[发明专利]基于深度学习神经网络的企业投资风险评估方法

说明书

本发明公开了基于深度学习神经网络的企业投资风险评估方法，基于既成的投资关系的信息，分别采集各投资关系信息中投资机构和/或被投企业的基础信息；将基础信息格式化为结构化数据；基于金融词汇及训练词向量库形成的目标词向量库，对结构化数据进行特征向量的抽取；将特征向量通过目标函数转化为一个投资案例特征向量；基于投资案例资料，将投资案例转化后获得的投资案例特征向量并输入深度学习神经网络中获得投资风险评估模型；将评估的投资案例特征向量输入所述投资风险评估模型，根据投资风险评估模型的输出结果做出投资决策；将所获得的投资关系及投资决策作为投资案例资料，深度学习神经网络基于反馈的投资案例资料获得更好的评估模型。

技术领域

本发明涉及深度学习神经网络技术领域，尤其涉及一种基于深度学习神经网络的企业投资风险评估方法。

背景技术

目前在投资机构一级市场企业投资领域，主要由投资人作出投资决策。投资人进行投资决策主要依靠行业研究分析、企业高管访谈、企业客户访谈、企业外围访谈、企业情报收集与分析等方式方法，每个投资人根据自身的知识结构、行业经验、企业情报等信息做出投资决策，而每个投资人自身的知识结构、拥有的行业经验、获取的企业情报等信息有较大的差异，且投资人对信息的处理速度有限，导致投资人无法从大量历史投资机构投资被投企业的投资案例、被投企业信息、投资机构信息中识别具有风险的投资机构与被投企业特征，进而作出高质量的投资决策。

本发明利用深度学习神经网络技术，实现了投资机构一级市场企业投资领域的智能化，投资人可根据投资标的风险数值来决定是否投资该投资标的。

发明内容

本发明公开了一种基于深度学习神经网络的企业投资风险评估方法，其主要目的是评估投资标的的风险数值，帮助投资机构作出更优的投资决策。

为实现上述发明目的，本发明采取的技术方案是：基于深度学习神经网络的企业投资风险评估方法，包括以下步骤：

步骤一：从互联网上持续采集投资机构投资被投企业关系的信息；并接收投资人输入投资机构投资被投企业关系的信息。

步骤二：根据投资机构投资被投企业关系内的被投企业，从互联网上采集被投企业相关多方面的信息，并接收投资人输入或补全被投企业相关信息。

步骤三：根据投资机构投资被投企业关系内的投资机构，从互联网采集投资机构相关多方面的信息，并接受投资人输入或补全以上投资机构相关信息。

步骤四：对采集与接收的被投企业相关信息与投资机构相关信息进行数据清洗。

步骤五：分别对清洗后的被投企业相关信息与投资机构相关信息进行向量化特征抽取，获得被投企业特征向量和投资机构特征向量。

步骤六：在计算机上，搭建深度学习神经网络(Deep NeuralNetworks)。

步骤七：根据投资机构投资被投企业关系，将被投企业特征向量与投资机构特征向量组合成一个投资案例特征向量。再将大量的历史投资案例组合成大量的投资案例特征向量。

步骤八：将大量的投资案例特征向量输入深度学习神经网络(Deep NeuralNetworks)中训练，获得投资风险评估模型。

步骤九：输入待评估投资风险数值的投资标的被投企业与参与投资的投资机构，对输入的被投企业和投资机构进行向量化特征抽取，获得被投企业特征向量和投资机构特征向量，组合成一个待评估风险投资案例特征向量。

步骤十：将步骤九中的待评估风险投资案例特征向量输入投资风险评估模型，模型输出该笔投资案例的风险数值。

步骤十一：投资人参考投资风险评估模型输出的风险数值作出投资决策。