业盈利能力增速主要通过营业利润增长率进行评价计算,具体的,所述营业利润增长率=(利润总额-上年同期的利润总额)/上年同期的利润总额。员工收入增长系数主要通过人均工资增长系数进行评价计算,具体的,所述人均工资增长系数=(从业人员工资总额/从业人员平均人数)/上年同期值。企业发展投入系数主要通过流动投入率进行评价计算,具体的,所述流动投入率=(销售费用+管理费用+财务费用)/流动资产合计。企业人员增长系数主要通过人员增长率进行评价计算,具体的,所述人员增长率=(从业人员平均人数-上年同期的从业人员平均人数)/上年同期的从业人员平均人数。偿债能力增长系数主要通过偿债能力增长率进行评价计算,具体的,所述=偿债能力增长率[(资产总计/负债合计)-上年同期值]/上年同期值。企业营销发展能力主要通过营收增长率进行评价计算,具体的,所述营收增长率=(营业收入-上年同期的营业收入)/上年同期的营业收入。
可以看出,本申请实施例对指标结果数据的异常值进行增删或替代处理、量纲不同的指标数据进行变异系数法和无量纲处理,即正向指标正向处理,负向指标逆向化处理,以提高结果数据的准确性,使其更具有参考意义。
步骤S20、基于熵权法函数,对有效报表数据进行赋权处理,获得第一赋权结果;基于critic赋权函数,对有效报表数据进行赋权处理,获得第二赋权结果;基于所述第一赋权结果和所述第二赋权结果,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值。
在具体实施中,上述熵权法函数是基于熵权法原理和所述有效报表数据构建获得的,上述critic赋权函数是基于critic法原理和所述有效报表数据构建获得的。即:
所述基于熵权法函数,对有效报表数据进行赋权处理,获得第一赋权结果;基于critic赋权函数,对有效报表数据进行赋权处理,获得第二赋权结果;基于所述第一赋权结果和所述第二赋权结果,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值;包括:基于熵权法原理和所述有效报表数据,构建熵权法函数;基于熵权法函数,对有效报表数据进行赋权处理,获得第一赋权结果;基于critic法原理和所述有效报表数据,构建critic赋权函数;基于critic赋权函数,对有效报表数据进行赋权处理,获得第二赋权结果;将所述第一赋权结果和所述第二赋权结果按照预设权重比例,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值。
在实际应用场景中,由于考虑到熵权法对于报表数据的局限性,因此在将第一赋权结果和第二赋权结果进行组合时,将第一赋权结果的占比调小,第二赋权结果的占比调大,即通过critic赋权函数获得的第二赋权结果的权重大于通过熵权法函数获得的第一赋权结果的权重。如将所述第一赋权结果和所述第二赋权结果按照3:7的权重比例,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值。
在实际应用场景中,企业的报表数据并非一成不变的,因此在评价过程中,如果企业的报表数据发生变动,则将初始组合权重作为权重矩阵初始值运行三层BP神经网络模型,以更新各二级指标的权重。即:所述将所述第一赋权结果和所述第二赋权结果按照预设权重比例,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值,包括:将所述第一赋权结果和所述第二赋权结果按照预设权重比例,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的初始权重值;若评价对象的报表数据发生变化,则将所述各所述评价指标的初始权重值作为权重矩阵初始值输入至三层BP神经网络模型,以获得更新后的目标权重值。
可以看出,本申请实施例在指标赋权方面,采用熵权法和critic法组合的方式,对传统评价方法权重设计存在的主观性问题进行了消除,同时又降低了指标变异性及关联性对评价方法造成的影响,同时结合神经网络算法,实现权重会根据数据的更新而更新,从而保证该评价方法可适用于不同地区不同行业企业。
步骤S30、基于所述有效报表数据,分别对各所述评价指标进行评分,获得各所述评价指标的初始得分;基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的综合得分。
需要说明的是,该步骤在对各所述评价指标进行评分时,所采用的公式与上述步骤S10的公式相同,即:所述企业资产获利能力主要通过总资产贡献率进行评价计算,具体的,所述总资产贡献率=(利润总额+税金及附加+利息费用)/资产总计。所述企业经营收益效率主要通过营业利税率进行评价计算,具体的,所述营业利税率=(营业利润+税金及附加)/营业收入。所述成本收入转化效率主要通过成本收入比率进行评价计算,具体的,所述成本收入比率=(营业成本+税金及附加+销售费用+管理费用+财务费用)/营业收入。所述人均生产经济效率主要通过全员劳动生产率进行评价计算,具体的,所述全员劳动生产率=(营业收入/从业人员平均人数)/社会平均产能参考。所述企业盈余质量系数主要通过盈余资金保障倍数=流动资产合计/利润总额。