一種動(dòng)態(tài)評(píng)估方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種動(dòng)態(tài)評(píng)估方法及系統(tǒng)，該方法包括：預(yù)先建立基于智能決策支持系的動(dòng)態(tài)評(píng)估模型系統(tǒng)，動(dòng)態(tài)評(píng)估模型系統(tǒng)包括：基于遠(yuǎn)程數(shù)據(jù)搜索模式的開放式動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)、分類模型庫系統(tǒng)、智能評(píng)估系統(tǒng)、以及基于單接口封裝的可視化評(píng)估框架的人機(jī)交互系統(tǒng)。智能評(píng)估系統(tǒng)用于調(diào)用、管理動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)及分類模型庫系統(tǒng)，并與人機(jī)交互系統(tǒng)進(jìn)行信息交互。智能評(píng)估系統(tǒng)通過判斷評(píng)估對(duì)象的類別并據(jù)此選擇評(píng)估模型及相關(guān)的評(píng)估參數(shù)，并在評(píng)估模型庫中選取最優(yōu)模型對(duì)待評(píng)估的公司進(jìn)行股權(quán)評(píng)估。通過實(shí)施本發(fā)明能夠搭建一個(gè)融通的評(píng)估平臺(tái)，結(jié)合具有簡(jiǎn)單便捷的相對(duì)估值法與客觀準(zhǔn)確的絕對(duì)估值法，形成一套完整的智能動(dòng)態(tài)評(píng)估體系。
【專利說明】
-種動(dòng)態(tài)評(píng)估方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及計(jì)算機(jī)智能評(píng)估技術(shù)領(lǐng)域，特別設(shè)及一種動(dòng)態(tài)評(píng)估方法及動(dòng)態(tài)評(píng)估模 型系統(tǒng)。
【背景技術(shù)】
[0002] 近年來，智能決策支持系（IDSS，Intelligent Decision Su卵ort System)己成為 系統(tǒng)工程與計(jì)算機(jī)應(yīng)用領(lǐng)域中的重要研究課題。通過眾多相關(guān)專家、學(xué)者的不斷探索和研 究，IDSS在學(xué)術(shù)界的理論研究和國(guó)民經(jīng)濟(jì)的實(shí)際應(yīng)用中得到了迅猛發(fā)展。自IDSS開發(fā)W來， 與它的理論研究相比，實(shí)際應(yīng)用工作開展得更早，它廣泛用于企業(yè)管理、系統(tǒng)開發(fā)、經(jīng)濟(jì)分 析與規(guī)劃、戰(zhàn)略研究、資源管理、投資規(guī)劃等方面，支持各類決策問題的決策支持系統(tǒng)大量 出現(xiàn)并已投入使用。
[0003] 概括來講，IDSS是W管理科學(xué)、運(yùn)籌學(xué)、控制論和行為科學(xué)為基礎(chǔ)，W計(jì)算機(jī)技術(shù)、 人工智能技術(shù)和信息技術(shù)為手段，智能化地支持決策活動(dòng)的計(jì)算機(jī)系統(tǒng)。它通過人機(jī)對(duì)話 進(jìn)行分析、比較和判斷，進(jìn)而識(shí)別問題，建立或修改模型，幫助決策者明確決策目標(biāo)，為決策 者提供各種方案并對(duì)其進(jìn)行評(píng)價(jià)和優(yōu)選，為正確決策提供有益幫助。
[0004] 但是，智能財(cái)務(wù)系統(tǒng)還大多局限在利用圖表對(duì)現(xiàn)有狀況進(jìn)行描述，在解決企業(yè)普 遍的管理與決策問題方面仍然處于研究探索階段。運(yùn)里，W企業(yè)股權(quán)價(jià)值評(píng)估為例，目前的 股權(quán)價(jià)值評(píng)估主要基于評(píng)估參與者對(duì)大量財(cái)務(wù)數(shù)據(jù)的分析，W評(píng)估參與者自身的知識(shí)、經(jīng) 驗(yàn)、技術(shù)等因素為基礎(chǔ)對(duì)股權(quán)價(jià)值進(jìn)行非常主觀的評(píng)估，運(yùn)樣做既費(fèi)時(shí)又耗力，而且不夠準(zhǔn) 確、智能。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明實(shí)施例的目的在于提出一種動(dòng)態(tài)評(píng)估方法及動(dòng)態(tài)評(píng)估模型系 統(tǒng)，設(shè)計(jì)一種智能動(dòng)態(tài)的評(píng)估體系，能夠?qū)崿F(xiàn)高效精準(zhǔn)的評(píng)估。
[0006] 進(jìn)一步來講，該動(dòng)態(tài)評(píng)估方法包括W下步驟：預(yù)先建立基于智能決策支持系 (IDSS)的動(dòng)態(tài)評(píng)估模型系統(tǒng)，所述動(dòng)態(tài)評(píng)估模型系統(tǒng)包括:基于遠(yuǎn)程數(shù)據(jù)捜索模式的開放 式動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)、分類模型庫系統(tǒng)、智能評(píng)估系統(tǒng)、W及基于單接口封裝的可視化評(píng)估框 架的人機(jī)交互系統(tǒng);所述智能評(píng)估系統(tǒng)通過人機(jī)交互系統(tǒng)獲取評(píng)估對(duì)象的身份信息；調(diào)用 所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)，所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)根據(jù)所述評(píng)估對(duì)象的身份信息、所述智能評(píng)估 系統(tǒng)設(shè)置的篩選條件、捜索路徑及捜索關(guān)鍵詞捜索并獲取關(guān)于所述評(píng)估對(duì)象的目標(biāo)數(shù)據(jù)所 在的HTML源碼，并對(duì)所述HTML源碼進(jìn)行數(shù)據(jù)解析及重構(gòu)；
[0007] 調(diào)用所述分類模型庫系統(tǒng)，所述分類模型庫系統(tǒng)根據(jù)所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)獲得的 目標(biāo)數(shù)據(jù)，提取能夠反映所述評(píng)估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)，對(duì)所述結(jié)構(gòu)特征數(shù)據(jù)進(jìn)行識(shí)別和 分類分析運(yùn)算;所述智能評(píng)估系統(tǒng)根據(jù)所述分類模型庫系統(tǒng)的運(yùn)算結(jié)果，判斷所述評(píng)估對(duì) 象是屬于離群樣本還是屬于合群樣本，并選取對(duì)應(yīng)的最優(yōu)評(píng)估模型對(duì)所述評(píng)估對(duì)象進(jìn)行評(píng) 估;若所述評(píng)估對(duì)象屬于合群樣本，則根據(jù)所述分類分析結(jié)果及設(shè)置的評(píng)估參數(shù)，在所述分 類模型庫系統(tǒng)中調(diào)用與所述評(píng)估對(duì)象相匹配的評(píng)估模型，采用相對(duì)估值方式，對(duì)所述評(píng)估 對(duì)象進(jìn)行評(píng)估，并輸出評(píng)估結(jié)果;若所述評(píng)估對(duì)象屬于離群樣本，則根據(jù)所述分類分析結(jié)果 及設(shè)置的評(píng)估參數(shù)，采用絕對(duì)估值方式，對(duì)所述評(píng)估對(duì)象進(jìn)行評(píng)估，并輸出評(píng)估結(jié)果。
[000引可選地，在一些實(shí)施例中，所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)根據(jù)所述評(píng)估對(duì)象的身份信息、所 述智能評(píng)估系統(tǒng)設(shè)置的篩選條件、捜索路徑及捜索關(guān)鍵詞捜索并獲取關(guān)于所述評(píng)估對(duì)象的 目標(biāo)數(shù)據(jù)所在的HTML源碼，并對(duì)所述HTML源碼進(jìn)行數(shù)據(jù)解析及重構(gòu)包括:根據(jù)所述評(píng)估對(duì) 象的身份信息選定評(píng)估對(duì)象，獲取預(yù)先設(shè)置的對(duì)應(yīng)的篩選條件、捜索路徑及捜索關(guān)鍵詞;所 述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)采用基于開放式爬蟲算法的遠(yuǎn)程在線數(shù)據(jù)庫建庫模式，當(dāng)所述評(píng)估對(duì)象 選定后，通過開放式爬蟲算法根據(jù)評(píng)估對(duì)象相關(guān)信息W及預(yù)設(shè)的抓L站點(diǎn)捜索評(píng)估所需數(shù) 據(jù)，W關(guān)鍵詞響應(yīng)的方式訪問一個(gè)或多個(gè)遠(yuǎn)程服務(wù)器端口，捜集并下載相應(yīng)的目標(biāo)數(shù)據(jù)所 在的HTML源碼；其中，所述遠(yuǎn)程服務(wù)器端口存儲(chǔ)在所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)中，通過U化調(diào)用的 方式訪問目標(biāo)頁面;通過正則表達(dá)式字符串特征分類的方式解析、下載所述HTML源碼到本 地服務(wù)器，從而形式一個(gè)動(dòng)態(tài)的臨時(shí)遠(yuǎn)程在線數(shù)據(jù)庫;其中，所述正則表達(dá)式與所述目標(biāo)數(shù) 據(jù)的關(guān)鍵詞相匹配。
[0009] 可選地，在一些實(shí)施例中，所述分類模型庫系統(tǒng)根據(jù)所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)，提取能 夠反映所述評(píng)估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)，對(duì)所述結(jié)構(gòu)特征數(shù)據(jù)進(jìn)行識(shí)別和分類分析包括:采 用預(yù)先建立的數(shù)據(jù)分析模型對(duì)所述評(píng)估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)進(jìn)行提取;其中，所述數(shù)據(jù)分 析模型包括用于對(duì)所述評(píng)估對(duì)象的進(jìn)行特征壓縮和維度歸約的主成分分析(PCA)模型;采 用預(yù)先建立的混合模型對(duì)所述評(píng)估對(duì)象進(jìn)行分類分析;其中，所述混合模型包括:層次聚類 模型和支持向量機(jī)(SVM)模型，所述層次聚類模型用于識(shí)別所述評(píng)估對(duì)象與同類參考對(duì)象 的關(guān)聯(lián)程度、并為運(yùn)種關(guān)聯(lián)程度打上關(guān)聯(lián)標(biāo)簽的層次聚類模型;支持向量機(jī)(SVM)模型用于 根據(jù)所述關(guān)聯(lián)標(biāo)簽判斷所述評(píng)估對(duì)象是否能匹配到可作為評(píng)估參考的同類參考對(duì)象，如果 所述評(píng)估對(duì)象能匹配到可作為評(píng)估參考的同類參考對(duì)象，則所述評(píng)估對(duì)象屬于合群樣本， 否則所述評(píng)估對(duì)象屬于離群樣本。
