[發(fā)明專利]一種小規(guī)模場景中金融市場主體價(jià)值定量評(píng)估的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202111500745.0
• 申請(qǐng)日: 2021-12-09
• 公開（公告）號(hào): CN114154116B
• 公開（公告）日: 2022-11-08
• 發(fā)明（設(shè)計(jì)）人: 張熠;李維萍;周曉文;雷萬保;徐陽
• 申請(qǐng)（專利權(quán)）人: 南京審計(jì)大學(xué)
• 主分類號(hào): G06F17/16
• 分類號(hào): G06F17/16;G06Q10/06;G06Q40/00
• 代理公司: 南京科知維創(chuàng)知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 32270
• 代理人: 王萍萍

本發(fā)明提供一種小規(guī)模場景中金融市場主體價(jià)值定量評(píng)估的方法，包括如下步驟：初始化市場主體的各負(fù)面事件的權(quán)重向量、構(gòu)建輸出關(guān)聯(lián)向量和投票權(quán)關(guān)聯(lián)矩陣、構(gòu)建虛關(guān)系關(guān)聯(lián)矩陣并進(jìn)行投票權(quán)關(guān)聯(lián)矩陣優(yōu)化、計(jì)算市場主體的各負(fù)面事件的權(quán)重向量、直至得市場主體的價(jià)值評(píng)估向量。本發(fā)明通過引入投票權(quán)關(guān)聯(lián)矩陣，切實(shí)尊重并保留各負(fù)面事件實(shí)際市場影響力，特別是針對(duì)諸如上市公司、發(fā)債主體等小規(guī)模金融市場研究主體時(shí)，能夠在有效地避免同票同權(quán)的同時(shí)，更真實(shí)地獲取市場主體的權(quán)重和價(jià)值。同時(shí)借助權(quán)重向量歸一化后置，進(jìn)一步降低虛關(guān)聯(lián)累計(jì)級(jí)聯(lián)影響并提升算法收斂速度，為復(fù)雜場景細(xì)分研究和實(shí)時(shí)價(jià)值評(píng)估提供途徑，特別適用于小規(guī)模金融研究場景。

技術(shù)領(lǐng)域

本發(fā)明涉及金融領(lǐng)域，主要是一種金融市場主體的價(jià)值定量評(píng)估機(jī)制的改進(jìn)，尤其涉及一種基于關(guān)系矩陣并針對(duì)小規(guī)模場景中金融市場主體價(jià)值定量評(píng)估的方法。

背景技術(shù)

目前，在金融活動(dòng)參與主體價(jià)值定量評(píng)估中，專利“基于關(guān)系矩陣的金融活動(dòng)參與主體價(jià)值評(píng)估的方法CN201811076697.5”提出了一種顯著提升評(píng)估準(zhǔn)確性且更具普適性的定量評(píng)估方法。

與關(guān)聯(lián)矩陣使用較為廣泛的搜索引擎相比，金融市場主體價(jià)值定量評(píng)估中涉及個(gè)體數(shù)量整體較少，如截止2021年11月12日，滬深兩市主板上市企業(yè)數(shù)量依次分別1693家和1519家。同時(shí)基于歸屬行業(yè)、市值等維度，各市場主體對(duì)金融市場穩(wěn)定性影響和潛在投資價(jià)值也不盡相同。專利“基于關(guān)系矩陣的金融活動(dòng)參與主體價(jià)值評(píng)估的方法”繼承了搜索引擎場景中關(guān)聯(lián)矩陣的應(yīng)用框架，并借助正反向關(guān)聯(lián)矩陣和虛擬權(quán)重有效地提升了評(píng)估的準(zhǔn)確性和普適性，但該方法并沒有從根本上解決小規(guī)模場景中財(cái)務(wù)舞弊的問題，同時(shí)關(guān)聯(lián)矩陣橫向歸一化默認(rèn)在提升算法普適性的同時(shí)，也因主體各種負(fù)面事件同票同權(quán)容易造成對(duì)圍繞諸如上市公司、發(fā)債主體等小規(guī)模場景中的負(fù)面事件的評(píng)價(jià)失真。因此，該方法更適合于具備規(guī)模性領(lǐng)域的市場面評(píng)估，并不能準(zhǔn)確評(píng)價(jià)判斷該上市公司財(cái)務(wù)舞弊風(fēng)險(xiǎn)的高低。

發(fā)明內(nèi)容

本發(fā)明鑒于現(xiàn)有金融市場主體價(jià)值定量評(píng)估方法的不足，提出一種顯著適用于小規(guī)模場景、支持同票不同權(quán)的定量評(píng)估方法。

為實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

一種小規(guī)模場景中金融市場主體價(jià)值定量評(píng)估的方法，包括如下步驟：

S1：系統(tǒng)初始化；初始化市場主體的負(fù)面事件的權(quán)重向量，然后轉(zhuǎn)S2；

S2：利用S1中的負(fù)面事件的集合構(gòu)建輸出關(guān)聯(lián)向量和投票權(quán)關(guān)聯(lián)矩陣；基于市場主體各負(fù)面事件的實(shí)際投票權(quán)構(gòu)建各負(fù)面事件的輸出關(guān)聯(lián)向量，構(gòu)建各負(fù)面事件之間的投票權(quán)關(guān)聯(lián)矩陣，然后轉(zhuǎn)S3；

S3：構(gòu)建虛關(guān)聯(lián)關(guān)聯(lián)矩陣并進(jìn)行投票權(quán)關(guān)聯(lián)矩陣優(yōu)化；然后轉(zhuǎn)S4；

S4：迭代計(jì)算市場主體中各負(fù)面事件的權(quán)重向量；對(duì)投票權(quán)關(guān)聯(lián)矩陣和主體權(quán)重向量進(jìn)行迭代優(yōu)化；然后轉(zhuǎn)S5；

S5：由S4迭代得到當(dāng)前場景中的市場主體價(jià)值評(píng)估向量I^(k+1)。

優(yōu)選地，在步驟S1中，所述系統(tǒng)初始化的具體過程為：設(shè)N為目標(biāo)場景中市場主體的負(fù)面事件的數(shù)量，E＝(E₁，E₂，…，E_N)為場景中市場主體的負(fù)面事件的集合；設(shè)e⁽⁰⁾＝(e₁⁽⁰⁾，e₂⁽⁰⁾，…，e_N⁽⁰⁾)^T為市場主體初始權(quán)重向量，原則上所有e_i⁽⁰⁾不同時(shí)為零即可，且有e_i⁽⁰⁾≥1，1≤i≤N；設(shè)實(shí)關(guān)系權(quán)重平衡系數(shù)為ɑ，則相應(yīng)的虛關(guān)系權(quán)重系數(shù)為1-ɑ；設(shè)主體權(quán)重向量迭代中止范數(shù)閾值為β，即當(dāng)連續(xù)兩次迭代范數(shù)小于β時(shí)，迭代優(yōu)化過程中止。