[发明专利]一种上市公司经营异常智能审查方法及装置

说明书

本发明属于数据挖掘技术领域，具体涉及一种上市公司经营异常智能审查方法及装置，方法包括如下步骤：特征提取，提取待审查公司同领域所有上市公司的业务构成特征、收支比特征，结合业务构成特征和收支比特征构建组合特征；期望特征生成，生成收支比期望特征，拟合预测组合期望特征；计算偏离度，计算业务构成特征偏离度、收支比期望特征偏离度以及组合期望特征偏离度；基各偏离度计算待审查公司经营的异常值；设定经验阈值，异常值大于或等于经验阈值则标记审查公司经营异常。通过计算不同目标特征的偏离度，依据不同权重计算异常值，比对异常值与经验阈值，判别公司经营异常状况，提高上市公司经营异常审查效果。

技术领域

本发明属于数据挖掘技术领域，具体涉及一种上市公司经营异常智能审查方法及装置。

背景技术

上市公司监管机构需对上市公司的经营状况进行及时监管，可通过实地考察方式对上市公司进行监管。但实际监管过程中，由于上市公司数量众多，难以对每家上市公司都进行实地细致审查，现在上市公司监管机构多通过审计机构财务核查后公开的公告信息初步评估上市公司经营状况，发现异常后进行进一步审查，即利用数据挖掘等技术对上市公司的公告数据信息进行分析，构建大数据驱动的上市公司经营异常审查模型，进而提高上市公司监管机构的工作效率，同时提升监管效果。但是，现有大数据异常分析技术依赖于大量的正常或异常数据样本，但异常数据样本量有限，难以采取有监督的数据分析挖掘技术对上市公司经营状况进行异常检测。

发明内容

本发明在于提供一种无监督的上市公司经营异常智能审查方法及装置，从时间和空间维度上分析上市公司经营特征，通过提取、计算不同特征的偏离度，依据不同权重计算异常值，并与经验阈值比对，进而判别上市公司经营异常状况。

一种上市公司经营异常智能审查方法，包括如下步骤：

S1：特征提取

提取待审查公司同领域所有上市公司的业务构成特征、收支比特征，结合业务构成特征和收支比特征构建组合特征；

S2：期望特征生成

生成收支比期望特征，拟合预测组合期望特征；

S3：计算偏离度

计算业务构成特征偏离度、收支比期望特征偏离度以及组合期望特征偏离度；

S4：基于S3中各偏离度计算待审查公司经营的异常值；

S5：设定经验阈值，异常值大于或等于经验阈值则标记审查公司经营异常。

通过计算待审查公司不同目标特征的偏离度，并依据不同权重计算待审查公司的异常值，将异常值与经验阈值进行对比，进而判别上市公司经营异常状况。

所述S1中，从待审查公司同领域所有上市公司公告数据中提取业务构成数据，汇制成业务构成清单，基于one-hot表征与待审查公司同领域所有上市公司的业务构成特征。

所述S1中，从待审查公司同领域所有上市公司公告数据中提取收支科目，汇制成收支科目清单，将收支科目的收支比构成收支比特征。

所述收支比特征进行Min-max标准化处理后，采用生成对抗神经网络生成待审查公司同领域所有公司的收支比期望特征。

所述业务构成特征和所述收支比期望特征组合构建组合特征，采用自回归方法拟合历史组合特征值，并预测待审查公司当年组合特征的期望特征值。

所述S3中，业务构成特征偏离度的计算采用jaccard距离，逐一计算待审查公司与同领域其他上市公司的业务构成特征的平均偏离度。

所述S3中，收支比期望特征和组合期望特征的偏离度计算均采用余弦距离，分别计算待审查公司与同领域其他上市公司收支比期望特征偏离度以及组合特征自回归偏离度。