成本利润转化效率主要通过成本费用利润率进行评价计算,具体的,所述成本费用利润率=利润总额/(营业成本+税金及附加+销售费用+管理费用+财务费用)。企业资金周转效率主要通过流动资产周转率进行评价计算,具体的,所述流动资产周转率=营业收入/流动资产合计。企业期末偿债能力主要通过资产负债率进行评价计算,具体的,所述资产负债率=资产总计/负债合计。企业流动偿债能力主要通过速动比率进行评价计算,具体的,所述速动比率=(流动资产合计-存货)/流动负债合计。企业短期偿债能力主要通过流动比率进行评价计算,具体的,所述流动比率=流动资产合计/流动负债合计。企业长期偿债能力主要通过产权比率进行评价计算,具体的,所述产权比率=负债合计/所有者权益合计。企业净资产增长率主要通过资产保值增值率进行评价计算,具体的,所述资产保值增值率=所有者权益合计/上年同期的所有者权益合计。企业盈利能力增速主要通过营业利润增长率进行评价计算,具体的,所述营业利润增长率=(利润总额-上年同期的利润总额)/上年同期的利润总额。员工收入增长系数主要通过人均工资增长系数进行评价计算,具体的,所述人均工资增长系数=(从业人员工资总额/从业人员平均人数)/上年同期值。企业发展投入系数主要通过流动投入率进行评价计算,具体的,所述流动投入率=(销售费用+管理费用+财务费用)/流动资产合计。企业人员增长系数主要通过人员增长率进行评价计算,具体的,所述人员增长率=(从业人员平均人数-上年同期的从业人员平均人数)/上年同期的从业人员平均人数。偿债能力增长系数主要通过偿债能力增长率进行评价计算,具体的,所述=偿债能力增长率[(资产总计/负债合计)-上年同期值]/上年同期值。企业营销发展能力主要通过营收增长率进行评价计算,具体的,所述营收增长率=(营业收入-上年同期的营业收入)/上年同期的营业收入。如表1所示:
表1:
通过上述计算公式计算获得的即为各二级评价指标的初始得分,在基于所述初始得分,计算综合得分时,需要将初始得分与对应的权重值进行相乘,先获得各一级评价指标的分值后,将各一级评价指标的分值进行相加后,获得综合得分。也可以直接将全部二级指标的初始得分分别与对应的权重值进行相乘后,再相加,以获得综合得分。即:
在第一种实施方案中,通过如下步骤获得若干所述评价对象的综合得分:基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的企业营运获利能力分值;基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的企业风险承受能力分值;基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的企业经济发展潜力分值;将所述企业营运获利能力分值、所述企业风险承受能力分值和所述企业经济发展潜力分值进行加和,获得所述评价对象的企业综合能力分值。
其中,所述企业营运获利能力分值满足以下关系式:
其中,所述企业风险承受能力分值满足以下关系式:
其中,所述企业经济发展潜力分值满足以下关系式:
在第二种实施方案中,通过如下步骤获得若干所述评价对象的综合得分:
将各所述评价指标的初始得分和各所述评价指标的权重值相乘后,除以总权重数,获得各所述评价指标的分值;将各所述评价指标的分值进行加和,获得所述评价对象的综合得分。
其中,
步骤S40、基于预设阈值标准和若干所述评价对象的综合得分,获得若干所述评价对象的评价结果。
在实际应用场景中,通常的评价结果是将评价对象用通用的优秀、良好、一般或较弱进行描述,但通常上述评价结果较为主观,缺乏客观评价依据。因此在本申请实施例中,为了提高评价结果的客观性,并且更便于本领域技术人员理解上述评价结果,故通过设置阈值标准的方式,将本申请实施例的评价得分转换为较为同样的评价结果描述。即:
基于第一预设阈值标准,将若干所述评价对象按照综合得分进行筛选,获得优秀等级的评价对象;基于第二预设阈值标准,将若干所述评价对象按照综合得分进行筛选,获得良好等级的评价对象;基于第三预设阈值标准,将若干所述评价对象按照综合得分进行筛选,获得一般等级的评价对象;基于第四预设阈值标准,将若干所述评价对象按照综合得分进行筛选,获得较弱等级的评价对象;其中,所述第一预设阈值标准>所述基于第二预设阈值标准>所述第三预设阈值标准>所述第四预设阈值标准。
如将第一预设阈值标准设置为分值大于等于80分,将第二预设阈值标准设置为分值大于等于50分且小于80分,将第三预设阈值标准设置为分值大于等于20分且小于50分,将第四预设阈值标准设置为分值小于20分。上述各分值仅做举例说明,并不做任何限定,所述第一预设阈值标准、所述基于第二预设阈值标准、所述第三预设阈值标准和所述第四预设阈值标准的大小关系只需满足所述第一预设阈值标准>所述基于第二预设阈值标准>所述第三预设阈值标准>所述第四预设阈值标准即可。
在实际应用时,也可以基于多个预设排序阈值将多个评价对象进行排序划分,划分后,按照通用评价结果名称进行描述。如将第一预设排序阈值设置为排序在前20%的评价对象,将第二预设排序阈值设置为排序在前40%~前20%之间的评价对象,将第三预设排序阈值设置为排序在前70%~40%之间的评价对象,将第四预设排序阈值设置为前100%~70%之间的评价对象,如表2所示:
表2:
