投融资分析平台的制作方法

本发明涉及数据分析领域，且更为具体地，涉及一种投融资分析平台。

背景技术：

1、投融资行为是企业活动中重要的一种方式，旨在通过投融资壮大企业实力、获取更大的企业利益。在大数据时代，借助信息化技术手段对于企业的投融资行为进行分析始终是热点，其中一个目标在于预测投融资行为是否会为企业带来巨大的风险。经调研统计，目前市面上的各类投融资分析方案的分析过程存在程序化、机械化的问题，在预测的准确程度、精细程度上具有较大缺陷。因此，需要一种新的技术方案，来实现精准预测企业投融资行为风险性的目标。

技术实现思路

1、为了解决上述技术问题，提出了本技术，以提供一种能够精准预测企业投融资行为风险性的投融资分析平台。

2、第一方面，本发明提供了一种投融资分析方法，包括：获取历史投融资行为的特征，包括所述历史投融资行为的金额、方式、行业、时间；按照所述历史投融资行为的时间，查询历史社会宏观经济指标数据；检查所述历史投融资行为是否产生风险事件；在发现所述历史投融资行为产生风险事件时，根据所述风险事件的情况，计算所述历史投融资行为的风险指数，用于反映所述历史投融资行为发生风险的概率大小；将所述历史投融资行为的金额、方式、行业，所述历史社会宏观经济指标数据作为输入，将所述历史投融资行为的风险指数作为输出，训练基于神经网络的投融资分析模型；在发现新的投融资行为时，查询所述新的投融资行为的金额、方式、行业，以及当前的社会宏观经济指标数据；将所述新的投融资行为的金额、方式、行业，当前的社会宏观经济指标数据输入训练完成的基于神经网络的所述投融资分析模型，获得所述新的投融资行为的风险指数；检测所述新的投融资行为的风险指数是否位于预设的指数区间；在所述新的投融资行为的风险指数位于所述指数区间时，基于预设的与所述指数区间对应的投融资预警内容，向实施所述新的投融资行为的第一主体通知所述新的投融资行为发生风险的概率大小。

3、可选地，前述的投融资分析方法，“根据所述风险事件的情况，计算所述历史投融资行为的风险指数”的步骤包括：查询所述风险事件的情况，包括所述风险事件涉及的金额、行业；查询所述历史投融资行为涉及行业中发生的第一组风险事件，统计所述第一组风险事件涉及的金额；计算所述历史投融资行为的风险指数其中，s0为预设的基准风险指数，c为所述风险事件涉及的金额，n为所述第一组风险事件的事件数量，ci为所述第一组风险事件中的第i个风险事件涉及的金额，cave为所述第一组风险事件涉及金额的均值。

4、可选地，前述的投融资分析方法，在“计算所述历史投融资行为的风险指数的步骤之后，还包括：查询实施所述历史投融资行为的第二主体；查询所述第二主体关联的第二组风险事件；统计所述第二组风险事件的数量，以及已知的所有风险事件的数量；对所述历史投融资行为的风险指数进行修正，修正后所述历史投融资行为的风险指数s′＝(1-m/m)s，其中，m为所述第二组风险事件的数量，m为已知的所有风险事件的数量。

5、可选地，前述的投融资分析方法，在“根据所述风险事件的情况，计算所述历史投融资行为的风险指数”的步骤之前，还包括：在发现所述历史投融资行为产生所述风险事件时，查询所述风险事件的网络传播情况；根据所述风险事件的网络传播情况，计算所述风险事件的关注指数，用于反映所述风险事件受关注的程度；在所述风险事件的关注指数高于预设水平时，执行“根据所述风险事件的情况，计算所述历史投融资行为的风险指数”的步骤。

