[發明專利]債務風險智能預測方法、裝置及計算機可讀存儲介質

在審

• 申請號: 201910526317.1
• 申請日: 2019-06-18
• 公開（公告）號: CN110414709A
• 公開（公告）日: 2019-11-05
• 發明（設計）人: 任克非;方友滔;王強;王奕;吳國方
• 申請（專利權）人: 重慶金融資產交易所有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q40/00
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

本發明涉及一種人工智能技術，揭露了一種債務風險智能預測方法，包括：數據收集層接收企業財務數據及盈虧標簽，并對所述企業財務數據進行分類和歸一化后與所述盈虧標簽共同存入數據庫中；當所述數據庫數據的數量達到數據庫閾值時，所述數據庫報警提示數據訓練層接收所述數據庫數據，同時所述數據庫閾值自動增大，所述數據訓練層接收數據庫數據后訓練，直至所述數據訓練層的損失函數值滿足數據訓練層閾值要求時退出訓練；接收用戶的企業財務數據，利用所述數據收集層和所述數據訓練層進行債務風險預測，輸出企業債務風險預測結果。本發明還提出一種債務風險智能預測裝置以及一種計算機可讀存儲介質。本發明可以實現精準的債務風險智能預測功能。

技術領域

本發明涉及人工智能技術領域，尤其涉及一種基于數據輸入自動生成的債務風險智能預測方法、裝置及計算機可讀存儲介質。

背景技術

長期以來，公共資產家底不清、國有資產使用效率不高、存在利益尋租等問題，在當前大數據、云計算、移動通訊、網絡社交等技術創新發展的大背景下，如何采用更多智能化的技術掌握政府資產整體動態和國有資產變動情況，防控政府債務風險，解決長期困擾地方政府的資產負債多頭管理、數據提取問題一直是政府思考和探索的課題。傳統的資產分析方案很少關注到金融資產全流程的自動化管理，主要存在以下缺陷：第一，單從評價指標方面計算衡量企業的資產負債情況，一方面數據量龐大繁冗，對于資產評價效果造成很大挑戰；另一方面企業數據非透明化，對地方政府進行資產負債評估極為不便。第二，資產管理沒有實現自動化，人為主觀因素太多，很難定量進行全方位的資產評估。

發明內容

本發明提供一種債務風險智能預測方法、裝置及計算機可讀存儲介質，其主要目的在于當用戶輸入企業財務數據后，給用戶呈現出精準的企業債務風險預測。

為實現上述目的，本發明提供的一種債務風險智能預測方法，包括：

數據接收步驟：利用數據收集層接收企業財務數據及盈虧標簽，并依據所述企業財務數據是支出或收入情況，對所述企業財務數據進行分類，對分類后的所述企業財務數據進行歸一化處理，將歸一化處理后的所述企業財務數據及所述盈虧標簽存入數據庫中；

訓練步驟：當所述數據庫數據的數量達到數據庫閾值，報警提示數據訓練層接收所述數據庫數據，同時所述數據庫閾值自動增大，利用所述接收的數據庫數據對所述數據訓練層訓練，直至所述數據訓練層的損失函數值滿足數據訓練層閾值要求時退出訓練；

預測步驟：接收用戶的企業財務數據，利用所述數據收集層和所述數據訓練層進行債務風險預測，輸出企業債務風險預測結果。

可選地，所述數據收集層包括輸入層、分類層與存儲層，所述輸入層包括收入輸入層與支出輸入層，所述收入輸入層接收所述企業財務數據的收入數據，所述支出輸入層接收所述企業財務數據的支出數據，所述存儲層接收所述盈虧標簽；及

所述數據接收步驟包括：

所述收入輸入層接收所述收入數據后，將所述收入數據輸入至所述分類層，所述支出輸入層接收所述支出數據，將所述支出數據從正數改變為負數并輸入至所述分類層；

所述分類層根據歸一化原則，對所述支出數據和所述收入數據做歸一化處理生成歸一化數據，并輸入至所述存儲層，所述存儲層將所述歸一化數據與所述盈虧標簽輸入至數據庫中。

可選地，所述訓練步驟還包括：

將所述歸一化數據輸入至所述數據訓練層的輸入層，訓練得出訓練值，并將所述盈虧標簽輸入至損失函數；

利用所述損失函數根據所述訓練值與所述盈虧標簽計算出損失值，并判斷所述損失值與所述閾值的大小，直至所述損失值小于所述閾值退出訓練。

可選地，所述數據訓練層包括輸入層、卷積層、輸出層；