本技术涉及资产评估领域,也可以应用于金融领域,具体涉及一种资产评估方法及装置。
背景技术:
1、由于与传统大型企业不同,科创型企业一般缺乏可抵押的固定资产、企业流水和营收等传统的授信依据,因此普遍面临获取银行融资和授信的困难和高成本的问题。科创型企业的主要资产是知识产权等轻资产,而银行在评估科创型企业资产时,缺乏对其知识产权等轻资产进行精准评估的手段,也难以高效、准确地获取企业的生产经营数据,导致银行在对科创企业进行授信时面临较高的风险和成本。
2、目前,银行主要采用人工调查和经验评估等方式来评估科创型企业的融资授信。这种方法在业务效率、风险控制和管理成本等方面存在较大的改进空间,导致科创企业在获取银行信贷融资支持时遇到困难且成本较高。
3、现有技术依赖人工调查和经验判断等方式来评估企业的信贷风险和授信额度,导致业务办理效率较低,此外,现有技术依赖于业务专家的水平和投入时间,缺乏全面获取和智能分析多维度客观数据的手段,其风险控制能力仍然不够强,且主要依赖人工进行业务调查和风险评估,需要投入较多的人力成本,整体管理成本较高。
技术实现思路
1、针对现有技术中的问题,本技术提供一种资产评估方法及装置,能够有效实现跨机构数据多方安全融合计算,精准、快速的对科创型企业的资产进行评估。
2、为了解决上述问题中的至少一个,本技术提供以下技术方案:
3、根据本技术实施例的第一方面,本技术提供一种资产评估方法,包括:
4、对获取的企业知识产权资产数据进行特征加工,得到知识产权资产的特征数据集合;
5、根据所述知识产权资产的特征数据集合构建对应的资产分析模型,并通过所述资产分析模型和所述企业知识产权数据确定企业的知识产权评估结果;
6、根据获取的企业的金融侧资产数据、物业侧资产数据、法律侧资产数据以及所述知识产权评估结果确定企业的资产评估结果。
7、根据本技术的任一实施方式,所述对获取的企业知识产权资产数据进行特征加工,得到知识产权资产的特征数据集合,包括:
8、对获取的企业知识产权资产数据进行数据清洗;
9、根据企业专利特征和企业技术人员特征,对清洗后的数据进行特征加工,得到知识产权资产的特征数据集合,其中,所述企业专利特征包括专利类型、专利数量以及年度专利占比,所述企业技术人员特征包括技术人员数量、技术人员工作状态以及技术人员专利数量。
10、根据本技术的任一实施方式,所述根据所述知识产权资产的特征数据集合构建对应的资产分析模型,并通过所述资产分析模型和所述企业知识产权数据确定企业的知识产权评估结果,包括:
11、对所述知识产权资产的特征数据集合进行随机抽样,得到训练集和验证集;
12、通过所述训练集对多个预设的分类算法进行迭代训练,并通过所述验证集对迭代训练结果进行验证,得到多个对应的资产分析模型;
13、通过所述多个对应的资产分析模型和所述企业知识产权数据确定对应的多个预测结果,并将所述多个预测结果进行加权组合,确定所述企业的知识产权评估结果。
14、根据本技术的任一实施方式,所述对所述知识产权资产的特征数据集合进行随机抽样,得到训练集和验证集,包括:
15、对获取的企业舆情状态进行评估,确定企业的经营质量,其中,所述企业舆情状态包括企业舆情反馈和企业经营信息;
16、根据所述经营质量对所述知识产权资产的特征数据集合进行分类,得到对应的分类结果;
17、对所述知识产权资产的特征数据集合进行随机抽样,以使每个分类结果得到预设比例的训练集和验证集。
18、根据本技术的任一实施方式,所述根据获取的企业的金融侧资产数据、物业侧资产数据、法律侧资产数据以及所述知识产权评估结果确定企业的资产评估结果,包括:
19、根据多方安全计算节点数量,对所述企业的金融侧资产数据、物业侧资产数据、法律侧资产数据以及所述知识产权评估结果进行分片;
20、根据多方安全计算节点的秘密分享协议分别对分片数据进行加密,得到对应的资产密文;
21、根据所述对应的资产密文确定所述企业的资产评估结果。
22、根据本技术的任一实施方式,所述根据所述对应的资产密文确定所述企业的资产评估结果,包括:
23、根据预设的计算合约分别确定企业的知识产权评估结果、物业状态以及法律状态;
24、在所述企业的物业状态和所述法律状态均为正常的情况下,根据所述知识产权评估结果确定所述企业的资产评估结果;
25、在所述企业的物业状态或所述法律状态为异常的情况下,确定所述企业的资产评估结果异常。
26、根据本技术的任一实施方式,在根据计算合约确定企业的资产评估结果后,还包括:
27、将所述企业的资产评估结果发送至银行授信系统,以使所述授信系统根据所述企业的资产评估结果调整企业的授信额度;
28、删除所述企业知识产权资产数据和所述企业的资产评估结果。
