一种基于动态时间规整的财务风险预测方法和系统

本发明属于财务风险预测，更具体地，涉及一种基于动态时间规整的财务风险预测方法和系统。

背景技术：

1、在经济持续发展的当下，企业经营环境日趋复杂，市场波动、供应链变化以及行业竞争等多重因素，都会不断加剧企业财务状况的不确定性，财务风险的隐蔽性与突发性显著提升。开展财务风险预测，不仅是企业稳定经营、规避危机的核心环节，也能为投融资决策、监管核查等工作提供重要依据，具备极高的现实应用价值。

2、目前主流的财务风险研判方式仍存在诸多短板。传统分析手段多依托单一静态财务指标开展研判，仅关注单个数据在特定节点的表现，忽视不同财务指标之间的协同变化与滞后关联关系，难以捕捉指标联动失衡引发的隐性风险，风险识别存在明显滞后性。同时，传统线性统计模型无法适配财务数据非线性的演变特征，面对市场环境突变带来的数据波动时，预测结果容易出现偏差，难以真实反映企业财务状况的动态变化趋势。

3、动态时间规整算法虽适配时序数据比对需求，被逐步应用于财务时序分析领域，但现有应用方案仍有明显缺陷。这类方案大多采用固定搜索带宽开展序列对齐，无法根据财务数据的波动状态灵活调整约束范围，数据剧烈波动时易受异常值干扰，数据平稳阶段又会限制合理的时序偏移匹配。此外，常规算法仅考量数据数值差异，未兼顾指标间协同演化特征，容易出现无效对齐的问题，部分场景下还会发生路径断裂，进一步降低预测可靠性。

4、与此同时，现有风险预测体系普遍缺少风险溯源能力，仅能输出风险判定结果，无法定位风险出现的具体时间节点，企业难以针对性开展风险排查与整改。面对当下复杂多变的财务时序数据与多样化风险场景，行业亟需一种能够兼顾指标联动关系、自适应数据波动、保障时序对齐稳定性，同时实现风险溯源的新型财务风险预测方案。

技术实现思路

1、本发明旨在克服现有财务风险预测技术忽视指标联动、时序对齐适应性差、无法溯源的缺陷，通过优化动态时间规整算法，结合财务指标联动特征与自适应带宽机制，实现企业财务风险等级判定，并定位风险发生节点，提升预测精度与实用价值。

2、针对现有技术的以上缺陷或改进需求，作为本发明的第一方面，本发明提供一种基于动态时间规整的财务风险预测方法，包括：

3、s1.提取目标企业在多个财务报告期内的财务指标时间序列；计算相邻财务报告期内不同财务指标之间的联动梯度；基于所述财务指标时间序列与所述联动梯度，生成多维联合特征序列；

4、s2.构建包含已知风险等级标签的历史企业多维联合特征序列的模板库；计算所述目标企业的多维联合特征序列与模板库中各个模板序列之间的局部代价矩阵；所述局部代价矩阵的元素值由特征数值距离与协同演化惩罚项构成；所述协同演化惩罚项基于两个序列在对应时间点上的联动梯度差异确定；

5、s3.计算所述多维联合特征序列的财务指标波动率；基于所述财务指标波动率动态调整规整路径的搜索带宽，生成自适应局部带宽约束；在所述自适应局部带宽约束下，基于所述多维联合特征序列与所述模板库中各个模板序列之间的局部代价矩阵求解全局最优规整路径，获取所述多维联合特征序列与所述各个模板序列之间的综合相似度；

6、s4.根据所述综合相似度从所述模板库中筛选近邻模板集合，基于所述近邻模板集合中各模板序列预先关联的财务风险标签，确定所述目标企业的财务风险预测等级；提取所述多维联合特征序列与所述近邻模板集合中各模板序列之间的全局最优规整路径中的异常节点，并将所述异常节点映射至所述多维联合特征序列对应的时间轴，生成包含风险等级与时间溯源信息的预测结果并输出。