[0010] 可選地，在一些實(shí)施例中，所述分類模型庫用于為所述智能評(píng)估系統(tǒng)提供其存儲(chǔ) 的各類模型，所述分類模型庫還配置有模型庫管理系統(tǒng)，所述模型庫管理系統(tǒng)用于對(duì)存儲(chǔ) 的模型進(jìn)行模型提取、訪問、更新和合成操作；其中，所述分類模型庫針對(duì)同類參考對(duì)象設(shè) 置有專用模型、例行分析模型、組合模型W及臨時(shí)模型;所述分類模型庫還配置有模型庫管 理系統(tǒng)，所述模型庫管理系統(tǒng)包括構(gòu)造管理模塊、存取管理模塊、運(yùn)行管理模塊，還設(shè)置有 模型字典、內(nèi)部數(shù)據(jù)庫和外部數(shù)據(jù)庫，用于管理、調(diào)用、配置所述分類模型庫中的相關(guān)模型。
[0011] 可選地，在一些實(shí)施例中，所述評(píng)估對(duì)象為目標(biāo)企業(yè)的股權(quán)價(jià)值，所述評(píng)估對(duì)象的 身份信息為公司名字或股票代碼;所述相對(duì)估值方式包括市盈率(P/E)模型、市凈率(P/B) 模型及市銷率(P/S)模型;所述智能評(píng)估系統(tǒng)根據(jù)基于理論知識(shí)和專家經(jīng)驗(yàn)設(shè)計(jì)的評(píng)估參 數(shù)，選取對(duì)應(yīng)的最優(yōu)評(píng)估模型對(duì)屬于合群樣本的評(píng)估對(duì)象進(jìn)行股價(jià)價(jià)值評(píng)估;所述絕對(duì)估 值方式包括凈現(xiàn)金流折現(xiàn)(NPV)模型、實(shí)物期權(quán)(R化t.)估值模型;所述智能評(píng)估系統(tǒng)根據(jù) 基于理論知識(shí)和專家經(jīng)驗(yàn)設(shè)計(jì)的評(píng)估參數(shù)，選取對(duì)應(yīng)的最優(yōu)評(píng)估模型對(duì)屬于離群樣本的評(píng) 估對(duì)象進(jìn)行股價(jià)價(jià)值評(píng)估;其中，所述層次聚類模型為用于分析相關(guān)企業(yè)關(guān)聯(lián)度的Kmeans 聚類模型。
[0012] 可選地，在一些實(shí)施例中，所述智能評(píng)估系統(tǒng)設(shè)置的篩選條件為基于理論知識(shí)和 專家經(jīng)驗(yàn)設(shè)計(jì)出來的邏輯推理原則，w代碼形式封裝于所述智能評(píng)估系統(tǒng)，并按順序進(jìn)行 編碼，可被規(guī)格化、系統(tǒng)化的調(diào)用。
[0013] 為實(shí)現(xiàn)上述動(dòng)態(tài)評(píng)估方法，本發(fā)明還提出一種動(dòng)態(tài)評(píng)估模型系統(tǒng)。進(jìn)一步來講，該 動(dòng)態(tài)評(píng)估模型系統(tǒng)包括:人機(jī)交互系統(tǒng)，基于單接口封裝，具有可視化評(píng)估框架，設(shè)置有人 機(jī)交互界面及結(jié)果輸出顯示界面;動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)，基于遠(yuǎn)程數(shù)據(jù)捜索模式，具有開放式動(dòng) 態(tài)在線數(shù)據(jù)庫，用于根據(jù)所述評(píng)估對(duì)象的身份信息、所設(shè)置的篩選條件、捜索路徑及捜索關(guān) 鍵詞捜索并獲取關(guān)于所述評(píng)估對(duì)象的目標(biāo)數(shù)據(jù)所在的HTML源碼，并對(duì)所述HTML源碼進(jìn)行數(shù) 據(jù)解析及重構(gòu);分類模型庫系統(tǒng)，用于根據(jù)所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)獲得的目標(biāo)數(shù)據(jù)，提取能夠 反映所述評(píng)估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)，對(duì)所述結(jié)構(gòu)特征數(shù)據(jù)進(jìn)行識(shí)別和分類分析運(yùn)算；智能 評(píng)估系統(tǒng)，用于根據(jù)所述分類模型庫系統(tǒng)的運(yùn)算結(jié)果，判斷所述評(píng)估對(duì)象是屬于離群樣本 還是屬于合群樣本，并選取對(duì)應(yīng)的最優(yōu)評(píng)估模型對(duì)所述評(píng)估對(duì)象進(jìn)行評(píng)估；當(dāng)所述評(píng)估對(duì) 象屬于合群樣本時(shí)，用于根據(jù)所述分類分析結(jié)果及設(shè)置的評(píng)估參數(shù)，在所述分類模型庫系 統(tǒng)中調(diào)用與所述評(píng)估對(duì)象相匹配的評(píng)估模型，采用相對(duì)估值方式，對(duì)所述評(píng)估對(duì)象進(jìn)行評(píng) 估，并輸出評(píng)估結(jié)果；W及，當(dāng)所述評(píng)估對(duì)象屬于離群樣本時(shí)，用于根據(jù)所述分類分析結(jié)果 及設(shè)置的評(píng)估參數(shù)，采用絕對(duì)估值方式，對(duì)所述評(píng)估對(duì)象進(jìn)行評(píng)估，并輸出評(píng)估結(jié)果。
[0014] 可選地，在一些實(shí)施例中，所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)包括:開放式的遠(yuǎn)程在線數(shù)據(jù)庫、 本地?cái)?shù)據(jù)庫及數(shù)據(jù)庫管理系統(tǒng);所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)采用開放式爬蟲算法作為建庫引擎； 和/或，所述分類模型庫系統(tǒng)包括分類模型簇W及模型庫管理系統(tǒng)，所述分類模型簇為所述 智能評(píng)估系統(tǒng)提供其存儲(chǔ)的各類模型，所述模型庫管理系統(tǒng)用于對(duì)存儲(chǔ)的模型進(jìn)行模型提 取、訪問、更新和合成操作;所述分類模型庫系統(tǒng)用于采用預(yù)先建立的數(shù)據(jù)分析模型對(duì)所述 評(píng)估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)進(jìn)行提取、W及用于采用預(yù)先建立的混合模型對(duì)所述評(píng)估對(duì)象進(jìn) 行分類分析;其中，所述分類模型簇包括數(shù)據(jù)分析模型，所述數(shù)據(jù)分析模型包括用于對(duì)所述 評(píng)估對(duì)象的進(jìn)行特征壓縮和維度歸約的主成分分析(PCA)模型;所述混合模型包括:層次聚 類模型和支持向量機(jī)(SVM)模型，所述層次聚類模型用于識(shí)別所述評(píng)估對(duì)象與同類參考對(duì) 象的關(guān)聯(lián)程度、并為運(yùn)種關(guān)聯(lián)程度打上關(guān)聯(lián)標(biāo)簽的層次聚類模型;支持向量機(jī)(SVM)模型用 于根據(jù)所述關(guān)聯(lián)標(biāo)簽判斷所述評(píng)估對(duì)象是否能匹配到可作為評(píng)估參考的同類參考對(duì)象，如 果所述評(píng)估對(duì)象能匹配到可作為評(píng)估參考的同類參考對(duì)象，則所述評(píng)估對(duì)象屬于合群樣 本，否則所述評(píng)估對(duì)象屬于離群樣本;所述分類模型簇還包括股權(quán)價(jià)值評(píng)估模型，所述股權(quán) 價(jià)值評(píng)估模型包括:第一模型庫中的市盈率(P/E)模型、市凈率(P/B)模型、市銷率(P/S)模 型；W及，第二模型庫中的凈現(xiàn)金流折現(xiàn)(NPV)模型、W及實(shí)物期權(quán)(ROpt.);其中，所述第一 模型庫和所述第二模型庫中各模型的調(diào)用條件由所述智能評(píng)估系統(tǒng)設(shè)置的評(píng)估參數(shù)決定。
[0015] 可選地，在一些實(shí)施例中，所述智能評(píng)估系統(tǒng)用于調(diào)用、管理所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng) 及分類模型庫系統(tǒng)，并與所述人機(jī)交互系統(tǒng)進(jìn)行信息交互;所述智能評(píng)估系統(tǒng)包括:本體領(lǐng) 域模塊，用于提供對(duì)相關(guān)理論的共享概念模型和形式化規(guī)范說明；邏輯推理模塊:用于提供 相關(guān)理論與對(duì)應(yīng)的邏輯關(guān)系的匹配方式;任務(wù)計(jì)算模塊：用于根據(jù)確定的估值模型進(jìn)行計(jì) 算并將計(jì)算結(jié)果輸出。
[0016] 可選地，在一些實(shí)施例中，所述智能評(píng)估系統(tǒng)設(shè)置的篩選條件為基于理論知識(shí)和 專家經(jīng)驗(yàn)設(shè)計(jì)出來的邏輯推理原則，W代碼形式封裝于所述智能評(píng)估系統(tǒng)，并按順序進(jìn)行 編碼，可被規(guī)格化、系統(tǒng)化的調(diào)用。
[0017] 相對(duì)于現(xiàn)有技術(shù)，本發(fā)明各實(shí)施例具有W下優(yōu)點(diǎn)：
