【技术实现步骤摘要】
本专利技术属于金融风险监测领域，尤其涉及一种基于数据挖掘的金融风险跟踪管理系统、装置和存储介质。
技术介绍
1、数字经济是继农业经济、工业经济之后的主要经济形态，是以数据资源为关键要素，以现代信息网络为主要载体，以信息通信技术融合应用、全要素数字化转型为重要推动力，促进公平与效率更加统一的新经济形态。数字经济发展速度快、辐射范围广、影响程度深，正推动生产方式、生活方式和治理方式深刻变革，成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。
2、大型企业作为金融风险的重要关注对象，在激烈的市场竞争中，由于经营状况恶化、企业偿债能力和财务表现下降，导致企业的金融风险不断增加聚集，形成区域性、系统性金融风险。
3、其中，上市公司、重点融资企业以及大额负债企业等重点融资企业的影响尤为显著。
4、传统的企业监测方法依靠人力进行排查，手段落后，不能精准定位、提前预警。
5、因此，如何改进现有技术中的企业监测方法及监测效率，使其对高风险企业或重点融资企业进行有效监测、掌握企业的风险动态变化情况，对突发的金融事件提前预警，形成事前预警、事中监测、事后追踪的有效监测机制，以便营造良好的金融行业环境，是目前亟待解决的问题。
技术实现思路
1、针对现有技术存在的问题，本专利技术提供了一种基于数据挖掘的金融风险跟踪管理系统、装置和存储介质。
2、本专利技术是这样实现的，一种基于数据挖掘的金融风险跟踪管理系统，该系统每个模块的具体实
3、数据获取模块：利用api接口、网络爬虫技术或其他数据采集技术，从互联网和大数据平台上获取企业相关数据，这些数据为企业财务报告、市场交易数据、新闻报道、社交媒体帖子，获取的数据是结构化的或非结构化的；
4、数据分类与清洗模块：主要处理获取的原始数据，先将数据按照数据类型、时间范围分类，再使用各种数据清洗技术清洗，如去除重复的数据记录、删除或填充缺失的数据、过滤噪声；
5、指标选取模块：选取反映企业金融风险的关键指标，这些指标为财务比率和市场数据等；
6、数据分析模块：使用贝叶斯网络机器学习算法对数据进行分析，包括训练模型、测试模型以及使用模型对新数据进行预测，最后，输出每个企业的风险等级；
7、预警模块：根据数据分析模块的输出结果发出预警信号，包括发送邮件或短信、在界面上显示预警信息；
8、信息呈现模块：将数据分析的结果可视化，生成包含企业风险等级、关键指标变化等信息的报表或图表。
9、进一步，基于数据挖掘的金融风险跟踪管理系统，该系统包括：
10、数据获取模块，用于获取利用互联网和大数据平台，对企业的数据进行多维度获取；
11、数据分类与清洗模块，与数据获取模块连接，用于对采集的数据进行整理分类，并将重复信息和干扰信息进行清洗；
12、指标选取模块，用于选取反映企业金融风险的指标；
13、数据分析模块，与数据分类与清洗模块、指标选取模块连接，用于利用贝叶斯网络机器学习算法根据指标选取模块选取的指标，对采集的数据进行对比、分析、计算和处理，输出该企业对应指标金融风险的风险等级；
14、预警模块，与数据分析模块连接，用于当数据分析模块输出金融风险安全的风险等级较高时，进行金融预警；
15、信息呈现模块，与数据分析模块连接，用于显示数据分析模块输出的多维度评估结果。
16、进一步，所述数据获取模块包括结构化数据获取和非结构化数据获取两种方式；
17、所述结构化数据内容包括企业的金融资产、金融债务，企业名下运营商数据、非金融机构债务等信用行为；
18、所述非结构化数据内容包括企业的其他造成金融风险的信息。
19、进一步，所述指标选取模块，选取反映企业金融风险的指标，具体包括：
20、偿债能力单元、盈利能力单元、运营能力单元以及成长能力单元、资本背景单元、经营状况单元、担保质押风险单元、并购风险单元。
21、进一步，所述偿债能力单元包括流动比率、资产负债率以及债务规模三个指标，相应的计算公式为：
22、流动比率＝(期末)流动资产/(期末)流动负债；
23、资产负债率＝(期末)负债总计/(期末)资产总计；
24、所述盈利能力单元包括销售利润率指标，其计算公式为：
25、销售利润率＝(期末)利润总额/(期末)营业收入；
26、所述运营能力单元包括存货周转率指标，其计算公式为：
27、存货周转率＝(期末)营业成本/[0.5*(存货期初余额+存货期末余额)]；
