本发明涉及财务风险管控领域，具体涉及基于大数据预测和模型分析的智慧财务风险管控系统。
背景技术：
1、财务风险管控是指经营主体对其理财过程中存在的各种风险进行识别、度量和分析评价。并适时采取及时有效的方法进行防范和控制，以经济合理可行的方法进行处理，以保障理财活动安全正常开展，保证其经济利益免受损失的管理过程；
2、在进行财务风险管控过程中，会应用到财务风险管控系统。
3、现有的财务风险管控系统，存在着数据来源单一，只有企业内部经营数据、指标阈值条件不够灵活、风险排查规则简单，不能识别风险等级，需要财务风险人员手动判定，给财务风险管控系统的使用带来了一定的影响，因此，提出基于大数据预测和模型分析的智慧财务风险管控系统。
技术实现思路
1、本发明所要解决的技术问题在于：如何解决现有的财务风险管控系统，存在着数据来源单一，只有企业内部经营数据、指标阈值条件不够灵活、风险排查规则简单，不能识别风险等级，需要财务风险人员手动判定，给财务风险管控系统的使用带来了一定的影响的问题，提供了基于大数据预测和模型分析的智慧财务风险管控系统。
2、本发明是通过以下技术方案解决上述技术问题的，本发明包括数据管理模块和风险可视化模块；
3、所述数据管理模块的功能包括数据汇总、各对标数据库与智能推送；
4、风险可视化模块包括风险看板模块、风险报告模块与风险管报模块；
5、所述数据汇总用于进行展示数据抽取与分析指标分类；
6、对标参数则展示库用于进行国资委行业对标数据展示；
7、智能推送通过设置触发条件、筛选结果进行智能推送；
8、风险可视化通过风险看板模块、风险报告模块与风险管报模块进行看板、报告和管报的模式风险数据展示；
9、所述数据抽取的具体过程如下：通过etl获取企业数据，网络爬虫获取上市公司财务数据和银行业务指标数据；
10、所述分析指标分类的类型包括分类财务基础指标、国资委指标与经营预算指标。
11、进一步在于，所述数据管理模块还进行数据处理，所述数据处理的具体过程如下：通过滚动法与混业国资委模型算法进行数据处理，获取到净资产收益率，将净资产收益率与分析指标进行比较；
12、所述通过滚动法获取到净资产收益率，当获取到的净资产收益率低于行业获取到的指标平均水平，则以能力类别进行推送预警事项；若高于指标平均水平行业平均水平，则不推送。
13、进一步在于，所述混业国资委模型算法进行数据处理的具体过程如下：混业经营公司分为主业突出和兼业经营，对于主业突出的混业经营可以自选一个行业，类同于单业经营公司处理方式；
14、对于兼业经营，可在系统设置中自选不同混业方案进行处理，具体处理原理如下：
15、1)系统内置权重：
16、a.系统内置权重处理方式：资产合计、利润总额、营业总收入；
17、b.系统内置权重具体计算：单体公司科目金额/合并层级科目汇总金额；
18、以选择资产合计进行说明，假设合并公司甲下有单体公司a、b、c，
19、单体公司a权重＝单体公司a的资产合计/【单体公司a的资产合计+单体公司b的资产合计+单体公司c的资产合计】；
20、2)自定义设置权重：
21、各单体公司权重可自主手动添加，不通过系统自动生成；
22、当各单体公司权重合计数需为一，否则无法进行下一步
23、3)混业经营中指标合成实际值与合成标准值；
24、混业实际值为合并层级实际指标的加权平均数，混业标准值为合并层级国资委指标参数的加权平均数。当混业的指标异常为实际值＜标准值的平均值，指标显示异常，按照该指标所属能力进行风险预警事项的推送；
25、其具体计算方式：
26、a.合成实际值为直属下级企业的实际值乘以该企业的权重数的合计数。
