[發(fā)明專利]企業(yè)財務(wù)造假風(fēng)險的識別方法、裝置以及計算機設(shè)備

在審

• 申請?zhí)枺?/td>: 201811184234.0
• 申請日: 2018-10-11
• 公開（公告）號: CN109583682A
• 公開（公告）日: 2019-04-05
• 發(fā)明（設(shè)計）人: 徐力;汪偉;肖京
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06Q40/00
• 代理公司: 廣州華進聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 王寧

本申請涉及一種企業(yè)財務(wù)造假風(fēng)險的識別方法、裝置、計算機設(shè)備和存儲介質(zhì)。所述方法包括：獲取待預(yù)測企業(yè)的財務(wù)數(shù)據(jù)，并根據(jù)財務(wù)數(shù)據(jù)獲取在預(yù)設(shè)時間段內(nèi)的第一財務(wù)特征數(shù)據(jù)以及歷史時間段內(nèi)的第二財務(wù)特征數(shù)據(jù)，并計算第一財務(wù)特征數(shù)據(jù)的同比增長率以及環(huán)比增長率；獲取同行業(yè)企業(yè)的財務(wù)特征數(shù)據(jù)平均值，根據(jù)財務(wù)特征數(shù)據(jù)平均值以及第一財務(wù)特征數(shù)據(jù)獲取第一財務(wù)特征數(shù)據(jù)的平均增長率；將第一財務(wù)特征數(shù)據(jù)、同比增長率、環(huán)比增長率以及平均增長率輸入至預(yù)先構(gòu)建的第一財務(wù)造假預(yù)測模型中獲取輸出值，根據(jù)輸出值得到待預(yù)測企業(yè)財務(wù)數(shù)據(jù)的造假概率。本方法基于機器學(xué)習(xí)實現(xiàn)企業(yè)財務(wù)造假風(fēng)險的識別，提高企業(yè)財務(wù)造假風(fēng)險的識別的效率。

技術(shù)領(lǐng)域

本申請涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，特別是涉及一種企業(yè)財務(wù)造假風(fēng)險的識別方法、裝置、計算機設(shè)備和存儲介質(zhì)。

背景技術(shù)

目前，對于企業(yè)財務(wù)造假的分析，主要基于財務(wù)專家多年的會計經(jīng)驗從企業(yè)的財務(wù)報表中判斷出會計科目的異常，進而判斷企業(yè)的財務(wù)報表中是否存在財務(wù)造假的嫌疑；在判斷企業(yè)財務(wù)數(shù)據(jù)是否造假的過程中，往往需要對大量財務(wù)數(shù)據(jù)進行分析，且依賴于財務(wù)專家過往的經(jīng)驗進行判斷，導(dǎo)致企業(yè)財務(wù)數(shù)據(jù)造假的判斷效率低、可靠性差。

發(fā)明內(nèi)容

基于此，有必要針對上述技術(shù)問題，提供一種企業(yè)財務(wù)造假風(fēng)險的識別方法、裝置、計算機設(shè)備和存儲介質(zhì)。

一種企業(yè)財務(wù)造假風(fēng)險的識別方法，所述方法包括：

獲取待預(yù)測企業(yè)的財務(wù)數(shù)據(jù)，并根據(jù)所述財務(wù)數(shù)據(jù)獲取在預(yù)設(shè)時間段內(nèi)的第一財務(wù)特征數(shù)據(jù)以及歷史時間段內(nèi)的第二財務(wù)特征數(shù)據(jù)；

根據(jù)所述第一特征指標(biāo)以及所述第二財務(wù)特征數(shù)據(jù)計算所述第一財務(wù)特征數(shù)據(jù)的同比增長率以及環(huán)比增長率；

獲取同行業(yè)企業(yè)的財務(wù)特征數(shù)據(jù)平均值，根據(jù)所述財務(wù)特征數(shù)據(jù)平均值以及所述第一財務(wù)特征數(shù)據(jù)獲取所述第一財務(wù)特征數(shù)據(jù)的平均增長率；

將所述第一財務(wù)特征數(shù)據(jù)、所述同比增長率、所述環(huán)比增長率以及所述平均增長率輸入至預(yù)先構(gòu)建的第一財務(wù)造假預(yù)測模型中獲取輸出值，根據(jù)所述輸出值得到所述待預(yù)測企業(yè)財務(wù)數(shù)據(jù)的造假概率。

在其中一個實施例中，所述獲取待預(yù)測企業(yè)的財務(wù)數(shù)據(jù)的步驟之前，還包括：

獲取樣本企業(yè)的原始財務(wù)數(shù)據(jù)，所述企業(yè)樣本包括財務(wù)造假企業(yè)以及非財務(wù)造假企業(yè)；

從所述原始財務(wù)數(shù)據(jù)中獲取各所述樣本企業(yè)在多個單位時段內(nèi)的第三財務(wù)特征數(shù)據(jù)，并獲取所述第三財務(wù)特征數(shù)據(jù)的同比增長率、環(huán)比增長率以及平均增長率，生成所述樣本企業(yè)的第一樣本數(shù)據(jù)；

對所述樣本企業(yè)中的財務(wù)造假企業(yè)的第一樣本數(shù)據(jù)添加壞樣本標(biāo)簽，對所述樣本企業(yè)中的非財務(wù)造假企業(yè)的第一樣本數(shù)據(jù)添加好樣本標(biāo)簽，獲得目標(biāo)樣本數(shù)據(jù)；

利用目標(biāo)樣本數(shù)據(jù)對預(yù)設(shè)的第一Xgboot模型進行有監(jiān)督訓(xùn)練，得到第一財務(wù)造假預(yù)測模型。

在其中一個實施例中，所述獲取樣本企業(yè)的原始財務(wù)數(shù)據(jù)的步驟之后，還包括：

從所述原始財務(wù)數(shù)據(jù)中獲取所述樣本企業(yè)在多個單位時段內(nèi)的財務(wù)指標(biāo)數(shù)據(jù)；

對所述樣本企業(yè)中的財務(wù)造假企業(yè)的財務(wù)指標(biāo)數(shù)據(jù)添加壞樣本標(biāo)簽，對所述樣本企業(yè)中的非財務(wù)造假企業(yè)的財務(wù)指標(biāo)數(shù)據(jù)添加好樣本標(biāo)簽，獲得第二樣本數(shù)據(jù)；

將所述第二樣本數(shù)據(jù)隨機劃分為訓(xùn)練樣本數(shù)據(jù)以及測試樣本數(shù)據(jù)；

利用所述訓(xùn)練樣本數(shù)據(jù)對預(yù)設(shè)的第二Xgboot模型進行有監(jiān)督訓(xùn)練，得到第二財務(wù)造假預(yù)測模型；

將所述測試樣本數(shù)據(jù)輸入至所述第二財務(wù)造假預(yù)測模型，獲得所述測試樣本數(shù)據(jù)的第一財務(wù)造假概率，根據(jù)所述第一財務(wù)造假概率計算所述第二財務(wù)造假預(yù)測模型第一誤差率；