6、可选地，前述的投融资分析方法，“根据所述风险事件的网络传播情况，计算所述风险事件的关注指数”的步骤包括：查询所述风险事件的网络传播情况，包括通过网络传播的消息集合中每个消息的被检索数量、浏览数量、评论数量；计算所述风险事件的关注指数其中，k为所述消息集合中的消息数量，x1j为所述消息集合中第j个消息的被检索数量，x2j为所述消息集合中第j个消息的浏览数量，x3j为所述消息集合中第j个消息的评论数量，x1为预设的基准被检索数量，x2为预设的基准浏览数量，x3为预设的基准评论数量，w1、w2、w3为预设的权重因子。

7、可选地，前述的投融资分析方法，“训练基于神经网络的投融资分析模型”的步骤包括：在训练所述投融资分析模型时，对所述投融资分析模型使用的神经网络的任一参数的调整幅度为其中lr0为该参数的原始调整幅度，t为所述投融资分析模型的已训练次数，r为预设的幅度调整系数。

8、可选地，前述的投融资分析方法，“训练基于神经网络的投融资分析模型”的步骤包括：在训练所述投融资分析模型时，将所述投融资分析模型使用的神经网络的损失函数设置为其中，n为使用所述投融资分析模型训练的总次数，yi为所述投融资分析模型第p次训练时输出的风险指数，y′p为所述投融资分析模型第p次训练时的实际风险指数。

9、可选地，前述的投融资分析方法，“基于预设的与所述指数区间对应的投融资预警内容”的步骤包括：基于所述第一主体的身份标识信息，生成用于加密的密钥；使用所述密钥对所述投融资预警内容进行密钥，加密后的所述投融资预警内容用于发送至所述第一主体。

10、第二方面，本发明提供了一种投融资分析平台，包括：第一历史数据获取模块，获取历史投融资行为的金额、方式、行业、时间；第二历史数据获取模块，按照所述历史投融资行为的时间，查询历史社会宏观经济指标数据；风险事件查询模块，检查所述历史投融资行为是否产生风险事件；风险指数计算模块，在发现所述历史投融资行为产生风险事件时，根据所述风险事件的情况，计算所述历史投融资行为的风险指数，用于反映所述历史投融资行为发生风险的概率大小；训练模块，将所述历史投融资行为的金额、方式、行业，所述历史社会宏观经济指标数据作为输入，将所述历史投融资行为的风险指数作为输出，训练基于神经网络的投融资分析模型；新数据获取模块，在发现新的投融资行为时，查询所述新的投融资行为的金额、方式、行业，以及当前的社会宏观经济指标数据；风险指数预测模块，将所述新的投融资行为的金额、方式、行业，当前的社会宏观经济指标数据输入训练完成的基于神经网络的所述投融资分析模型，获得所述新的投融资行为的风险指数；风险指数检测模块，检测所述新的投融资行为的风险指数是否位于预设的指数区间；预警模块，在所述新的投融资行为的风险指数位于所述指数区间时，基于预设的与所述指数区间对应的投融资预警内容，向实施所述新的投融资行为的第一主体通知所述新的投融资行为发生风险的概率大小。

11、本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：

12、本发明的技术方案中，首先收集了历史投融资行为的金额、方式、行业等关键信息，与现有技术方案不同的是，还根据历史投融资行为的时间采集了投融资行为发生时的历史社会宏观经济指标，即结合了历史投融资行为的微观特征以及历史时期社会整体的宏观特征来进行模型训练，同时还查询了历史投融资行为产生的风险事件，基于风险事件的情况对历史投融资行为的风险进行了量化处理，由于综合了微观和宏观两方面的历史投融资行为特征，所以适于使用神经网络来训练投融资分析模型，来计算投融资行为的风险指数，实现了对投融资行为风险性的准确化、精细化预测，在发现新的投融资行为时，只需将新的投融资行为的金额、方式、行业以及当前的社会宏观经济指标数据输入模型，即可得到新的投融资行为的风险指数，当风险指数提示该投融资行为具有较高风险时，可生成投融资预警内容对相应主体进行通知。