29、根据本技术实施例的第二方面,本技术提供一种资产评估装置,包括:
30、知产数据获取模块,用于:对获取的企业知识产权资产数据进行特征加工,得到知识产权资产的特征数据集合;
31、知产数据分析模块,用于:根据所述知识产权资产的特征数据集合构建对应的资产分析模型,并通过所述资产分析模型和所述企业知识产权数据确定企业的知识产权评估结果;
32、评估结果确定模块,用于:根据获取的企业的金融侧资产数据、物业侧资产数据、法律侧资产数据以及所述知识产权评估结果确定企业的资产评估结果。
33、根据本技术的任一实施方式,所述知产数据获取模块在对获取的企业知识产权资产数据进行特征加工,得到知识产权资产的特征数据集合时,具体用于:
34、对获取的企业知识产权资产数据进行数据清洗;
35、根据企业专利特征和企业技术人员特征,对清洗后的数据进行特征加工,得到知识产权资产的特征数据集合,其中,所述企业专利特征包括专利类型、专利数量以及年度专利占比,所述企业技术人员特征包括技术人员数量、技术人员工作状态以及技术人员专利数量。
36、根据本技术的任一实施方式,所述知产数据分析模块在根据所述知识产权资产的特征数据集合构建对应的资产分析模型,并通过所述资产分析模型和所述企业知识产权数据确定企业的知识产权评估结果时,具体用于:
37、对所述知识产权资产的特征数据集合进行随机抽样,得到训练集和验证集;
38、通过所述训练集对多个预设的分类算法进行迭代训练,并通过所述验证集对迭代训练结果进行验证,得到多个对应的资产分析模型;
39、通过所述多个对应的资产分析模型和所述企业知识产权数据确定对应的多个预测结果,并将所述多个预测结果进行加权组合,确定所述企业的知识产权评估结果。
40、根据本技术的任一实施方式,所述知产数据分析模块对所述知识产权资产的特征数据集合进行随机抽样,得到训练集和验证集时,具体用于:
41、对获取的企业舆情状态进行评估,确定企业的经营质量,其中,所述企业舆情状态包括企业舆情反馈和企业经营信息;
42、根据所述经营质量对所述知识产权资产的特征数据集合进行分类,得到对应的分类结果;
43、对所述知识产权资产的特征数据集合进行随机抽样,以使每个分类结果得到预设比例的训练集和验证集。
44、根据本技术的任一实施方式,所述评估结果确定模块在根据获取的企业的金融侧资产数据、物业侧资产数据、法律侧资产数据以及所述知识产权评估结果确定企业的资产评估结果时,具体用于:
45、根据多方安全计算节点数量,对所述企业的金融侧资产数据、物业侧资产数据、法律侧资产数据以及所述知识产权评估结果进行分片;
46、根据多方安全计算节点的秘密分享协议分别对分片数据进行加密,得到对应的资产密文;
47、根据所述对应的资产密文确定所述企业的资产评估结果。
48、根据本技术的任一实施方式,所述评估结果确定模块在根据所述对应的资产密文确定所述企业的资产评估结果时,具体用于:
49、根据预设的计算合约分别确定企业的知识产权评估结果、物业状态以及法律状态;
50、在所述企业的物业状态和所述法律状态均为正常的情况下,根据所述知识产权评估结果确定所述企业的资产评估结果;
51、在所述企业的物业状态或所述法律状态为异常的情况下,确定所述企业的资产评估结果异常。
52、根据本技术的任一实施方式,在根据计算合约确定企业的资产评估结果后,还包括数据删除模块,用于:
53、将所述企业的资产评估结果发送至银行授信系统,以使所述授信系统根据所述企业的资产评估结果调整企业的授信额度;
54、删除所述企业知识产权资产数据和所述企业的资产评估结果。
55、根据本技术实施例的第三方面,本技术提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的资产评估方法的步骤。
56、根据本技术实施例的第四方面,本技术提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的资产评估方法的步骤。
57、根据本技术实施例的第五方面,本技术提供一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现所述的资产评估方法的步骤。
58、由上述技术方案可知,本技术提供一种资产评估方法及装置,通过对获取的企业知识产权资产数据进行特征加工,得到知识产权资产的特征数据集合;根据所述知识产权资产的特征数据集合构建对应的资产分析模型,并通过所述资产分析模型和所述企业知识产权数据确定企业的知识产权评估结果;根据获取的企业的金融侧资产数据、物业侧资产数据、法律侧资产数据以及所述知识产权评估结果确定企业的资产评估结果,能够实现跨机构数据多方安全融合计算,精准、快速评估科创企业的资产评估结果。