[0018] 采用本發(fā)明實(shí)施例的技術(shù)方案后，通過引入信息捜索、數(shù)據(jù)挖掘、專家知識(shí)推理等 技術(shù)，針對(duì)上市公司股權(quán)價(jià)值建立一套基于IDSS的動(dòng)態(tài)評(píng)估模型系統(tǒng)，該動(dòng)態(tài)評(píng)估模型系 統(tǒng)包括動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)、分類模型庫系統(tǒng)、智能評(píng)估系統(tǒng)W及人機(jī)交互系統(tǒng)。其中，智能評(píng) 估系統(tǒng)用于調(diào)用、管理所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)及分類模型庫系統(tǒng)，并與所述人機(jī)交互系統(tǒng)進(jìn) 行信息交互。智能評(píng)估系統(tǒng)采用一種基于二叉樹的條件判斷來對(duì)估值模型的選用進(jìn)行推理 篩選，來判斷評(píng)估對(duì)象與參考評(píng)估模型是否存在著較高的相似度，并在評(píng)估模型庫中選取 最優(yōu)模型對(duì)待評(píng)估的公司進(jìn)行股權(quán)評(píng)估。本發(fā)明采用數(shù)學(xué)邏輯和算法推演，搭建一個(gè)融通 的評(píng)估平臺(tái)，結(jié)合具有簡(jiǎn)單化、便捷化與時(shí)效化等特征的相對(duì)估值法與具有客觀性、準(zhǔn)確性 及完備性等特征絕對(duì)估值法，形成一套完整的智能動(dòng)態(tài)評(píng)估體系。而且通過設(shè)計(jì)一種開放 式的遠(yuǎn)程在線數(shù)據(jù)庫系統(tǒng)，在作價(jià)值評(píng)估時(shí)，不需要人工去收集評(píng)估所需要的數(shù)據(jù)，并通過 正則表達(dá)式將網(wǎng)路上爬取的非結(jié)構(gòu)化數(shù)據(jù)解析為結(jié)構(gòu)化數(shù)據(jù)，最后將獲取的結(jié)構(gòu)化數(shù)據(jù)下 載到本地的一個(gè)臨時(shí)數(shù)據(jù)庫，作為評(píng)估的數(shù)據(jù)支持。運(yùn)樣既規(guī)避了傳統(tǒng)人力評(píng)估所產(chǎn)生的 主觀誤差，又最大限度的降低了評(píng)估過程所照成的成本損耗，將人力從繁重的評(píng)估工作中 解放出來。
[0019] 本發(fā)明實(shí)施例的更多特點(diǎn)和優(yōu)勢(shì)將在之后的【具體實(shí)施方式】予W說明。
【附圖說明】
[0020] 構(gòu)成本發(fā)明實(shí)施例一部分的附圖用來提供對(duì)本發(fā)明實(shí)施例的進(jìn)一步理解，本發(fā)明 的示意性實(shí)施例及其說明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中：
[0021 ]圖1為本發(fā)明實(shí)施例提供的動(dòng)態(tài)評(píng)估方法的流程示意圖；
[0022] 圖2為本發(fā)明實(shí)施例提供的動(dòng)態(tài)評(píng)估模型系統(tǒng)的組成框圖。
【具體實(shí)施方式】
[0023] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0024] 需要說明的是，在不沖突的情況下，本發(fā)明實(shí)施例及實(shí)施例中的特征可W相互組 厶 1=1 〇
[0025] 下面結(jié)合附圖，對(duì)本發(fā)明的各實(shí)施例作進(jìn)一步說明：
[0026] 方法實(shí)施例
[0027] 為解決，本發(fā)明實(shí)施例提出一種動(dòng)態(tài)評(píng)估方法，參照?qǐng)D1所示的流程示意圖，該方 法包括W下處理步驟：
[0028] S102:預(yù)先建立基于智能決策支持系（IDSS)的動(dòng)態(tài)評(píng)估模型系統(tǒng)，動(dòng)態(tài)評(píng)估模型 系統(tǒng)包括:基于遠(yuǎn)程數(shù)據(jù)捜索模式的開放式動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)、分類模型庫系統(tǒng)、智能評(píng)估系 統(tǒng)、W及基于單接口封裝的可視化評(píng)估框架的人機(jī)交互系統(tǒng)。
[0029] S104:智能評(píng)估系統(tǒng)通過人機(jī)交互系統(tǒng)獲取評(píng)估對(duì)象的身份信息。
[0030] 其中，人機(jī)交互系統(tǒng)采用單接口封裝的可視化評(píng)估框架(SIPVF)的I/O設(shè)計(jì)架構(gòu)， 可極大地簡(jiǎn)化評(píng)估過程，提高評(píng)估的效率。
[0031] S106:調(diào)用動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)，動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)根據(jù)評(píng)估對(duì)象的身份信息、智能評(píng)估 系統(tǒng)設(shè)置的篩選條件、捜索路徑及捜索關(guān)鍵詞捜索并獲取關(guān)于評(píng)估對(duì)象的目標(biāo)數(shù)據(jù)所在的 HTML源碼，并對(duì)HTML源碼進(jìn)行數(shù)據(jù)解析及重構(gòu)。
[0032] 本步驟中，動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)采用的是基于開放式爬蟲算法的在線數(shù)據(jù)庫建庫模 式，采用運(yùn)樣的在線數(shù)據(jù)庫建庫模式建立的數(shù)據(jù)倉庫是動(dòng)態(tài)的、面向?qū)ο蟮?，即?dāng)評(píng)估對(duì)象 選定后，模型庫的爬蟲算法會(huì)根據(jù)評(píng)估對(duì)象，W及事先設(shè)定好的TOL站點(diǎn)捜索評(píng)估所需數(shù) 據(jù)，并通過正則表達(dá)式解析、下載運(yùn)些數(shù)據(jù)到本地服務(wù)器，從而形式一個(gè)動(dòng)態(tài)的臨時(shí)數(shù)據(jù) 庫。運(yùn)種基于開放式爬蟲算法的在線數(shù)據(jù)庫的好處在于:它既提高了評(píng)估的效率，又保證評(píng) 估數(shù)據(jù)的質(zhì)量，并且運(yùn)種建庫方式適用于幾乎所有上市公司。
[0033] S108:調(diào)用分類模型庫系統(tǒng)，分類模型庫系統(tǒng)根據(jù)動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)獲得的目標(biāo)數(shù) 據(jù)，提取能夠反映評(píng)估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)，對(duì)結(jié)構(gòu)特征數(shù)據(jù)進(jìn)行識(shí)別和分類分析運(yùn)算；
[0034] S110:智能評(píng)估系統(tǒng)根據(jù)分類模型庫系統(tǒng)的運(yùn)算結(jié)果，判斷評(píng)估對(duì)象是屬于離群 樣本還是屬于合群樣本，并選取對(duì)應(yīng)的最優(yōu)評(píng)估模型對(duì)評(píng)估對(duì)象進(jìn)行評(píng)估，若評(píng)估對(duì)象屬 于合群樣本，則執(zhí)行步驟S112;若評(píng)估對(duì)象屬于離群樣本，則執(zhí)行步驟S114;
[0035] S112:根據(jù)分類分析結(jié)果及設(shè)置的評(píng)估參數(shù)，在分類模型庫系統(tǒng)中調(diào)用與評(píng)估對(duì) 象相匹配的評(píng)估模型，采用相對(duì)估值方式，對(duì)評(píng)估對(duì)象進(jìn)行評(píng)估，并輸出評(píng)估結(jié)果；
[0036] S114:根據(jù)分類分析結(jié)果及設(shè)置的評(píng)估參數(shù)，采用絕對(duì)估值方式，對(duì)評(píng)估對(duì)象進(jìn)行 評(píng)估，并輸出評(píng)估結(jié)果。
[0037] 上述實(shí)施例建立了基于IDSS的上市公司股權(quán)價(jià)值評(píng)估體系的基本架構(gòu)，采用數(shù)學(xué) 邏輯和算法推演搭建融通的評(píng)估平臺(tái)，通過判斷評(píng)估對(duì)象的類別并據(jù)此選擇評(píng)估模型及相 關(guān)的評(píng)估參數(shù)，并在評(píng)估模型庫中選取最優(yōu)估值模型對(duì)待評(píng)估的公司進(jìn)行股權(quán)評(píng)估，運(yùn)樣 能夠基本實(shí)現(xiàn)對(duì)于各類上市公司股權(quán)價(jià)值的智能化、自動(dòng)化評(píng)估，結(jié)合具有簡(jiǎn)單化、便捷化 與時(shí)效化等特征的相對(duì)估值法與具有客觀性、準(zhǔn)確性及完備性等特征絕對(duì)估值法，形成一 套完整的智能動(dòng)態(tài)評(píng)估體系，運(yùn)種特例過濾型推理模式，不僅滿足普通企業(yè)的評(píng)估，還能找 出特殊企業(yè)所適合的股權(quán)評(píng)估模型。因此，上述實(shí)施例既規(guī)避了傳統(tǒng)人力評(píng)估所產(chǎn)生的主 觀誤差，又最大限度的降低了評(píng)估過程所照成的成本損耗，將人力從繁重的評(píng)估工作中解 放出來。
[0038] 作為一種可選的實(shí)施方式，上述實(shí)施例S106中，動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)根據(jù)評(píng)估對(duì)象的 身份信息、智能評(píng)估系統(tǒng)設(shè)置的篩選條件、捜索路徑及捜索關(guān)鍵詞捜索并獲取關(guān)于評(píng)估對(duì) 象的目標(biāo)數(shù)據(jù)所在的HTML源碼，并對(duì)HTML源碼進(jìn)行數(shù)據(jù)解析及重構(gòu)的步驟包括W下處理過 程：
[0039] S1061:根據(jù)評(píng)估對(duì)象的身份信息選定評(píng)估對(duì)象，獲取預(yù)先設(shè)置的對(duì)應(yīng)的篩選條 件、捜索路徑及捜索關(guān)鍵詞；
[0040] S1062:動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)采用基于開放式爬蟲算法的遠(yuǎn)程在線數(shù)據(jù)庫建庫模式，當(dāng) 評(píng)估對(duì)象選定后，通過開放式爬蟲算法根據(jù)評(píng)估對(duì)象相關(guān)信息W及預(yù)設(shè)的U化站點(diǎn)捜索評(píng) 估所需數(shù)據(jù)，W關(guān)鍵詞響應(yīng)的方式訪問一個(gè)或多個(gè)遠(yuǎn)程服務(wù)器端口，捜集并下載相應(yīng)的目 標(biāo)數(shù)據(jù)所在的HTML源碼;其中，遠(yuǎn)程服務(wù)器端口存儲(chǔ)在動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)中，通過U化調(diào)用的 方式訪問目標(biāo)頁面；
[0041 ] S1063:通過正則表達(dá)式字符串特征分類的方式解析、下載HTML源碼到本地服務(wù) 器，從而形式一個(gè)動(dòng)態(tài)的臨時(shí)遠(yuǎn)程在線數(shù)據(jù)庫;其中，正則表達(dá)式與目標(biāo)數(shù)據(jù)的關(guān)鍵詞相匹 配。
