[发明专利]供应商财务风险预测方法及装置

权利要求书

1.一种供应商财务风险预测方法，其特征在于，包括：

获取目标供应商的财务风险指标数据；

将所述财务风险指标数据输入预设的卷积神经网络模型，并将该卷积神经网络模型的输出作为所述目标供应商对应的财务风险预测结果；

输出所述目标供应商对应的财务风险预测结果。

2.根据权利要求1所述的供应商财务风险预测方法，其特征在于，在所述获取目标供应商的财务风险指标数据之前，还包括：

获取各个所述供应商的历史财务风险指标数据；

应用各个所述供应商的历史财务风险指标数据训练卷积神经网络模型，以使该卷积神经网络模型用于预测供应商的财务风险。

3.根据权利要求2所述的供应商财务风险预测方法，其特征在于，所述获取各个所述供应商的历史财务风险指标数据，包括：

设置用于反映供应商财务风险的指标体系；

自所述指标体系中筛选任意数量的指标作为供应商的财务风险指标；

基于所述供应商的财务风险指标获取各个所述供应商的历史财务风险指标数据。

4.根据权利要求3所述的供应商财务风险预测方法，其特征在于，所述指标体系包括：多个一级指标以及各个所述一级指标各自对应的二级指标；

相对应的，所述目标供应商的财务风险指标数据为基于所述指标体系中的任意数量的指标提取而得。

5.根据权利要求2所述的供应商财务风险预测方法，其特征在于，所述应用各个所述供应商的历史财务风险指标数据训练卷积神经网络模型，以使该卷积神经网络模型用于预测供应商的财务风险，包括：

将各个所述供应商的历史财务风险指标数据划分为训练集、测试集以及验证集；

应用所述训练集训练卷积神经网络模型；

根据所述测试集用于对训练得到的卷积神经网络模型进行测试，并基于对应的测试结果调整所述卷积神经网络模型的参数；

以及，基于所述验证集检测所述卷积神经网络模型的预测效果。

6.根据权利要求1至5任一项所述的供应商财务风险预测方法，其特征在于，所述卷积神经网络模型包括依次连接的输入层、隐含层和输出层；

所述隐含层包括多个卷积层和多个池化层；

所述输出层包括光栅化层和多层感知器。

7.根据权利要求6所述的供应商财务风险预测方法，其特征在于，所述获取目标供应商的财务风险指标数据，包括：

获取目标供应商的财务风险指标数据对应的灰度图像数据。

8.根据权利要求7所述的供应商财务风险预测方法，其特征在于，所述将所述财务风险指标数据输入预设的卷积神经网络模型，并将该卷积神经网络模型的输出作为所述目标供应商对应的财务风险预测结果，包括：

将目标供应商的财务风险指标数据对应的灰度图像数据输入预设的卷积神经网络模型的所述输入层，以使该输入层应用预设的RGB转换方式将所述灰度图像数据转化为RGB彩色图像对应的三张输入图像，并将三张所述输入图像输入所述卷积层进行特征提取，而后将所述卷积层输出的数据传入所述池化层进行特征选择和信息过滤，得到对应的下采样结果，并将所述下采样结果发送至所述输出层，得到该输出层输出的所述目标供应商对应的财务风险预测结果。

9.根据权利要求4所述的供应商财务风险预测方法，其特征在于，所述一级指标包括：盈利能力指标、偿债能力指标、现金流量指标、营运能力指标、发展能力指标、风险水平指标和非财务指标；

所述盈利能力指标用于反映供应商的企业生产经营获利的能力；

所述偿债能力指标用于反映供应商的企业偿还到期债务的能力；

所述现金流量指标用于反映供应商的企业现金收支情况；

所述营运能力指标用于反映供应商的企业运营的效率；

所述发展能力指标用于反映供应商的企业扩大经营规模的能力；

所述风险水平指标用于反映供应商的企业财务风险水平；

所述非财务指标用于反映供应商的企业非财务风险水平。