一种基于大数据的决策方法及系统与流程

1.本发明涉及大数据的技术领域，特别涉及一种基于大数据的决策方法及系统。


背景技术：

2.近年来，投资行业在中国得到快速发展，基金公司和风险投资公司不断涌现，投资项目选择决策成为影响基金公司和风险投资公司发展的重要因素。随着创业企业增多，投资项目选择决策工作量和难度都在加大，目前投资行业主要通过人工方式进行信息处理、项目甄选、需求匹配等工作，效率以及分析准确率都比较低。


技术实现要素：

3.基于上述问题，本发明提出了一种基于大数据的决策方法及系统，通过建立偏离度、风险度、效益性矩阵，将待融资项目进行数据化，提取项目的偏离度、风险度、效益性三方面特征信息，建立三维坐标系与待融资项目三维矩阵，将待融资项目的特征信息初始化到三维坐标系中，通过投资需求矩阵建立和智能agent计算体初始化，将投资需求进行数据化，通过智能anget计算体位移与状态控制，实现迭代匹配计算，实现了投资需求与融资需求的大数据、智能化匹配与甄选，提高了投资项目选择决策的准确度和效率。
4.本发明提供如下技术方案：
5.一方面，本发明提出了一种基于大数据的决策方法，
6.步骤101，载入待预测分析企业的数据；
7.步骤102，建立偏离度矩阵，计算待融资项目偏离度；
8.步骤103，建立风险度矩阵，计算待融资项目风险度；
9.步骤104，建立效益性矩阵，计算待融资项目效益性；
10.步骤105，建立偏离度、风险度、收益性三维坐标系，x轴代表偏离度，y轴代表风险度，z轴代表收益性；
11.步骤106，建立投资需求矩阵；
12.步骤107，初始化智能agent计算体；
13.步骤108，计算智能agent计算体位移；
14.步骤109，匹配计算迭代；
15.步骤110，将匹配结果在前端进行展示。
16.进一步地，建立偏离度矩阵具体为：
17.devi(mv,ep,ro,gr,pe,de)
18.其中，i为待融资项目编号，mv为第i个待融资项目的市值因子偏离度，反应企业规模信息偏离情况；ep为第i个待融资项目的每股收益因子偏离度，反应企业经营业绩信息偏离情况；ro为第i个待融资项目的净资产收益率因子偏离度，反应企业盈利能力信息偏离情况；gr为第i个待融资项目的净利润增长率因子偏离度，反应企业成长性偏离情况；pe为第i个待融资项目的市盈率因子偏离度，反应企业估值偏离情况；de为上述各因子偏离度平均
值，偏离度大小代表企业各因子偏离行业均值的情况，低于均值向下偏离为正，高于均值向上偏离为负。
19.进一步地，建立风险度矩阵具体为：
20.risi(re,ot,in,dt,ca,cu,wi,co,ri)
21.其中，i为待融资项目编号，re为应收风险因子，ot为其他应付风险因子，in为存货风险因子，dt为负债率风险因子，ca为现金流风险因子，cu为最大客户占比风险因子，wi为商誉风险因子，co为费用风险因子，ri为第i个待融资项的风险度。
22.进一步地，建立效益性矩阵具体为：
23.beni(as,gr,ep,rg,pg,gu,it,be)；
24.其中，i为待融资项目编，as为净资产收益因子，gr为毛利因子，ep为收益因子，rg为营收因子，pg为净利因子，gu为未分配利润因子，it为存货周转因子，be为第i个待融资项目效益性。
25.进一步地，建立三维坐标系具体为，
26.建立三维融资矩阵fini＝(dei，rii，bei)，其中，i为第i个待融资项目编号，dei为偏离度矩阵devi(mv,ep,ro,gr,pe,de)中的偏离度de；rii为风险度矩阵risi(re,ot,in,dt,ca,cu,wi,co,ri)中的风险度ri；bei为效益性矩阵，beni(as,gr,ep,rg,pg,gu,it,be)重的效益性be；将三维融资矩阵fini＝(dei，rii，bei)初始化到偏离度、风险度、收益性三维坐标系中。
27.进一步地，所述智能agent计算体包括开拓agent计算体和跟随agent计算体。
28.进一步地，所述计算智能agent计算体位移具体为：
29.在第k 1次循环中，开拓agent计算体位移计算算法如下：
[0030][0031][0032][0033]
其中xs(k 1)、ys(k 1)、zs(k 1)分别表示编号为s的智能agent计算体在第k 1次循环中的x轴、y轴、z轴坐标位置；
