企业财务数据偏离度预测方法和系统与流程

本发明涉及数据分析，具体为企业财务数据偏离度预测方法和系统。

背景技术：

1、自我国推行市场经济以来，各行业企业随之涌现发展，对企业财务数据的监督管理也愈发重要，而通过对企业财务数据进行偏离度分析预测，是监督企业财务健康度必不可少的部分；

2、在当下的企业财务数据偏离度预测中，常用基于最小二乘法的多元线性回归法；而在实际使用时，多元线性回归法要求所需要预测分析的企业财务数据分布近似正态分布，使用局限性较大，而由于影响企业财务数据的关联指标并非单一数据或独立的多元数据，各关联指标之间大多存在内在联系，简单地通过多元线性回归进行预测分析企业财务数据结果可信度较低，模型适用性及稳健性较差；而在企业财务数据预测的实际应用中，对企业财务数据偏离度合理性判断分析中缺乏公允，对现实财务数据监管缺乏实际指导作用；

3、因此，需要企业财务数据偏离度预测方法和系统对企业财务数据进行更加稳健地预测，辅助企业财务状态的监督与财务数据合理性的判断分析。

技术实现思路

1、本发明的目的在于提供企业财务数据偏离度预测方法和系统，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：

3、企业财务数据偏离度预测方法，包括以下步骤：

4、步骤s100：采集同一行业内各企业目标财务数据形成企业目标财务数据集，同步获取目标财务数据的关联指标数据；其中，目标财务数据指需要进行偏离度计算的企业财务数据，关联指标数据指在数据变化时对企业目标财务数据存在数据影响的财务数据；

5、步骤s200：对各企业目标财务数据进行预处理，联合企业关联指标数据构建广义线性模型；

6、步骤s300：根据企业实际关联指标数据通过所述广义线性模型计算企业预测目标财务数据，并对企业根据预测目标财务数据进行评级；

7、步骤s400：将企业实际目标财务数据进行处理后与企业预测目标财务数据进行比对分析，计算企业财务数据偏离度，并判断是否向企业监管者发送数据核查信号；

8、在采集企业财务数据时，选定目标财务数据后，选择与目标财务数据存在数据变化趋势关联性的指标进行数据采集与模型构建，提高模型的专业解释性与预测数据可信度；

9、上述技术方案步骤s200中，对各企业目标财务数据进行预处理，将各企业目标财务数据尺度缩放到[0，l]中，根据公式：

10、

11、其中，l为企业目标财务数据集缩放尺度，i为企业目标财务数据集中数据编号，yi为企业目标财务数据集中i号数据，为企业目标财务数据集中i号数据缩放后数据，ymin为企业目标财务数据集中数据最小值，ymax为企业目标财务数据集中数据最大值；

12、使用预处理的各企业目标财务数据及关联指标数据采用最大似然估计法进行模型构建与模型参数估计，所述广义线性模型如下：

13、

14、其中，μ为企业目标财务数据期望，g(μ)为广义线性模型连接函数，c为模型常参数，n为关联指标编号，n为关联指标数量，xn为关联指标n数据，βn为xn的回归系数；

15、对所采集的企业目标财务数据进行尺度缩放，降低模型构建时参数估计训练的计算复杂度，在后续数据可视化对比分析时，将目标财务数据实际值与预测值尺度统一缩放，以便于直观地体现企业目标财务数据偏离度，精准反映企业目标财务数据合理性；

16、采用最大似然估计法构建广义线性模型，避免采用多元线性回归时最小二乘法对目标数据为正态分布的要求，而广义线性模型的适用性，使得最终企业财务数据预测模型也能够更加具有普适性与稳健性，确保了在更多行业里能进行更广泛的普及使用；

17、上述技术方案步骤s300中，获取企业实际关联指标数据，代入模型中进行数据预测，获取企业目标财务数据期望值，并根据步骤s200中尺度缩放方法计算真实尺度下企业预测目标财务数据；

18、将所有企业根据预测目标财务数据进行排序，选取分割点将企业目标财务数据划分为不同组别，并根据组别内数据从大到小赋予由高到低的等级标注，并将各组别等级标注作为组别内企业财务等级评估结果；

19、上述技术方案步骤s400中，根据步骤s200中广义线性模型使用各企业关联指标数据计算预测各企业目标财务数据，得到各企业预测目标财务数据集yp，进而计算数据集中数据标准差σp；其中数据集yp中数据均为缩放尺度下的各企业预测目标财务数据；

