[发明专利]一种经营主体的经营分析预测评估系统

摘要

本发明公开了一种经营主体的经营分析预测评估系统，利用公开的数据和授权数据，具体指将电商平台、支付平台、财务数据、税务数据和用电用水等数据进行整合，在该整合后的数据集基础上进行建模。根据历史营收数据，分别建立时间序列模型和xgboost回归模型；历史营收数据较多的企业，采用时间序列模型，包括：进行时间序列的预处理，使数据平稳化和随机化；Xgboost回归模型即对基期的指标预测当期的营收。接着对营收预测结果进行了一系列分析。最后再结合预测的营收、财务数据和家庭收入，计算流动比率、速动比率等来评估企业的偿还能力，并给出合理还款能力范围。

主权项

1.一种经营主体的经营分析预测评估系统，其特征在于，包括数据收集模块、模型建立单元、数据分析单元、处理器、显示单元、存储单元和管理单元；其中，所述数据收集模块用于收集目标用户的基础数据，所述基础数据包括财务报表、线上交易数据、线上评价数据、支付数据、税务数据和水电数据；财务报表为规范的财务数据，包括资产负债表、利润表和现金流量表；线上交易数据为通过电商交易平台的交易数据，线上评价数据为对电商交易平台的交易数据的评价；支付数据为通过支付宝或者微信等支付平台的支付数据；水电数据为该目标用户的每月用水用电数据；所述模型建立单元用于根据基础数据建立时间序列模型和xgboost回归模型；所述数据分析单元用于结合模型建立单元对基础数据进行特征分析处理，得到新的特征值并将该值标记为相关特征值，之后对相关特征值进行预测处理；将指标值和应变量进行相关性分析，应变量为营收，剔除相关性很弱的指标；通过python工具对训练数据，也就是前述的自变量即基础数据加上应变量即营收数据；具体处理步骤如下：步骤一：对基础数据进行特征筛选；具体通过sklearn库中的RFECV来选择，之后进行RF计算因子重要性与排名，统计因子重要性百分比与准确率、数据量的关系并绘图；步骤二：对缺失值进行处理，首先去除缺失值大于90％的特征，对于缺失值低于90％的特征，则采用平均值或众数来替代缺失值；步骤三：通过python工具进行极值处理，将指标值大于99.9％或小于0.1％的值改为99.9％或0.1％位置的值；步骤四：特殊时期处理，找出预测时间段的方差大于阈值的商家，直接删除波动过大的时段数据；过大指代此时预设时间段的均值超过预设值；步骤五：构造特征，数据滑窗，增加前几个季度的营收；通过比率滑窗得到环比和同比；从而得到相关特征值；步骤六：调用python里面自带的模块包，传入数据，构建算法模型，据企业的历史数据量，历史营收数据值较多，且营收时序图较为稳定的行业，则采用了时间序列模型，预测下一期的营收，较多定义为八期及以上的营收数据；历史营收数据值较少时，较少定义为八期以下的营收数据，分别采用了机器学习算法随机森林、lightgbm、xgboost，用基期的指标值去构建回归模型，拟合当期的营收值；步骤七：对模型进行优化，采用了滑窗训练和三折交叉验证方法进行优化；步骤八：形成营收趋势图、同比波动趋势图等，将营收趋势图、同比波动趋势图标定为预测数据；所述管理单元用于用户录入每月还款金额；所述数据收集模块还用于获取目标用户的平均现金流入和平均现金流出；所述数据分析单元用于将预测数据传输到处理器；所述处理器用于根据预测数据获取到预测的营收和家庭收入并进行偿还能力分析得到分析结果；所述处理器用于将分析结果传输到显示单元进行实时显示，所述处理器用于将分析结果传输到存储单元进行实时存储。