可以看出,本申请实施例所述评价结果的可读性和应用性强:得出企业综合评价评分后,该评价方法会采用分步法以企业综合得分占比情况将企业分为优秀、良好、一般、较弱四个等级,并会根据评价指标数值给出相关建议,同时基于企业综合评价得分,还可评判区域各行业状况,各区域行业对比情况。
虽然本申请实施例所述方法是采用综合得分进行评价,但在一些特殊场景中,也可以单独采用单个评价指标对企业提出相应的提升建议,便于企业提高自身各项能力,举例来说,如企业各评价指标数据及对应的参考建议如表3所示:
表3:
/>
/>
/>
/>
综上,可以看出,与现有技术相比,本申请实施例所述评级方法具有以下有益效果:
1)优化完善了指标评价体系:在传统企业评价指数方法基础上(侧重财务指标)引入从业人员平均人数、社会平均产能、存货、从业人员工资等指标,构建企业盈利、获利、成本收入转化、人均生产经济效率等二级指标,全方面衡量企业综合能力。
2)完备的数据预处理方式:分步对数据进行预处理,分别是对数据异常值进行增删或替换、变异系数法检验、无量纲处理(正向指标正向处理,负向指标逆向化处理)、保证数据质量的同时也使数据具有可比性。
3)熵权法和critic法组合赋权,保证各评价指标权重的客观性、合理性:传统评价指数方法要么采取专家赋权,要么采用单一的赋权方式,较少采用组合赋权方法。本评价体系采用熵权法和critic法组合赋权,既保证了评价指标权重的客观性,又考虑了指标变异性和关联性对评价方法造成的影响,同时利用三层BP神经网络算法进行权重更新,保证算法的普适性。
4)评价结果的可读性和应用性强:得出企业综合评价评分后,该评价方法会采用分步法以企业综合得分占比情况将企业分为优秀、良好、一般、较弱四个等级,并会根据评价指标数值给出相关建议,同时基于企业综合评价得分,还可评判区域各行业状况,各区域行业对比情况。
如图2所示,本申请实施例还提供了:一种企业对象的评价装置,包括:
获取数据模块,用于获取若干评价对象的评价指标集以及所述评价指标集对应的报表数据;其中,所述评价对象为目标区域内的企业;所述报表数据包括本期报表数据和往期报表数据;基于所述报表数据,获得有效报表数据;
赋权模块,用于基于熵权法函数,对有效报表数据进行赋权处理,获得第一赋权结果;基于critic赋权函数,对有效报表数据进行赋权处理,获得第二赋权结果;基于所述第一赋权结果和所述第二赋权结果,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值;
计算分值模块,用于基于所述有效报表数据,分别对各所述评价指标进行评分,获得各所述评价指标的初始得分;基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的综合得分;
输出评价结果模块,用于基于预设阈值标准和若干所述评价对象的综合得分,获得若干所述评价对象的评价结果。
需要说明的是,本实施例中企业对象的评价装置中各模块是与前述实施例中的企业对象的评价方法中的各步骤一一对应,因此,本实施例的具体实施方式可参照前述企业对象的评价方法的实施方式,这里不再赘述。
参照图3,图3为本申请实施例方案涉及的硬件运行环境的电子设备结构示意图。
如图3所示,该电子设备可以包括:处理器1001,例如中央处理器(CentralProcessing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM)存储器,也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图3中示出的结构并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图3所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及电子程序。
在图3所示的电子设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明电子设备中的处理器1001、存储器1005可以设置在电子设备中,所述电子设备通过处理器1001调用存储器1005中存储的企业对象的评价装置,并执行本申请实施例提供的企业对象的评价方法。
此外,在一种实施例中,本申请的实施例还提供一种计算机程序产品,所述计算机程序产品在被处理器时,实现前述的方法。
此外,在一种实施例中,本申请的实施例还提供一种计算机存储介质,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器运行时实现前述实施例中方法的步骤。
在一些实施例中,计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器;也可以是包括上述存储器之一或任意组合的各种设备。计算机可以是包括智能终端和服务器在内的各种计算设备。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,可执行指令可以但不一定对应于文件系统中的文件,可以可被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(HTML,Hyper TextMarkup Language)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。
