一种企业运行状态的评估方法、装置及计算机存储介质与流程

本发明涉及信息处理，尤其涉及一种企业运行状态的评估方法、装置及计算机存储介质。

背景技术：

1、当前，随着众多新兴企业的快速发展，如何通过可量化的数据模型科学地诊断企业运营的健康状况，成为了企业如何在市场中稳健发展的重要问题。然而，现时暂时未存在一种系统性的企业运行状态评估模型，能够为企业自我诊断以及企业间运行状态对比分析提供可行行的参考依据，因此导致了企业的对自身的运营效益未能够在宏观上清晰直观地了解，以及对财经状况的调控能力不足，对企业运营管理情况的评估效率以及准确率较低。

2、因此，现时提供一种企业运行状态的评估方法、装置及计算机存储介质，能够利用大数据量化企业的运行状态，使企业的运行状态可视化，从而能够提高企业对财经状况的获取与调控能力以及对企业运营管理情况的评估效率以及准确率。

技术实现思路

1、本发明提供一种企业运行状态的评估的方法及装置，能够使企业的运行状态可视化，从而有利于提高企业对财经状况的获取与调控能力以及对企业运营管理情况的评估效率以及准确率。

2、为了解决上述技术问题，本发明第一方面公开了一种企业运行状态的评估方法，所述方法包括：

3、获取企业在历史时段内的税收数据与混合系数，根据所述税收数据以及预设的算法计算得到企业税收增长值、企业税收抖动程度值与企业税收平均排名；

4、根据所述企业税收增长值、所述企业税收抖动程度、所述企业税收平均排名以及对应的混合系数构建所述企业的企业指标参数与所述企业的企业指标健康程度值相关的单指标运行状态模型；

5、根据所述单指标运行状态模型、企业特性参数矩阵计算得到企业运行状态评分；

6、通过多指标运行状态模型对所述企业运行状态评分进行迭代处理，得到所述企业运行状态评分的最优参数。

7、作为一种可选的实施方式，在本发明第一方面中，所述预设的算法包括：第一预设算法、第二预设算法与第三预设算法；

8、所述根据所述税收数据以及预设的算法计算得到企业税收增长值、企业税收抖动程度值与企业税收平均排名，包括：

9、根据所述税收数据以及第一预设算法计算得到企业税收增长值；

10、根据所述税收数据以及第二预设算法计算得到企业税收抖动程度；

11、根据所述税收数据以及第三预设算法计算得到企业税收平均排名；

12、其中，所述第一预设算法的函数公式表示为rsi(a,t)，所述第二预设算法的函数公式表示为[1-tanh(std/ma)]，所述第三预设算法的函数公式表示为rank[ma(a,t)]，所述a表示为所述企业的企业指标参数，所述t表示为月份数量。

13、作为一种可选的实施方式，在本发明第一方面中，所述混合系数包括：第一混合系数、第二混合系数与第三混合系数，所述企业的企业指标参数与所述企业的企业指标健康程度相关的单指标运行状态模型的公式表示为：

14、h(a)＝rsi(a,t)·α+[1-tanh(std/ma))]·β+rank[ma(a,t)]·γ

15、其中，所述h(a)表示为所述企业指标健康程度值，所述α表示为第一混合系数，所述β表示为第二混合系数，所述γ表示为第三混合系数，所述第一混合系数、所述第二混合系数与所述第三混合系数之和等于1。

16、作为一种可选的实施方式，在本发明第一方面中，所述根据所述单指标运行状态模型、企业特性参数矩阵计算得到企业运行状态评分，包括：

17、根据所述单指标运行状态模型、所述混合系数计算得到混合系数矩阵；

18、根据所述混合系数矩阵与企业特性参数矩阵通过加权计算得到企业运行状态评分。

19、作为一种可选的实施方式，在本发明第一方面中，所述多指标状态模型的计算公式为：

20、

21、其中，所述企业运行状态评分包括所述x*与所述y*，所述x*与所述y*的值表示为函数取得最小值时所述x与所述y的最优值，所述argmin表示为所述函数在其定义域中取得最小值的参数值；

22、所述x表示为所述混合系数矩阵，所述y表示为所述企业特性参数矩阵，所述ak表示为所述企业指标参数的参数矩阵，所述b表示为初始化的企业评分矩阵，所述j表示为所述方程||xaky-b||2的个数；