20、获取企业实际目标财务数据，计算企业实际目标财务数据与企业预测目标财务数据的差值作为企业目标财务数据偏离度；

21、使用数据标准差衡量企业财务数据相对业内同类型企业的数据整体之间的差异，在指导实际企业监督时，提高企业财务状态判断结果的专业解释性与可信度；

22、对任一企业，计算分析企业目标财务数据偏离度dev，与所述数据集yp中数据标准差σp进行比较；当|dev|≤σp，判定企业目标财务数据偏离度为未偏离；当σp＜|dev|≤k1*σp，判定企业目标财务数据偏离度为弱偏离；当k1*σp＜|dev|≤k2*σp，判定企业目标财务数据偏离度中等偏离；当k2*σp＜|dev|≤k3*σp，判定企业目标财务数据偏离度为强偏离；当|dev|＞k3*σp，判定企业目标财务数据偏离度为严重偏离；对于目标财务数据偏离度为中等偏离、强偏离及严重偏离的企业，判定企业目标财务数据偏离度大，向企业监管者发生目标财务数据人工查验提醒信号；对于目标财务数据偏离度为合理及弱偏离的企业，判定企业目标财务数据偏离度小，不进行信号反馈；

23、使用同类型企业关联指标数据进行分析预测，筛选出行业内财务数据偏离较大的企业个体，并反馈企业财务数据偏差，辅助企业监管者进行财务数据合理性分析，为后续企业财务数据的进一步核验检查提供数据支持。

24、应用上述方案中企业财务数据偏离度预测方法的企业财务数据偏离度预测系统，包括企业财务数据采集模块、目标财务数据预测模块、企业财务数据分析模块；

25、所述企业财务数据采集模块用于采集同一行业内各企业目标财务数据及关联指标数据；所述目标财务数据预测模块将企业目标财务数据及关联指标数据进行尺度缩放，采用最大似然估计法进行广义线性模型训练及模型参数估计，进而使用任一企业实际关联指标数据计算分析该企业预测目标财务数据；所述企业财务数据分析模块根据企业预测目标财务数据对企业进行财务等级评估，还用于根据企业实际目标财务数据计算分析企业财务数据偏离度，进而判断是否向企业监管者发送数据核查信号；

26、所述企业财务数据采集模块输出端与所述目标财务数据预测模块及所述企业财务数据分析模块输入端相连接；所述目标财务数据预测模块输出端与所述企业财务数据分析模块输入端相连接；

27、企业财务数据采集模块包括目标财务数据采集单元、关联指标分析单元、关联指标数据采集单元；

28、所述目标财务数据采集单元用于采集同一行业内各企业目标财务数据；所述关联指标分析单元用于分析选择与目标财务数据相关联的财务数据指标；所述关联指标数据采集单元用于采集所选择的企业关联指标数据；

29、所述目标财务数据采集单元输出端与所述目标财务数据预测模块及所述企业财务数据分析模块输入端相连接；所述关联指标分析单元输出端与所述关联指标数据采集单元输入端相连接；所述关联指标数据采集单元输出端与所述目标财务数据预测模块输入端相连接；

30、目标财务数据预测模块包括数据处理单元、模型训练单元、目标财务数据预测单元；

31、所述数据处理单元对企业财务数据采集模块获取的目标财务数据及关联指标数据进行尺度缩放；所述模型训练单元采用最大似然估计法使用缩放后的数据进行广义线性模型训练及模型参数估计；所述目标财务数据预测单元将企业关联指标数据代入模型计算分析企业预测目标财务数据；

32、所述数据处理单元输出端与所述模型训练单元输入端相连接；所述模型训练单元输出端与所述目标财务数据预测单元输入端相连接；所述数据处理单元与所述目标财务数据预测单元双向连接；

33、企业财务数据分析模块包括企业财务等级评估单元、企业财务数据偏离度分析单元；

34、所述企业财务等级评估单元根据企业预测目标财务数据对企业进行财务等级评估；所述企业财务数据偏离度分析单元用于计算企业实际目标财务数据及预测目标财务数据偏离度，进而判断是否向企业监管者发送数据核查信号；

35、所述企业财务等级评估单元输入端与所述目标财务数据预测模块输出端相连接；所述企业财务数据偏离度分析单元输入端与所述企业财务数据采集模块及所述目标财务数据预测模块输出端相连接。

36、与现有技术相比，本发明所达到的有益效果是：

37、本发明中，采用最大似然估计法构建广义线性模型，避免采用多元线性回归时最小二乘法对目标数据为正态分布的要求，而广义线性模型相较多元线性回归的适用性，使得最终企业财务数据预测模型也能够更加具有普适性与稳健性，确保了在更多行业里能进行更广泛的普及使用；在采集企业财务数据时，采集同一行业内企业数据，分析同类型企业各项财务数据的数据关联，遴选与目标财务数据存在数据关联性的指标数据进行模型构建与数据预测，提高模型的最终解释性与数据预测精准度；使用企业实际关联指标数据进行目标财务数据预测，计算其数据偏离度，再根据数据偏离度标准差进行财务数据偏离度合理性判断，根据同类型企业数据进行分析，进而可以筛选出行业内财务数据偏离较大的企业个体，并反馈企业财务状态，辅助企业监管者进行财务数据合理性分析，为后续企业财务数据的进一步核验检查提供数据支持。