一种基于大数据的企业经营风险智能预警方法及系统

摘要: 本发明涉及经济管理,尤其涉及一种基于大数据的企业经营风险智能预警方法及系统。背景技术:1、在企业经营风险监测工程中,现有技术主要依赖财务报表指标分析及静态信用评...
一种基于大数据的企业经营风险智能预警方法及系统

本发明涉及经济管理,尤其涉及一种基于大数据的企业经营风险智能预警方法及系统。

背景技术:

1、在企业经营风险监测工程中,现有技术主要依赖财务报表指标分析及静态信用评分模型。随着企业间业务交互的数字化程度加深,经营活动产生了海量的发票物流数据与银行结算数据。现有的预警手段多侧重于滞后的财务结果审计,难以对实时变动的业务流与资金流进行深度关联分析,导致系统无法在企业财务指标正式恶化前的风险潜伏期内实现精准捕获。

2、现有技术主要采用截切式特征提取,缺乏对物资流与资金流之间动态相位关系的识别能力,系统无法从行业宏观波动中剥离出微观个体风险信号,导致误报率高;同时系统无法前瞻性地量化风险在产业链网络中的波状传导过程,难以应对复杂的系统性金融风险。

技术实现思路

1、为了弥补以上不足,本发明提供了一种基于大数据的企业经营风险智能预警方法及系统,旨在改善现有技术缺乏风险预测能力的缺陷。

2、第一方面,本发明提供了如下技术方案,一种基于大数据的企业经营风险智能预警方法及系统,包括,

3、步骤s1,基于企业交易明细提取物资流转的第一时间序列与资金流转的第二时间序列,构建包含企业节点及边权重的双层图结构;

4、步骤s2,根据基准周期确定重采样频率,利用时间规整算法对第一时间序列和第二时间序列进行重构,获得时间对齐的物资流序列和资金流序列;

5、步骤s3,计算物资流序列和资金流序列的互相关函数,提取峰值对应的时间偏移量作为流转相角,并计算流转相角的变化率作为图信号;

6、步骤s4,基于边权重计算拉普拉斯矩阵,结合图信号进行图傅里叶变换,提取高频分量并计算各企业节点的高频能量积分;

7、步骤s5,当高频能量积分超过阈值时,在企业节点及关联节点间生成虚拟边重构拉普拉斯矩阵,执行二次图傅里叶变换并输出预警结果。

8、优选的,在步骤s1中,所述构建包含企业节点及边权重的双层图结构的步骤包括:

9、从企业交易明细中分类提取物资单据和资金流水,分别建立包含两层网络拓扑的图形结构;

10、汇总设定时间窗内企业节点间的交易总金额,将交易总金额进行归一化处理后作为双层图结构的初始边权重。

11、优选的,在步骤s2中,所述根据基准周期确定重采样频率的步骤包括:

12、提取目标行业的历史财务数据,计算从采购付款到销售回款的平均时间跨度作为基准周期;

13、将重采样频率设置为大于且等于基准周期对应频率数值的两倍。

14、优选的,在步骤s2中,所述利用时间规整算法对第一时间序列和第二时间序列进行重构的步骤包括:

15、利用时间规整算法计算第一时间序列与第二时间序列间的时间扭曲映射路径;

16、按照确定的重采样频率,利用插值函数将离散的第一时间序列和第二时间序列转换为连续信号后进行等间隔离散化采样。

17、优选的,在步骤s3中,所述提取峰值对应的时间偏移量作为流转相角的步骤包括:

18、计算物资流序列和资金流序列在不同时间滞后量下的相关性得分;

19、选定最大相关性得分对应的时间滞后量,将其作为衡量物资发货与资金结算时间错位的流转相角。

20、优选的,在步骤s3中,所述计算流转相角的变化率作为图信号的步骤包括:

21、计算当前采样时刻的流转相角与上一采样时刻的流转相角之间的数值差;

22、将数值差作为特征量并关联至双层图结构对应的企业节点上以构成图信号。

23、优选的,在步骤s4中,所述提取高频分量并计算各企业节点的高频能量积分的步骤包括:

24、对拉普拉斯矩阵进行特征值分解获得特征值和特征向量;

25、将图信号投影至特征向量构成的频域空间中,根据特征值滤除低频分量并保留高频分量;

26、对高频分量进行平方求和计算得到高频能量积分。

27、优选的,在步骤s5中,所述在企业节点及关联节点间生成虚拟边重构拉普拉斯矩阵的步骤包括:

28、检索与高频能量积分超过阈值的超标企业节点存在共同上下游的关联节点;

29、建立超标企业节点指向关联节点的虚拟边;

