龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明涉及财务数据处理技术领域，具体为一种基于多模型的财务风险精准识别方法，包括以下步骤：S1、获取待识别公司财务原始数据，并将原始数据与中国经济金融研究数据库进行融合，以形成融合数据集；S2、对数据集进行预处理，以消除极端值对识别效果的影响；S3、选定影响财务风险现象识别的主要因素；S4、改进SMOTE算法数据再平衡；S5、将经过预处理、特征选择和再平衡后的数据分为训练集和测试集；S6、使用训练集训练融合模型，以获得最优分类器模型；S7、将测试集送入最优分类器模型进行风险检测，得出检测结果即预测结果；以便于实现对公司财务风险的高效、精准识别。
主权项：1.一种基于多模型的财务风险精准识别方法，其特征在于，包括以下步骤：S1、获取待识别公司财务原始数据，并将原始数据与中国经济金融研究数据库进行融合，以形成融合数据集；其中，公司财务原始数据包括公司年报数据以及文本信息；S2、对数据集进行预处理，以消除极端值对识别效果的影响；其中，数据预处理包括异常值处理、缺失值处理以及数据归一化。S3、选定影响财务风险识别的主要因素；其中，采用基于惩罚项的特征选择和基于树模型的特征选择，基于惩罚项的特征选择采用LASSO模型和SVM模型的来选择特征，基于树的特征选择采用RF模型、GBDT模型和LightGBM模型来选择特征，根据特征重要性程度，设置一个阈值，得到每个算法排名靠前的特征，最后基于各个模型选出的结果，采用投票法筛选出选票多的特征，作为影响财务风险识别的主要因素；S4、改进SMOTE算法数据再平衡；其中，改进SMOTE算法基于SMOTE算法，通过结合TomekLink算法去噪和COW值计算，以消除数据集中存在的冗余样本和噪声标签以及类内不平衡问题，以改进SMOTE算法；S5、将经过预处理、特征选择和再平衡后的数据分为训练集和测试集；S6、使用训练集训练融合模型，以获得最优分类器模型；S7、将测试集送入最优分类器模型进行风险检测，得出检测结果即预测结果。
全文数据：
权利要求：
百度查询： 江苏财经职业技术学院 一种基于多模型的财务风险精准识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号