[发明专利]一种基于企业财报和能耗数据采用最大熵模型进行银行授信分析的系统及方法

说明书

在现代社会中,对于企业的运营分析主要是基于企业的财务报表，从企业财务风险的角度入手；该规则在银行等金融企业中有着良好的效果，但是当评级问题涉及到工业生产领域的时候，如果只从经济指标去对企业的运营能力评估,则会存有隐患；例如：一些工业生产企业并没有将资金投入到实业发展中，而是转而投向房地产等投资行业，使得财务表格表现良好；一些生产企业盲目扩张，实际产能底下，造成资金的浪费；本发明公开了一种利用企业历史财报数据和历史能耗数据，运用最大熵模型，找到工业生产企业财务和能耗数据，与生产经营状态之间的潜在联系；当新的同行业企业申请贷款时，通过训练过的最大熵模型，为金融机构授信提供有力的分析帮助。

技术领域

本发明涉及能耗大数据应用领域，具体涉及一种基于企业财报和能耗数据采用最大熵模型进行银行授信分析的系统及方法。

背景技术

结合能耗数据对生产型企业经营状况进行监测和管理在近年来的银行授信分析中越来越多的被应用，对于如何分析出的潜在的经营风险或财务数据造假越来越被相关金融机构所重视，而成为了未来金融管理系统中一个必须要解决的问题；通常来说，企业的经营状况主要是企业的产能分析，而传统产能分析依据的是账目出口，生产统计等数据，不过这些数据存在造假的风险；本发明提出的基于能耗数据采用最大熵模型进行银行授信分析的系统及方法，通过用电数据能在很大程度上可以表现社会以及企业的发展水平，首先这些能源数据是通过实时在线监测的，有着良好的可靠性，不存在造假问题；此外，用能数据与企业的经营状况息息相关，同样的企业，淡季和旺季的产能会体现在企业的能源消耗上；处于上升期的企业一定会加大生产，从而消耗更多的能源；科技含量高的企业, 通常来说能耗比会更高, 减少资源的无谓浪费。

发明内容

本发明提出了一种基于企业财报数据, 能耗数据, 采用最大熵模型的银行授信分析的系统及方法，其主要的应用在于帮助金融机构在对企业贷款时，识别授信风险，分析潜在的财务或经营造假的情况；整个过程包括了数据收集模块, 建立训练数据集，利用历史数据训练分析模块以及识别报告模块，流程如图1所示。数据收集模块，能耗数据方面通过智能电表等终端设备采集, 存储并处理原始企业用电负荷数据，并对这些数据进行分析, 整合, 校正, 填补缺失值, 以及标准化处理；财务数据方面，通过人工录入，校正，存储企业每月的财报数据；建立训练数据集和模型训练模块，对已经授信完成的企业历史财务和能耗数据进行整理，并人工标注当月经营状况，进而进行模型训练；最后在识别经营状态及报告中，当新的企业贷款申请需求产生，利用同行业企业历史的数据内在关系，为新的授信分析提供辅助决策。

附图说明

图1为本发明实施例中银行授信分析的系统模块流程图。

具体实施方式

为使得本发明的内容、目的、特征及优点能够更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护说明书的范围，整个系统运行的具体步骤如下。

步骤1.数据收集模块：对历史上曾经向金融机构申请贷款的机构的能耗数据和财报数据进行收集和存储。用电负荷数据可以采用不同的频率进行录入，在进入分析之前会求和或再分配为月份, 而财报数据通常按月份为单位。

步骤2.通过历史记录和人工分析，对每一家机构的信用进行分类:经营良好或经营较差。

步骤 3. 根据步骤1和2的结果, 建立训练数据集:

其中为实例的特征向量，按月份为单位，能源数据包括：电，气，水等；财报数据包括：主营业收入, 存货，固定资产，在建工程等, N为时间，，k值可以根据实际的数据设置为任意正整数；例如：k为1，2，3，可以分别表示：经营良好，经营一般以及经营较差。