23、所述ak的数学公式表示为所述m表示为企业数量；

24、所述x的数学公式表示为

25、所述y的数学公式表示为

26、作为一种可选的实施方式，在本发明第一方面中，所述通过多指标运行状态模型对所述企业运行状态评分进行迭代处理，得到所述企业运行状态评分的最优参数，包括：

27、初始化所述第一混合系数、所述第二混合系数与所述第三混合系数为任意非负值；

28、根据所述初始化的企业评分矩阵、所述第一混合系数、所述第二混合系数与所述第三混合系数计算得到所述ak；

29、输入所述x至所述多指标运行状态模型计算得到所述y*；

30、输入所述y*至所述多指标运行状态模型计算得到所述x*；

31、将所述x*赋值至所述x；

32、判断所述x*的值与所述y*的值是否趋于收敛或所述多指标状态模型的能量数值不大于预设的能量阈值；

33、当判断到所述x*的值与所述y*的值未趋于收敛或所述多指标状态模型的能量数值不大于预设的能量阈值时，重复执行所述输入所述x至所述多指标运行状态模型计算得到所述y*，所述输入所述y*至所述多指标运行状态模型计算得到所述x*，以及将所述x*赋值至所述x的迭代操作；

34、当判断到所述x*的值与所述y*的值趋于收敛或所述多指标状态模型的能量数值大于预设的能量阈值时，停止所述迭代操作，得到所述企业运行状态评分的最优参数；

35、其中，所述能量阈值大于或等于0。

36、作为一种可选的实施方式，在本发明第一方面中，所述ym的定义域为rn×1，所述x的定义域为rm×3m，所述ak的定义域为r3m×nm，所述y的定义域为rnm×1，所述b的定义域为rm×1，所述m与所述n的定义域为z++，所述n表示为所述企业指标参数的数量，所述j的取值不小于所述n，所述j的取值为所述n的2至3倍。

37、本发明第二方面公开了一种企业运行状态的评估装置，所述装置包括：

38、获取模块，用于获取企业在历史时段内的税收数据与混合系数；

39、计算模块，用于根据获取模块获取得到的所述税收数据以及预设的算法计算得到企业税收增长值、企业税收抖动程度值与企业税收平均排名；

40、构建模块，用于根据所述计算模块计算得到的所述企业税收增长值、所述企业税收抖动程度、所述企业税收平均排名以及对应的混合系数构建所述企业的企业指标参数与所述企业的企业指标健康程度值相关的单指标运行状态模型；

41、所述计算模块，还用于根据所述单指标运行状态模型、企业特性参数矩阵计算得到企业运行状态评分；

42、迭代模块，用于通过多指标运行状态模型对所述计算模块计算得到的所述企业运行状态评分进行迭代处理，得到所述企业运行状态评分的最优参数。

43、作为一种可选的实施方式，在本发明第二方面中，所述预设的算法包括：第一预设算法、第二预设算法与第三预设算法；

44、所述计算模块根据所述税收数据以及预设的算法计算得到企业税收增长值、企业税收抖动程度值与企业税收平均排名的具体方式为：

45、根据所述税收数据以及第一预设算法计算得到企业税收增长值；

46、根据所述税收数据以及第二预设算法计算得到企业税收抖动程度；

47、根据所述税收数据以及第三预设算法计算得到企业税收平均排名；

48、其中，所述第一预设算法的函数公式表示为rsi(a,t)，所述第二预设算法的函数公式表示为[1-tanh(std/ma)]，所述第三预设算法的函数公式表示为rank[ma(a,t)]，所述a表示为所述企业的企业指标参数，所述t表示为月份数量。

49、作为一种可选的实施方式，在本发明第二方面中，所述混合系数包括：第一混合系数、第二混合系数与第三混合系数，所述企业的企业指标参数与所述企业的企业指标健康程度相关的单指标运行状态模型的公式表示为：

50、h(a)＝rsi(a,t)·α+[1-tanh(std/ma))]·β+rank[ma(a,t)]·γ

51、其中，所述h(a)表示为所述企业指标健康程度值，所述α表示为第一混合系数，所述β表示为第二混合系数，所述γ表示为第三混合系数，所述第一混合系数、所述第二混合系数与所述第三混合系数之和等于1。

