The invention discloses a financial risk prediction method, which includes: acquiring the financial data of sampled customers; calculating the efficacy coefficient value of the risk evaluation index of sampled customers according to the financial data; calculating the risk weight of each risk evaluation index through the entropy weight method; calculating the financial risk score of sampled customers according to the efficacy coefficient value and risk weight of the risk evaluation index, and defining the wind. Risk grade; Neural network training is carried out according to the sliding period, the efficacy coefficient value of risk evaluation index, risk weight and risk grade to generate the prediction model of neural network; the current financial risk index of target customer is input into the prediction model of neural network, and the financial risk grade of target customer is obtained. The invention discloses a financial risk prediction method, which can divide weights according to different risk evaluation indexes, and improve the accuracy of financial risk prediction. The invention also discloses a financial risk prediction device and a storage medium.
【技术实现步骤摘要】
财务风险预测方法、装置及存储介质
本专利技术涉及财务风险预测
,尤其涉及一种财务风险预测方法、装置及存储介质。
技术介绍
目前关于风险预警模型的对象大多数集中在上市公司,且大多采用多变量模型。现有技术中,多变量模型有逻辑回归模型、多元线性判定模型、Z-score模型等。本专利技术人在实施本专利技术的过程中发现,现有技术中存在以下技术问题:上述模型均采用破产或者财务连续两年出现亏损定义为财务最严重的风险,风险判定指标较单一,未考虑到公司发展过程中的财务数据的影响,导致预测模型的准确率较低。
技术实现思路
本专利技术实施例提供一种财务风险预测方法,能够针对不同的风险评价指标进行权重划分,提高财务风险预测准确率。本专利技术实施例一提供一种财务风险预测方法,包括:获取采样客户的财务数据;根据所述财务数据计算所述采样客户的风险评价指标的功效系数值,通过熵权法计算各个所述风险评价指标的风险权重;根据所述风险评价指标的功效系数值和风险权重计算采样客户的财务风险评分,并定义风险等级;根据滑动周期、所述风险评价指标的功效系数值、风险权重和风险等级进行神经网络训练,生成神经网络预测模型;将目标客户的当前财务风险指标输入该神经网络预测模型,得到所述目标客户的财务风险等级。作为上述方案的改进,所述财务数据包括:年初人均产值预计值、实际人均产值、年初人均成本预计值和实际人均成本;根据所述财务数据计算所述采样客户的风险评价指标,具体为:根据所述年初人均产值预计值和实际人均产值计算人均产值功效系数值;根据所述年初人均成本预计值和实际人均成本计算人均成本功效系数值;其中,所述人均产值功 ...
【技术保护点】
1.一种财务风险预测方法,其特征在于,包括:获取采样客户的财务数据;根据所述财务数据计算所述采样客户的风险评价指标的功效系数值,通过熵权法计算各个所述风险评价指标的风险权重;根据所述风险评价指标的功效系数值和风险权重计算采样客户的财务风险评分,并定义风险等级;根据滑动周期、所述风险评价指标的功效系数值、风险权重和风险等级进行神经网络训练,生成神经网络预测模型;将目标客户的当前财务风险指标输入该神经网络预测模型,得到所述目标客户的财务风险等级。
【技术特征摘要】
1.一种财务风险预测方法,其特征在于,包括:获取采样客户的财务数据;根据所述财务数据计算所述采样客户的风险评价指标的功效系数值,通过熵权法计算各个所述风险评价指标的风险权重;根据所述风险评价指标的功效系数值和风险权重计算采样客户的财务风险评分,并定义风险等级;根据滑动周期、所述风险评价指标的功效系数值、风险权重和风险等级进行神经网络训练,生成神经网络预测模型;将目标客户的当前财务风险指标输入该神经网络预测模型,得到所述目标客户的财务风险等级。2.如权利要求1所述的一种财务风险预测方法,其特征在于,所述财务数据包括:年初人均产值预计值、实际人均产值、年初人均成本预计值和实际人均成本;根据所述财务数据计算所述采样客户的风险评价指标,具体为:根据所述年初人均产值预计值和实际人均产值计算人均产值功效系数值;根据所述年初人均成本预计值和实际人均成本计算人均成本功效系数值;其中,所述人均产值功效系数值如下式(1),所述人均成本功效系数值如下式(2);3.如权利要求2所述的一种财务风险预测方法,其特征在于,通过熵权法计算各个所述风险评价指标的风险权重,具体为:定义所述采样客户数量为n,风险评价指标数量为m,计算财务风险评价矩阵为X’=(xij’)n×m;其中,xij’表示第i个所述采样客户的第j个风险评价指标的功效系数值;第j个风险评价指标的熵值ej如下式(3)所示,熵的冗余度hj如下式(4)所示:hj=1-ej(4)其中,k为常数;风险评价指标j的熵权wj如下式(5)所示,4.如权利要求3所述的一种财务风险预测方法,其特征在于,根据滑动...
【专利技术属性】
技术研发人员:段术,
申请(专利权)人:广州杰赛科技股份有限公司,广州杰赛通信规划设计院有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。