【技术实现步骤摘要】
本专利技术属于企业资产效率测算，具体涉及一种基于xgboost-博弈论组合赋权-topsis模型的企业资产效率水平测算系统。
技术介绍
1、提升企业资产效率是中国高质量发展战略背景下企业长期发展的必然要求。当前，已有关于企业资产效率的测算系统，存在两方面问题。一方面，已有指标体系存在较多指标，在测算过程中，将所有指标纳入测算而忽略了指标对企业资产效率的重要程度；另一方面，已有单一的赋权方法，无法兼顾主观和客观赋权法各自的优点。目前，较为缺乏同时解决上述两个问题的方案。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于xgboost-博弈论组合赋权-topsis模型的企业资产效率水平测算系统，为在高质量发展战略背景下，实现企业的长期有效发展。
2、其基于计算机系统，首先，基于机器学习方法对已有指标体系进行筛选，进而剔除构建指标体系过程的个人主观干预。然后，采用博弈论组合赋权法将熵权法和ahp法得到的权重相结合，吸收主客观赋权方法优点，得到合理的权重构建，最后，采用topsis模型对企业的资产效率进行测算。本专利技术提供的系统将机器学习算法引入企业资产效率水平的测算过程，不仅降低了人为干扰，还吸收了主客观赋权方法的优点，由此测算所得的企业资产效率指数，更加具有现实意义。
3、本专利技术具体采用以下技术方案：
4、一种基于xgboost-博弈论组合赋权-topsis模型的企业资产效率水平测算系统，包括：
5、数据输入模块，用于输
6、评价指标和绩效关联模块，用于基于xgboost机器学习算法，构建企业资产效率评价指标和企业绩效之间的方程，通过迭代训练，减小残差，以提高预测准确性，得到优化后的企业资产效率测算指标体系；
7、标准化处理模块，用于对所述评价指标和绩效关联模块筛选后的企业资产效率测算指标进行数据标准化处理；
8、权重计算模块，用于结合标准化过后的企业资产效率测算指标，分别采用熵权法和ahp方法计算指标的主客观权重；
9、最终权重确定模块，基于博弈论对所述权重计算模块得到的权重进行组合，作为测算企业资产效率的最终指标权重；
10、测算模块，用于基于topsis模型测算最终企业资产效率，结合测算结果进行排序并输出。
11、进一步地，设所述数据输入模块中输入的企业样本q个，评价体系中包括指标n个。
12、进一步地，所述评价指标和绩效关联模块通过多个基学习器的学习，以不断降低模型值和实际值的差；持续生成新的决策树，每颗树都是根据前一颗树和目标值的残差进行训练，以减少模型的偏差；并将所有树累加起来得模型对样本的预测值，其中每一步较优树的选择由目标函数确定，其中
13、进一步地，所述评价指标和绩效关联模块中的xgboost机器学习算法通过r语言的xgboost()函数实现。
14、进一步地，所述标准化处理模块中，数据归一化预处理公式为，对于正向指标：对于负向指标：
15、进一步地，所述权重计算模块中，采用熵权法确定筛选后企业资产效率指标的权重的工作过程具体如下：首先，计算每类的熵值其中，fim表示权重；其次，计算每类的熵权
16、采用ahp法确定筛选后企业资产效率指标的权重的工作过程具体如下：
17、首先，构造判断矩阵，对某一层元素相对于上层指标的重要程度进行两两打分比较，构建成对比较矩阵a＝(aij)n×n,i,j＝1,2,...n，其中，aij＝1,aij＝aji；
18、其次，计算特征向量，进行一致性检验；(1)特征根为其中w＝(w1,w2,...,wn)t，归一化后向量为(2)最大特征根为
19、第三，进行一致性检验分析；随机一致性比率为其中，为一致性指标，ri为判断矩阵的平均一致性指标，当cr＜0.10时，说明判断矩阵有较强的一致性，比较合理；
20、第四，由下到上计算得到各层相对权重值并相乘，得到评价权重值。
21、进一步地，所述最终权重确定模块当中，基于博弈论方法确定组合权重；通过夏普利值对所有可能联盟进行考虑，计算每个成员在合作中的边际贡献，并根据权重因子进行加权求和。
22、进一步地，所述最终权重确定模块的具体工作过程如下：夏普利值计算公式：其中v(i)表示参与者i的夏普利值，n表示参与者集合，|n|表示参与者的集合元素个数，s为n的子集，|s|为n的子集个数，v(s)为合作组合s的价值；在计算夏普利值的过程中，首先，对所有可能的合作组合进行遍历，并计算参与者i加入组合s后的新增贡献，然后，对所有组合的新增贡献进行加权平均，其中权重根据组合的大小来确定。