[0034]
其中xs(k)、ys(k)、zs(k)分别表示编号为s的智能agent计算体在第k次循环中的x轴、y轴、z轴坐标位置，k表示当前循环次数，w表示总循环次数，α、β、ε为随机数，取值范围为(0,1]；
[0035]
在第k 1次循环中，跟随agent计算体位移计算算法如下：
[0036]
[0037][0038][0039]
其中x
t
′
(k 1)、y
t
′
(k 1)、z
t
′
(k 1)分别表示编号为t的智能agent计算体在第k 1次循环中的x轴、y轴、z轴坐标位置；
[0040]
其中x
t
′
(k)、y
t
′
(k)、z
t
′
(k)分别表示编号为t的智能agent计算体在第k次循环中的x轴、y轴、z轴坐标位置，k表示当前循环次数，w表示总循环次数，l、l
′
、l
″
为方差和均差为1的正态随机分布数，x
max(k)
′
、y
max(k)
′
、z
max(k)
′
为第k次循环中投资需求矩阵与三维融资矩阵匹配度最高的agent计算体所处的x轴、y轴、z轴坐标位置。
[0041]
另一方面，本发明还提出了一种基于大数据的决策系统，所述系统包括系统初始化模块、偏离度建立模块、风险度建立模块、效益性建立模块、三维坐标系与三维矩阵建立模块、投资需求矩阵建立模块、智能agent计算体初始化模、智能agent计算体控制模块、匹配计算模块以及甄选结果展示模块；
[0042]
所述系统初始化模块，用于载入待预测分析企业的数据；
[0043]
所述偏离度建立模块，用于建立偏离度矩阵，计算待融资项目偏离度；
[0044]
所述风险度建立模块，用于建立风险度矩阵，计算待融资项目风险度；
[0045]
所述效益性建立模块，用于建立效益性矩阵，计算待融资项目效益性；
[0046]
所述三维坐标系与三维矩阵建立模块，用于建立偏离度、风险度、收益性三维坐标系，x轴代表偏离度，y轴代表风险度，z轴代表收益性；
[0047]
所述投资需求矩阵建立模块，建立投资需求矩阵；
[0048]
所述智能agent计算体初始化模块，用于初始化智能agent计算体；
[0049]
所述智能agent计算体控制模块，用于计算智能agent计算体位移；
[0050]
所述匹配计算模块，用于匹配计算迭代；
[0051]
所述甄选结果展示模块，用于将匹配结果在前端进行展示。
[0052]
另一方面，本发明还提出了一种计算机可读存储介质，其上存储有可执行指令，所述指令被处理器执行时使处理器实现基于大数据的决策方法。
[0053]
另一方面，本发明还提出了一种电子设备，所述电子设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现基于大数据的决策方法。
[0054]
本发明提出了一种基于大数据的决策方法及系统，通过建立偏离度、风险度、效益性矩阵，将待融资项目进行数据化，提取项目的偏离度、风险度、效益性三方面特征信息，建立三维坐标系与待融资项目三维矩阵，将待融资项目的特征信息初始化到三维坐标系中，通过投资需求矩阵建立和智能agent计算体初始化，将投资需求进行数据化，通过两种不同类型的智能anget计算体位移与状态控制，并进行迭代匹配计算，实现了投资需求与融资需求的大数据、智能化匹配与甄选，提高了投资项目选择决策的准确度和效率。
附图说明
[0055]
附图1为本发明的基于大数据的决策方法流程图；
[0056]
附图2为本发明的基于大数据的决策系统结构框图。
具体实施方式
[0057]
下面结合附图与实施例对本发明作进一步详细描述。
[0058]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0059]
第一实施例：
[0060]
本发明提供了一种基于大数据的决策方法，方法流程图如附图1所示；
[0061]
步骤101，载入待预测分析企业的数据；
[0062]
本发明每个一级市场待融资项目对应着一个融资需求的企业，项目与企业为一对一关系，将一级市场待融资企业历年的市值、每股收益、净资产收益率、净利润增长率、市盈率等相关信息载入，用于计算。
[0063]
步骤102，建立偏离度矩阵，计算待融资项目偏离度；
