[发明专利]基于多源异步时序融合的企业财务状况预测方法及装置

说明书

本发明涉及时序数据处理技术领域，特别涉及一种基于多源异步时序融合的企业财务状况预测方法、装置、电子设备及存储介质，其中方法包括：获取多年度多企业财务相关的多源异步时序数据，并进行预处理；设置时间窗口，并通过滑动所述时间窗口，选取对应的所述多源异步时序数据，得到样本数据集；构建财务状况预测模型；利用所述样本数据集，对所述财务状况预测模型进行训练；获取待预测企业财务相关的多源异步时序数据并进行处理，以适应所述财务状况预测模型的输入要求；将处理后的数据输入训练后的所述财务状况预测模型，得到财务状况预测结果。本发明能够用于预测企业财务状况。

技术领域

本发明实施例涉及时序数据处理技术领域，特别涉及一种基于多源异步时序融合的企业财务状况预测方法、装置、电子设备及存储介质。

背景技术

财务困境，也叫财务危机。从经济学的角度出发，企业陷入财务困境不是瞬时发生的，而是从财务状况正常到恶化逐渐发生的一个过程。陷入财务困境的企业，轻则体现为出现债务违约、连续多年处于亏损状态等，重则可能导致企业不得不进入破产清算阶段。随着经济的日益发展，各行业间的关系日益密切，一家企业陷入严重的财务困境时，不仅会危害行业内利益相关的企业，甚至还会波及整个行业和金融市场。因此，通过有效的财务状况预测技术，可以在企业财务困境发生前做出预警，为提前部署和规划、防范和规避风险争取更多的时间与可能性，在当今高度不确定的环境下是十分有必要的。

目前，尽管企业财务困境预测正受到越来越多的重视，但预测模型的研究和发展仍面临诸多挑战，如预测信息来源单一；若考虑多源信息，则通常难以融合不同长度的时序数据，导致预测结果准确性低、可靠性差。

发明内容

为有效融合多源时序数据，本发明实施例提供了一种基于多源异步时序融合的企业财务状况预测方法、装置、电子设备及存储介质，能够充分考虑不同源数据间的信息交互和补充，提高企业财务状况预测的准确性和可靠性。

第一方面，本发明实施例提供了一种基于多源异步时序融合的企业财务状况预测方法，包括：

获取多年度多企业财务相关的多源异步时序数据，并进行预处理；其中，所述多源异步时序数据包括至少一类数据间隔时间长的时间序列和至少一类数据间隔时间短的时间序列；所述进行预处理包括根据实际财务状态添加对应标签，以1标识财务困境、以0标识财务正常；

设置时间窗口，并通过滑动所述时间窗口，选取对应的所述多源异步时序数据，得到样本数据集；所述样本数据集包括多组样本数据，每组样本数据包括数据间隔时间长而序列长度短的时间序列以及数据间隔时间短而序列长度长的时间序列；

构建财务状况预测模型；所述财务状况预测模型用于先以不同深度学习网络分别提取数据间隔时间长而序列长度短的时间序列和数据间隔时间短而序列长度长的时间序列的多尺度特征，再在特征层面融合不同源时序数据的特征，最后根据融合的结果得到财务状况预测结果；

利用所述样本数据集，对所述财务状况预测模型进行训练；

获取待预测企业财务相关的多源异步时序数据并进行处理，以适应所述财务状况预测模型的输入要求；

将处理后的数据输入训练后的所述财务状况预测模型，得到财务状况预测结果。

可选地，所述财务状况预测模型包括多尺度信息表征层；

所述多尺度信息表征层包括至少一个基于LSTM的多尺度信息表征子模型和至少一个基于Transformer的多尺度信息表征子模型；

一个基于LSTM的多尺度信息表征子模型用于提取一类数据间隔时间长而序列长度短的时间序列的特征；基于LSTM的多尺度信息表征子模型以LSTM网络为主体构建，将单层LSTM的隐藏状态分解为多个子隐藏状态，每个子隐藏状态按照预设的更新频率独立更新，以提取对应尺度的信息；