[发明专利]供应商财务风险预测方法及装置

说明书

本申请实施例提供一种供应商财务风险预测方法及装置，方法包括：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。本申请能够通过具有自我学习能力的深度学习卷积神经网络对供应商财务风险进行预测，并能够有效提高供应商财务风险预测的准确性，进而能够有效规避供应商潜在风险，保证自身企业的运转可靠性。

技术领域

本申请涉及数据处理技术领域，具体涉及供应商财务风险预测方法及装置。

背景技术

当前对供应商风险的研究主要集中对于供应链和供应商风险的风险指标筛选和优化上，较少注重风险指标体系理论研究，更多利用模糊综合评价，层次分析、灰色评价、SCOR模型、风险机制协调平衡等方法对风险评价和结论分析进行了系统综合归纳。神经网络模拟人类大脑的神经反射对机器进行训练，从而使得经过训练的神经网络可以对给定的输入值进行分析和判断，对输出值进行预测。

目前主要采用BP神经网络来构建供应商财务的风险预测模型，BP神经网络已经被广泛地应用于风险预警的研究当中。深度学习网络也属于人工神经网络的一种，但是与BP神经网络有着明显的区别。BP神经网络属于浅层网络，神经网络的层次很少，输入、隐含、输出一般各有一层，因此，BP模型存在收敛速度慢，繁殖能力差等不足，进而无法保证供应商财务风险预测的准确性。

发明内容

针对现有技术中的问题，本申请提供一种供应商财务风险预测方法及装置，能够通过具有自我学习能力的深度学习卷积神经网络对供应商财务风险进行预测，并能够有效提高供应商财务风险预测的准确性，进而能够有效规避供应商潜在风险，保证自身企业的运转可靠性。

为解决上述技术问题，本申请提供以下技术方案：

第一方面，本申请提供一种供应商财务风险预测方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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；