[0064]
具体地，所述融资项目偏离度包括多个因子，对于系统中n个待融资项目，建立偏离度矩阵：
[0065]
devi(mv,ep,ro,gr,pe,de)
[0066]
其中，i为待融资项目编号，mv为第i个待融资项目的市值因子偏离度，反应企业规模信息偏离情况；ep为第i个待融资项目的每股收益因子偏离度，反应企业经营业绩信息偏离情况；ro为第i个待融资项目的净资产收益率因子偏离度，反应企业盈利能力信息偏离情况；gr为第i个待融资项目的净利润增长率因子偏离度，反应企业成长性偏离情况；pe为第i个待融资项目的市盈率因子偏离度，反应企业估值偏离情况；de为上述5个因子偏离度平均值，偏离度大小代表企业各因子偏离行业均值的情况，低于均值向下偏离为正，高于均值向上偏离为负。
[0067]
计算各因子偏离度信息，以mv为例计算因子的偏离度方法为：
[0068][0069]
其中，为与该企业相同行业的已上市公司的市值的平均数，mv
′
为该企业最近一年的市值。de的计算公示为：
[0070]
步骤103，建立风险度矩阵，计算待融资项目风险度；
[0071]
对于系统中n个待融资项目，建立风险度矩阵：
[0072]
risi(re,ot,in,dt,ca,cu,wi,co,ri)
[0073]
其中，i为待融资项目编号，re为应收风险因子，re计算公式为：
其中re1为应收票据，re2为应收账款，net为净资产，f1为第一风险权重系数，f1＝2；
[0074]
ot为其他应付风险因子，ot的计算公式为：其中ot1为最近一年的其他应付款，ot2为上一年的其他应付款，f1为第二风险权重系数，f1＝3。
[0075]
in为存货风险因子，in的计算公式为：其中in1为最近一年的存货减值，in2为期初的存货价值，f3为第三风险权重系数，f1＝20。
[0076]
dt为负债率风险因子，dt的计算公式为：其中dt1为最近一年的负债总额，dt2为最近一年的净资产总额，f4为第四风险权重系数，f4＝2。
[0077]
ca为现金流风险因子，ca的计算公式为：ca＝ca1*f5，其中ca1为最近一年的每股现金流，f5为第五风险权重系数，f5＝-1。
[0078]
cu为最大客户占比风险因子，cu的计算公式为：cu＝cu1*f6，其中cu1为最近一年的最大客户销售额占营收比，f6为第六风险权重系数，f6＝3。
[0079]
wi为商誉风险因子，wi的计算公式为：其中wi1为最近一年的商誉，wi2为最近一年的净资产，f7为第七风险权重系数，f7＝2。
[0080]
co为费用风险因子，co的计算公式为：其中co1为最近一年的销售费用，co2为最近一年的管理费用，co3为最近一年的财务费用，co4为最近一年的主营业务收入。f8为第八风险权重系数，f8＝5。
[0081]
ri为第i个待融资项的风险度，ri取值各项风险因子的平均值，计算公式为：
[0082]
步骤104，建立效益性矩阵，计算待融资项目效益性；
[0083]
具体地，对于系统中n个待融资项目，建立效益性矩阵：
[0084]
beni(as,gr,ep,rg,pg,gu,it,be)；
[0085]
其中，i为待融资项目编号。
[0086]
as为净资产收益因子，as的计算公式为：as＝as1*f1
′
，其中as1为最近一年的净资产收益率，f1
′
为第一效益权重系数，f1
′
＝10。
[0087]
gr为毛利因子，gr的计算公式为：gr＝gr1*f2
′
，其中gr1为最近一年的毛利率，f2
′
为第二效益权重系数，f2
′
＝3。
[0088]
ep为收益因子，ep的计算公式为：ep＝ep1*f3
′
，其中ep1为最近一年的每股收益，f3
′
为第三效益权重系数，f3
′
＝2。
[0089]
rg为营收因子，rg的计算公式为：其中rg1为最近一年的营业收入，rg2为上一年的营业收入，f4
′
为第四效益权重系数，f4
′
＝3。
[0090]
pg为净利因子，pg的计算公式为：其中pg1为最近一年的净利润，pg2为上一年的净利润，f5
′
为第五效益权重系数，f5
′
＝5。
[0091]
gu为未分配利润因子，gu的计算公式为：其中gu1为最近一年的未分配利润，gu2为上一年的未分配利润，f6
′
为第六效益权重系数，f6
