【技术实现步骤摘要】
本专利技术涉及计算机系统领域，具体而言，涉及一种预测营业收入增长率上下限的方法及其系统。
技术介绍
1、企业的营业收入增长率受到多方面因素的影响，例如市场环境、产品竞争力、行业未来发展等。可用来预测营业收入的数据主要来源于行业信息、财务报表数据等公开信息。
2、当前可查询到营业收入预测技术模型主要分以下三类：
3、1.时间序列模型
4、输入层主要是企业历史营业收入数据，通过对时间序列数据的训练建立时间序列模型，得到营业收入的预测数据。
5、2.神经网络模型
6、神经网络模型针对时间序列模型的准确率进行优化，利用输入层的时间序列数据建立时间序列模型、偏差预测模型，建立包含两个隐藏层的神经网络模型。通过迭代训练确定最终隐藏层模型；通过最终隐藏层模型获取营业收入预测数据。
7、3.lasso误差泛函模型
8、将营业收入信息作为预测目标，影响营业收入的特征信息作为输入特征，构建局部lasso局部误差泛函，并根据样本信息计算输入特征特征，得到营业收入预测模型。
9、但实际上，大部分获取营业收入数据的方法都是通过查询财务报表，财务报表按年度或季度更新的特征导致能查询到的公开营业收入数据非常有限，这就使得时间序列模型的输入体现的信息过少，使用神经网络方法对时间序列模型进行优化可能会导致模型的过拟合，因此时间序列模型和神经网络模型得到的预测结果准确率有待考量。
10、在营业收入预测方法中，营业收入影响特征的选取是制约模型准确性的关键。la
技术实现思路
1、针对上述
技术介绍
中提出的需求，本专利技术实施例提供一种预测营业收入增长率上下限的方法及其系统，旨在预测营业收入增长率的上限及下限：以及得到预期营业收入走向。
2、一种预测营业收入增长率上下限的方法，具体步骤包括：
3、步骤一、计算企业稳定经营指数，根据企业稳定经营指数判断企业经营，若企业经营稳定则进入稳定经营企业模型，若企业经营不稳定则进入非稳定经营企业模型；
4、步骤二、加工融资类指标以及偿债能力类指标；
5、融资类指标以及偿债能力类指标包括可用的金融资产、当前金融资产的积累程度、维持当前营业收入增速所需外部融资是否容易获取以及金融负债及股票为企业营收提供资金来源的能力；
6、步骤三、使用逻辑回归模型得到预测增长率；本步骤中，采用logistic回归对预测结果的概率分布进行建模，在本步骤中，预期增长率高于内含增长率或当期增长率，则记为1，否则记为0，预测概率p如下式：
7、p(x)＝σ(wtx+b)； (1)
8、其中x为一条样本的入模特征组正的变量，w为权重矩阵，b为偏置，σ(x)＝1/(1+exp(-x))为logistic sigmoid函数；
9、现给定数据集{(x1,y1),(x2,y2)...(xn,yn)}，yi为0或1代表好(或坏)的标签，则可得到该数据集上的似然函数为：
10、
11、最大化对数似然函数即可得到权重矩阵w和偏置b的估计值，即：
12、
13、步骤四、计算企业的概率评分；
14、根据步骤三得到4个子模型的概率分布，分别记作p1，p2，p3示意如下：
15、p1：稳定经营下，预期营业收入增长率高于内含增长率的概率；
16、p2：稳定经营下，预期营业收入增长率高于本期营业收入增长率的概率；
17、p3：非稳定经营条件下，预期营业收入增长率高于本期营业收入增长率的概率；
18、根据式(4)模型评分转换公式将概率转换为评分
19、模型评分＝基准评分+(ln(基准odds)-ln(odds))*pdo/ln(2)； (4)
20、其中，ln(odds)＝ln(p/1-p)；
21、步骤五、设计企业营业收入增长率上下限。
22、进一步的：根据步骤四得到的企业概率评分，将企业概率评分从高到低划分为不同等级，并设置阈值1，对于高于阈值1的企业而言，企业预期营业收入增长率下限设定规则如下：
23、稳定经营企业：营业收入增长率下限＝max(内含增长率，本期营业收入增长率)；
24、非稳定经营企业：营业收入增长率下限＝本期营业收入增长率；
25、设置阈值2，对于高于阈值2的企业，企业预期营业收入增长率上限设定如下：
26、稳定经营企业：营业收入增长率上限＝min(内含增长率，本期营业收入增长率)；
27、非稳定经营企业：营业收入增长率上限＝本期营业收入增长率。
28、进一步的：一种预测营业收入增长率上下限的系统，包括：
29、稳定经营指数计算模块，该模块根据企业稳定经营指数判断企业经营，若企业经营稳定则进入稳定经营企业模型，若企业经营不稳定则进入非稳定经营企业模型；
