一种基于聚类制造技术

本发明专利技术公开了一种基于聚类

【技术实现步骤摘要】
一种基于聚类、同期群分析的企业坏账预测方法


[0001]本专利技术涉及企业坏账预测
，尤其涉及一种基于聚类
、
同期群分析的企业坏账预测方法
。

技术介绍

[0002]客户的信用损失预计，或者叫“坏账准备计提”是会计上常见的问题
。
在权责发生制下，财务会计要求会计处理真实完整反映当期已发生的业务
、
事实情况，其中就包含对信用损失风险的全面刻画
。
企业的应收账款并不总能全额收回，平均而言其中的一部分会长期拖欠
、
无法形成现金回流，乃至最终债务人破产或债务重组等无力偿付
。
因为此前已经确认收入，故该部分是新增的损失，而该损失并非是在最终确认无法偿还时突然发生，而是在应收账款状态时就已经存在对应的风险了
。
事实上，随着应收账款账龄的增加，该风险将会不断上升，账龄越久的应收账款越倾向于难以收回
。
[0003]会计估计即是对一些缺乏完整
、
准确的确切数字的会计事项，基于现有的信息
、
发生的交易以及公司内部和外部的数据，根据经验和专业判断做出的某些数值方面的预测或推断
。
会计估计一方面要考虑科学准确性，另一方面又要考虑财务报告的可理解性，因此模型一般不太复杂，但过于简单的模型又会导致估计失准，因此在不同的准确性
‑
复杂度权衡下，会存在一系列复杂度不同的模型
。
坏账准备金是会计估计的经典问题，现有的预测方法一般为固定比例法，该方法在预测企业坏账时忽略了太多因素，不够精细，最大的缺陷是忽视了时间推移对信用风险带来的影响，也无法为业务决策提供太大参考，因此亟需种基于聚类
、
同期群分析的企业坏账预测方法来改变这一现状
。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种基于聚类
、
同期群分析的企业坏账预测方法
。
其优点在于对不同账龄确定采取不同的计提比例，计提比例确定后，计算坏账准备总额，最后通过同期群和聚类算法进行验证分析，精细化区分政企客户信用风险特征，重新构建坏账计提比例模型，为应收账款坏账准备计提提供更准确的参考，使财务信息更全面体现信用风险，准确量化风险水平
。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种基于聚类
、
同期群分析的企业坏账预测方法，包括以下步骤：
[0007]步骤一：考虑到不同账龄应收账款的信用风险水平不同，收集账龄分布数据；
[0008]步骤二：基于账龄分布数据，对不同账龄确定采取不同的计提比例，其中，计提比例
r
i
，通过如下方法确定：
[0009]直接指定：通过直接指定的方法确定
r
i
；
[0010]统计法：基于历史数据对每一账龄下应收账款的下期还款概率做出参数估计，基于估计得到的各概率链式相乘，得到还款曲线，进而得到不同账龄下应收账款最终无法还清的概率；
[0011]分组统计法：对样本进行分划，再对每一组内的数据使用统计法，计算还款概率
{p
i
}
序列，并导出期望信用损失比例
r
i
；
[0012]步骤三：计提比例确定后，计算坏账准备总额；
[0013]步骤四：根据多期的计提比例
r
i
，获得还款曲线；
[0014]步骤五：根据各个客户的还款曲线进行聚类，获得多个客户类型，其中，不同客户类型的风险特征不同
。
[0015]本专利技术进一步设置为，所述计算还款概率
{p
i
}
序列包括：在历史数据中选择多个统计量，估计账龄
j
‑1的账款在下一期的还款概率
p
j
，：使用上一期时账龄
j
‑1的账款与本期账龄
j
的账款金额的比值；如果假定
p
j
在不同时期一成不变，那么把所有期的分子分母先做汇总，然后计算总比值，作为
p
j
；如果
p
j
是随时间变化的序列，则假设这个序列是连续变化的，使用多期数据估计
{p
i
}
时，对不同期赋予不同的权重，其中，越接近当前的时期，赋予的权重越大，然后根据所述权重把所有期的分子分母先做加权汇总，计算总比值，作为
p
j
。
[0016]本专利技术进一步设置为，所述计算坏账准备总额，包括：根据公式计算坏账准备总额，其中
BDR(t)
代表
t
时刻的坏账准备总额，
AR
i
(t)
代表
t
时刻账龄为
i
的应收账款余额金额，
r
i
为账龄
i
个月的坏账计提比例
。
[0017]本专利技术进一步设置为，所述导出期望信用损失比例，包括：根据公式其中
p
j
＝
P(
某一单位账龄
j
‑1的应收账款在下一期被还清
)
确定期望信用损失比例
r
i
，其中，
p
j
的估计方式为：记随机变量
B
jm
表示第
m
单位账龄为
j
‑1的应收账款在下一期被还清，给定独立同分布假设：
B
jm
～
i.i.d.B(1
，
p
j
)
，
m≤M
，
M
是帐龄
j
‑1的应收款总金额所述随机变量
B
jm
的样本均值依概率收敛到均值
E(B
jm
)
＝
p
j
，
[0018]用下一期账龄
j
的应收账款与当期账龄
j
‑1的应收账款余额之比来确定
p
j
，为
p
j
的无偏一致估计量
。
[0019]本专利技术进一步设置为，所述权重根据公式来确定，式中
w
k
代表滞后
k
期适用的权重，
Mk
为该期观测的金额规模大小，
q
为衰减系数，在0‑1之间取值；
q
越接近0，代表越重视近期数据而忽略远期数据，衰减越快，越接近1则代表越倾向于近期远期重要性相同
。
[0020]本专利技术进一步设置为，
p...