30、将超标企业节点的高频能量积分与关联节点的业务入度数值相乘得到虚拟边的权重,利用加入虚拟边的新网络更新拉普拉斯矩阵。

31、优选的,在步骤s5中,所述执行二次图傅里叶变换并输出预警结果的步骤包括:

32、基于重构拉普拉斯矩阵和图信号执行二次图傅里叶变换;

33、当关联节点的高频分量未发生显著增加时,输出针对单一企业的个体预警结果;

34、当关联节点的高频分量发生反转且能量超过阈值时,输出产业链系统性传导预警结果。

35、第二方面,本发明提供以下技术方案,一种基于大数据的企业经营风险智能预警系统,包括:

36、图结构构建模块,基于企业交易明细提取物资流转的第一时间序列与资金流转的第二时间序列,构建包含企业节点及边权重的双层图结构;

37、序列重构模块,根据基准周期确定重采样频率,利用时间规整算法对第一时间序列和第二时间序列进行重构,获得时间对齐的物资流序列和资金流序列;

38、图信号生成模块,计算物资流序列和资金流序列的互相关函数,提取峰值对应的时间偏移量作为流转相角,并计算流转相角的变化率作为图信号;

39、频域滤波模块,基于边权重计算拉普拉斯矩阵,结合图信号进行图傅里叶变换,提取高频分量并计算各企业节点的高频能量积分;

40、重构预警模块,当高频能量积分超过阈值时,在企业节点及关联节点间生成虚拟边重构拉普拉斯矩阵,执行二次图傅里叶变换并输出预警结果。

41、本发明具有如下有益效果:

42、1、本发明中,通过构建双层图结构并利用时间规整算法对物资流和资金流序列进行重构对齐,有效消除了因业务发生频次与结算周期不一致导致的数据错位,基于对齐后的序列提取互相关函数峰值对应的时间偏移量作为流转相角,将企业隐蔽的财务延迟行为转化为可量化的图信号差值,提高了早期单体经营异常识别的准确性与时效性。

43、2、本发明中,引入图傅里叶变换与频域滤波机制,基于边权重生成的拉普拉斯矩阵将图信号投射至频域空间,实现了对复杂经营信号的解耦,能够从代表行业宏观周期的低频背景中,剥离出代表企业个体微观状况劣化的高频能量突变,从而排除了行业普遍波动带来的干扰,降低了预警系统的误报率。

44、3、本发明中,基于高频能量溢出的网络拓扑重构与二阶迭代计算机制,当个别节点出现高频能量超标时,系统通过动态生成指向关联节点的虚拟边来更新拉普拉斯矩阵,并执行二次图傅里叶变换,克服了静态图模型无法监测风险蔓延的缺陷,实现了对风险沿产业链上下游扩散过程的动态推演,能够可靠区分局部单体衰退与系统性连带风险。

1.一种基于大数据的企业经营风险智能预警方法,其特征在于,包括:

2.根据权利要求1所述的一种基于大数据的企业经营风险智能预警方法,其特征在于,在步骤s1中,所述构建包含企业节点及边权重的双层图结构的步骤包括:

3.根据权利要求1所述的一种基于大数据的企业经营风险智能预警方法,其特征在于,在步骤s2中,所述根据基准周期确定重采样频率的步骤包括:

4.根据权利要求1所述的一种基于大数据的企业经营风险智能预警方法,其特征在于,在步骤s2中,所述利用时间规整算法对第一时间序列和第二时间序列进行重构的步骤包括:

5.根据权利要求1所述的一种基于大数据的企业经营风险智能预警方法,其特征在于,在步骤s3中,所述提取峰值对应的时间偏移量作为流转相角的步骤包括:

6.根据权利要求1所述的一种基于大数据的企业经营风险智能预警方法,其特征在于,在步骤s3中,所述计算流转相角的变化率作为图信号的步骤包括:

7.根据权利要求1所述的一种基于大数据的企业经营风险智能预警方法,其特征在于,在步骤s4中,所述提取高频分量并计算各企业节点的高频能量积分的步骤包括:

8.根据权利要求1所述的一种基于大数据的企业经营风险智能预警方法,其特征在于,在步骤s5中,所述在企业节点及关联节点间生成虚拟边重构拉普拉斯矩阵的步骤包括:

9.根据权利要求1所述的一种基于大数据的企业经营风险智能预警方法,其特征在于,在步骤s5中,所述执行二次图傅里叶变换并输出预警结果的步骤包括:

10.一种基于大数据的企业经营风险智能预警系统,其特征在于,用于权利要求1-9任一项所述的一种基于大数据的企业经营风险智能预警方法,包括: