本发明涉及数据处理,具体涉及一种用于产业数字化行业的企业成长性评估系统及方法。
背景技术:
1、企业成长性以企业主体性为基础,由企业文化、创新能力、核心技术、产业定位、运营模式、管理水平、团队精神、经营能力和产业升级能力决定,是企业全要素综合生产力。
2、目前,企业成长性评估所采用的方法,大多根据企业的财务数据对企业进行财务估值分析,得到企业的预期估值;再将企业成长性评分与财务估值分析的结果进行汇总,生成企业成长性评价报告。然而这种方式仅考虑财务数据进行分析,分析角度单一,难以综合全面地对企业发展成长状况进行评估预测。
3、随着数字经济的发展,产业数字化行业的企业也越来越多,由于其行业的特殊性,受到了广大投资者的青睐,但现有技术所获取的企业成长性评估结果的适用性并不高。因此,亟需一种针对产业数字化行业的企业成长性评估的解决方案。
技术实现思路
1、针对背景技术中所提及的缺陷,本发明提供一种用于产业数字化行业的企业成长性评估系统及方法。
2、第一方面,一种用于产业数字化行业的企业成长性评估方法,所述方法包括:
3、预先构建指标体系;其中,所述指标体系包括财务指标体系和管理者短视指标体系;
4、根据所述财务指标体系和管理者短视指标体系进行数据采集,以得到对应的财务数据和非财务数据;
5、将采集的数据送入预先构建的深度学习模型中进行处理,以得到企业成长性的评估数据。
6、进一步地,所述管理者短视指标体系包括多个管理者短视主义指标,通过对年报文本进行文本分析所得;其中,所述管理者短视主义指标分为直接和间接两大类。
7、进一步地,所述文本分析,具体为:
8、提取所述年报文本中的管理层讨论与分析章节;
9、对所述管理层讨论与分析章节的内容进行分词,并去除停用词,从而将非结构化的文本数据转化为词向量进行存储;
10、计算所述管理者短视主义指标所对应预设的短期视域词集的词频。
11、进一步地,所述深度学习模型在模型训练时,将综合结果指标作为模型的训练标签;其中,所述综合结果指标通过对预先选取的多个成长性显性结果指标使用熵值法处理所得。
12、第二方面,一种用于产业数字化行业的企业成长性评估系统,包括:
13、指标体系模块,用于指标体系的构建;其中,所述指标体系包括财务指标体系和管理者短视指标体系;
14、选取模块,用于根据所述财务指标体系和管理者短视指标体系进行数据采集,以得到对应的财务数据和非财务数据;
15、评估模块,用于将采集的数据送入预先构建的深度学习模型中进行处理,以得到企业成长性的评估数据。
16、进一步地,所述管理者短视指标体系包括多个管理者短视主义指标,通过对年报文本进行文本分析所得;其中,所述管理者短视主义指标分为直接和间接两大类。
17、进一步地,所述文本分析,具体为:
18、提取所述年报文本中的管理层讨论与分析章节;
19、对所述管理层讨论与分析章节的内容进行分词,并去除停用词,从而将非结构化的文本数据转化为词向量进行存储;
20、计算所述管理者短视主义指标所对应预设的短期视域词集的词频。
21、进一步地,所述深度学习模型包括卷积层和全连接层,并在每层卷积层后又加入一层batch normal层,在全连接层前加入一层dropout层。
22、进一步地,所述深度学习模型在模型训练时,将综合结果指标作为模型的训练标签;其中,所述综合结果指标通过对预先选取的多个成长性显性结果指标使用熵值法处理所得。
23、由上述方案可知,本发明的有益效果为:充分考虑影响企业成长发展的财务因素和非财务因素,建立了一套综合全面的产业数字化企业成长性预测的指标体系,从而综合全面地对企业发展成长状况进行评估预测,使企业能够从多角度多层面对成长性进行分析,提升评估结果的适用性,进而也为投资者的投资决策提供参考价值。
1.一种用于产业数字化行业的企业成长性评估方法,其特征在于,所述方法包括:
2.如权利要求1所述的企业成长性评估方法,其特征在于,所述管理者短视指标体系包括多个管理者短视主义指标,通过对年报文本进行文本分析所得;其中,所述管理者短视主义指标分为直接和间接两大类。
3.如权利要求2所述的企业成长性评估方法,其特征在于,所述文本分析,具体为:
4.如权利要求1所述的企业成长性评估方法,其特征在于,所述深度学习模型在模型训练时,将综合结果指标作为模型的训练标签;其中,所述综合结果指标通过对预先选取的多个成长性显性结果指标使用熵值法处理所得。
5.一种用于产业数字化行业的企业成长性评估系统,其特征在于,包括:
6.如权利要求5所述的企业成长性评估系统,其特征在于,所述管理者短视指标体系包括多个管理者短视主义指标,通过对年报文本进行文本分析所得;其中,所述管理者短视主义指标分为直接和间接两大类。
7.如权利要求6所述的企业成长性评估系统,其特征在于,所述文本分析,具体为:
8.如权利要求5所述的企业成长性评估系统,其特征在于,所述深度学习模型包括卷积层和全连接层,并在每层卷积层后又加入一层batch normal层,在全连接层前加入一层dropout层。
9.如权利要求5所述的企业成长性评估系统,其特征在于,所述深度学习模型在模型训练时,将综合结果指标作为模型的训练标签;其中,所述综合结果指标通过对预先选取的多个成长性显性结果指标使用熵值法处理所得。