30、融资类指标以及偿债能力类指标加工模块，该模块用于获取以及加工企业的可用的金融资产、当前金融资产的积累程度、维持当前营业收入增速所需外部融资是否容易获取以及金融负债及股票为企业营收提供资金来源的能力等指标；
31、增长率预测模块，该模块采用logistic回归对预测结果的概率分布进行建模；
32、企业的概率评分计算模块，该模块用于计算企业的概率评分；
33、企业营业收入增长率上下限设计模块，该模块基于企业概率评分，将企业概率评分从高到低划分为不同等级。
34、进一步的：终端设备可以包括：处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当终端设备运行时，处理器与存储介质之间通过总线通信，处理器执行机器可读指令，以执行时执行如前述实施例中所述的深度学习模型训练方法的步骤。
35、进一步的：一种存储介质，该存储有计算机程序，所述计算机程序被处理器运行时执行上述的方法的步骤。
36、进一步的：一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行上述所述的方法。
37、本专利技术的有益效果：本专利技术采用的logistic回归是最常用的一种对数线性模型，不同特征对分值的贡献是独立的线性加和关系，具有良好的解释性，是二分类问题的常用模型。模型通过好坏两类样本，计算每个特征的权重，该权重和特征得分之间是线性关系，将所有特征得分相加即可得到样本的最终评分。
38、如果不进行外部融资，仅依赖内部积累，此时的营业收入增长率就是内含增长率。内含增长率是在杜邦分析法的框架下，对企业在一定条件下进行营业收入增长极限分析，是一种有效的可实现营业收入增长预测工具。
39、本方法从融资出发，对营业收入增长率极限进行预测，相比通过回归或模型预本文档来自技高网...
【技术保护点】
1.一种预测营业收入增长率上下限的方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的方法，其特征在于，所述计算企业的概率评分是根据步骤三得到4个子模型的概率分布，分别记作P1，P2，P3示意如下：
3.根据权利要求1所述的方法，其特征在于，设计企业营业收入增长率上下限是根据步骤四得到的企业概率评分，将企业概率评分从高到低划分为不同等级，并设置阈值1，对于高于阈值1的企业而言，企业预期营业收入增长率下限设定规则如下：
4.根据权利要求3所述的方法，其特征在于，设置阈值2，对于高于阈值2的企业，企业预期营业收入增长率上限设定如下：
5.根据权利要求1所述的方法，其特征在于，预测概率P如下式：
6.一种预测营业收入增长率上下限的系统，其特征在于，包括：
7.一种终端设备，其特征在于，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，当所述终端设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行时执行如权利要求1至5任一项所述的方法的步骤。
8.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至5任一项所述的方法的步骤。
9.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序在被处理器执行时实现如权利要求1-5中任一项所述的方法。
...【技术特征摘要】
1.一种预测营业收入增长率上下限的方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的方法，其特征在于，所述计算企业的概率评分是根据步骤三得到4个子模型的概率分布，分别记作p1，p2，p3示意如下：
3.根据权利要求1所述的方法，其特征在于，设计企业营业收入增长率上下限是根据步骤四得到的企业概率评分，将企业概率评分从高到低划分为不同等级，并设置阈值1，对于高于阈值1的企业而言，企业预期营业收入增长率下限设定规则如下：
4.根据权利要求3所述的方法，其特征在于，设置阈值2，对于高于阈值2的企业，企业预期营业收入增长率上限设定如下：
5.根据权利要求1所述的方法，其特征在于，预测概率...
【专利技术属性】
技术研发人员：张曼媛，张悦，王珂瑶，陈东亮，徐迎田，刘洋，
申请(专利权)人：中信银行股份有限公司，
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。