(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111473022.6 (22)申请日 2021.12.02 (71)申请人 北京顶象技 术有限公司 地址 100085 北京市海淀区上地信息路26 号3层0308/0310室 (72)发明人 史博　管胜　陈树华　 (74)专利代理 机构 北京云科知识产权代理事务 所(特殊普通 合伙) 11483 代理人 张飙 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 40/00(2012.01) G06N 20/00(2019.01) (54)发明名称 一种上市企业财务 风险预警方法和系统 (57)摘要 本发明公开了一种上市企业财务风险预警 方法和系统， 所述方法包括如下步骤： 采集需要 的数据； 计算重要财务比率指标集合和历史样本 风险标签值； 计算风险分和最大异常分； 根据计 算得出的风险分和最大异常分进行决策预警。 所 述系统包括数据采集模块、 指标和风险标签构建 模块、 时间序列特征衍生计算模块、 LightGBM模 型计算模块、 LightGBM模型训练模块、 数据分组 模块、 最大异常分计算模块和决策预警模块， 根 据本发明的技术方案能够综合应用风险分和最 大异常分二维分布进行决策的方法， 提供了防范 未知风险的能力， 提升整体预警结果的准确性。 权利要求书3页 说明书8页 附图3页 CN 114154866 A 2022.03.08 CN 114154866 A 1.一种上市企业财务 风险预警方法， 其特 征在于， 所述方法包括如下步骤： 步骤S1.采集需要的数据； 步骤S2.计算重要财务比率指标集 合和历史样本风险标签值； 其次， 计算 风险分和最大异常 分； 最后， 根据计算得 出的风险分和最大异常 分进行决策 预警。 2.根据权利要求1所述的上市企业财务风险预警方法， 其特征在于， 在步骤S1中， 采集 待预测上市企业的近三期财务年报基础数据； 采集历史样本的财务年报基础数据， 利用滑 动窗口法， 根据历史样本在观察期内三期财务年报基础数据及 对应表现期内风险表现数据 集合， 构成历史风险样本标签值； 历史样本风险标签值， 定义方法为： 在企业近三期的经营 过程中， 如果出现了严重的财务问题， 定义为异常风险样本， 标签值设置为 1； 如果未出现财 务问题， 定义 为正常无风险样本， 标签值设为0 。 3.根据权利要求2所述的上市企业财务风险预警方法， 其特征在于， 在步骤S2中， 通过 步骤S1所得基础数据， 计算待预测企业近三期预设的重要财务比率指标集合， 计算历史样 本三期预设的重要财务比率指标集 合以及计算历史样本风险标签值。 4.根据权利要求3所述的上市企业财务风险预警方法， 其特征在于， 所述预设的重要财 务比例指标包括资金流动性比率、 资金收益性比率、 现金流质量比率， 以及短期偿债能力比 率和/或长期偿债能力比率， 其中 资金流动性比率具体包括流动比率、 速动比率、 应收账款周转率、 库存周转率、 存货周 转率、 流动资产周转 率、 总资产周转 率、 现金周转 率； 资金收益 性比率具体包括销售利 润率、 总资产收益 率、 净资产收益 率； 现金流质量比率具体包括经营性活动现金流/总资产、 经营性活动现金流入值/经营性 活动现金流出值、 筹资活动现金流/总负债； 短期偿债能力比率具体包括 流动比率、 速动比率、 流动负债比率； 长期偿债能力比率具体包括产权比率、 资产负债率、 获息倍数。 5.根据权利要求3或4所述的上市企业财务风险预警方法， 其特征在于， 计算风险分包 括以下步骤： 步骤S3.时间序列特征衍生计算， 具体为对步骤S2得到的待预测 企业和历史样本的重 要财务比率指标集合， 自动进行时间序列特征衍生计算， 得到待预测企业时间序列衍生特 征向量数据， 以及历史样本时间序列衍 生特征向量数据； 步骤S4.LightGBM风险分计算， 具体为将步骤S3获得的待预测企业时间序列衍生特征 向量数据和历史样本时间序列衍生特征向量数据， 输入预设 的LightGBM模型， 得到待预测 企业风险概率值和历史样本风险概率值， 并按照预设的风险分数转换方法计算得到待 预测 企业的风险分和历史样本风险分； 其中， 预设的L ightGBM模型构建过程如下： 首先， 收集历史样本建模数据， 包括步骤S2得到的历史样本风险标签值， 和步骤S3得到 的历史样本时间序列衍 生特征向量数据； 其次， 配置模型训练超参数， 将历史样本建模数据输入Li ghtGBM模型进行训练， 得到预 设LightGBM模型。 6.根据权利要求5所述的上市企业财务风险预警方法， 其特征在于， 计算最大异常分包权　利　要　求　书 1/3 页 2 CN 114154866 A 2括以下步骤： 步骤S5.将步骤S2获得的待预测 企业和历史样本的重要财务比率指标集合， 按照不同 行业和不同预测日， 划分为 不同群组； 步骤S6.计算待预测企业和历史样本的观察期内三期异常分； 设定重要财务比率指标 集合中包括N种比率指标， 同期同行业企业共有 M家； 第m家企业的第i个财务比率指标为xim， 则异常分的计算子步骤如下： S601.求各个财务比率指标的行业均值： S602.计算各企业财务比率指标和其行业均值之间的距离 S603.计算S6 02中距离 的行业均值ai： S604.计算某企业财务比率指标的行业偏离度ri， 设上标为p： S605.计算异常分； 将某企业的N个财务比率指标的行业偏离度进行从大到小排序， 选 择最大的5个， 从大到小依次为r1,r 2,r3,r4,r5， 则异常 分s的计算公式为： s＝r1+0.25 *(r2+r3+r4+r5)； 步骤S7.计算最大异常分； 取步骤S6中待预测 企业和历史样本的观察期内三期异常分 中的最大值， 得到最大异常 分。 7.根据权利要求6所述的上市企业财务风险预警方法， 其特征在于， 在根据计算得出的 风险分和最大异常分进行决策预警阶段包括步骤S8.决策预警； 具体为将步骤S4获得的待 预测企业和历史样本的风险分， 和步骤S7获得的待预测企业和历史样本的最大异常分， 画 在风险分 ‑最大异常分二 维分布图上； 由决策专家系统结合历史样本的风险分 ‑最大异常分 分布信息和相应的历史样本风险标签值， 以及待预测企业的风险分 ‑最大异常分的分布情 况进行统筹决策， 输出最终的决策 预警结果。 8.一种上市企业财务风险预警系统， 其特征在于， 包括数据采集模块、 指标和风险标签 构建模块、 时间序列特征衍生计算模块、 LightGBM模型计算模块、 LightGBM模型训练模块、 数据分组模块、 最大异常分计算模块和决策预警模块， 所述系统用于实现根据权利要求 1‑7 任一项所述的上市企业财务 风险预警方法。 9.根据权利要求8所述的上市企业财务风险预警系统， 其特征在于， 所述数据采集模块 用于采集历史样本数据； 所述指标和风险标签构建模块用于专家配置重要财务比率指标及 其计算方法； 输入财务年报 基础数据， 输出重要财务比率指标集合； 同时根据历史样本的风 险表现数据计算 其风险标签值。 10.根据权利要求9所述的上市企业财务 风险预警系统， 其特 征在于，权　利　要　求　书 2/3 页 3 CN 114154866 A 3