[0042] 上述實(shí)施例中，W評(píng)估對(duì)象為上市公司為例，通過采用智能的網(wǎng)絡(luò)爬蟲算法構(gòu)建 開放式動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)，該動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)將根據(jù)評(píng)估對(duì)象的名稱或關(guān)鍵字(如:上市公司 股票代碼)及篩選條件等，通過一種關(guān)鍵詞響應(yīng)的方式訪問一個(gè)(或幾個(gè))遠(yuǎn)程服務(wù)器端口， 在互聯(lián)網(wǎng)上對(duì)評(píng)估對(duì)象及其行業(yè)相關(guān)公司財(cái)務(wù)資料的URL(統(tǒng)一資源定位器）端口進(jìn)行捜 索、并通過正則表達(dá)式對(duì)Web字符串進(jìn)行解析，提取關(guān)鍵的財(cái)務(wù)數(shù)據(jù)，并下載到本地。其中， 遠(yuǎn)程服務(wù)器端口指的是一些開源的財(cái)經(jīng)類數(shù)據(jù)庫、口戶網(wǎng)站、資訊中屯、的API端口。運(yùn)些API 端口將會(huì)事先被指定被保存在IDSS數(shù)據(jù)倉庫的一個(gè)核屯、模塊中，并通過U化調(diào)用的方式來 訪問。而運(yùn)些財(cái)經(jīng)類數(shù)據(jù)庫、Π 戶網(wǎng)站、資訊中屯、的API端口一般都涵蓋了大量的不同類型 的公司財(cái)務(wù)數(shù)據(jù)，它們分布在網(wǎng)站站點(diǎn)下的各個(gè)TOIL文件中，且相互之間存在關(guān)聯(lián)，因此， 運(yùn)用爬蟲算法可將其逐一找到并下載下來。
[0043] 下面對(duì)正則表達(dá)式作一下說明：上述實(shí)施例中通過爬蟲算法我們可W獲取目標(biāo)數(shù) 據(jù)所在的HTML源碼，然而HTML源碼中包含有大量的冗余信息。通過觀察可知，HTML中的代碼 是W字符串的形式顯示，并且運(yùn)些字符串大多都有特定的結(jié)構(gòu)特征。由于HTML的源代碼被 嵌入在字符串中，無法直接將其取出并保存于本地的數(shù)據(jù)庫中，因此，采用一種用于字符串 匹配的語法規(guī)則（即正則表達(dá)式），來解析HTML中源碼的字符串，W便提取字符串中有用的 數(shù)據(jù)。運(yùn)里，正則表達(dá)式又稱正規(guī)表示法(Regular Expression,在代碼中常簡(jiǎn)寫為regex、 regexp或RE)，是一種W字符串集中各字符串的共有特征為依據(jù)的描述字符串集的方法。正 則表達(dá)式可W用于捜索、編輯或者是操作文本和數(shù)據(jù)。在本文中，正則表達(dá)式被用匹配上市 公司股價(jià)價(jià)值評(píng)估所需的財(cái)務(wù)數(shù)據(jù)的關(guān)鍵詞(如下表中所示），并根據(jù)運(yùn)些關(guān)鍵詞捜索具體 的財(cái)務(wù)數(shù)據(jù)。
[0044] 正則表達(dá)式轉(zhuǎn)義符列表
[0045]
[0046] 上表給出了正則表達(dá)式常用的轉(zhuǎn)義符，將利用運(yùn)些轉(zhuǎn)義符的組合來構(gòu)成正則表達(dá) 式的語法，并用運(yùn)種語法來提取評(píng)估所需要的信息。
[0047] 作為一種可選的實(shí)施方式，上述實(shí)施例S108中，分類模型庫系統(tǒng)根據(jù)動(dòng)態(tài)數(shù)據(jù)庫 系統(tǒng)，提取能夠反映評(píng)估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)，對(duì)結(jié)構(gòu)特征數(shù)據(jù)進(jìn)行識(shí)別和分類分析的步 驟包括W下處理流程：
[004引S1081:采用預(yù)先建立的數(shù)據(jù)分析模型對(duì)評(píng)估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)進(jìn)行提??；
[0049] 其中，數(shù)據(jù)分析模型包括用于對(duì)評(píng)估對(duì)象的進(jìn)行特征壓縮和維度歸約的主成分分 析(Principal Component Analysis，PCA)模型。
[0050] S1082:采用預(yù)先建立的混合模型對(duì)評(píng)估對(duì)象進(jìn)行分類分析；
[0051] 其中，混合模型包括層次聚類模型和支持向量機(jī)(SVM)模型，層次聚類模型用于識(shí) 別評(píng)估對(duì)象與同類參考對(duì)象的關(guān)聯(lián)程度、并為運(yùn)種關(guān)聯(lián)程度打上關(guān)聯(lián)標(biāo)簽的層次聚類模 型;支持向量機(jī)(SVM)模型用于根據(jù)關(guān)聯(lián)標(biāo)簽判斷評(píng)估對(duì)象是否能匹配到可作為評(píng)估參考 的同類參考對(duì)象，如果評(píng)估對(duì)象能匹配到可作為評(píng)估參考的同類參考對(duì)象，則評(píng)估對(duì)象屬 于合群樣本，否則評(píng)估對(duì)象屬于離群樣本。
[0化2]下面，對(duì)PCA模型作進(jìn)一步說明：
[0053]為了對(duì)評(píng)估對(duì)象進(jìn)行全面客觀的分析，分別從標(biāo)的上市企業(yè)的每股指標(biāo)、盈利能 力、成長(zhǎng)能力、營(yíng)運(yùn)能力、償債及資本結(jié)構(gòu)、現(xiàn)金流量等6個(gè)方面84個(gè)具體財(cái)務(wù)指標(biāo)出發(fā)，判 斷評(píng)估公司所屬類別、及其與相關(guān)行業(yè)公司的關(guān)聯(lián)度。然而，不可否認(rèn)，運(yùn)84個(gè)財(cái)務(wù)指標(biāo)所 構(gòu)成的評(píng)估數(shù)據(jù)不僅特征維度高、冗余性強(qiáng)，而且指標(biāo)與指標(biāo)之間往往也存在著共線性。想 要直接通過對(duì)運(yùn)些財(cái)務(wù)指標(biāo)的分析來了解評(píng)估公司及其行業(yè)相關(guān)公司的關(guān)聯(lián)性卻也并非 易事。因此，本實(shí)施例提出了一種基于主成分分析(PCA)的特征提取模型，來對(duì)評(píng)估數(shù)據(jù)進(jìn) 行特征壓縮和維度歸約。PCA是種降維的方法，它借助于一個(gè)正交變換，將多個(gè)變量轉(zhuǎn)化為 少數(shù)價(jià)格綜合變量(即：主成分），其中每個(gè)主成分都是原始變量的線性組合，各主成分之間 互不相關(guān)，從而運(yùn)些主成分能夠反映變量的絕大部分信息，且所含信息互不重疊。通過運(yùn)用 PCA模型，能獲得更加精準(zhǔn)的評(píng)估數(shù)據(jù)，運(yùn)些數(shù)據(jù)既代表原有的數(shù)據(jù)特征，又減少的數(shù)據(jù)量、 提高了模型運(yùn)算效能、減少了系統(tǒng)的復(fù)雜程度。
[0054]例如，此處可用P個(gè)特征（財(cái)務(wù)指標(biāo)）來描述研究對(duì)象(評(píng)估公司及其行業(yè)相關(guān)公 司），分別用Xi，X2，X3，…，Xp來表示，運(yùn)P個(gè)特征構(gòu)成一P維向量X = (Xl，拉，X3，…，Xp)τ。設(shè)該向 量X的均值為μ，協(xié)方差均值為Σ。假設(shè)X是Wn個(gè)樣本量變量組成的列向量，并且Wk式其第k 個(gè)元素的期望值，即:yk=E〔Xk)，協(xié)方差矩陣被定義為：
[0化5]
[005引主成分是不相關(guān)d額線性組合Ζι，Ζ2，···，Ζρ，并且Zi是Xi，X2,…，Xp的線性組合中方 差最大者，Z2是與Zl不相關(guān)的線性組合中方差最大者，……，Zp是與Zl，Z2,…，Zp-l都不相關(guān)的 線性組合中方差最大者。
[0059] 其中，上述對(duì)84個(gè)公司財(cái)務(wù)指標(biāo)數(shù)據(jù)進(jìn)行主成分分析的基本步驟如下：
[0060] 第一步:選取η個(gè)與評(píng)估公司相關(guān)的上市公司，分別獲得運(yùn)η家公司的p = 84個(gè)財(cái)務(wù) 指標(biāo)，由估計(jì)樣本的原始數(shù)據(jù)可得矩陣X=〔XI, j)nxp，其中XI,康示第i家上市公司的第j項(xiàng)財(cái) 務(wù)指標(biāo)數(shù)據(jù)。
[0061] 第二步:為了消除各項(xiàng)財(cái)務(wù)指標(biāo)之間在量綱和數(shù)量級(jí)上的差別，對(duì)財(cái)務(wù)指數(shù)進(jìn)行 標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)化矩陣。標(biāo)準(zhǔn)化公式如下:y
[0062]
[0063] 其中，i = i，2，...，n;j = l，2，...，p。
[0064] 第Ξ步:根據(jù)標(biāo)準(zhǔn)化數(shù)據(jù)矩陣建立協(xié)方差矩陣R，是反映標(biāo)準(zhǔn)化后的數(shù)據(jù)之間相關(guān) 關(guān)系密切程度的統(tǒng)計(jì)指標(biāo)，值越大，說明有必要對(duì)數(shù)據(jù)進(jìn)行主成分分析。其中，陣Ru為原始 變量義1與^的相關(guān)系數(shù)。Ru為是對(duì)稱矩陣，只需計(jì)算其上Ξ角元素或下Ξ角元素即可，其計(jì) 算公式為：
[00 化]
[0066] 第四步:根據(jù)協(xié)方差矩陣R求出特征值、主成分貢獻(xiàn)率和累計(jì)方差貢獻(xiàn)率，確定主 成分個(gè)數(shù)。根據(jù)選取主成分個(gè)數(shù)的原則（即：累計(jì)貢獻(xiàn)率達(dá)80%-90% )選取主成分個(gè)數(shù)來作 為新的特征變量進(jìn)行分析。
[0067] 下面，對(duì)上述混合模型作進(jìn)一步說明：層次聚類模型為用于分析相關(guān)企業(yè)關(guān)聯(lián)度 的Kmeans聚類模型。上述實(shí)施例中，采用由Kmeans聚類算法和SVM算法構(gòu)成的混合模型，用 于獲取評(píng)估對(duì)象所處行業(yè)的關(guān)聯(lián)程度。進(jìn)一步來講，先通過Kmeans聚類模型對(duì)行業(yè)企業(yè)數(shù) 據(jù)進(jìn)行聚類，再通過SVM模型學(xué)習(xí)運(yùn)種聚類的特征結(jié)構(gòu)，W便系統(tǒng)自動(dòng)判斷被評(píng)估公司與同 行業(yè)相關(guān)聯(lián)企業(yè)的相似程度。