23、进一步地，所述测算模块中，利用topsis模型计算企业最终资产效率，之后排序；
24、具体如下：对于企业资产效率指标体系，计算加权矩阵并确定最优解与最劣解r＝(rij)q×m,rij＝ωj·xij′(i＝1,2,3,...,q；j＝1,2,3,...,m)；不同项目和最优解、最劣解之间的欧式距离：计算评价指数ci：ci∈[0,1]，并对指数进行排序。
25、相比于相关技术，本专利技术及其优选方案所提供的测算系统在测算企业资产效率过程中，通过运用机器学习算法，不仅筛选出对于资产效率水平估算重要的几个指标，同时在对变量进行赋权时，兼顾了主观赋权法和客观赋权法的优点，由此测算所得样本企业资产效率水平，更加具有现实意义。运用该方案使得所测算的企业资产效率水平更加拟合现实，不仅为企业提升自身资产效率水平，实现中长期高效发展提供了非常有价值得参考；也为相关研究提供了新方法和思路。
本文档来自技高网...【技术保护点】
1.一种基于XGBoost-博弈论组合赋权-TOPSIS模型的企业资产效率水平测算系统，其特征在于，包括：
2.根据权利要求1所述的基于XGBoost-博弈论组合赋权-TOPSIS模型的企业资产效率水平测算系统，其特征在于，设所述数据输入模块中输入的企业样本Q个，评价体系中包括指标N个。
3.根据权利要求2所述的基于XGBoost-博弈论组合赋权-TOPSIS模型的企业资产效率水平测算系统，其特征在于：所述评价指标和绩效关联模块通过多个基学习器的学习，以不断降低模型值和实际值的差；持续生成新的决策树，每颗树都是根据前一颗树和目标值的残差进行训练，以减少模型的偏差；并将所有树累加起来得模型对样本的预测值，其中每一步较优树的选择由目标函数确定，其中
4.根据权利要求3所述的基于XGBoost-博弈论组合赋权-TOPSIS模型的企业资产效率水平测算系统，其特征在于：所述评价指标和绩效关联模块中的XGBoost机器学习算法通过R语言的xgboost()函数实现。
5.根据权利要求3所述的基于XGBoost-博弈论组合赋权-TOPSIS模型的
6.根据权利要求5所述的基于XGBoost-博弈论组合赋权-TOPSIS模型的企业资产效率水平测算系统，其特征在于：
7.根据权利要求6所述的基于XGBoost-博弈论组合赋权-TOPSIS模型的企业资产效率水平测算系统，其特征在于：所述最终权重确定模块当中，基于博弈论方法确定组合权重；通过夏普利值对所有可能联盟进行考虑，计算每个成员在合作中的边际贡献，并根据权重因子进行加权求和。
8.根据权利要求7所述的基于XGBoost-博弈论组合赋权-TOPSIS模型的企业资产效率水平测算系统，其特征在于：
9.根据权利要求7所述的基于XGBoost-博弈论组合赋权-TOPSIS模型的企业资产效率水平测算系统，其特征在于：
...【技术特征摘要】
1.一种基于xgboost-博弈论组合赋权-topsis模型的企业资产效率水平测算系统，其特征在于，包括：
2.根据权利要求1所述的基于xgboost-博弈论组合赋权-topsis模型的企业资产效率水平测算系统，其特征在于，设所述数据输入模块中输入的企业样本q个，评价体系中包括指标n个。
3.根据权利要求2所述的基于xgboost-博弈论组合赋权-topsis模型的企业资产效率水平测算系统，其特征在于：所述评价指标和绩效关联模块通过多个基学习器的学习，以不断降低模型值和实际值的差；持续生成新的决策树，每颗树都是根据前一颗树和目标值的残差进行训练，以减少模型的偏差；并将所有树累加起来得模型对样本的预测值，其中每一步较优树的选择由目标函数确定，其中
4.根据权利要求3所述的基于xgboost-博弈论组合赋权-topsis模型的企业资产效率水平测算系统，其特征在于：所述评价指标和绩效关联模块中的xgboost机...
【专利技术属性】
技术研发人员：郑晨虹，肖方顺，曾聪，张梦倩，张越，刘孟哲，林诗媛，王莹，林嘉伟，
申请(专利权)人：国网福建省电力有限公司经济技术研究院，
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。