本发明涉及企业数据分析,尤其是一种面向企业市值分析的可视分析方法及系统。
背景技术:
1、在数字经济时代,随着信息技术的飞速发展,结合人工智能技术促进金融业务创新性改革成为行业研究热点。其中由于企业市值分析具有对企业整体活力、获利能力以及市场发展状况等进行评估的能力,如何优化企业市值分析方法成为当前金融科技重点关注的一个问题。现存的市值分析方法包括传统以企业资产为基础的资产估值法、基于有效市场理论的市场比较法、基于资本结构理论的折现方法以及基于金融期权理论的期权估值法等,具体以股利贴现模型、自由现金流贴现模型以及盈余折现模型为代表。
2、此外,利用机器学习或者深度学习模型分析企业市值的方法日益多样化,如dnn深度神经网络、mlp感知机模型和决策树模型等。虽然这一系列机器学习或深度学习模型可以有效提升企业市值分析效率,但是大多只考虑到企业的系列财务信息,并未考虑企业受所属行业及不同行业发展状况的影响,且未将企业所属行业类型纳入模型训练过程,未能有效挖掘行业信息和市值的隐藏关系,导致现有的模型对企业市值的分析不够全面和准确。
技术实现思路
1、为解决上述现有技术问题,本发明提供一种面向企业市值分析的可视分析方法,包括:
2、获取企业主营业务信息和企业多维财务信息并进行信息预处理;
3、将预处理后的企业主营业务信息输入预训练的行业匹配模型,匹配出企业的行业类型信息;
4、将所述企业的行业类型信息和所述预处理后的企业多维财务信息输入预训练的综合分析模型,对企业的市值和财务进行并行的综合分析,并将分析结果进行可视化展示。
5、在本发明的一些实施例中,所述行业匹配模型包括基于乱序语言模型的pert模型。
6、在本发明的一些实施例中,所述综合分析模型包括市值分析模型和财务分析模型,所述市值分析模型基于梯度提升决策树xgboost算法实现。
7、在本发明的一些实施例中,所述财务分析模型基于黎曼几何和代数拓扑理论的无监督降维算法umap构建。
8、在本发明的一些实施例中,所述市值分析模型将多个弱分类器集成为一个强分类器模型并将模型的目标函数设置为模型误差与结构误差之和,通过模型实现基于企业的历史多维财务信息对企业未来市值波动进行数值分析。
9、在本发明的一些实施例中,所述财务分析模型基于所述行业匹配模型匹配出的企业行业类型信息,使用无监督降维方法umap对同行业企业的多维财务信息进行降维处理得到企业二维财务数据,并基于二维财务数据分析同行业企业财务信息的近似度。
10、在本发明的一些实施例中,通过antv开源可视化框架对综合分析模型对企业的市值和财务的综合分析结果进行可视化展示。
11、为解决上述现有技术问题,本发明还提供一种面向企业市值分析的可视分析系统,包括:
12、获取和预处理模模块,用于获取企业主营业务信息和企业多维财务信息并进行信息预处理;
13、匹配模块,用于将预处理后的企业主营业务信息输入预训练的行业匹配模型,匹配出企业的行业类型信息;
14、综合分析和可视化模块,用于将所述企业的行业类型信息和所述预处理后的企业多维财务信息输入预训练的综合分析模型,对企业的市值和财务进行并行的综合分析,并将分析结果进行可视化展示。
15、为解决上述现有技术问题,本发明还提供一种电子设备,包括至少一个处理器、至少一个存储器和数据总线;其中:所述处理器与所述存储器通过所述数据总线完成相互间的通信;所述存储器存储有被所述处理器执行的程序指令,所述处理器调用所述程序指令以执行所述的面向企业市值分析的可视分析方法。
16、为解决上述现有技术问题,本发明还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的面向企业市值分析的可视分析方法。
17、本发明的有益效果体现在:将获取的企业主营业务信息和企业多维财务信息并进行信息预处理,并通过预训练的行业匹配模型从中匹配出企业的行业类型信息,然后将企业的行业类型信息和预处理后的企业多维财务信息输入预训练的结合梯度提升决策树算法xgboost以及基于黎曼几何和代数拓扑理论的无监督降维算法umap构建的综合分析模型,对企业的市值和财务进行并行的综合分析并将分析结果进行可视化展示,可以从行业类型驱动角度对企业财务信息以及企业市值进行全面、综合的直观分析,通过将企业所属行业类型信息纳入模型,能有效挖掘行业信息和市值的隐藏关系,从而能够从细分行业发展对企业影响的角度更好地对企业市值进行可视化分析。
1.一种面向企业市值分析的可视分析方法,其特征在于,包括:
2.根据权利要求1所述的面向企业市值分析的可视分析方法,其特征在于,所述行业匹配模型包括基于乱序语言模型的pert模型。
3.根据权利要求1所述的面向企业市值分析的可视分析方法,其特征在于,所述综合分析模型包括市值分析模型和财务分析模型,所述市值分析模型基于梯度提升决策树xgboost算法实现。
4.根据权利要求1所述的面向企业市值分析的可视分析方法,其特征在于,所述财务分析模型基于黎曼几何和代数拓扑理论的无监督降维算法umap构建。
5.根据权利要求3所述的面向企业市值分析的可视分析方法,其特征在于,所述市值分析模型将多个弱分类器集成为一个强分类器模型并将模型的目标函数设置为模型误差与结构误差之和,通过模型实现基于企业的历史多维财务信息对企业未来市值波动进行数值分析。
6.根据权利要求4所述的面向企业市值分析的可视分析方法,其特征在于,所述财务分析模型基于所述行业匹配模型匹配出的企业行业类型信息,使用无监督降维方法umap对同行业企业的多维财务信息进行降维处理得到企业二维财务数据,并基于二维财务数据分析同行业企业财务信息的近似度。
7.根据权利要求1-6任一项所述的面向企业市值分析的可视分析方法,其特征在于,通过antv开源可视化框架对综合分析模型对企业的市值和财务的综合分析结果进行可视化展示。
8.一种面向企业市值分析的可视分析系统,其特征在于,包括:
9.一种电子设备,其特征在于,包括至少一个处理器、至少一个存储器和数据总线;其中:所述处理器与所述存储器通过所述数据总线完成相互间的通信;所述存储器存储有被所述处理器执行的程序指令,所述处理器调用所述程序指令以执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。