[0068] 需要說明的是，上述實(shí)施例中，分類模型庫用于為智能評(píng)估系統(tǒng)提供其存儲(chǔ)的各 類模型，分類模型庫還配置有模型庫管理系統(tǒng)，模型庫管理系統(tǒng)用于對(duì)存儲(chǔ)的模型進(jìn)行模 型提取、訪問、更新和合成操作。其中，分類模型庫針對(duì)同類參考對(duì)象設(shè)置有專用模型、例行 分析模型、組合模型W及臨時(shí)模型;分類模型庫還配置有模型庫管理系統(tǒng)，模型庫管理系統(tǒng) 包括構(gòu)造管理模塊、存取管理模塊、運(yùn)行管理模塊，還設(shè)置有模型字典、內(nèi)部數(shù)據(jù)庫和外部 數(shù)據(jù)庫，用于管理、調(diào)用、配置分類模型庫中的相關(guān)模型。
[0069] 上述實(shí)施例中，采用由Kmeans聚類算法和SVM算法構(gòu)成的混合模型，來獲取評(píng)估對(duì) 象所處行業(yè)的關(guān)聯(lián)程度，進(jìn)而對(duì)評(píng)估公司做分類分析，下面結(jié)合一實(shí)例，對(duì)其進(jìn)一步的處理 過程說明如下：
[0070] 運(yùn)里，通過對(duì)樣本公司的財(cái)務(wù)指標(biāo)做PCA分析后，可得到反映公司特征變化的主成 分變量，然后采用Kmeans聚類模型研究同行業(yè)相關(guān)企業(yè)的關(guān)聯(lián)程度，并為運(yùn)種關(guān)聯(lián)程度打 上標(biāo)簽;支持向量機(jī)(SVM)模型根據(jù)運(yùn)些標(biāo)簽判斷在被評(píng)估公司所處的行業(yè)中，是否有其相 似的企業(yè)可用作為評(píng)估參考。
[0071] 在動(dòng)態(tài)評(píng)估模型系統(tǒng)中，上述混合模型決定了后續(xù)的智能評(píng)估系統(tǒng)的判斷邏輯， 從而決定了選用怎樣的評(píng)估模型進(jìn)行評(píng)估。進(jìn)一步來講，若Kmeans+SVM的混合模型判斷出 被評(píng)估公司與所在行業(yè)的某些企業(yè)之間存在著較強(qiáng)的關(guān)聯(lián)性，則智能評(píng)估系統(tǒng)將會(huì)選擇相 對(duì)估值模型對(duì)被評(píng)估公司進(jìn)行估值;但若Kmeans+SVM混合模型判斷出被評(píng)估公司并非屬于 某一類特定的關(guān)聯(lián)性較強(qiáng)的企業(yè)，則智能評(píng)估系統(tǒng)將會(huì)選擇絕對(duì)估值模型對(duì)被評(píng)估公司進(jìn) 行估值，具體處理過程如下所示：
[0072] 在Kmeans聚類模型中，首先需要定義在實(shí)例間的相似性度量，或等價(jià)地，定義距離 度量。本實(shí)施例中使用的2階范數(shù)巧氏距離(Minkowksi Distance)即：歐幾里得距離來度量 樣本數(shù)據(jù)間的相似程度。其定義為：
[0073]
[0074] 通過相似度函數(shù)，能夠度量出樣本點(diǎn)之間的距離。其次，假設(shè)提取到原始數(shù)據(jù)的集 合為Υ= (yi，y2，···，yi)，其中，i《p = 84eKmeans聚類的目標(biāo)是要找到Z的一個(gè)劃分P = {Ci， C2，-'，Ck}，使目標(biāo)函數(shù)最?。?br>[0075]
[0076] 運(yùn)里的化表示為分類Ck的平均值。
[0077] 采用Kmeans聚類模型對(duì)同行業(yè)相關(guān)企業(yè)的關(guān)聯(lián)程度分析時(shí)，其具體處理過程如 下：
[007引（1)假設(shè)由PCA分析得到的主成分變量為￥=(71，72，...，71)，從￥中隨機(jī)取出1^ = 2個(gè) 元素，作為k個(gè)簇的中屯、，運(yùn)里k取2是因?yàn)?，意在判斷與評(píng)估相關(guān)的公司是否存在著關(guān)聯(lián)度， 若存在著給予標(biāo)簽+1，若不存在運(yùn)打上標(biāo)簽-1。
[0079] (2)先計(jì)算Y中個(gè)元素的平均值，再根據(jù)前述公式分別計(jì)算各元素的到中屯、點(diǎn)的歐 式距離，將運(yùn)些距離分別劃歸到相似度最低的簇中。
[0080] (3)根據(jù)聚類結(jié)果，重新計(jì)算k個(gè)簇的中屯、，計(jì)算公式 其中，rnr在數(shù) 〇 據(jù)點(diǎn)η被歸類至化個(gè)簇時(shí)為1，否則為0。可W采用交叉迭代尋優(yōu)的方式來確定UkJnr，即：先固 定口k，對(duì)前述公式求導(dǎo)，當(dāng)?shù)刃母`時(shí)求出極值rnr。再固定rnr，對(duì)化求偏導(dǎo)，當(dāng)?shù)K:心絞時(shí)求出極 值口k，反復(fù)之便能求出最優(yōu)值。
[0081] (4)重復(fù)第3步，直到聚類結(jié)果不再變化。
[00劇 （5)輸出結(jié)果。
[0083] 上述實(shí)施例通過Kmeans聚類能夠獲得所有相關(guān)公司的一個(gè)相似性程度的劃分，并 通過+1和-1進(jìn)行標(biāo)記。其中，若樣本yi e Cl，則ri =+1，反之，若yi e C2，則ri = -1。對(duì)于樣本X ={7^山希望找到《和〇〇使得；
[0084] Γ?( ω\?+ω〇)^1
[00化]當(dāng)ne {+1,-1}時(shí)，上式可W記作 [0086]
[0087]其中，P是某個(gè)特定的值，希望其越大越好。但是縮放ω，可W得到的解的個(gè)數(shù)可W 是無限多個(gè)。為了獲得唯一的解，就要固定P| I ω 11=1，運(yùn)樣為了最大邊緣化，就要最小化I I ω I I，因此，可得出如下最優(yōu)分離超平面：
[0091 ]方程關(guān)于ω和ω 0最小化，關(guān)于曰冷〇最大化，鞍點(diǎn)出給出了解值。
[0092] 方程為一凸二次優(yōu)化問題，因此可使用Karush-Kuhn-化cker條件解其對(duì)偶問題， 對(duì)偶問題是關(guān)于最大化Lp，受限于約束ω和ω〇,分別對(duì)其偏導(dǎo)為加寸的值：
[0093]

[0097] 運(yùn)樣只需關(guān)注αι對(duì)Ld的最大化即可，其受限于約束
^旦解出了曰1的 具體值，可W看到盡管它們有N個(gè)，但是多半如1 = 0的形式消失了，只有少量滿足〇冷0的向 量的集合，構(gòu)成了所謂的"支持向量"，運(yùn)些支持向量確立了問題的一個(gè)分類，運(yùn)樣就建立了 樣本與分類結(jié)果的一個(gè)映射關(guān)系，根據(jù)運(yùn)個(gè)映射函數(shù)就能算出評(píng)估的目標(biāo)企業(yè)與哪些樣本 企業(yè)之間存在著相似度關(guān)系。
[0098] 因此，通過Kmeans聚類，能獲得所有相關(guān)公司的一個(gè)標(biāo)記，運(yùn)個(gè)標(biāo)記維一地決定了 樣本公司之間的相似性程度，然后通過SVM來學(xué)習(xí)運(yùn)個(gè)標(biāo)記，讓其在樣本和分類之間建立一 個(gè)合理的映射，運(yùn)個(gè)映射關(guān)系能夠幫助判斷，特定樣本是否屬于一個(gè)關(guān)聯(lián)性較強(qiáng)的群內(nèi)。運(yùn) 樣做的好處在于：當(dāng)在對(duì)公司進(jìn)行股權(quán)價(jià)值評(píng)估時(shí)，可W先通過SVM算法來判斷是否有與目 標(biāo)公司財(cái)務(wù)狀況相似的公司。若存在相似的公司，相對(duì)的估值模型將會(huì)被用于股權(quán)價(jià)值的 評(píng)估，若不存在相似的公司，則絕對(duì)的估值模型才會(huì)被采用。
[0099] 作為一種可選的實(shí)施方式，上述實(shí)施例中，評(píng)估對(duì)象為上市企業(yè)的股權(quán)價(jià)值，評(píng)估 對(duì)象的身份信息為公司名字或股票代碼。上述智能評(píng)估系統(tǒng)采用一種基于二叉樹的條件判 斷來對(duì)估值模型的選用進(jìn)行推理篩選，上述智能評(píng)估系統(tǒng)會(huì)首先會(huì)根據(jù)分類模型簇的運(yùn)算 結(jié)果，來判斷被評(píng)估公司是否有與同行業(yè)相關(guān)公司存在著較高的相似度，并在估值模型庫 中選取最優(yōu)模型對(duì)待評(píng)估的公司進(jìn)行股權(quán)評(píng)估。
[0100] 作為一種可選的實(shí)施方式，上述實(shí)施例中，相對(duì)估值方式包括市盈率(P/E)模型、 市凈率(P/B)模型及市銷率(P/S)模型；智能評(píng)估系統(tǒng)根據(jù)基于理論知識(shí)和專家經(jīng)驗(yàn)設(shè)計(jì)的 評(píng)估參數(shù)，選取對(duì)應(yīng)的最優(yōu)評(píng)估模型對(duì)屬于合群樣本的評(píng)估對(duì)象進(jìn)行股價(jià)價(jià)值評(píng)估。
[0101] 作為一種可選的實(shí)施方式，上述實(shí)施例中，絕對(duì)估值方式包括凈現(xiàn)金流折現(xiàn)(NPV) 模型、實(shí)物期權(quán)(ROpt.)估值模型；智能評(píng)估系統(tǒng)根據(jù)基于理論知識(shí)和專家經(jīng)驗(yàn)設(shè)計(jì)的評(píng)估 參數(shù)，選取對(duì)應(yīng)的最優(yōu)評(píng)估模型對(duì)屬于離群樣本的評(píng)估對(duì)象進(jìn)行股價(jià)價(jià)值評(píng)估。
[0102] 作為一種可選的實(shí)施方式，上述實(shí)施例中，智能評(píng)估系統(tǒng)設(shè)置的篩選條件為基于 理論知識(shí)和專家經(jīng)驗(yàn)設(shè)計(jì)出來的邏輯推理原則，W代碼形式封裝于智能評(píng)估系統(tǒng)，并按順 序進(jìn)行編碼，可被規(guī)格化、系統(tǒng)化的調(diào)用。
[0103] 上述各實(shí)施例通過引入信息捜索、數(shù)據(jù)挖掘、專家知識(shí)推理等技術(shù)，針對(duì)上市公司 股權(quán)價(jià)值，建立了一套基于IDSS的動(dòng)態(tài)評(píng)估模型系統(tǒng)W及動(dòng)態(tài)評(píng)估方法。采用數(shù)學(xué)邏輯和 算法推演，搭建一個(gè)融通的評(píng)估平臺(tái)，結(jié)合具有簡(jiǎn)單化、便捷化與時(shí)效化等特征的相對(duì)估值 法與具有客觀性、準(zhǔn)確性及完備性等特征絕對(duì)估值法，形成一套完整的智能動(dòng)態(tài)評(píng)估體系。 運(yùn)樣既規(guī)避了傳統(tǒng)人力評(píng)估所產(chǎn)生的主觀誤差，又最大限度的降低了評(píng)估過程所照成的成 本損耗，將人力從繁重的評(píng)估工作中解放出來。
