本发明专利技术实施例涉及财务数据分析技术领域，具体公开了财务数据分析预警方法、装置、计算机设备和存储介质，在本发明专利技术实施例提供的财务数据分析预警方法中，在获取财务数据后，通过构建第一模型；将所述财务数据输入所述第一模型中，输出第一结果，其中，所述第一结果用于表示所述财务数据是否异常；并通过构建第二模型；将所述第一结果输入所述第二模型，输出第二结果，其中，第二结果用于表示与所述财务数据相对应的违约概率；根据所述第一结果和所述第二结果，确定所述财务数据是否异常，从而能够在各企业的财务数据量庞大、行业和规模情况各不相同的情况下，对财务数据进行准确的分析和评估。和评估。和评估。
【技术实现步骤摘要】
财务数据分析预警方法、装置、计算机设备和存储介质
[0001]本专利技术实施例涉及财务数据分析
，具体是财务数据分析预警方法、装置、计算机设备和存储介质。
技术介绍
[0002]企业的财务数据可以直接或间接反映企业的财务状况，其中，财务数据中直接反映企业的财务状况的数据类型可以是例如：净资产收益率、总资产周转率、投入资产回报率和总资产周转率等；而财务数据中间接反映企业的财务状况的数据类型可以是例如：企业负面新闻数量、负面新闻数量增长率、招聘职位数量和招聘职位数量增长率等。
[0003]在对于企业的经营状况进行评估时，常需要对企业的财务数据进行分析，从而预测财务数据对应的违约概率和潜在风险。
[0004]传统技术中对财务数据分析预警操作，是通过建立一套线上财务数据分析系统，由专家设计关键词等识别规则，对财务数据进行多次的分析和评估。然而，由于各企业的财务数据量庞大、行业和规模情况各不相同，传统的财务数据分析系统难以准确地对各企业的财务数据进行分析。
技术实现思路
[0005]本专利技术实施例的目的在于提供财务数据分析预警方法、装置、计算机设备和存储介质，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术实施例提供如下技术方案：
[0007]一种财务数据分析预警方法，所述方法包括
[0008]获取财务数据；
[0009]构建第一模型；
[0010]将所述财务数据输入所述第一模型中，输出第一结果，其中，所述第一结果用于表示所述财务数据是否异常；
[0011]构建第二模型；
[0012]将所述第一结果输入所述第二模型，输出第二结果，其中，第二结果用于表示与所述财务数据相对应的违约概率；
[0013]根据所述第一结果和所述第二结果，确定所述财务数据是否异常。
[0014]作为本专利技术实施例技术方案进一步的限定，所述构建第一模型的步骤具体包括：获取样本财务数据；
[0015]基于所述样本财务数据，确定机器训练学习任务；
[0016]对所述机器训练学习任务进行数据异常相关性分析，得到所述机器训练学习任务对应的数据异常分析结果；
[0017]基于所述样本财务数据和所述数据异常分析结果，对第一初始模型进行异常数据分析训练，在训练的过程中调整所述第一初始模型的模型参数至所述第一初始模型输出的
结果与所述机器训练学习任务相匹配；
[0018]将当前的预设机器学习模型作为所述第一模型。
[0019]作为本专利技术实施例技术方案进一步的限定，所述构建第二模型的具体步骤包括：
[0020]获取异常的样本财务数据以及与所述异常的样本财务数据相对应的样本违约记录，其中，所述异常的样本财务数据包括样本异常指标和样本异常指标对应的异常项目数据；
[0021]获取第二初始模型，根据样本异常指标、异常项目数据以及样本违约记录对所述第二初始模型进行训练得到第二模型。
[0022]作为本专利技术实施例技术方案进一步的限定，所述方法还包括以下具体步骤：
[0023]当根据所述第一结果和所述第二结果，确定所述财务数据为异常时，将异常的财务数据进行存储。
[0024]作为本专利技术实施例技术方案进一步的限定，所述方法还包括以下具体步骤：
[0025]接收移动终端发送的异常财务数据查询请求；
[0026]获取财务数据异常报告模板，将所述异常数据导入所述财务数据异常报告模板，并生成异常财务数据报告；
[0027]将所述异常财务数据报告返回至所述移动终端。
[0028]一种财务数据分析预警装置，所述装置包括：
[0029]财务数据获取模块，用于获取财务数据；
[0030]第一模型构建模块，用于构建第一模型；
[0031]第一分析模块，用于将所述财务数据输入所述第一模型中，输出第一结果，其中，所述第一结果用于表示所述财务数据是否异常；
[0032]第二模型构建模块，用于构建第二模型；
[0033]第二分析模块，用于将所述第一结果输入所述第二模型，输出第二结果，其中，第二结果用于表示与所述财务数据相对应的违约概率；以及
[0034]结果分析模块，用于根据所述第一结果和所述第二结果，确定所述财务数据是否异常。
