一种基于大数据的财务交易风险评估方法技术

本发明专利技术涉及一种基于大数据的财务交易风险评估方法，包括以下步骤：S1：通过终端设备获取交易数据并采用储存模块储存交易数据；S2：构建指标体系，设定评估体系中每一项指标的极限指标，超标时，交易风险增高；S3：设定指标权重，采用层次分析法确定评估体系中各指标的权重；S4：使用聚类方法对输入数据进行预分类，将预处理后的分类数据使用神经网络构建模型；S5：将需要评估的数据使用聚类方法判断属于哪个分类，确定使用的神经网络模型，然后进行评估输出评估报告。本发明专利技术通过主体信息和壳体信息两方面多个维度的关键指标对风险信息进行评估，同时能够结合大数据分析，从而使评估更快速，更全面。

【技术实现步骤摘要】
一种基于大数据的财务交易风险评估方法
本专利技术涉及财务交易评估
，特别涉及一种基于大数据的财务交易风险评估方法。
技术介绍
财务交易风险分析包括定性分析、定量分析，定性分析主要有失效树分析、事件树分析、专家系统等，它们的工作过程比较复杂，可操作性差，而且交易风险评估结果的可信度低。定量分析通过非线性学习理论对交易风险变化趋势建立相应的评估模型，例如基于模糊支持向量机的交易风险评估模型。在实际应用中，考虑的风险不全面，评估结果不科学，难以保证交易风险评估的可信度；模糊支持向量机可以建立更优的交易风险评估模型，但评估结果的解释性差，说服力欠缺，评估的实时性差，难以满足大规模的交易风险评估问题求解。随着互联网行业的发展，大数据(BigDate)走进公众视野，为普通群众所熟知。大数据往往与互联网行业相联系，但其实大数据很早以前就一直存在。很多领域例如天文学和基因学，经历了信息爆炸后，产生了海量数据，只是这些数据难以有效利用。随着在线社交平台、互联网平台、电子商务平台等互联网平台的发展，互联网企业也积累了丰富的大数据。对这些海量的线上数据进行清洗等处理，可以使这些数据具有使用价值和可操作性。因此，如何解决财务交易风险评估的准确性，快速性是亟待解决的问题。
技术实现思路
本专利技术为了解决现有技术的问题，提供了一种能够使评估更快速准确的基于大数据的财务交易风险评估方法。具体技术方案如下：一种基于大数据的财务交易风险评估方法，包括以下步骤：S1：通过终端设备获取交易数据并采用储存模块储存交易数据；S2：构建指标体系，设定评估体系中每一项指标的极限指标，超标时，交易风险增高；S3：设定指标权重，采用层次分析法确定评估体系中各指标的权重；S4：使用聚类方法对输入数据进行预分类，将预处理后的分类数据使用神经网络构建模型；S5：将需要评估的数据使用聚类方法判断属于哪个分类，确定使用的神经网络模型，然后进行评估输出评估报告。作为优选方案，指标体系包括主体信息和客体信息，主体信息包括交易对象，财务信息和信用信息，客体信息包括交易信息。作为优选方案，步骤S1中，终端设备获取交易数据后通过检测模块检测，检测模块检测交易数据是否缺项，若缺项，则通过通知模块发出提示。作为优选方案，交易对象包括注册资本，交易次数，注册时间和公司类型。作为优选方案，财务信息包括营业收入，净利润，净资产和负债率。作为优选方案，交易信息包括交易金额，交易周期和预付比例。作为优选方案，信用信息包括欠款金额，违约次数和信用等级。本专利技术的技术效果：本专利技术的一种基于大数据的财务交易风险评估方法能够通过主体信息和壳体信息两方面多个维度的关键指标对风险信息进行评估，同时能够结合大数据分析，从而使评估更快速，更全面。附图说明图1是本专利技术实施例的一种基于大数据的财务交易风险评估方法的示意图。图2是本专利技术实施例的指标体系的示意图。图3是本专利技术实施例的一种基于大数据的财务交易风险评估系统的示意图。具体实施方式下面，结合实例对本专利技术的实质性特点和优势作进一步的说明，但本专利技术并不局限于所列的实施例。如图1至图3所示，本实施例的一种基于大数据的财务交易风险评估方法，包括以下步骤：S1：通过终端设备获取交易数据并采用储存模块储存交易数据；S2：构建指标体系，设定评估体系中每一项指标的极限指标，超标时，交易风险增高；S3：设定指标权重，采用层次分析法确定评估体系中各指标的权重；S4：使用聚类方法对输入数据进行预分类，将预处理后的分类数据使用神经网络构建模型；S5：将需要评估的数据使用聚类方法判断属于哪个分类，确定使用的神经网络模型，然后进行评估输出评估报告。上述技术方案中，数据获取可通过互联网，人工导入历史数据等方式，所述聚类方法为ISODATA聚类，ISODATA的聚类的类别数目随着聚类的进行，是变化着的，因为在聚类的过程中，对类别数有一个“合并”和“分裂”的操作。合并是当聚类结果某一类中样本数太少，或两个类间的距离太近时，将这两个类别合并成一个类别；分裂是当聚类结果中某一类的类内方差太大，将该类进行分裂，分裂成两个类别。ISODATA分类的过程用的是迭代的思想：先随意给定初始的类别中心，然后做聚类，通过迭代，不断调整这些类别中心，直到得到最好的聚类中心为止。所述神经网络可采用BP神经网络，每次根据训练得到的结果与预想结果进行误差分析，进而修改权值和阈值，一步一步得到能输出和预想结果一致的模型。本实施例中，指标体系包括主体信息和客体信息，主体信息包括交易对象，财务信息和信用信息，客体信息包括交易信息。本实施例中，交易对象包括注册资本，交易次数，注册时间和公司类型。本实施例中，财务信息包括营业收入，净利润，净资产和负债率。本实施例中，交易信息包括交易金额，交易周期和预付比例。本实施例中，信用信息包括欠款金额，违约次数和信用等级。上述技术方案中，确定财务交易过程中可能存在的具体风险进行总结筛选，确定关键控制点。本实施例中，步骤S1中，终端设备获取交易数据后通过检测模块检测，检测模块检测交易数据是否缺项，若缺项，则通过通知模块发出提示。本实施例的基于大数据的财务交易风险评估系统包括关系型数据库，底层存储，大数据平台和展示平台，大数据需要适配的存储空间，利用sqoop关联关系型数据库与大数据平台，实现数据互通。大数据平台对大数据进行处理后通过展示平台展示，展示平台将得到的结果传到关系型数据库进行存储，此外，能够进行图标展示。本实施例的一种基于大数据的财务交易风险评估方法能够通过主体信息和壳体信息两方面多个维度的关键指标对风险信息进行评估，同时能够结合大数据分析，从而使评估更快速，更全面。需要指出的是，上述较佳实施例仅为说明本专利技术的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本专利技术的内容并据以实施，并不能以此限制本专利技术的保护范围。凡根据本专利技术精神实质所作的等效变化或修饰，都应涵盖在本专利技术的保护范围之内。本文档来自技高网...