[0104]需要說明的是，對(duì)于前述的方法實(shí)施例，為了簡(jiǎn)單描述，故將其都表述為一系列的 動(dòng)作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明并不受所描述的動(dòng)作順序的限制，因?yàn)橐?據(jù)本發(fā)明，某些步驟可W采用其他順序或者同時(shí)進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知悉， 說明書中所描述的實(shí)施例均屬于優(yōu)選實(shí)施例，所設(shè)及的動(dòng)作并不一定是本發(fā)明所必需的。
[0…引系統(tǒng)實(shí)施例
[0106] 為實(shí)現(xiàn)上述方法，本發(fā)明提出一種動(dòng)態(tài)評(píng)估模型系統(tǒng)，參照?qǐng)D2所示的該系統(tǒng)的組 成框圖，該動(dòng)態(tài)評(píng)估模型系統(tǒng)包括W下組成：
[0107] 1)人機(jī)交互系統(tǒng)，基于單接口封裝，具有可視化評(píng)估框架，設(shè)置有人機(jī)交互界面及 結(jié)果輸出顯不界面；
[0108] 2)動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)，基于遠(yuǎn)程數(shù)據(jù)捜索模式，具有開放式動(dòng)態(tài)在線數(shù)據(jù)庫，用于根 據(jù)評(píng)估對(duì)象的身份信息、所設(shè)置的篩選條件、捜索路徑及捜索關(guān)鍵詞捜索并獲取關(guān)于評(píng)估 對(duì)象的目標(biāo)數(shù)據(jù)所在的HTML源碼，并對(duì)HTML源碼進(jìn)行數(shù)據(jù)解析及重構(gòu)；
[0109] 3)分類模型庫系統(tǒng)，用于根據(jù)動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)獲得的目標(biāo)數(shù)據(jù)，提取能夠反映評(píng) 估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)，對(duì)結(jié)構(gòu)特征數(shù)據(jù)進(jìn)行識(shí)別和分類分析運(yùn)算；
[0110] 4)智能評(píng)估系統(tǒng)，用于根據(jù)分類模型庫系統(tǒng)的運(yùn)算結(jié)果，判斷評(píng)估對(duì)象是屬于離 群樣本還是屬于合群樣本，并選取對(duì)應(yīng)的最優(yōu)評(píng)估模型對(duì)評(píng)估對(duì)象進(jìn)行評(píng)估；當(dāng)評(píng)估對(duì)象 屬于合群樣本時(shí)，用于根據(jù)分類分析結(jié)果及設(shè)置的評(píng)估參數(shù)，在分類模型庫系統(tǒng)中調(diào)用與 評(píng)估對(duì)象相匹配的評(píng)估模型，采用相對(duì)估值方式，對(duì)評(píng)估對(duì)象進(jìn)行評(píng)估，并輸出評(píng)估結(jié)果； W及，當(dāng)評(píng)估對(duì)象屬于離群樣本時(shí)，用于根據(jù)分類分析結(jié)果及設(shè)置的評(píng)估參數(shù)，采用絕對(duì)估 值方式，對(duì)評(píng)估對(duì)象進(jìn)行評(píng)估，并輸出評(píng)估結(jié)果。
[0111] 上述實(shí)施例中，人機(jī)交互系統(tǒng)采用單接口封裝的可視化評(píng)估框架（Single Interface Package Visualization Rramework，SIPVF)，運(yùn)樣可 W使得面向?qū)ο蟮墓竟?權(quán)價(jià)值評(píng)估過程變得簡(jiǎn)潔明了。例如，在傳統(tǒng)的公司股價(jià)價(jià)值評(píng)估中，評(píng)估人員不僅要掌握 評(píng)估相關(guān)的財(cái)務(wù)知識(shí)與企業(yè)價(jià)值理論，而且還要在評(píng)估前對(duì)所評(píng)公司的具體狀況(如：公司 的行業(yè)性質(zhì)、公司的財(cái)務(wù)指標(biāo)、同類企業(yè)的經(jīng)營(yíng)狀況、市場(chǎng)的經(jīng)濟(jì)環(huán)境等)進(jìn)行數(shù)據(jù)收集與 整理，并根據(jù)運(yùn)些數(shù)據(jù)做出具體的分析;而SIPVF采用的單接口封裝技術(shù)則最大限度地規(guī)避 了運(yùn)樣的問題。單接口封裝是指，我們將整個(gè)動(dòng)態(tài)評(píng)估的處理機(jī)制(包括:動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)、 分類模型庫系統(tǒng)、智能評(píng)估系統(tǒng)的建立與運(yùn)用)全部隱藏于系統(tǒng)內(nèi)部，只預(yù)留一個(gè)外接的輸 入端口。評(píng)估人員只需向系統(tǒng)輸入評(píng)估對(duì)象(上市公司）的名稱或股票代碼，動(dòng)態(tài)評(píng)估模型 系統(tǒng)便能完成從評(píng)估數(shù)據(jù)收集，到數(shù)據(jù)分類分析，再到財(cái)務(wù)模型選取，W及到股權(quán)價(jià)值評(píng) 估，直到評(píng)估結(jié)果輸出的全過程。因此，采用運(yùn)種面向?qū)ο蟮膯谓涌诜庋b技術(shù)，可評(píng)估系統(tǒng) 便于操作，幫助那些即使不了解股權(quán)評(píng)估理論的人員也能對(duì)相應(yīng)的評(píng)估對(duì)象做出合理的估 值。
[0112] 此外，動(dòng)態(tài)評(píng)估模型系統(tǒng)的SIPVF采用可視化框架技術(shù)，幫助使用動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng) 的評(píng)估人員能夠明確、直觀地了解到在動(dòng)態(tài)評(píng)估模型系統(tǒng)中，股權(quán)價(jià)值的評(píng)估結(jié)果受到哪 些具體因素的影響、W及影響程度有多大，從而幫助決策人員在后續(xù)的企業(yè)戰(zhàn)略分析中，做 出相應(yīng)的決策判斷。本實(shí)施例中，可視化框架是采用仿射投影(Affine Transformation)、 降維(Re-dimensional)等方式來分析多維數(shù)據(jù)的全局信息，運(yùn)使得決策人員能夠更加直觀 輕松的進(jìn)行數(shù)據(jù)分析。
[0113] 作為一種可選的實(shí)施方式，上述實(shí)施例中，動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)包括:開放式的遠(yuǎn)程在 線數(shù)據(jù)庫、本地?cái)?shù)據(jù)庫及數(shù)據(jù)庫管理系統(tǒng);動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)采用開放式爬蟲算法作為建庫 引擎。
[0114] 其中，動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)采用的是一種基于開放式爬蟲算法的在線數(shù)據(jù)倉庫。該數(shù) 據(jù)倉庫的設(shè)計(jì)思路在于:本實(shí)施例采用的是一種開放式的遠(yuǎn)程在線數(shù)據(jù)倉庫，在作價(jià)值評(píng) 估時(shí)，與傳統(tǒng)的本地?cái)?shù)據(jù)倉庫不同，并不需要人工去收集評(píng)估所需要的數(shù)據(jù)，而是采用一種 預(yù)先設(shè)計(jì)好的爬蟲算法會(huì)在指定的一個(gè)(或幾個(gè))開放式的遠(yuǎn)程服務(wù)器端口（如：大型綜合 類財(cái)經(jīng)網(wǎng)站的API端口）捜索相應(yīng)的評(píng)估數(shù)據(jù)，再通過正則表達(dá)式將網(wǎng)路上爬取的非結(jié)構(gòu)化 數(shù)據(jù)解析為結(jié)構(gòu)化數(shù)據(jù)，最后將獲取的結(jié)構(gòu)化數(shù)據(jù)下載到本地的一個(gè)臨時(shí)數(shù)據(jù)庫，作為股 權(quán)估值的數(shù)據(jù)支持。
[0115] 作為一種可選的實(shí)施方式，上述實(shí)施例中，分類模型庫系統(tǒng)包括分類模型簇W及 模型庫管理系統(tǒng)，分類模型簇為智能評(píng)估系統(tǒng)提供其存儲(chǔ)的各類模型，模型庫管理系統(tǒng)用 于對(duì)存儲(chǔ)的模型進(jìn)行模型提取、訪問、更新和合成操作。分類模型庫系統(tǒng)用于調(diào)用預(yù)先建立 的分類模型簇中的數(shù)據(jù)分析模型，對(duì)評(píng)估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)進(jìn)行提取；W及，用于采用預(yù) 先建立的混合模型對(duì)評(píng)估對(duì)象進(jìn)行分類分析。
[0116] 進(jìn)一步來講，上述實(shí)施例中，分類模型簇中所設(shè)及的模型主要分為兩大類：
[0117] 1、數(shù)據(jù)分析模型
[0118] 數(shù)據(jù)分析模型包括用于對(duì)評(píng)估對(duì)象的進(jìn)行特征壓縮和維度歸約的主成分分析 (PCA)模型;混合模型包括:層次聚類模型和支持向量機(jī)(SVM)模型，層次聚類模型用于識(shí)別 評(píng)估對(duì)象與同類參考對(duì)象的關(guān)聯(lián)程度、并為運(yùn)種關(guān)聯(lián)程度打上關(guān)聯(lián)標(biāo)簽的層次聚類模型； 支持向量機(jī)(SVM)模型用于根據(jù)關(guān)聯(lián)標(biāo)簽判斷評(píng)估對(duì)象是否能匹配到可作為評(píng)估參考的同 類參考對(duì)象，如果評(píng)估對(duì)象能匹配到可作為評(píng)估參考的同類參考對(duì)象，則評(píng)估對(duì)象屬于合 群樣本，否則評(píng)估對(duì)象屬于離群樣本。
[0119] 進(jìn)一步來講，PCA模型用來進(jìn)行評(píng)估數(shù)據(jù)的特征提取、分析各種財(cái)務(wù)指標(biāo)對(duì)公司價(jià) 值的影響，W及怎樣通過指標(biāo)壓縮來形成新的指標(biāo)，運(yùn)些新的指標(biāo)既能反映公司的整體財(cái) 務(wù)狀況又能減少分析的復(fù)雜度。層次聚類模型和支持向量機(jī)(SVM)模型，用來對(duì)評(píng)估標(biāo)的企 業(yè)進(jìn)行分類，將對(duì)評(píng)估標(biāo)的企業(yè)及其相關(guān)企業(yè)做一個(gè)類別劃分，運(yùn)個(gè)類別劃分有利于幫助 動(dòng)態(tài)評(píng)估系統(tǒng)判斷股權(quán)估值時(shí)是采用相對(duì)估值法還是絕對(duì)估值法。
[0120] 2、用于股權(quán)價(jià)值評(píng)估模型
