[發明專利]基于大數據的財務風險智能分析方法和系統

在審

• 申請號: 202110039524.1
• 申請日: 2021-01-13
• 公開（公告）號: CN112508674A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 張世俊;潘耀
• 申請（專利權）人: 張世俊
• 主分類號: G06Q40/00
• 分類號: G06Q40/00;G06Q10/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于大數據的財務風險智能分析方法和系統，包括處理器模塊（1）、大數據采集模塊（2）、風險分析模塊（3）、數據輸出模塊（4）、接收終端（5）、數據顯示終端模塊（6）、客戶端日志采集模塊（7）、供電模塊（8）、日志采集模塊（9）、瀏覽器頁面采集模塊（10）、安全檢測模塊（11）、AI分析模塊（12）、人工分析模塊（13）、財務報表分析模塊（14）、資產管理效率分析模塊（15）、現金流量分析模塊（16）、銷售和盈利分析模塊（17）、償債能力分析模塊（18）、重要客戶及附注分析模塊（19）、銷售和盈利分析模塊（20）、流動性分析模塊（21），其特征在于：所述處理器模塊（1）的輸出端連接有所述大數據采集模塊（2）的輸入端，所述大數據采集模塊（2）的外部固定安裝有所述日志采集模塊（9）、所述客戶端日志采集模塊（7）和所述瀏覽器頁面采集模塊（10），所述大數據采集模塊（2）的輸出端連接有所述日志采集模塊（9）、所述客戶端日志采集模塊（7）和所述瀏覽器頁面采集模塊（10）的輸入端，所述供電模塊（8）的電源輸出端連接有所述處理器模塊（1）和所述大數據采集模塊（2）的電源輸入端，所述處理器模塊（1）內部固定安裝有所述安全檢測模塊（11）的輸入端，所述處理器模塊（1）的輸出端連接有所述風險分析模塊（3）的輸入端，所述風險分析模塊（3）的輸出端連接有所述數據輸出模塊（4）的輸入端，所述數據輸出模塊（4）的輸出端連接有所述接收終端（5）的輸入端，所述接收終端（5）的輸出端連接有所述數據顯示終端模塊（6）的輸入端。

2.如權利要求1所述的基于大數據的財務風險智能分析方法和系統，其特征在于：所述風險分析模塊（3）的內部固定安裝有所述AI分析模塊（12）和所述人工分析模塊（13），所述風險分析模塊（3）的輸入端連接有所述AI分析模塊（12）和所述人工分析模塊（13）的輸出端。

3.如權利要求1所述的基于大數據的財務風險智能分析方法和系統，其特征在于：所述AI分析模塊（12）的內部固定安裝有所述財務報表分析模塊（14），所述財務報表分析模塊（14）的輸出端連接有所述資產管理效率分析模塊（15）的輸入端，所述資產管理效率分析模塊（15）的輸出端連接有所述現金流量分析模塊（16）的輸入端，所述現金流量分析模塊（16）的輸出端連接有所述銷售和盈利分析模塊（17）的輸入端。

4.如權利要求1所述的基于大數據的財務風險智能分析方法和系統，其特征在于：所述人工分析模塊（13）的內部固定安裝有所述償債能力分析模塊（18），所述償債能力分析模塊（18）的輸出端連接有所述重要客戶及附注分析模塊（19）的輸入端，所述重要客戶及附注分析模塊（19）的輸出端連接有所述銷售和盈利分析模塊（20）的輸入端，所述銷售和盈利分析模塊（20）的輸出端連接有所述流動性分析模塊（21）的輸入端。

5.如權利要求1所述的基于大數據的財務風險智能分析方法和系統，其特征在于：所述財務報表分析模塊（14）的內部出具的是無保解意見的審計報告、帶有說明段的無保留意見的審計報告、保留意見的審計報告、還是拒絕表示意見的審計報告。

6.如權利要求1所述的基于大數據的財務風險智能分析方法和系統，其特征在于：所述資產管理效率分析模塊（15）的內部主要分析依據為周轉比率；周轉比率中的各項指標都是表述一年中這些資產負債表相關科目平均持有的天數或更新的次數。

7.如權利要求1所述的基于大數據的財務風險智能分析方法和系統，其特征在于：所述償債能力分析模塊（18）的內部分析所用的主要指標為絕對額指標中的有形凈資產和保障比率；保障比率指授信對象產生足夠利潤以償付總債務（包括償付利息和分期償還本金）的能力。

8.如權利要求1所述的基于大數據的財務風險智能分析方法和系統，其特征在于：所述重要客戶及附注分析模塊（19）的內部應對最近年報和近期報表中金額較大或金額裱花較大的科目和財務報表附注進行分析，以對公司的資產結構和質量、資金的來源結構和穩定性以及或有負債情況等有較為清晰的認識。