【技术保护点】

【技术特征摘要】
1.
一种基于聚类
、
同期群分析的企业坏账预测方法，其特征在于，包括以下步骤：步骤一：考虑到不同账龄应收账款的信用风险水平不同，收集账龄分布数据；步骤二：基于账龄分布数据，对不同账龄确定采取不同的计提比例，其中，计提比例
r
i
，通过如下方法确定：直接指定：通过直接指定的方法确定
r
i
；统计法：基于历史数据对每一账龄下应收账款的下期还款概率做出参数估计，基于估计得到的各概率链式相乘，得到还款曲线，进而得到不同账龄下应收账款最终无法还清的概率；分组统计法：对样本进行分划，再对每一组内的数据使用统计法，计算还款概率
{p
j
}
序列，并导出期望信用损失比例
r
i
；步骤三：计提比例确定后，计算坏账准备总额；步骤四：根据多期的计提比例
r
i
，获得还款曲线；步骤五：根据各个客户的还款曲线进行聚类，获得多个客户类型，其中，不同客户类型的风险特征不同
。2.
根据权利要求1所述的基于聚类
、
同期群分析的企业坏账预测方法，其特征在于，所述计算还款概率
{p
j
}
序列包括：在历史数据中选择多个统计量，估计账龄
j
‑1的账款在下一期的还款概率
p
j
，：使用上一期时账龄
j
‑1的账款与本期账龄
j
的账款金额的比值；如果假定
p
j
在不同时期一成不变，那么把所有期的分子分母先做汇总，然后计算总比值，作为
p
j
；如果
p
j
是随时间变化的序列，则假设这个序列是连续变化的，使用多期数据估计
{p
j
}
时，对不同期赋予不同的权重，其中，越接近当前的时期，赋予的权重越大，然后根据所述权重把所有期的分子分母先做加权汇总，计算总比值，作为
p
j
。3.
根据权利要求1所述的一种基于聚类
、
同期群分析的企业坏账预测方法，其特征在于，所述计算坏账准备总额，包括：根据公式计算坏账准备总额，其中
BDR(t)
代表
t
时刻的坏账准备总额，
AR
i
(t)
代表
t
...

【专利技术属性】
技术研发人员：黄云，
申请(专利权)人：上海硕恩网络科技股份有限公司，
类型：发明
国别省市：