[发明专利]一种基于大数据综合建模技术的企业效益预测方法及系统

权利要求书

1.一种基于大数据综合建模技术的企业效益预测方法，其特征在于，包括以下步骤：

S1、获取企业数据；

S2、将数据根据时间进行分类排序，数据按照时间划分为往期数据和本期数据，往期数据按照年份至少向前推动1年，并分别记为S1,S2,Sn(n＞1)；

S3、建立评价指标，在往期数据当中选取支出项目与实际收入进行相关性验证，得到关键支出项目作为评价指标；

S4、确定权重系数，根据往期数据计算企业历史增长率，再根据历史增长率预测未来增长率，通过预计的未来增长率计算企业未来前景得分，将预计增长率和企业未来前景得分作为权重；

S5、建立综合评价模型，通过线性加权函数作为综合评价模型，对企业进行综合评价；

S6、将权重系数代入模型当中，计算得到企业的预计收益。

2.根据权利要求1所述的一种基于大数据综合建模技术的企业效益预测方法，其特征在于，所述企业数据包括工商信息、司法信息、企业人数、纳税登记、主营产品、销售额、纳税额、实际收入和资金投出，同时对获取的企业数据进行清洗并筛选。

3.根据权利要求1所述的一种基于大数据综合建模技术的企业效益预测方法，其特征在于，所述支出项目包括人工费用、场地费用、物料费用、广告费用、物料成本费用，所述支出项目与实际收入的相关性通过协方差进行计算，公式如下：Cov(X.Y)＝E[X-E(X)][Y-E(Y)]；

其中E为期望值，X为单个项目费用，Y为实际收益；

当结果＞0，则单个项目费用与实际收益之间为正相关，作为关键支出项目；当结果≤0，则单个项目费用与实际收益之间为负数相关，不作为关键支出项目。

4.根据权利要求1所述的一种基于大数据综合建模技术的企业效益预测方法，其特征在于，所述企业未来增长率计算步骤如下：

A、计算历史增长率的平均值，计算企业往期每月的增长率，并计算几何平均值；

B、估计时间段确定，根据历史增长率对估计时间段的敏感性决定历史增长率在预测中的权重；

C、对负盈利进行处理，以年为时间单位的盈利百分比变化定义为：

t时期净收益(EPS)的百分比变化＝(EPS_t-EPS_t-1)/EPS_t-1，

若EPS_t-1数值为负数，则将其忽略；

D、建立线性回归模型，通过对盈利和时间运用普通最小二乘法进行回归分析，弥补几何平均值的中间观察值反映的住处和增长率在整个时期内的发展趋势，采用的线性模型为：

EPS_t＝a+bt，

其中：EPS_t为t时期的盈利，t为时期，a、b为时间变量，

将得到的线性模型的系数转化为度量百分比变化的指标，

In(EPS_t)＝a+bt，

其中In(EPS_t)为t时期盈利的自然对数；

E、将回归模型当中得到的未来增长率与变量因素相结合进行判定。

5.根据权利要求4所述的一种基于大数据综合建模技术的企业效益预测方法，其特征在于，所述变量因素包括增长率的波动性、公司的规模、经济周期性、基本因素的改变和盈利的质量。

6.一种基于大数据综合建模技术的企业效益预测系统，其特征在于，包括：

数据收集单元，用于获取企业的相关数据并存储至数据库当中；

数据筛选单元，对采集的数据进行筛选清洗，去除重复和无效数据，同时可自行设定筛选条件进一步对数据进行筛选；

数据分类单元，将筛选过后的数据进行分类，按照时间对数据进行排列分布；

权重计算单元，计算企业历史增长率，并根据历史增长率计算未来增长率，基于未来增长率判断企业未来前景；

模型构建单元，构建符合企业效益预测条件的预测模型；

效益预测单元，输入变量生成企业效益值。