[發(fā)明專利]一種基人工智能和大數(shù)據(jù)技術(shù)的企業(yè)成長性評價方法

在審

• 申請?zhí)枺?/td>: 201810593866.6
• 申請日: 2018-06-11
• 公開（公告）號: CN109102140A
• 公開（公告）日: 2018-12-28
• 發(fā)明（設(shè)計）人: 黃嚴(yán)
• 申請（專利權(quán)）人: 北交金科金融信息服務(wù)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(chǎn)權(quán)代理事務(wù)所(普通合伙) 11390
• 代理人: 胡劍輝

本發(fā)明公開了一種基人工智能和大數(shù)據(jù)技術(shù)的企業(yè)成長性評價方法，包括如下步驟：步驟100、選取部分企業(yè)的數(shù)據(jù)來建立企業(yè)的成長性評價指標(biāo)模型；步驟200、模型交叉驗證；步驟300、驗證結(jié)果的誤差的允許范圍內(nèi)的話，則成長性評價指標(biāo)模型建立成功，否則的話，重新選取企業(yè)的數(shù)據(jù)來建立成長性評價指標(biāo)模型，通過在基礎(chǔ)模型上建立集成學(xué)習(xí)模塊和半監(jiān)督學(xué)習(xí)模塊，能更加完善的提升模型的精度，穩(wěn)定性及泛化能力，通過集成學(xué)習(xí)，可以綜合多個模型的預(yù)測結(jié)果，讓模型的預(yù)測能力更為穩(wěn)定可靠，半監(jiān)督學(xué)習(xí)可以充分利用未標(biāo)記樣本的信息，進(jìn)一步保障模型性能。

技術(shù)領(lǐng)域

本發(fā)明涉及企業(yè)評價技術(shù)領(lǐng)域，具體為一種基人工智能和大數(shù)據(jù)技術(shù)的企業(yè)成長性評價方法。

背景技術(shù)

近年來在投資活動中，目標(biāo)企業(yè)，即被投資企業(yè)的價值常常猶如霧里看花，令投資者琢磨不定，于是，對目標(biāo)企業(yè)的價值評估成了投資者最為重要的投資決策環(huán)節(jié)。價值評估是指買賣雙方對標(biāo)的(股權(quán)或資產(chǎn))購入或出售做出的價值判斷。投資者通過一定的方法計算目標(biāo)企業(yè)的價值，從而為交易是否可行提供價格基礎(chǔ)。投資過程中，對目標(biāo)企業(yè)的估價是其是否成功的關(guān)鍵。從投資者角度看，無論是股東還是目標(biāo)企業(yè)的出資人，均希望交易價格有利于己方。由于雙方信息掌握不充分，或者主觀認(rèn)識上存在偏差，因此不能由一方定價而強加于對方。這時就需要聘請中介機構(gòu)從經(jīng)濟(jì)技術(shù)的角度做出價值評估。

對中小企業(yè)而言，無論是并購其它企業(yè)或是被優(yōu)勢企業(yè)所并購，都是其快速成長的捷徑。而對并購對象的價值評估，正迎合了并購市場的急切需求。

成長性是中小型企業(yè)的核心，因此，研究和開發(fā)適合于中小型高科技企業(yè)成長性評價的模型和技術(shù)，客觀、公允地反映中小型高科技企業(yè)的成長狀況，對于促進(jìn)中小型高科技企業(yè)穩(wěn)定發(fā)展，推進(jìn)經(jīng)濟(jì)持續(xù)增長具有十分重要的理論和現(xiàn)實意義。

為了適應(yīng)市場的需要，擬建設(shè)一套先進(jìn)的，高效的自動化科技型中小企業(yè)成長性投資價值評價系統(tǒng)，持續(xù)不斷提升評價準(zhǔn)確度，降低對人工的需要。

目前現(xiàn)有存在的企業(yè)成長性評價指標(biāo)體系構(gòu)建驗證不足、評價效果和結(jié)果缺乏驗證，組合評價中權(quán)重的設(shè)置不合理，且過多依賴人工判斷，有主觀因素的干擾等問題。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)方案的不足,本發(fā)明提供一種基人工智能和大數(shù)據(jù)技術(shù)的企業(yè)成長性評價方法，通過在基礎(chǔ)模型上建立集成學(xué)習(xí)模塊和半監(jiān)督學(xué)習(xí)模塊，能更加完善的提升模型的精度，穩(wěn)定性及泛化能力，通過集成學(xué)習(xí)，可以綜合多個模型的預(yù)測結(jié)果，讓模型的預(yù)測能力更為穩(wěn)定可靠，半監(jiān)督學(xué)習(xí)可以充分利用未標(biāo)記樣本的信息，進(jìn)一步保障模型性能，能有效的解決背景技術(shù)提出的問題。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

一種基人工智能和大數(shù)據(jù)技術(shù)的企業(yè)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(yè)的數(shù)據(jù)來建立企業(yè)的成長性評價指標(biāo)模型；

步驟200、模型交叉驗證；

步驟300、驗證結(jié)果的誤差的允許范圍內(nèi)的話，則成長性評價指標(biāo)模型建立成功，否則的話，重新選取企業(yè)的數(shù)據(jù)來建立成長性評價指標(biāo)模型。

優(yōu)選的，包括基礎(chǔ)模型以及建立在基礎(chǔ)模型上的集成學(xué)習(xí)模塊和半監(jiān)督學(xué)習(xí)模塊；所述基礎(chǔ)模型將企業(yè)的歷史數(shù)據(jù)通過GBRT算法進(jìn)行迭代運算得到待評估企業(yè)數(shù)據(jù)，將企業(yè)的歷史數(shù)據(jù)作為未標(biāo)記樣本，將待評估企業(yè)數(shù)據(jù)作為擁有機器學(xué)習(xí)模仿專家打分的有標(biāo)記樣本；所述歷史數(shù)據(jù)包括企業(yè)上傳數(shù)據(jù)和公開數(shù)據(jù)，企業(yè)上傳數(shù)據(jù)和公開數(shù)據(jù)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；

優(yōu)選的，所述集成學(xué)習(xí)模塊將若干有標(biāo)記樣本通過stacking集成算法分別得到對應(yīng)的成長價值分預(yù)測結(jié)果，所有的成長價值分預(yù)測結(jié)果通過MLR算法擬合得到企業(yè)總體的成長價值分預(yù)測結(jié)果A；