52、作为一种可选的实施方式，在本发明第二方面中，所述计算模块根据所述单指标运行状态模型、企业特性参数矩阵计算得到企业运行状态评分的具体方式为：

53、根据所述单指标运行状态模型、所述混合系数计算得到混合系数矩阵；

54、根据所述混合系数矩阵与企业特性参数矩阵通过加权计算得到企业运行状态评分。

55、作为一种可选的实施方式，在本发明第二方面中，所述多指标状态模型的计算公式为：

56、

57、其中，所述企业运行状态评分包括所述x*与所述y*，所述x*与所述y*的值表示为函数取得最小值时所述x与所述y的最优值，所述argmin表示为所述函数在其定义域中取得最小值的参数值；

58、所述x表示为所述混合系数矩阵，所述y表示为所述企业特性参数矩阵，所述ak表示为所述企业指标参数的参数矩阵，所述b表示为初始化的企业评分矩阵，所述j表示为所述方程||xaky-b||2中的个数；

59、所述ak的数学公式表示为所述m表示为企业数量；

60、所述x的数学公式表示为

61、所述y的数学公式表示为

62、作为一种可选的实施方式，在本发明第二方面中，所述迭代模块通过多指标运行状态模型对所述企业运行状态评分进行迭代处理，得到所述企业运行状态评分的最优参数的具体方式为：

63、初始化所述第一混合系数、所述第二混合系数与所述第三混合系数为任意非负值；

64、根据所述初始化的企业评分矩阵、所述第一混合系数、所述第二混合系数与所述第三混合系数计算得到所述ak；

65、输入所述x至所述多指标运行状态模型计算得到所述y*；

66、输入所述y*至所述多指标运行状态模型计算得到所述x*；

67、将所述x*赋值至所述x；

68、判断所述x*的值与所述y*的值是否趋于收敛或所述多指标状态模型的能量数值不大于预设的能量阈值；

69、当判断到所述x*的值与所述y*的值未趋于收敛或所述多指标状态模型的能量数值不大于预设的能量阈值时，重复执行所述输入所述x至所述多指标运行状态模型计算得到所述y*，所述输入所述y*至所述多指标运行状态模型计算得到所述x*，以及将所述x*赋值至所述x的迭代操作；

70、当判断到所述x*的值与所述y*的值趋于收敛或所述多指标状态模型的能量数值大于预设的能量阈值时，停止所述迭代操作，得到所述企业运行状态评分的最优参数；

71、其中，所述能量阈值大于或等于0。

72、作为一种可选的实施方式，在本发明第二方面中，所述ym的定义域为rn×1，所述x的定义域为rm×3m，所述ak的定义域为r3m×nm，所述y的定义域为rnm×1，所述b的定义域为rm×1，所述m与所述n的定义域为z++，所述n表示为所述企业指标参数的数量，所述j的取值不小于所述n，所述j的取值为所述n的2至3倍。

73、本发明第三方面公开了另一种企业运行状态的评估装置，所述装置包括：

74、存储有可执行程序代码的存储器；

75、与所述存储器耦合的处理器；

76、所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的企业运行状态的评估方法。

77、本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的企业运行状态的评估方法。

78、与现有技术相比，本发明实施例具有以下有益效果：

79、本发明实施例中，提供了一种企业运行状态的评估方法、装置及计算机存储介质，能够获取企业历史时段内的税收数据与混合系数，根据税收数据以及预设的算法计算得到企业税收增长值、企业税收抖动程度值与企业税收平均排名，有利于提高企业运行状态的评估准确性；根据企业税收增长值、企业税收抖动程度、企业税收平均排名以及对应的混合系数构建企业的企业指标参数与企业的企业指标健康程度值相关的单指标运行状态模型，根据单指标运行状态模型、企业特性参数矩阵计算得到企业运行状态评分，通过多指标运行状态模型对企业运行状态评分进行迭代处理，得到企业运行状态评分的最优参数，能够准确地量化企业的运行状态，使企业的运行状态可视化，从而有利于提高企业对财经状况的获取与调控能力以及对企业运营管理情况的评估效率以及准确率。