[发明专利]一种上市企业财务风险预警方法和系统

说明书

本发明公开了一种上市企业财务风险预警方法和系统，所述方法包括如下步骤：采集需要的数据；计算重要财务比率指标集合和历史样本风险标签值；计算风险分和最大异常分；根据计算得出的风险分和最大异常分进行决策预警。所述系统包括数据采集模块、指标和风险标签构建模块、时间序列特征衍生计算模块、LightGBM模型计算模块、LightGBM模型训练模块、数据分组模块、最大异常分计算模块和决策预警模块，根据本发明的技术方案能够综合应用风险分和最大异常分二维分布进行决策的方法，提供了防范未知风险的能力，提升整体预警结果的准确性。

技术领域

本发明涉及计算机、互联网和人工智能技术领域，具体地涉及一种上市企业财务风险预警方法和系统。

背景技术

如何从上市企业公开的财务指标数据中及时分析研判出潜在的重大财务风险，提前预警以避免投资损失，是上市企业债权和权益投资人风险识别能力的重要体现。

传统的财务风险识别和预警主要依靠业务专家和财务专家进行全面的尽职调查，具有效率低、门槛高的缺点。随着大数据和人工智能技术的发展，将机器学习技术应用于财务风险预警可以大大降低预警的门槛，提升预警的效率。但当前机器学习技术应用主要着眼于监督学习，即通过历史发生的正负样本学习判断规律，难以防范新型风险；另外仅依靠监督机器学习模型判断，忽略行业和财务专家长期积累的经验，其预警准确率不高。

现有预警方法的缺点：

1.人工预警效率低、门槛高。

2.使用监督机器学习方法预警，难以防范新型财务风险。

3.应用单一的监督机器学习方法预警的准确率不高。

发明内容

针对现有技术存在的问题，本发明的目的在于提供一种上市企业财务风险预警方法和系统，综合应用风险分和最大异常分二维分布进行决策的方法，提供了防范未知风险的能力，提升了整体预警结果的准确性，并且能够自动化处理、计算大量的数据并进行建模工作，有效提高预警系统运行的效率。

为实现上述目的，本发明提供一种上市企业财务风险预警方法，所述方法包括如下步骤：

步骤S1.采集需要的数据；

步骤S2.计算重要财务比率指标集合和历史样本风险标签值；

其次，计算风险分和最大异常分；

最后，根据计算得出的风险分和最大异常分进行决策预警。

进一步，在步骤S1中，采集待预测上市企业的近三期财务年报基础数据；采集历史样本的财务年报基础数据，利用滑动窗口法，根据历史样本在观察期内三期财务年报基础数据及对应表现期内风险表现数据集合，构成历史风险样本标签值。历史样本风险标签值，我们的定义方法为：在企业近三期的经营过程中，如果出现了严重的财务问题，我们定义为异常风险样本，标签值设置为1；如果未出现财务问题，我们将它定义为正常无风险样本，标签值设为0。

进一步，在步骤S2中，通过步骤S1所得基础数据，计算待预测企业近三期预设的重要财务比率指标集合，计算历史样本三期预设的重要财务比率指标集合以及计算历史样本风险标签值。

进一步，所述预设的重要财务比例指标包括资金流动性比率、资金收益性比率、现金流质量比率、短期偿债能力比率和/或长期偿债能力比率，其中

资金流动性比率具体包括流动比率、速动比率、应收账款周转率、库存周转率、存货周转率、流动资产周转率、总资产周转率、现金周转率；

资金收益性比率具体包括销售利润率、总资产收益率、净资产收益率；

现金流质量比率具体包括经营性活动现金流/总资产、经营性活动现金流入值/经营性活动现金流出值、筹资活动现金流/总负债；