(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111359394.6 (22)申请日 2021.11.11 (71)申请人 北京道口金 科科技有限公司 地址 100000 北京市西城区西直门外大街 辛137号B厅125室 (72)发明人 冷宇　孔祥永　王浩　袁伟　蔡明　 (74)专利代理 机构 北京代代志同知识产权代理 事务所(普通 合伙) 16004 代理人 祗志洁 (51)Int.Cl. G06F 17/18(2006.01) G06N 20/00(2019.01) G06Q 40/00(2012.01) (54)发明名称 一种预测企业财务数据模型构建方法及构 建装置 (57)摘要 本发明提供了一种预测企业财务数据模型 构建方法及构建装置， 属于数据信息处理技术领 域。 本发明装置包括预测目标及原始特征输入模 块， 衍生特征生成模块， 样 本数据提取模块， 模型 输入特征确定模块， 企业财务数据预测模型构建 模块以及预测模块。 本发明方法包括： 确定预测 目标以及影响因素； 选取样本企业， 采集企业历 史财务数据， 衍生新特征， 提取特征数据集； 对预 测目标以及影响因素进行相关分析筛选模型输 入特征； 构建企业财务数据模型并训练， 利用训 练好的模型进行预测。 本发明填补了目前企业财 务数据预测模型领域的空白， 降低了人力成本， 提高了预测数据的获取效率， 为后续财务管理和 生成经营提供了客观数据基础。 权利要求书2页 说明书6页 附图1页 CN 114048436 A 2022.02.15 CN 114048436 A 1.一种预测企业财务数据模型的构建方法， 其特 征在于， 包括如下步骤： 步骤1： 确定企业财务数据的预测目标以及各目标的影响因素； 所述的企业财务数据的预测目标包括： 营业收入， 利润总额， 净利润， 所得税， 总资产， 以及销售量； 步骤2： 针对不同行业不同规模企业选取样本企业， 采集样本企业的历史财务数据， 并 对数据预 处理； 预处理包括： 为采集的财务数据设置企业所属行业和规模的标签， 相同标签 的数据分为一组； 将步骤1获得的所有影响因素作为原始特征， 根据原始特征衍生新特征， 提取原始特征数据集和衍 生特征数据集； 步骤3： 针对不同行业不同规模企业， 对企业财务数据的预测目标向量与各特征， 利用 回归分析计算相关系 数， 根据相关系 数阈值进行特征筛选， 并由原始特征数据集和 衍生特 征数据集生成训练样本集； 步骤4： 针对不同行业不同规模企业， 采用回归预测模型构建企业财务数据预测模型， 模型的输入是 所筛选出的特 征值， 输出为所述企业财务数据的预测目标； 其中， 所述模型在训练时， 采用如下分位对数损失函数Ly(y,yp)来进行模型优化； 其中， y、 yp分别代表样本真实值和预测值； yi、 分别表示第i个样本的真实值和预测 值； i＝1,2, …n， n为样本数量； γ表示分位数值； 表示高估情况， 表示低估情 况， 所述分位对数损失函数将两种情况分开并赋予不同系 数； 分位数值γ依据不同行业不 同规模企业的样本数据训练为 不同的值； 步骤5： 针对不同行业不同规模企业， 分别利用对应标签的训练样本集对所述企业财务 数据预测模型进行训练， 利用训练好的模型进行对目标企业的财务数据进行 预测。 2.根据权利要求1所述的方法， 其特征在于， 所述的步骤2中， 采集的财务数据包括企业 的工商变更信息、 违法涉诉信息、 欠税欠 薪信息、 经营异常信息、 税务申报信息、 发票交易信 息及企业舆情信息 。 3.一种预测企业财务数据模型的构建装置， 其特 征在于， 包括： 预测目标及原始特征输入模块， 用于确定企业财务数据的预测目标以及各目标的影响 因素， 其中， 企业财务数据的预测目标包括营业收入、 利润总额、 净利润、 所得税、 总资产以 及销售量； 影响因素为原 始特征； 衍生特征生成模块， 用于根据原 始特征衍生新特征； 样本数据提取模块， 对不同行业不同规模企业选取样本企业， 采集样本企业的历史财 务数据， 并设置企业所属行业和规模的标签， 将相同标签的数据分为一组； 根据原始特征与 衍生特征生成原 始特征数据集和衍 生特征数据集； 模型输入特征确定模块， 针对不同行业不同规模企业， 对企业财务数据的预测目标向 量与每个原始特征或每个衍生特征利用回归分析计算相关系数， 根据相关系数阈值进 行特 征筛选， 并由原 始特征数据集和衍 生特征数据集生成训练样本集； 企业财务数据预测模型构建模块， 针对不同行业不同规模企业， 构建回归预测模型， 模 型的输入是模型输入特征确定模块对应输出 的特征， 输出为企业财务数据的预测目标； 针权　利　要　求　书 1/2 页 2 CN 114048436 A 2对不同行业不同规模企业， 利用对应的训练样本集对所述模型进行训练， 输出训练好的模 型； 在训练时， 采用如下分位对数损失函数Ly(y,yp)来进行模型优化； 其中， y、 yp分别代表样本真实值和预测值； yi、 分别表示第i个样本的真实值和预测 值； i＝1,2,…n， n为样本数量； γ表 示分位数值； 分位数值γ依据不同行业不同规模企业的 样本数据训练为 不同的值； 所述预测模块利用训练好的模型对输入的目标企业的财务数据进行 预测。权　利　要　求　书 2/2 页 3 CN 114048436 A 3