′
＝4。
[0092]
it为存货周转因子，it的计算公式为：it＝it1*f7
′
，其中it1为最近一年的存货周转率，f7
′
为第七效益权重系数，f7
′
＝1/3。
[0093]
be为第i个待融资项目的效益性，be取各项效益因子的平均值，计算公式为：
[0094]
步骤105，建立偏离度、风险度、收益性三维坐标系，x轴代表偏离度，y轴代表风险度，z轴代表收益性；
[0095]
具体地，建立三维融资矩阵fini＝(dei，rii，bei)，其中i为第i个待融资项目编号，dei为偏离度矩阵devi(mv,ep,ro,gr,pe,de)中的偏离度de。rii为风险度矩阵risi(re,ot,in,dt,ca,cu,wi,co,ri)中的风险度ri。bei为效益性矩阵，beni(as,gr,ep,rg,pg,gu,it,be)重的效益性be。将三维融资矩阵fini＝(dei，rii，bei)初始化到偏离度、风险度、收益性三维坐标系中。
[0096]
步骤106，建立投资需求矩阵；
[0097]
具体地，本实施例中假设中存在m个投资需求，m为正整数，建立三维投资需求矩阵invj＝(dej
′
，rij
′
，be
′
j)，将投资需求存储到矩阵中，其中j表示投资需求编号，de
′
表示第j个投资需求对估值高低的需求，ri
′
示第j个投资需求对风险度的需求，be
′j表示第j个投资需求对收益性的需求。
[0098]
步骤107，初始化智能agent计算体；
[0099]
具体地，初始化2m个智能agent计算体，每个智能agent计算体集成cpu、存储等计算资源。智能agent计算体分为开拓agent计算体、跟随agent计算体两种类型，每种类型各有m个。每个智能agent计算体可装载投资需求信息，每个投资需求信息同时装载到开拓agent计算体、跟随agent计算体中。开拓agent计算体和跟随agent计算体形成一个投资需求的agent计算体编队。需要说的是，本发明使用两种类型的智能agent计算体，能够提高匹配效率。当采用单一agent时，每个投资需求与待融资项目之间的匹配任务只能采用随机或者跟随两种策略中的一种，本发明采用结对装载，一个匹配任务装载在两种agent上，同一个任务可以并行执行两种匹配方式，两个agent为联动关系，若一个完成任务，两个同时释放。
[0100]
将2m个智能agent计算体映射到偏离度、风险度、收益性三维坐标系，每个智能
agent计算体的初始x轴、y轴、z轴坐标通过随机数生成方法产生。
[0101]
步骤108，计算智能agent计算体位移；
[0102]
具体地，设置循环次数w，w为经验值，通常可以设置为多次，例如10、20或者20以上。在每次循环中执行智能agent计算体位移计算。例如某投资需求同时加载到编号为s的开拓agent计算体和编号为t的跟随agent计算体，在第k 1次循环中，开拓agent计算体位移计算算法如下：
[0103][0104][0105][0106]
其中xs(k 1)、ys(k 1)、zs(k 1)分别表示编号为s的智能agent计算体在第k 1次循环中的x轴、y轴、z轴坐标位置。
[0107]
其中xs(k)、ys(k)、zs(k)分别表示编号为s的智能agent计算体在第k次循环中的x轴、y轴、z轴坐标位置。k表示当前循环次数，w表示总循环次数。α、β、ε为随机数，取值范围为(0,1]。
[0108]
在第k 1次循环中，跟随agent计算体位移计算算法如下：
[0109][0110][0111][0112]
其中x
t
′
(k 1)、y
t
′
(k 1)、z
t
′
(k 1)分别表示编号为t的智能agent计算体在第k 1次循环中的x轴、y轴、z轴坐标位置。
[0113]
其中x
t
′
(k)、y
t
′
(k)、z
t
′
(k)分别表示编号为t的智能agent计算体在第k次循环中的x轴、y轴、z轴坐标位置。k表示当前循环次数，w表示总循环次数。l、l
′
、l
″
为方差和均差为1的正态随机分布数。x
max(k)
′
、y
max(k)
′
、z
max(k)
′
为第k次循环中投资需求矩阵与三维融资矩阵匹配度最高的agent计算体所处的x轴、y轴、z轴坐标位置。