27、假设合并公司指标，其直属下级公司所属行业的国资委参数分别为x1、x2……xn，对应的权重数分别为y1、y2……yn，则，合并公司甲某指标合成实际值m＝x1*y1+x2*y2……+xn*yn；
28、b.合成标准值为直属下级企业的标准乘以该企业的权重数的合计数：
29、假设合公司指标，其直属下级公司对应的实际值分别为为z1、z2……zn，对应的权重数分别为y1、y2……yn，则合并公司甲某指标合成实际值n＝z1*y1+z2*y2……+zn*yn。
30、进一步在于，所述财务基础指标、国资委指标及经营预算指标的指标阈值适应性设置，通过条件触发进行智能推送；
31、指标阈值适应性设置的具体过程如下：
32、利用大数据技术，对海量财务数据进行实时分析和处理；
33、采用机器学习算法对财务基础指标、国资委指标和经营预算指标进行模型训练；
34、通过智能推送算法，基于实时数据和模型输出，动态地调整指标的阈值；
35、通过定义和监控各类指标的触发条件，以及实时监测系统状态。
36、利用自然语言处理技术，将复杂的模型输出转化为易于理解的语言。
37、进一步在于，所述风险看板模块的具体功能包括：
38、风险看板基于企业的财务数据，通过数学模型和算法通过计算关键的财务风险指标，涵盖财务基础指标、国资委指标和经营预算指标，上述指标的内容包括财务比率、偿债能力指标、盈利能力指标等，
39、风险看板通过采用时间序列分析或其他统计方法，计算指标的历史演变，为用户提供关键趋势的可视化呈现；
40、风险看板利用异常检测算法，对财务指标的实时数据进行分析，异常检测算法包括统计学方法、机器学习算法或时间序列模型，识别与历史数据偏离异常的数值，标识潜在风险；
41、风险看板结合智能推送算法，根据实时计算的结果动态调整指标的阈值；
42、风险看板通过计算推送触发条件，确定向决策者发送智能推送的时间。
43、进一步在于，所述风险报告模块汇总了企业的财务风险数据，并对这些数据进行了分析和解释，风险报告模块的功能包括关键指标的对比分析、趋势分析和异常情况的详细说明；
44、风险报告模块通过对关键指标的对比分析，计算不同时间段或不同业务单元之间的差异；
45、风险报模块告通过趋势分析，利用数学模型和统计算法，计算指标的发展趋势，趋势分析不仅包括单一指标的趋势，还包括多个指标进行综合分析；
46、风险报告模块通过异常检测算法，计算并详细说明发现的异常情况，异常情况包括计算异常值的偏离程度、持续时间等参数；
47、风险报告可以通过综合指标分析，采用数学模型或多维度计算方法，计算不同指标之间的关联性和影响；
48、风险报告通过可视化方式呈现计算结果。
49、进一步在于，所述风险管报模块不仅包含了财务风险数据分析，还包含了风险管理动作情况分析
50、风险管报模块通过数学模型或规则引擎来计算指标的执行效果；
51、风险管报模块对风险管理动作的绩效评估，采用计量方法如关键绩效指标，计算实际绩效与预期目标的偏离程度；
52、风险管报结合模块财务风险数据和风险管理动作情况，通过计算提供对决策的支持，计算方式包括采用决策树和模拟分析，计算不同决策路径的风险和回报；
53、风险管报模块通过动态风险评估，采用实时数据计算企业当前的整体风险状况；
54、风险管报模块通过计算和分析结果向管理人员提供具体的决策建议，包括基于模型输出的优化建议和风险管理策略的调整建议。
55、进一步在于，所述通过etl获取到企业的数据的具体过程如下：
56、数据提取：从数据源获取数据，数据源包括数据库、文件、web页面、api，在这个提取过程中，确定要提取的数据范围和数据源的连接方式，以及如何将数据传输到etl系统中；
57、数据转换：负责将提取的数据进行转换和清洗，转换和清洗的过程包括数据的规范化、去重、填补缺失值、修改错误；