7、进一步地，所述s1中，计算相邻财务报告期内不同财务指标之间的联动梯度，包括：

8、针对任意两个不同的财务指标，分别计算其在当前财务报告期与上一财务报告期的指标变化量；

9、构建包含预设时间滞后阶数的滑动窗口，在所述滑动窗口内计算两个财务指标变化量的滞后互协方差序列；

10、提取所述滞后互协方差序列中绝对值最大的元素所对应的时间滞后阶数，作为所述两个不同财务指标之间的联动梯度。

11、进一步地，所述构建包含预设时间滞后阶数的滑动窗口，具体包括：

12、计算所述财务指标时间序列的样本均值和样本方差；针对每一个预设的滞后阶数，计算所述财务指标时间序列与其自身平移所述滞后阶数后的序列之间的自协方差；

13、将所述自协方差除以所述样本方差，得到对应滞后阶数下的自相关函数值，以获取所述财务指标时间序列的自相关函数；

14、提取所述自相关函数中函数值首次由正转负的滞后阶数，将所述滞后阶数作为所述滑动窗口的长度；

15、根据所述滑动窗口的长度生成对应的滞后阶数集合；遍历所述滞后阶数集合，分别计算两个财务指标变化量在各滞后阶数下的互相关函数值，将所述互相关函数值组成的序列作为所述滞后互协方差序列。

16、进一步地，所述s2中，局部代价矩阵的元素值由特征数值距离与协同演化惩罚项构成，具体计算公式为：

17、

18、其中，为局部代价矩阵中第行第列的元素值；和分别为目标企业序列和模板序列在对应时间点上的多维联合特征向量；为特征数值距离函数；和为对应的联动梯度向量；为惩罚权重系数，为梯度差异放大系数。

19、进一步地，所述s3中，基于所述财务指标波动率动态调整规整路径的搜索带宽，生成自适应局部带宽约束，包括：

20、计算目标企业序列和模板序列在局部时间窗口内的财务指标方差，将其作为所述财务指标波动率；

21、基于所述财务指标波动率计算局部搜索带宽半径，计算公式为：

22、

23、其中，和分别为预设的全局最大和最小带宽半径，为当前时间窗口的财务指标波动率，和为序列中的最大和最小波动率；将计算得到的作为当前时间点的自适应局部带宽约束。

24、进一步地，所述s3中求解全局最优规整路径时，引入路径连通性修复机制：

25、在动态规划求解累积代价矩阵的过程中，若当前节点在其自适应局部带宽约束范围内不存在合法的前驱节点，则触发连通性修复；

26、所述连通性修复包括：临时解除当前节点的局部带宽约束，在预设的扩展搜索半径内寻找累积代价最小的合法前驱节点，并将该前驱节点至当前节点的路径段标记为强制对齐路径段。

27、进一步地，所述s4中，确定所述目标企业的财务风险预测等级，具体包括：

28、将所述模板库中的所有财务模板按照与所述目标企业序列的综合相似度进行升序排列，得到相似度排序序列；

29、从所述相似度排序序列中选取排列在最前的预设数量的财务模板，构建所述近邻模板集合；

30、统计所述近邻模板集合中各个已知财务风险等级的出现频数；

31、将所述出现频数最大的已知财务风险等级作为所述目标企业的财务风险预测等级。

32、进一步地，所述s4中，提取所述多维联合特征序列与所述近邻模板集合中各模板序列之间的全局最优规整路径中的异常节点，并将所述异常节点映射至所述多维联合特征序列对应的时间轴，包括：