[0114]
步骤109，匹配计算迭代；
[0115]
具体地，智能agent计算体每次发生位移后，在当前位置半径为b的圆形范围内，如果存在投资需求，智能agent计算体所装载的投资需求矩阵与三维融资矩阵进行匹配，如果三维坐标的相似度平均值大于预设阈值(通常该预设阈值可根据实际需求进行设置，例如60％-100％)，则视为匹配成功，将匹配结果加入反馈列表fk中，并加入匹配历史记录中，同
时释放该投资需求所装载的开拓agent计算体与跟随agent计算体。如果三维坐标的相似度平均值小于预设阈值，该投资需求所装载的开拓agent计算体与跟随agent计算体继续执行下一次循环迭代，直至循环结束。
[0116]
步骤110，甄选结果在前端进行展示。
[0117]
将投资需求与待融资项目的匹配反馈列表fk展示到系统前端。
[0118]
第二实施例：
[0119]
本发明还提出了一种基于大数据的决策系统，所述系统结构框图如附图2所示；
[0120]
一种基于大数据的决策系统，所述系统包括系统初始化模块、偏离度建立模块、风险度建立模块、效益性建立模块、三维坐标系与三维矩阵建立模块、投资需求矩阵建立模块、智能agent计算体初始化模、智能agent计算体控制模块、匹配计算模块以及甄选结果展示模块；
[0121]
所述系统初始化模块，用于载入待预测分析企业的数据；
[0122]
所述偏离度建立模块，用于建立偏离度矩阵，计算待融资项目偏离度；
[0123]
所述风险度建立模块，用于建立风险度矩阵，计算待融资项目风险度；
[0124]
所述效益性建立模块，用于建立效益性矩阵，计算待融资项目效益性；
[0125]
所述三维坐标系与三维矩阵建立模块，用于建立偏离度、风险度、收益性三维坐标系，x轴代表偏离度，y轴代表风险度，z轴代表收益性；
[0126]
所述投资需求矩阵建立模块，建立投资需求矩阵；
[0127]
所述智能agent计算体初始化模块，用于初始化智能agent计算体；
[0128]
所述智能agent计算体控制模块，用于计算智能agent计算体位移；
[0129]
所述匹配计算模块，用于匹配计算迭代；
[0130]
所述甄选结果展示模块，用于将匹配结果在前端进行展示。
[0131]
第三实施例：
[0132]
本发明还提出了一种计算机可读存储介质，其上存储有可执行指令，所述指令被处理器执行时使处理器实现基于大数据的决策方法。
[0133]
第四实施例：
[0134]
本发明还提出了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现基于大数据的决策方法。
[0135]
本发明提出了一种基于大数据的决策方法及系统，通过建立偏离度、风险度、效益性矩阵，将待融资项目进行数据化，提取项目的偏离度、风险度、效益性三方面特征信息，建立三维坐标系与待融资项目三维矩阵，将待融资项目的特征信息初始化到三维坐标系中，通过投资需求矩阵建立和智能agent计算体初始化，将投资需求进行数据化，通过两种不同类型的智能anget计算体位移与状态控制，并进行迭代匹配计算，实现了投资需求与融资需求的大数据、智能化匹配与甄选，提高了投资项目选择决策的准确度和效率。
[0136]
上述本发明的实施方式是本发明的元件和特征的组合。除非另外提及，否则所述元件或特征可被视为选择性的。各个元件或特征可在不与其它元件或特征组合的情况下实践。另外，本发明的实施方式可通过组合部分元件和/或特征来构造。本发明的实施方式中所描述的操作顺序可重新排列。任一实施方式的一些构造可被包括在另一实施方式中，并
且可用另一实施方式的对应构造代替。对于本领域技术人员而言明显的是，所附权利要求中彼此没有明确引用关系的权利要求可组合成本发明的实施方式，或者可在提交本发明之后的修改中作为新的权利要求包括。
[0137]
在固件或软件配置方式中，本发明的实施方式可以模块、过程、功能等形式实现。软件代码可存储在存储器单元中并由处理器执行。存储器单元位于处理器的内部或外部，并可经由各种己知手段向处理器发送数据以及从处理器接收数据。
[0138]
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是符合与本文所公开的原理和新颖特点相一致的最宽的范围。