基于异构图神经网络的企业估值方法及系统技术方案

本发明专利技术公开了一种基于异构图神经网络的企业估值方法及系统，属于图神经网络领域。该方法包括如下步骤：搭建行业异构图；待估值企业邻居采样；对采样节点注意力聚合学习；加权融合异构节点的聚合特征；预测企业估值。本发明专利技术采用图神经网络作为基本模型，在异构图神经网络的聚合学习中引入公司节点和人员节点的连接信息并通过注意力机制融合；由于引入了图神经网络算法，相较于传统专家估值效率大幅度提升，在公司和人员信息变更、市场出现波动时，可以对企业估值快速更新；从行业领域信息从高层次视角聚焦公司估值，依托海量数据有效地解决了专家对企业直接建模导致的认知偏差和主观局限性。观局限性。观局限性。

【技术实现步骤摘要】
基于异构图神经网络的企业估值方法及系统


[0001]本专利技术属于图神经网络领域，特别涉及一种基于异构图神经网络的企业估值方法及系统。

技术介绍

[0002]企业估值技术针对上市或未上市公司，依靠公司的估值模型从企业的资产和获利能力出发，对企业的内在价值进行评估。通过分析估值模型和挖掘相关影响因素，可以将对行业和公司的认知基础转化为具体的投资建议，此外基于模型能够预测公司策略、资本性交易等对企业价值的影响。对企业价值进行合理地评估是投融资和各种交易的基础。
[0003]现有的企业估值方法依靠领域专家综合分析行业信息、公司核心资源等数据对公司的市场价值做出估计。传统的估值方法主要分为现金贴现法和相对估值法两种，前者用企业未来特定期间内的预期现金流量还原为当前现值，从企业基本情况出发，评估专家通过分析影响企业未来获利的各种因素来对现金流做出合理预测，并基于对企业未来的风险判断给出折现率，通过现金流和折现率做出企业估值；后者通过寻找可比资产或公司，使用市盈率、市净率、市售率、市现率等价格指标与可比资产或公司进行对比，借用可比资产或公司价值来估本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于异构图神经网络的企业估值方法，其特征在于，包括如下步骤：步骤1、搭建行业异构图；步骤2、待估值企业邻居采样；步骤3、对采样节点使用注意力聚合学习；步骤4、加权融合异构节点的聚合特征；步骤5、预测企业估值。2.如权利要求1所述的基于异构图神经网络的企业估值方法，其特征在于，所述步骤1中，行业异构图由公司和人员两种节点构成，将公司和人员根据投资和任职关系相互连接。3.如权利要求1所述的基于异构图神经网络的企业估值方法，其特征在于，所述步骤2中，使用随机游走算法对类型和数量不同的邻居节点进行规范化采样，具体如下：(1)从待估值企业出发，每次以r的概率选取当前节点的随机近邻，并以1
‑
r的概率返回初始待估值企业，生成长度为N的节点序列；(2)对生成的一系列关联邻居节点序列按照类型分成公司和人员两组，对每种类型均从序列中选取出现频率最高的n个节点，生成待估值企业两种类型的异构近邻节点集合。4.如权利要求1所述的基于异构图神经网络的企业估值方法，其特征在于，所述步骤3中，在对采样节点使用注意力聚合学习，包括以下步骤：(1)从待估值企业出发随机游走生成的公司节点集合和人员节点集合，分别输入注意力聚合网络中；(2)使用融合关联信息的层级多头注意力加权网络对每种类型的节点进行聚合学习，网络中共计L层，每层均通过注意力机制更新当前节点，节点特征的更新形式为：其中H
l
为第l层的注意力头数目，N
t
(i)为类别为t的节点i的近邻集合，∪为并集，N
t
(i)∪{i}为集合N
t
(i)与集合{i}并集操作；第l层节点k的表示通过l—1层的节点注意力加权求和计算得到，为节点k和j在第l层通过注意力头h计算而得的权重，公式如下：其中为第k层注意力头h的权重矩阵，Ψ(p
...

【专利技术属性】
技术研发人员：杨杨，鲍然，祝恒书，肖亮，杨健，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：