[0121] 評(píng)估模型包括:第一模型庫中的市盈率(P/E)模型、市凈率(P/B)模型、市銷率(P/ S)模型；W及，第二模型庫中的凈現(xiàn)金流折現(xiàn)(NPV)模型、W及實(shí)物期權(quán)(R化t.);其中，所述 第一模型庫和所述第二模型庫中各模型的調(diào)用條件由所述智能評(píng)估系統(tǒng)設(shè)置的評(píng)估參數(shù) 決定。其中：
[0122] (1)W相對(duì)估值法理論為主的市盈率(P/E)模型、市凈率(P/B)模型及市銷率(P/S) 模型，它們將運(yùn)來為屬于合群樣本的標(biāo)的企業(yè)進(jìn)行股權(quán)估值；
[0123] (2) W絕對(duì)估值法理論為主的實(shí)物期權(quán)估值模型，它將用來對(duì)屬于離群樣本的標(biāo) 的企業(yè)進(jìn)行股價(jià)價(jià)值的評(píng)估。
[0124] 需要強(qiáng)調(diào)的是，上述實(shí)施例中，智能評(píng)估系統(tǒng)用于調(diào)用、管理所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng) 及分類模型庫系統(tǒng)，并與所述人機(jī)交互系統(tǒng)進(jìn)行信息交互。例如，智能評(píng)估系統(tǒng)可用于針對(duì) 股權(quán)價(jià)值評(píng)估模型如市盈率(P/E)模型、市凈率(P/B)模型、市銷率(P/S)模型，W及凈現(xiàn)金 流折現(xiàn)(NPV)模型、W及實(shí)物期權(quán)(R化t.)，設(shè)置各模型的調(diào)用條件，調(diào)用條件可通過設(shè)置的 評(píng)估參數(shù)決定。
[0125] 從功能上劃分，上述智能評(píng)估管理系統(tǒng)可包括:本體領(lǐng)域模塊，用于提供對(duì)相關(guān)理 論知識(shí)的共享概念模型和形式化規(guī)范說明；邏輯推理模塊：用于提供相關(guān)理論與對(duì)應(yīng)的邏 輯關(guān)系的匹配方式;任務(wù)計(jì)算模塊:用于根據(jù)確定的估值模型進(jìn)行計(jì)算并將計(jì)算結(jié)果輸出。
[0126] 進(jìn)一步來講，本體領(lǐng)域模塊中，搭建領(lǐng)域集合，包括理論知識(shí)域和關(guān)系域。其中，本 體是對(duì)相關(guān)知識(shí)的共享概念模型和明確的形式化規(guī)范說明，它提供了智能評(píng)估管理系統(tǒng)中 基本術(shù)語(理論知識(shí)原子)與關(guān)系，并利用運(yùn)些基本術(shù)語和關(guān)系構(gòu)成理論知識(shí)的外延規(guī)則和 復(fù)雜定義。
[0127] 進(jìn)一步來講，邏輯推理模塊中，邏輯推理可提供一種理論知識(shí)與邏輯關(guān)系的匹配 方式，通過將理論知識(shí)域中的理論知識(shí)符號(hào)化，對(duì)本體進(jìn)行編碼，使理論知識(shí)與對(duì)應(yīng)的邏輯 關(guān)系進(jìn)行匹配，從而確定整體領(lǐng)域本體中所有理論知識(shí)的邏輯關(guān)系。
[0128] 進(jìn)一步來講，任務(wù)計(jì)算模塊中，確定任務(wù)的目標(biāo)輸出，通過邏輯推理關(guān)系計(jì)算出系 統(tǒng)輸出，從而能夠給出智能評(píng)估系統(tǒng)的最終輸出。
[0129] 作為一種可選的實(shí)施方式，上述實(shí)施例中，智能評(píng)估系統(tǒng)設(shè)置的篩選條件為基于 理論知識(shí)和專家經(jīng)驗(yàn)設(shè)計(jì)出來的邏輯推理原則，W代碼形式封裝于智能評(píng)估系統(tǒng)，并按順 序進(jìn)行編碼，可被規(guī)格化、系統(tǒng)化的調(diào)用。
[0130] 需要指出的是，上述實(shí)施例中的動(dòng)態(tài)評(píng)估模型系統(tǒng)與上述動(dòng)態(tài)評(píng)估方法相對(duì)應(yīng)， 具體的實(shí)施過程可參照前述方法實(shí)施例。由于上述任一種動(dòng)態(tài)評(píng)估方法具有上述技術(shù)效 果，因此，該動(dòng)態(tài)評(píng)估模型系統(tǒng)也應(yīng)具備相應(yīng)的技術(shù)效果，其具體實(shí)施過程與上述實(shí)施例類 似，茲不寶述。
[0131] 顯然，本領(lǐng)域的技術(shù)人員應(yīng)該明白，上述的本發(fā)明實(shí)施例的動(dòng)態(tài)評(píng)估模型系統(tǒng)中 的各模塊或動(dòng)態(tài)評(píng)估方法中的各步驟可W用通用的計(jì)算裝置來實(shí)現(xiàn)，它們可W集中在單個(gè) 的計(jì)算裝置上，或者分布在多個(gè)計(jì)算裝置所組成的網(wǎng)絡(luò)上，可選地，它們可W用計(jì)算裝置可 執(zhí)行的程序代碼來實(shí)現(xiàn)，從而，可W將它們存儲(chǔ)在存儲(chǔ)裝置中由計(jì)算裝置來執(zhí)行，或者將它 們分別制作成各個(gè)集成電路模塊，或者將它們中的多個(gè)模塊或步驟制作成單個(gè)集成電路模 塊來實(shí)現(xiàn)。運(yùn)樣，本發(fā)明不限制于任何特定的硬件和軟件結(jié)合。所述存儲(chǔ)裝置為非易失性存 儲(chǔ)器，如:R0M/RAM、閃存、磁碟、光盤等。
[0132] W上所述僅為本發(fā)明的實(shí)施例而已，并不用W限制本發(fā)明，凡在本發(fā)明的精神和 原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種動(dòng)態(tài)評(píng)估方法，其特征在于，包括： 預(yù)先建立基于智能決策支持系（IDSS)的動(dòng)態(tài)評(píng)估模型系統(tǒng)，所述動(dòng)態(tài)評(píng)估模型系統(tǒng)包 括:基于遠(yuǎn)程數(shù)據(jù)搜索模式的開放式動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)、分類模型庫系統(tǒng)、智能評(píng)估系統(tǒng)、以 及基于單接口封裝的可視化評(píng)估框架的人機(jī)交互系統(tǒng)； 所述智能評(píng)估系統(tǒng)通過人機(jī)交互系統(tǒng)獲取評(píng)估對(duì)象的身份信息； 調(diào)用所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)，所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)根據(jù)所述評(píng)估對(duì)象的身份信息、所述 智能評(píng)估系統(tǒng)設(shè)置的篩選條件、搜索路徑及搜索關(guān)鍵詞搜索并獲取關(guān)于所述評(píng)估對(duì)象的目 標(biāo)數(shù)據(jù)所在的HTML源碼，并對(duì)所述HTML源碼進(jìn)行數(shù)據(jù)解析及重構(gòu)； 調(diào)用所述分類模型庫系統(tǒng)，所述分類模型庫系統(tǒng)根據(jù)所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)獲得的目標(biāo) 數(shù)據(jù)，提取能夠反映所述評(píng)估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)，對(duì)所述結(jié)構(gòu)特征數(shù)據(jù)進(jìn)行識(shí)別和分類 分析運(yùn)算； 所述智能評(píng)估系統(tǒng)根據(jù)所述分類模型庫系統(tǒng)的運(yùn)算結(jié)果，判斷所述評(píng)估對(duì)象是屬于離 群樣本還是屬于合群樣本，并選取對(duì)應(yīng)的最優(yōu)評(píng)估模型對(duì)所述評(píng)估對(duì)象進(jìn)行評(píng)估;若所述 評(píng)估對(duì)象屬于合群樣本，則根據(jù)所述分類分析結(jié)果及設(shè)置的評(píng)估參數(shù)，在所述分類模型庫 系統(tǒng)中調(diào)用與所述評(píng)估對(duì)象相匹配的評(píng)估模型，采用相對(duì)估值方式，對(duì)所述評(píng)估對(duì)象進(jìn)行 評(píng)估，并輸出評(píng)估結(jié)果;若所述評(píng)估對(duì)象屬于離群樣本，則根據(jù)所述分類分析結(jié)果及設(shè)置的 評(píng)估參數(shù)，采用絕對(duì)估值方式，對(duì)所述評(píng)估對(duì)象進(jìn)行評(píng)估，并輸出評(píng)估結(jié)果。2. 根據(jù)權(quán)利要求1所述的動(dòng)態(tài)評(píng)估方法，其特征在于，所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)根據(jù)所述評(píng) 估對(duì)象的身份信息、所述智能評(píng)估系統(tǒng)設(shè)置的篩選條件、搜索路徑及搜索關(guān)鍵詞搜索并獲 取關(guān)于所述評(píng)估對(duì)象的目標(biāo)數(shù)據(jù)所在的HTML源碼，并對(duì)所述HTML源碼進(jìn)行數(shù)據(jù)解析及重構(gòu) 包括： 根據(jù)所述評(píng)估對(duì)象的身份信息選定評(píng)估對(duì)象，獲取預(yù)先設(shè)置的對(duì)應(yīng)的篩選條件、搜索 路徑及搜索關(guān)鍵詞； 所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)采用基于開放式爬蟲算法的遠(yuǎn)程在線數(shù)據(jù)庫建庫模式，當(dāng)所述評(píng) 估對(duì)象選定后，通過開放式爬蟲算法根據(jù)評(píng)估對(duì)象相關(guān)信息以及預(yù)設(shè)的URL站點(diǎn)搜索評(píng)估 所需數(shù)據(jù)，以關(guān)鍵詞響應(yīng)的方式訪問一個(gè)或多個(gè)遠(yuǎn)程服務(wù)器端口，搜集并下載相應(yīng)的目標(biāo) 數(shù)據(jù)所在的HTML源碼;其中，所述遠(yuǎn)程服務(wù)器端口存儲(chǔ)在所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)中，通過URL 調(diào)用的方式訪問目標(biāo)頁面； 通過正則表達(dá)式字符串特征分類的方式解析、下載所述HTML源碼到本地服務(wù)器，從而 形式一個(gè)動(dòng)態(tài)的臨時(shí)遠(yuǎn)程在線數(shù)據(jù)庫;其中，所述正則表達(dá)式與所述目標(biāo)數(shù)據(jù)的關(guān)鍵詞相 匹配。3. 