申请/专利权人:天津大学
申请日:2024-03-07
公开(公告)日:2024-06-25
公开(公告)号:CN118247038A
主分类号:G06Q40/03
分类号:G06Q40/03;G06F18/10;G06F18/213;G06F18/24;G06N3/04;G06N3/08
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明涉及一种基于神经网络构建企业金融信用画像的金融评估方法,包括下列步骤;数据收集模块:收集企业金融数据,并使用已经公开发布的企业绩效评价标准值中行业资产负债率平均值与企业的资产负债率进行比较来定义信用风险,定义为高风险企业,赋值为1;反之,则定义为低风险企业,赋值为0,并对企业金融数据进行标注;数据预处理模块:用于对输入的企业金融数据进行预处理,包括但不限于数据清洗、标准化和特征工程;MLP神经网络训练模块:采用MLP神经网络捕捉企业金融数据中的复杂关系;通过对标注的金融数据进行深度学习,构建违约预测模型并进行训练;预测模块:通过训练好的MLP神经网络模型,对新的企业金融数据进行违约预测。
主权项:1.一种基于神经网络构建企业金融信用画像的金融评估方法,包括下列步骤;数据收集模块:收集企业金融数据,并使用已经公开发布的企业绩效评价标准值中行业资产负债率平均值与企业的资产负债率进行比较来定义信用风险,定义为高风险企业,赋值为1;反之,则定义为低风险企业,赋值为0,并对企业金融数据进行标注;数据预处理模块:用于对输入的企业金融数据进行预处理,包括但不限于数据清洗、标准化和特征工程;MLP神经网络训练模块:采用MLP神经网络捕捉企业金融数据中的复杂关系;通过对标注的金融数据进行深度学习,构建违约预测模型并进行训练;预测模块:通过训练好的MLP神经网络模型,对新的企业金融数据进行违约预测。
全文数据:
权利要求:
百度查询: 天津大学 一种基于神经网络构建企业金融信用画像的金融评估方法
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。