[0035]作为本专利技术实施例技术方案进一步的限定，所述第一模型构建模块包括：
[0036]第一样本数据获取单元，用于获取样本财务数据；
[0037]机器学习任务确定单元，用于基于所述样本财务数据，确定机器训练学习任务；
[0038]机器学习分析单元，用于对所述机器训练学习任务进行数据异常相关性分析，得到所述机器训练学习任务对应的数据异常分析结果；
[0039]第一模型训练单元，用于基于所述样本财务数据和所述数据异常分析结果，对第一初始模型进行异常数据分析训练，在训练的过程中调整所述第一初始模型的模型参数至所述第一初始模型输出的结果与所述机器训练学习任务相匹配；以及
[0040]模型确立单元，用于将当前的预设机器学习模型作为所述第一模型。
[0041]作为本专利技术实施例技术方案进一步的限定，所述第二模型构建模块包括：
[0042]第二样本数据获取单元，用于获取异常的样本财务数据以及与所述异常的样本财务数据相对应的样本违约记录，其中，所述异常的样本财务数据包括样本异常指标和样本异常指标对应的异常项目数据；以及
[0043]第二模型训练单元，用于获取第二初始模型，根据样本异常指标、异常项目数据以及样本违约记录对所述第二初始模型进行训练得到第二模型。
[0044]一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述财务数据分析预警方法的步骤。
[0045]一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述财务数据分析预警方法的步骤。
[0046]与现有技术相比，在本专利技术实施例提供的财务数据分析预警方法中，在获取财务数据后，通过构建第一模型；将所述财务数据输入所述第一模型中，输出第一结果，其中，所述第一结果用于表示所述财务数据是否异常；并通过构建第二模型；将所述第一结果输入所述第二模型，输出第二结果，其中，第二结果用于表示与所述财务数据相对应的违约概率；根据所述第一结果和所述第二结果，确定所述财务数据是否异常，从而能够在各企业的财务数据量庞大、行业和规模情况各不相同的情况下，对财务数据进行准确的分析和评估，解决了传统的财务数据分析系统难以准确地对各企业的财务数据进行分析的问题。
附图说明
[0047]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例。
[0048]图1为本专利技术实施例一财务数据分析预警方法的流程框图。...
【技术保护点】
【技术特征摘要】
1.财务数据分析预警方法，其特征在于，所述方法包括：获取财务数据；构建第一模型；将所述财务数据输入所述第一模型中，输出第一结果，其中，所述第一结果用于表示所述财务数据是否异常；构建第二模型；将所述第一结果输入所述第二模型，输出第二结果，其中，第二结果用于表示与所述财务数据相对应的违约概率；根据所述第一结果和所述第二结果，确定所述财务数据是否异常。2.根据权利要求1所述的财务数据分析预警方法，其特征在于，所述构建第一模型的步骤具体包括：获取样本财务数据；基于所述样本财务数据，确定机器训练学习任务；对所述机器训练学习任务进行数据异常相关性分析，得到所述机器训练学习任务对应的数据异常分析结果；基于所述样本财务数据和所述数据异常分析结果，对第一初始模型进行异常数据分析训练，在训练的过程中调整所述第一初始模型的模型参数至所述第一初始模型输出的结果与所述机器训练学习任务相匹配；将当前的预设机器学习模型作为所述第一模型。3.根据权利要求2所述的财务数据分析预警方法，其特征在于，所述构建第二模型的具体步骤包括：获取异常的样本财务数据以及与所述异常的样本财务数据相对应的样本违约记录，其中，所述异常的样本财务数据包括样本异常指标和样本异常指标对应的异常项目数据；获取第二初始模型，根据样本异常指标、异常项目数据以及样本违约记录对所述第二初始模型进行训练得到第二模型。4.根据权利要求1
‑
3任一所述的财务数据分析预警方法，其特征在于，所述方法还包括以下具体步骤：当根据所述第一结果和所述第二结果，确定所述财务数据为异常时，将异常的财务数据进行存储。5.根据权利要求4所述的财务数据分析预警方法，其特征在于，所述方法还包括以下具体步骤：接收移动终端发送的异常财务数据查询请求；获取财务数据异常报告模板，将所述异常数据导入所述财务数据异常报告模板，并生成异常财务数据报告；将所述异常财务数据报告返回至所述移动终端。6.一种财务数据分析预警装置，所述装置包括：财务数据获取模块，用于获取财务数据；第一模型构建模块，...
【专利技术属性】
技术研发人员：黎红，郭江涛，杨柳，尹蕊，摆小军，杨立东，林志方，苏一祥，
申请(专利权)人：黎红，
类型：发明
国别省市：
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。