作为示例,可执行指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台多媒体终端设备(可以是手机,计算机,电视接收机,或者网络设备等)执行本申请各个实施例所述的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种企业对象的评价方法,其特征在于,包括以下步骤:
获取若干评价对象的评价指标集以及所述评价指标集对应的报表数据;其中,所述评价对象为目标区域内的企业;所述报表数据包括本期报表数据和往期报表数据;基于所述报表数据,获得有效报表数据;
基于熵权法函数,对有效报表数据进行赋权处理,获得第一赋权结果;基于critic赋权函数,对有效报表数据进行赋权处理,获得第二赋权结果;基于所述第一赋权结果和所述第二赋权结果,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值;
基于所述有效报表数据,分别对各所述评价指标进行评分,获得各所述评价指标的初始得分;基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的综合得分;
基于预设阈值标准和若干所述评价对象的综合得分,获得若干所述评价对象的评价结果。
2.根据权利要求1所述企业对象的评价方法,其特征在于,所述评价指标集包括一级评价指标和二级评价指标;
所述第一评价指标包括:企业营运获利能力指标、企业风险承受能力指标和企业经济发展潜力指标;
所述企业营运获利能力指标的二级评价指标包括:企业资产获利能力、企业经营收益效率、成本收入转化效率、人均生产经济效率、企业盈余质量系数和成本利润转化效率;
所述企业风险承受能力指标的二级评价指标包括:企业资金周转效率、企业期末偿债能力、企业流动偿债能力、企业短期偿债能力和企业长期偿债能力;
所述企业经济发展潜力指标的二级评价指标包括:企业净资产增长率、企业盈利能力增速、员工收入增长系数、企业发展投入系数、企业人员增长系数、偿债能力增长系数和企业营销发展能力。
3.根据权利要求2所述企业对象的评价方法,其特征在于,所述基于所述报表数据,获得有效报表数据,包括:
将所述报表数据和若干评价对象进行关联,以报表数据不完整的评价对象筛除,获得有效评价对象及其对应的第一报表数据;
基于所述第一报表数据,对所述评价指标集中各二级评价指标进行计算,获得二级评价指标值;
将所述二级评价指标值进行异常值处理后,进行无量纲归一化处理,获得有效报表数据。
4.根据权利要求1所述企业对象的评价方法,其特征在于,所述基于熵权法函数,对有效报表数据进行赋权处理,获得第一赋权结果;基于critic赋权函数,对有效报表数据进行赋权处理,获得第二赋权结果;基于所述第一赋权结果和所述第二赋权结果,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值;包括:
基于熵权法原理和所述有效报表数据,构建熵权法函数;基于熵权法函数,对有效报表数据进行赋权处理,获得第一赋权结果;
基于critic法原理和所述有效报表数据,构建critic赋权函数;基于critic赋权函数,对有效报表数据进行赋权处理,获得第二赋权结果;
将所述第一赋权结果和所述第二赋权结果按照预设权重比例,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值。
5.根据权利要求4所述企业对象的评价方法,其特征在于,所述将所述第一赋权结果和所述第二赋权结果按照预设权重比例,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值,包括:
将所述第一赋权结果和所述第二赋权结果按照预设权重比例,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的初始权重值;
若评价对象的报表数据发生变化,则将所述各所述评价指标的初始权重值作为权重矩阵初始值输入至三层BP神经网络模型,以获得更新后的目标权重值。
6.根据权利要求2所述企业对象的评价方法,其特征在于,所述基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的综合得分;包括:
基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的企业营运获利能力分值;
基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的企业风险承受能力分值;
基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的企业经济发展潜力分值;
将所述企业营运获利能力分值、所述企业风险承受能力分值和所述企业经济发展潜力分值进行加和,获得所述评价对象的企业综合能力分值。
7.根据权利要求6所述企业对象的评价方法,其特征在于,所述企业营运获利能力分值满足以下关系式:
所述企业风险承受能力分值满足以下关系式:
