[发明专利]基于关联分析FP-Tree算法的企业风险预警方法

说明书

本发明涉及一种基于关联分析FP‑Tree算法的企业风险预警方法。构建企业指标数据集，而后运用互熵‑区间套法进行分箱、卡方检验相关性筛选指标，最后运用关联分析FP‑Tree算法进行企业风险预警。本发明不仅能够从单指标数据分析企业风险，也可以综合两个及以上指标数据挖掘企业风险，更全面挖掘企业存在的风险。

技术领域

本发明属于企业风险预警领域，具体涉及一种基于关联分析FP-Tree算法的企业风险预警方法。

背景技术

企业活动作为集合经济、技术、管理、组织等各方面的综合性社会活动，在各个方面都存在着不确定性。企业风险预警就是通过建立风险评估体系，进而进行风险预控，化解风险的发生，并将风险造成的损失降至最低程度的有效手段。开展企业活动的风险分析与管理，预防和化解风险的发生，将风险造成的损失控制在最低限度，已成为保证企业经营活动并创造最大效益的重要措施之一。企业风险预警指标体系是衡量企业金融风险状况的标尺和重要依据。构建符合企业特点的风险预警指标体系要遵循以下基本原则：(1)全面性原则；(2)科学性原则；(3)目的性原则；(4)典型性原则；(5)可操作性原则；(6)公正性原则。

现有技术中，将企业风险分为内部风险和外部风险，包含四大风险综合指标：财务类、技术类、经营类和战略类。

(1)财务风险因子：包括流动性、筹资、投资、清偿、盈利、资产利用、成长等方面。

(2)技术风险因子：包括商标、专利、软件著作权、作品、关键技术等。

(3)经营风险因子：包括司法、经营异常、行政处罚等。

(4)战略风险因子：包括竞品、企业关联、发展历史等。

当前，企业风险预警多采用以下方法：在外部环境风险方面，借鉴六力分析模型，分析企业所处的竞争环境；在内部环境风险方面，结合国内外研究文献和数据的可得性，建立以财务风险因子、技术风险因子、经营风险因子、战略风险因子为主的指标体系，而常用的评级的方法有判别分析法、综合评判法、模糊分析法等，最后，依据评判结果设置预警区间，并采取相应对策。

现有技术的预警是从单指标数据分析或整体指标数据进行分析，且由于企业基本专业知识欠缺、企业数据维度高以及企业数据量大的现状，以及目前企业风险预警在信息获取、更新、处理和分析上都需要较长的时间，且无法实现动态处理，严重影响了风险预警的时效性，这在很大程度上使得企业风险预警存在严重的时间误差。

发明内容

本发明的目的在于提供一种基于关联分析FP-Tree算法的企业风险预警方法，不仅能够从单指标数据分析企业风险，也可以综合两个及以上指标数据挖掘企业风险，更全面挖掘企业存在的风险。

为实现上述目的，本发明的技术方案是：一种基于关联分析FP-Tree算法的企业风险预警方法，包括如下步骤：

步骤S1、根据历史企业相关行为数据，分析衡量企业风险状况的标尺和重要依据，设计风险指标体系X＝{x₁,x₂,…,x_i}，x_i表示风险指标体系的第i个指标的名称；

步骤S2、根据风险指标体系，运用大数据分析形成风险规则，即由一个或多个指标的值等于一预定值或预定区间值，认为企业可能存在相应风险，得到风险规则集B：

其中，X_k为指标体系X的子集；risk_k为由X_k分析推理得到的相对应的风险文字描述；

步骤S3、采集企业相关行为数据，并构建企业风险预警模型的训练指标数据集及待预警企业指标数据集，训练指标数据集中训练集：测试集＝4:1；