28、所述并购风险单元包括商誉指标，其计算公式为：
29、商誉占净资产比重＝商誉/所有者权益。
30、进一步，所述数据分类与清洗模块，将重复信息和干扰信息进行清洗具体包括：
31、s1：基于触发器的触发节点和当前动作节点的数据过滤需求，配置对应的数据过滤规则，并指定触发节点和当前动作节点执行数据过滤规则的触发字段；配置所述数据过滤规则包括选择匹配规则、选择过滤值类型、设置过滤值；
32、s2：基于预先配置的数据过滤规则，执行所述触发器的对应节点的数据过滤规则时，先根据过滤值类型和过滤值得到匹配规则的参数，再通过匹配规则对触发字段的数据进行匹配。
33、进一步，所述匹配规则用于指定匹配的算法；所述过滤值类型用于指定将过滤值转化为匹配规则的参数的方法；所述过滤值用于获取匹配规则的参数。
34、进一步，所述数据分析模块，对采集的数据利用贝叶斯网络机器学习算法进行对比、分析、计算和处理具体包括：
35、(1)分类级别的定义：包含a，b，c，d，e五种等级，其中a等级所代表的风险程度最低，e等级所代表的风险程度最高，根据贝叶斯定理可知，所采集的信息属于某一等级的概率为：
36、
37、其中，特征向量x为某一环境下所采集的事件集合，变量c以及k为某一特定风险等级，具体而言，p(c＝c|x＝x)为所采集事件集合的风险等级的条件概率，p(c＝c)为风险等级的先验概率，p(x＝x|c＝c)为根据所采集事件计算的不同等级的概率，分母为所采集事件本身的先验概率；
38、(2)借助朴素贝叶斯的思想，对特征向量x进行假设：即假设x中每一维的特征都是相互独立的，特征与特征之间不存在任何联系，得到如下公式：
39、
40、其中，特征向量x为所采集所有事件的集合，xk为具体某一事件元素，n为所有元素的数量；
41、(3)将步骤(1)中的公式代入到步骤(2)中的公式中，得拥有特征向量x的未知样本所属等级概率，且公式表示如下：
42、
43、其中，拥有特征向量x的未知样本的所属等级即为此时金融风险安全的风险等级。本文档来自技高网...
【技术保护点】
1.一种基于数据挖掘的金融风险跟踪管理系统，其特征在于，包括：
2.如权利要求1所述基于数据挖掘的金融风险跟踪管理系统，其特征在于，该系统包括：
3.如权利要求1所述基于数据挖掘的金融风险跟踪管理系统，其特征在于，所述数据获取模块包括结构化数据获取和非结构化数据获取两种方式；
4.如权利要求2所述基于数据挖掘的金融风险跟踪管理系统，其特征在于，所述指标选取模块，选取反映企业金融风险的指标，具体包括：
5.如权利要求4所述基于数据挖掘的金融风险跟踪管理系统，其特征在于，所述偿债能力单元包括流动比率、资产负债率以及债务规模三个指标，相应的计算公式为：
6.如权利要求2所述基于数据挖掘的金融风险跟踪管理系统，其特征在于，所述数据分类与清洗模块，将重复信息和干扰信息进行清洗具体包括：
7.如权利要求6所述的基于大数据的金融风险跟踪管理系统，其特征在于，具体包括：
8.如权利要求2所述的基于大数据的金融风险跟踪管理系统，其特征在于，所述数据分析模块，对采集的数据利用贝叶斯网络机器学习算法进行对比、分析、计算
9.一种基于大数据的金融风险跟踪管理装置，其特征在于，所述基于大数据的金融风险跟踪管理设备用于实现如权利要求1-8所述的基于大数据的金融风险跟踪管理系统。
10.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1-8所述基于大数据的金融风险跟踪管理系统。
...【技术特征摘要】
1.一种基于数据挖掘的金融风险跟踪管理系统，其特征在于，包括：
2.如权利要求1所述基于数据挖掘的金融风险跟踪管理系统，其特征在于，该系统包括：
3.如权利要求1所述基于数据挖掘的金融风险跟踪管理系统，其特征在于，所述数据获取模块包括结构化数据获取和非结构化数据获取两种方式；
4.如权利要求2所述基于数据挖掘的金融风险跟踪管理系统，其特征在于，所述指标选取模块，选取反映企业金融风险的指标，具体包括：
5.如权利要求4所述基于数据挖掘的金融风险跟踪管理系统，其特征在于，所述偿债能力单元包括流动比率、资产负债率以及债务规模三个指标，相应的计算公式为：
6.如权利要求2所述基于数据挖掘的金融风险跟踪管理系统，其...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。