所述企业经济发展潜力分值满足以下关系式:
8.根据权利要求2所述企业对象的评价方法,其特征在于,所述基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的综合得分;包括:
将各所述评价指标的初始得分和各所述评价指标的权重值相乘后,除以总权重数,获得各所述评价指标的分值;
将各所述评价指标的分值进行加和,获得所述评价对象的综合得分。
9.根据权利要求1所述企业对象的评价方法,其特征在于,所述基于预设阈值标准和若干所述评价对象的综合得分,获得若干所述评价对象的评价结果,包括:
基于第一预设阈值标准,将若干所述评价对象按照综合得分进行筛选,获得优秀等级的评价对象;
基于第二预设阈值标准,将若干所述评价对象按照综合得分进行筛选,获得良好等级的评价对象;
基于第三预设阈值标准,将若干所述评价对象按照综合得分进行筛选,获得一般等级的评价对象;
基于第四预设阈值标准,将若干所述评价对象按照综合得分进行筛选,获得较弱等级的评价对象;
其中,所述第一预设阈值标准>所述基于第二预设阈值标准>所述第三预设阈值标准>所述第四预设阈值标准。
10.一种企业对象的评价装置,其特征在于,包括:
获取数据模块,用于获取若干评价对象的评价指标集以及所述评价指标集对应的报表数据;其中,所述评价对象为目标区域内的企业;所述报表数据包括本期报表数据和往期报表数据;基于所述报表数据,获得有效报表数据;
赋权模块,用于基于熵权法函数,对有效报表数据进行赋权处理,获得第一赋权结果;基于critic赋权函数,对有效报表数据进行赋权处理,获得第二赋权结果;基于所述第一赋权结果和所述第二赋权结果,对所述评价指标集中各评价指标进行赋权值处理,获得各所述评价指标的权重值;
计算分值模块,用于基于所述有效报表数据,分别对各所述评价指标进行评分,获得各所述评价指标的初始得分;基于各所述评价指标的初始得分和各所述评价指标的权重值,获得若干所述评价对象的综合得分;
输出评价结果模块,用于基于预设阈值标准和若干所述评价对象的综合得分,获得若干所述评价对象的评价结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311264240.8A CN117172612A (zh) | 2023-09-26 | 2023-09-26 | 一种企业对象的评价方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311264240.8A CN117172612A (zh) | 2023-09-26 | 2023-09-26 | 一种企业对象的评价方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117172612A true CN117172612A (zh) | 2023-12-05 |
Family
ID=88929844
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311264240.8A Pending CN117172612A (zh) | 2023-09-26 | 2023-09-26 | 一种企业对象的评价方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117172612A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506905A (zh) * | 2017-08-01 | 2017-12-22 | 华北电力大学 | 一种改进的电网企业可持续发展综合评价方法 |
CN108537446A (zh) * | 2018-04-10 | 2018-09-14 | 山西九章数据分析师事务所有限公司 | 企业信用评价的方法和装置 |
CN110414781A (zh) * | 2019-06-18 | 2019-11-05 | 重庆金融资产交易所有限责任公司 | 基于大数据分析的企业评价方法、装置及存储介质 |
CN116582443A (zh) * | 2023-05-05 | 2023-08-11 | 中国地质大学(武汉) | 一种网络访问质量综合评价方法、装置及电子设备 |
-
2023
- 2023-09-26 CN CN202311264240.8A patent/CN117172612A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506905A (zh) * | 2017-08-01 | 2017-12-22 | 华北电力大学 | 一种改进的电网企业可持续发展综合评价方法 |
CN108537446A (zh) * | 2018-04-10 | 2018-09-14 | 山西九章数据分析师事务所有限公司 | 企业信用评价的方法和装置 |
CN110414781A (zh) * | 2019-06-18 | 2019-11-05 | 重庆金融资产交易所有限责任公司 | 基于大数据分析的企业评价方法、装置及存储介质 |
CN116582443A (zh) * | 2023-05-05 | 2023-08-11 | 中国地质大学(武汉) | 一种网络访问质量综合评价方法、装置及电子设备 |
