[發明專利]一種基人工智能和大數據技術的企業成長性評價方法

在審

• 申請號: 201810593866.6
• 申請日: 2018-06-11
• 公開（公告）號: CN109102140A
• 公開（公告）日: 2018-12-28
• 發明（設計）人: 黃嚴
• 申請（專利權）人: 北交金科金融信息服務有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04
• 代理公司: 北京和信華成知識產權代理事務所(普通合伙) 11390
• 代理人: 胡劍輝

1.一種基人工智能和大數據技術的企業成長性評價方法，其特征在于：包括如下步驟：

步驟100、選取部分企業的數據來建立企業的成長性評價指標模型；

步驟200、模型交叉驗證；

步驟300、驗證結果的誤差的允許范圍內的話，則成長性評價指標模型建立成功，否則的話，重新選取企業的數據來建立成長性評價指標模型。

2.根據權利要求1所述的一種基人工智能和大數據技術的企業成長性評價方法，其特征在于：包括基礎模型以及建立在基礎模型上的集成學習模塊和半監督學習模塊；所述基礎模型將企業的歷史數據通過GBRT算法進行迭代運算得到待評估企業數據，將企業的歷史數據作為未標記樣本，將待評估企業數據作為擁有機器學習模仿專家打分的有標記樣本；所述歷史數據包括企業上傳數據和公開數據，企業上傳數據和公開數據通過專家打分，其中所述專家打分通過GBRT算法得到成長價值分。

3.根據權利要求2所述的一種基人工智能和大數據技術的企業成長性評價方法，其特征在于：所述集成學習模塊將若干有標記樣本通過stacking集成算法分別得到對應的成長價值分預測結果，所有的成長價值分預測結果通過MLR算法擬合得到企業總體的成長價值分預測結果A。

4.根據權利要求2所述的一種基人工智能和大數據技術的企業成長性評價方法，其特征在于：所述半監督學習模塊將未標記樣本和有標記樣本通過Tri-training算法充分利用未標記樣本的信息得到新的待評估企業數據，并得到新的成長價值分預測結果B。

5.根據權利要求2所述的一種基人工智能和大數據技術的企業成長性評價方法，其特征在于：所述基礎模型包括6個子模型，分別為：預測技術創新能力模型Model，預測經營能力模型Model，預測發展潛力模型Model，預測管理能力模型Model、預測營運能力模型Model和預測盈利能力模型Model。

6.根據權利要求5所述的一種基人工智能和大數據技術的企業成長性評價方法，其特征在于：6個所述的子模型分別由各自對應的若干個模型因子組成，且由模型因子決定各個子模型在基礎模型中所占的權重。

7.根據權利要求1所述的一種基人工智能和大數據技術的企業成長性評價方法，其特征在于：所述步驟200的模型交叉驗證方法為，將其他未標記樣本用于建立的基礎模型進行預報，并得到成長價值分，然后根據集成學習模塊和半監督學習模塊分別得到成長價值分預測結果A和成長價值分預測結果B，并求其他未標記樣本的成長價值分的預報誤差，記錄預報誤差的平方加和。

8.根據權利要求7所述的一種基人工智能和大數據技術的企業成長性評價方法，其特征在于，還包括：設定預報誤差的平方加和閾值，根據模型交叉驗證得到的預報誤差的平方加和來判斷企業的成長性評價指標模型是否符合要求；

如果預報誤差的平方加和在閾值的范圍內，則企業的成長性評價指標模型符合要求；

如果預報誤差的平方加和在閾值的范圍外，則企業的成長性評價指標模型不符合要求，并且重新選擇企業的數據來建立企業的成長性評價指標模型；直至預報誤差的平方加在閾值的范圍內。

9.根據權利要求2所述的一種基人工智能和大數據技術的企業成長性評價方法，其特征在于，還包括在基礎模型的基礎上建立經濟模型：

定義：NI為凈利潤；

ROE為凈資產收益率；

b為利潤留存比率；

BV為凈資產；

t及t-1代表第t年及第t-1年；

則t-1、t年的凈利潤可以表述為：

NI_t-1＝BV_t-1×ROE_t-1；

NI_t＝﹙BV_t-1+b×NI_t-1﹚×ROE_t；

由此，凈利潤增長率g_t由下式決定：

g_t＝NI_t－NI_t-1/NI_t-1＝ROE_t－ROE_t-1/ROE_t-1+b×ROE_t；

當ROE_t＝ROE_t-1時，有g_t＝b×ROE；

同時，ROE可以展開為：

ROE＝ROA+D/E[ROA－i﹙1－t﹚]

其中：ROA為總資產回報率；D/E為債務賬面價值/凈資產；i為利息率；t為所得稅率；

綜合上述公式，可得到企業成長性的經濟模型：

g＝b×﹛ROA+D/E[ROA－i﹙1－t﹚]﹜。