【技术保护点】
1.一种基于大数据的财务交易风险评估方法，其特征在于，包括以下步骤：/nS1：通过终端设备获取交易数据并采用储存模块储存交易数据；/nS2：构建指标体系，设定评估体系中每一项指标的极限指标，超标时，交易风险增高；/nS3：设定指标权重，采用层次分析法确定评估体系中各指标的权重；/nS4：使用聚类方法对输入数据进行预分类，将预处理后的分类数据使用神经网络构建模型；/nS5：将需要评估的数据使用聚类方法判断属于哪个分类，确定使用的神经网络模型，然后进行评估输出评估报告。/n

【技术特征摘要】
1.一种基于大数据的财务交易风险评估方法，其特征在于，包括以下步骤：
S1：通过终端设备获取交易数据并采用储存模块储存交易数据；
S2：构建指标体系，设定评估体系中每一项指标的极限指标，超标时，交易风险增高；
S3：设定指标权重，采用层次分析法确定评估体系中各指标的权重；
S4：使用聚类方法对输入数据进行预分类，将预处理后的分类数据使用神经网络构建模型；
S5：将需要评估的数据使用聚类方法判断属于哪个分类，确定使用的神经网络模型，然后进行评估输出评估报告。


2.根据权利要求1所述的基于大数据的财务交易风险评估方法，其特征在于，指标体系包括主体信息和客体信息，主体信息包括交易对象，财务信息和信用信息，客体信息包括交易信息。


3.根据权利要求2...

【专利技术属性】
技术研发人员：周江华，姚奕，
申请(专利权)人：苏州欧孚网络科技股份有限公司，
类型：发明
国别省市：江苏;32