Non-Patent Citations (2)
Title |
---|
孙海英;王宪杰;: "基于灰色关联分析的熵权法在企业绩效评价中的应用", 黑龙江大学自然科学学报, no. 05, 25 October 2016 (2016-10-25), pages 581 - 586 * |
王明吉;吴兵;: "基于熵原理的电力企业上市公司综合效绩评价研究", 管理学家(学术版), no. 05, 20 May 2011 (2011-05-20), pages 21 - 28 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tang | Labor market institutions, firm-specific skills, and trade patterns | |
US20160225076A1 (en) | System and method for building and validating a credit scoring function | |
Rickne | Labor market conditions and social insurance in China | |
US20220343433A1 (en) | System and method that rank businesses in environmental, social and governance (esg) | |
Sohrabinejad et al. | Risk Determination, Prioritization, and Classifying in Construction Project Case Study: Gharb Tehran Commercial‐Administrative Complex | |
CN107609771A (zh) | 一种供应商价值评价方法 | |
Harrison et al. | Financial evaluation of forestry investments: common pitfalls and guidelines for better analyses | |
CN114943458A (zh) | 一种基于权重分配模型的企业esg评级方法 | |
KR20220097005A (ko) | 기업정보를 이용한 기업 평가 시스템 | |
Hsu et al. | Does industry competition influence analyst coverage decisions and career outcomes? | |
CN113283806A (zh) | 企业信息评估方法、装置、计算机设备及存储介质 | |
US20230377044A1 (en) | Systems and methods for impact assessment | |
Borshchevskiy et al. | Development of the tax administration in Russia: Results and prospects | |
JP2019125247A (ja) | リスク評価分析システム | |
CN111738610A (zh) | 一种基于舆情数据的企业流失性风险预警系统和方法 | |
Zhang | CEO individualism and corporate innovation | |
JP7043248B2 (ja) | 休廃業予測システム | |
CN115952216A (zh) | 一种养老保险数据挖掘方法、装置、存储介质及电子设备 | |
US20210201403A1 (en) | System and method for reconciliation of electronic data processes | |
CN117172612A (zh) | 一种企业对象的评价方法和装置 | |
CN114971241A (zh) | 一种面向工程建设主体的信用评价方法和系统 | |
Hsu et al. | Product Market Competition and Analyst Coverage Decisions | |
Mitic et al. | Rationalization of the scenario development process under conditions involving extensive dynamics | |
Trajkov et al. | Education and labor market mismatch | |
Mustapha et al. | Effective Teamwork and Management Systems for SMEs Contractors' Growth in Cape Coast Metropolis. |
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 |