58、通过网络爬虫获取上市公司财务数据和银行业务指标数据的具体过程如下：
59、确定目标网站：首先，确定要爬取的上市公司数据和银行业务指标数据所在的网站；
60、分析网页结构：在开始编写爬虫之前，对目标网站进行分析，了解其网页结构，包括了解页面元素的布局、数据在页面中的位置、如何通过html标签或css选择器定位数据；
61、编写爬虫代码：使用编程语言，编写网络爬虫代码来自动浏览目标网站并提取所需的数据；
62、发送http请求：爬虫通过发送http请求来获取目标网页的内容。在请求中，指定要访问的url地址以及所需的参数；
63、解析网页内容：收到响应，爬虫将解析返回的html或xml内容，并提取所需的数据；
64、存储和整理数据：提取的数据存储在本地文件或数据库中。根据需求对数据进行清洗或格式化；
65、运行和维护：运行爬虫程序并定期检查其是否正常工作遇到问题或需要更新爬虫代码，及时进行相应的调整和修复。
66、本发明相比现有技术具有以下优点：该基于大数据预测和模型分析的智慧财务风险管控系统，后台大数据服务器不仅仅通过汇聚企业内部数据，还积极获取并整合相关同行业、对标企业以及上市公司的数据，从而打破了传统的数据孤岛。这一跨领域数据整合不仅扩展了数据源的广度，还为企业提供了更全面、多维度的信息基础，以支持更准确的风险分析和决策制定。
67、本系统的独特之处在于其灵活的指标阈值设置功能。通过将指标划分为财务基础指标、国资委指标和经营预算指标三大类，系统为用户提供了更细致的指标管理和监控。同时，用户可以根据具体需求自由调整阈值，使系统能够适应不同企业的经营特点，确保风险预警更为精准。
68、通过采用先进的大数据预测和模型分析技术，本系统在风险预测方面达到了更高的智能水平。系统能够不仅预测潜在的风险事项，还能为这些风险事项赋予等级，提供更具体的风险评估。这种级别化的预测有助于企业更好地理解风险的重要性和影响程度，帮助企业优先处理最关键的风险，从而降低整体的风险管控成本，让该系统更加值得推广使用。
1.基于大数据预测和模型分析的智慧财务风险管控系统，其特征在于，包括数据管理模块和风险可视化模块；
2.根据权利要求1所述的基于大数据预测和模型分析的智慧财务风险管控系统，其特征在于：所述数据管理模块还进行数据处理，所述数据处理的具体过程如下：通过滚动法与混业国资委模型算法进行数据处理，获取到净资产收益率，将净资产收益率与分析指标进行比较；
3.根据权利要求2所述的基于大数据预测和模型分析的智慧财务风险管控系统，其特征在于：所述混业国资委模型算法进行数据处理的具体过程如下：混业经营公司分为主业突出和兼业经营，对于主业突出的混业经营可以自选一个行业，类同于单业经营公司处理方式；
4.根据权利要求1所述的基于大数据预测和模型分析的智慧财务风险管控系统，其特征在于：所述财务基础指标、国资委指标及经营预算指标的指标阈值适应性设置，通过条件触发进行智能推送；
5.根据权利要求1所述的基于大数据预测和模型分析的智慧财务风险管控系统，其特征在于：所述风险看板模块的具体功能包括：
6.根据权利要求1所述的基于大数据预测和模型分析的智慧财务风险管控系统，其特征在于：所述风险报告模块汇总了企业的财务风险数据，并对这些数据进行了分析和解释，风险报告模块的功能包括关键指标的对比分析、趋势分析和异常情况的详细说明；
7.根据权利要求1所述的基于大数据预测和模型分析的智慧财务风险管控系统，其特征在于：所述风险管报模块不仅包含了财务风险数据分析，还包含了风险管理动作情况分析
8.根据权利要求1所述的基于大数据预测和模型分析的智慧财务风险管控系统，其特征在于：