33、计算所述全局最优规整路径上各节点的局部代价值的均值和标准差；

34、将局部代价值大于所述均值与预设倍数标准差之和的节点，确定为所述异常节点；

35、提取所述异常节点在所述多维联合特征序列中对应的时间索引，并将所述时间索引映射至所述时间轴以生成所述时间溯源信息。

36、作为本发明的第二方面，还提供一种基于动态时间规整的财务风险预测系统，包括：

37、多维联合特征序列构建单元，用于提取目标企业在多个财务报告期内的财务指标时间序列；计算相邻财务报告期内不同财务指标之间的联动梯度；基于所述财务指标时间序列与所述联动梯度，生成多维联合特征序列；

38、局部代价矩阵计算单元，用于构建包含已知风险等级标签的历史企业多维联合特征序列的模板库；计算所述目标企业的多维联合特征序列与模板库中各个模板序列之间的局部代价矩阵；所述局部代价矩阵的元素值由特征数值距离与协同演化惩罚项构成；所述协同演化惩罚项基于两个序列在对应时间点上的联动梯度差异确定；

39、最优规整路径求解单元，用于计算所述多维联合特征序列的财务指标波动率；基于所述财务指标波动率动态调整规整路径的搜索带宽，生成自适应局部带宽约束；在所述自适应局部带宽约束下，基于所述多维联合特征序列与所述模板库中各个模板序列之间的局部代价矩阵求解全局最优规整路径，获取所述多维联合特征序列与所述各个模板序列之间的综合相似度；

40、风险预测单元，用于根据所述综合相似度从所述模板库中筛选近邻模板集合，基于所述近邻模板集合中各模板序列预先关联的财务风险标签，确定所述目标企业的财务风险预测等级；提取所述多维联合特征序列与所述近邻模板集合中各模板序列之间的全局最优规整路径中的异常节点，并将所述异常节点映射至所述多维联合特征序列对应的时间轴，生成包含风险等级与时间溯源信息的预测结果并输出。

41、作为本发明的第三方面，还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行任一项所述的一种基于动态时间规整的财务风险预测方法。

42、总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

43、1.本发明的基于动态时间规整的财务风险预测方法，通过提取多期财务指标时间序列并计算不同指标间的联动梯度，融合两类数据构建多维联合特征序列。该方法不再单独依托单一财务指标开展分析，将财务指标的数值变化与指标之间的协同联动规律纳入分析范围，完整保留财务数据在连续报告期内的动态特征。传统分析模式往往割裂各财务指标的内在关联，难以察觉指标联动异常引发的潜在风险，而本方法依托联动梯度量化指标间的滞后变化关系，让后续的序列比对与风险分析能够基于更全面的特征数据开展，保证基础分析数据贴合企业财务运行的实际状态，为后续风险判断打下扎实的数据基础。

44、2.本发明的基于动态时间规整的财务风险预测方法，通过搭建带有风险标签的历史企业特征序列模板库，结合特征数值距离与联动梯度差异构建局部代价矩阵，并引入协同演化惩罚项参与代价计算。该方法在衡量两组序列差异时，同时兼顾特征数值偏差与指标联动状态的偏差，修正了传统代价计算仅关注数值差距的单一性问题。依托统一的代价计算规则完成目标序列与各模板序列的差异量化，能够客观反映目标企业财务特征与不同风险样本的匹配程度，让序列之间的比对结果更符合财务数据协同演化的特性，减少因忽略指标联动关系造成的比对误差，提升序列匹配结果的客观性。

45、3.本发明的基于动态时间规整的财务风险预测方法，通过依据财务指标波动率设置自适应局部带宽约束，结合局部代价矩阵求解全局最优规整路径，依托综合相似度筛选近邻模板判定风险等级，并根据规整路径提取异常节点完成时间溯源。自适应带宽可根据数据波动状态调整搜索范围，保障时序对齐过程稳定运行，路径求解得到的综合相似度能够直观体现序列相似程度。依托近邻模板标签确定风险等级，同时定位异常对应的时间节点，在完成财务风险预测的基础上补充溯源信息，整套流程稳定实现企业财务风险的判定与异动定位，满足财务风险研判的基础使用需求。