根據(jù)權(quán)利要求1或2所述的動(dòng)態(tài)評(píng)估方法，其特征在于，所述分類模型庫系統(tǒng)根據(jù)所 述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)，提取能夠反映所述評(píng)估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)，對(duì)所述結(jié)構(gòu)特征數(shù)據(jù)進(jìn) 行識(shí)別和分類分析包括： 采用預(yù)先建立的數(shù)據(jù)分析模型對(duì)所述評(píng)估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)進(jìn)行提取;其中，所述 數(shù)據(jù)分析模型包括用于對(duì)所述評(píng)估對(duì)象的進(jìn)行特征壓縮和維度歸約的主成分分析(PCA)模 型； 采用預(yù)先建立的混合模型對(duì)所述評(píng)估對(duì)象進(jìn)行分類分析;其中，所述混合模型包括:層 次聚類模型和支持向量機(jī)(SVM)模型，所述層次聚類模型用于識(shí)別所述評(píng)估對(duì)象與同類參 考對(duì)象的關(guān)聯(lián)程度、并為這種關(guān)聯(lián)程度打上關(guān)聯(lián)標(biāo)簽的層次聚類模型;支持向量機(jī)(SVM)模 型用于根據(jù)所述關(guān)聯(lián)標(biāo)簽判斷所述評(píng)估對(duì)象是否能匹配到可作為評(píng)估參考的同類參考對(duì) 象，如果所述評(píng)估對(duì)象能匹配到可作為評(píng)估參考的同類參考對(duì)象，則所述評(píng)估對(duì)象屬于合 群樣本，否則所述評(píng)估對(duì)象屬于離群樣本。4. 根據(jù)權(quán)利要求3所述的動(dòng)態(tài)評(píng)估方法，其特征在于： 所述分類模型庫用于為所述智能評(píng)估系統(tǒng)提供其存儲(chǔ)的各類模型，所述分類模型庫還 配置有模型庫管理系統(tǒng)，所述模型庫管理系統(tǒng)用于對(duì)存儲(chǔ)的模型進(jìn)行模型提取、訪問、更新 和合成操作； 其中，所述分類模型庫針對(duì)同類參考對(duì)象設(shè)置有專用模型、例行分析模型、組合模型以 及臨時(shí)模型;所述分類模型庫還配置有模型庫管理系統(tǒng)，所述模型庫管理系統(tǒng)包括構(gòu)造管 理模塊、存取管理模塊、運(yùn)行管理模塊，還設(shè)置有模型字典、內(nèi)部數(shù)據(jù)庫和外部數(shù)據(jù)庫，用于 管理、調(diào)用、配置所述分類模型庫中的相關(guān)模型。5. 根據(jù)權(quán)利要求1至4任一項(xiàng)所述的動(dòng)態(tài)評(píng)估方法，其特征在于，所述評(píng)估對(duì)象為目標(biāo) 企業(yè)的股權(quán)價(jià)值，所述評(píng)估對(duì)象的身份信息為公司名字或股票代碼； 所述相對(duì)估值方式包括市盈率(P/E)模型、市凈率(P/B)模型及市銷率(P/S)模型;所述 智能評(píng)估系統(tǒng)根據(jù)基于理論知識(shí)和專家經(jīng)驗(yàn)設(shè)計(jì)的評(píng)估參數(shù)，選取對(duì)應(yīng)的最優(yōu)評(píng)估模型對(duì) 屬于合群樣本的評(píng)估對(duì)象進(jìn)行股價(jià)價(jià)值評(píng)估； 所述絕對(duì)估值方式包括凈現(xiàn)金流折現(xiàn)(NPV)模型、實(shí)物期權(quán)(ROpt.)估值模型;所述智 能評(píng)估系統(tǒng)根據(jù)基于理論知識(shí)和專家經(jīng)驗(yàn)設(shè)計(jì)的評(píng)估參數(shù)，選取對(duì)應(yīng)的最優(yōu)評(píng)估模型對(duì)屬 于離群樣本的評(píng)估對(duì)象進(jìn)行股價(jià)價(jià)值評(píng)估； 其中，所述層次聚類模型為用于分析相關(guān)企業(yè)關(guān)聯(lián)度的Kmeans聚類模型。6. 根據(jù)權(quán)利要求1至4任一項(xiàng)所述的動(dòng)態(tài)評(píng)估方法，其特征在于，所述智能評(píng)估系統(tǒng)設(shè) 置的篩選條件為基于理論知識(shí)和專家經(jīng)驗(yàn)設(shè)計(jì)出來的邏輯推理原則，以代碼形式封裝于所 述智能評(píng)估系統(tǒng)，并按順序進(jìn)行編碼，可被規(guī)格化、系統(tǒng)化的調(diào)用。7. -種動(dòng)態(tài)評(píng)估模型系統(tǒng)，其特征在于，包括： 人機(jī)交互系統(tǒng)，基于單接口封裝，具有可視化評(píng)估框架，設(shè)置有人機(jī)交互界面及結(jié)果輸 出顯示界面； 動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)，基于遠(yuǎn)程數(shù)據(jù)搜索模式，具有開放式動(dòng)態(tài)在線數(shù)據(jù)庫，用于根據(jù)所述 評(píng)估對(duì)象的身份信息、所設(shè)置的篩選條件、搜索路徑及搜索關(guān)鍵詞搜索并獲取關(guān)于所述評(píng) 估對(duì)象的目標(biāo)數(shù)據(jù)所在的HTML源碼，并對(duì)所述HTML源碼進(jìn)行數(shù)據(jù)解析及重構(gòu)； 分類模型庫系統(tǒng)，用于根據(jù)所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)獲得的目標(biāo)數(shù)據(jù)，提取能夠反映所述 評(píng)估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)，對(duì)所述結(jié)構(gòu)特征數(shù)據(jù)進(jìn)行識(shí)別和分類分析運(yùn)算； 智能評(píng)估系統(tǒng)，用于根據(jù)所述分類模型庫系統(tǒng)的運(yùn)算結(jié)果，判斷所述評(píng)估對(duì)象是屬于 離群樣本還是屬于合群樣本，并選取對(duì)應(yīng)的最優(yōu)評(píng)估模型對(duì)所述評(píng)估對(duì)象進(jìn)行評(píng)估；當(dāng)所 述評(píng)估對(duì)象屬于合群樣本時(shí)，用于根據(jù)所述分類分析結(jié)果及設(shè)置的評(píng)估參數(shù)，在所述分類 模型庫系統(tǒng)中調(diào)用與所述評(píng)估對(duì)象相匹配的評(píng)估模型，采用相對(duì)估值方式，對(duì)所述評(píng)估對(duì) 象進(jìn)行評(píng)估，并輸出評(píng)估結(jié)果；以及，當(dāng)所述評(píng)估對(duì)象屬于離群樣本時(shí)，用于根據(jù)所述分類 分析結(jié)果及設(shè)置的評(píng)估參數(shù)，采用絕對(duì)估值方式，對(duì)所述評(píng)估對(duì)象進(jìn)行評(píng)估，并輸出評(píng)估結(jié) 果。8. 根據(jù)權(quán)利要求7所述的動(dòng)態(tài)評(píng)估模型系統(tǒng)，其特征在于： 所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)包括:開放式的遠(yuǎn)程在線數(shù)據(jù)庫、本地?cái)?shù)據(jù)庫及數(shù)據(jù)庫管理系統(tǒng)； 所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)采用開放式爬蟲算法作為建庫引擎;和/或， 所述分類模型庫系統(tǒng)包括分類模型簇以及模型庫管理系統(tǒng)，所述分類模型簇為所述智 能評(píng)估系統(tǒng)提供其存儲(chǔ)的各類模型，所述模型庫管理系統(tǒng)用于對(duì)存儲(chǔ)的模型進(jìn)行模型提 取、訪問、更新和合成操作;所述分類模型庫系統(tǒng)用于采用預(yù)先建立的數(shù)據(jù)分析模型對(duì)所述 評(píng)估對(duì)象的結(jié)構(gòu)特征數(shù)據(jù)進(jìn)行提取、以及用于采用預(yù)先建立的混合模型對(duì)所述評(píng)估對(duì)象進(jìn) 行分類分析； 其中，所述分類模型簇包括數(shù)據(jù)分析模型，所述數(shù)據(jù)分析模型包括用于對(duì)所述評(píng)估對(duì) 象的進(jìn)行特征壓縮和維度歸約的主成分分析(PCA)模型;所述混合模型包括:層次聚類模型 和支持向量機(jī)(SVM)模型，所述層次聚類模型用于識(shí)別所述評(píng)估對(duì)象與同類參考對(duì)象的關(guān) 聯(lián)程度、并為這種關(guān)聯(lián)程度打上關(guān)聯(lián)標(biāo)簽的層次聚類模型;支持向量機(jī)(SVM)模型用于根據(jù) 所述關(guān)聯(lián)標(biāo)簽判斷所述評(píng)估對(duì)象是否能匹配到可作為評(píng)估參考的同類參考對(duì)象，如果所述 評(píng)估對(duì)象能匹配到可作為評(píng)估參考的同類參考對(duì)象，則所述評(píng)估對(duì)象屬于合群樣本，否則 所述評(píng)估對(duì)象屬于離群樣本； 所述分類模型簇還包括股權(quán)價(jià)值評(píng)估模型，所述股權(quán)價(jià)值評(píng)估模型包括:第一模型庫 中的市盈率(P/E)模型、市凈率(P/B)模型、市銷率(P/S)模型；以及，第二模型庫中的凈現(xiàn)金 流折現(xiàn)(NPV)模型、以及實(shí)物期權(quán)(ROpt.);其中，所述第一模型庫和所述第二模型庫中各模 型的調(diào)用條件由所述智能評(píng)估系統(tǒng)設(shè)置的評(píng)估參數(shù)決定。9. 根據(jù)權(quán)利要求7或8所述的動(dòng)態(tài)評(píng)估模型系統(tǒng)，其特征在于，所述智能評(píng)估系統(tǒng)用于 調(diào)用、管理所述動(dòng)態(tài)數(shù)據(jù)庫系統(tǒng)及分類模型庫系統(tǒng)，并與所述人機(jī)交互系統(tǒng)進(jìn)行信息交互； 所述智能評(píng)估系統(tǒng)包括:本體領(lǐng)域模塊，用于提供對(duì)相關(guān)理論的共享概念模型和形式 化規(guī)范說明；邏輯推理模塊:用于提供相關(guān)理論與對(duì)應(yīng)的邏輯關(guān)系的匹配方式;任務(wù)計(jì)算模 塊:用于根據(jù)確定的估值模型進(jìn)行計(jì)算并將計(jì)算結(jié)果輸出。10. 根據(jù)權(quán)利要求9所述的動(dòng)態(tài)評(píng)估模型系統(tǒng)，其特征在于： 所述智能評(píng)估系統(tǒng)設(shè)置的篩選條件為基于理論知識(shí)和專家經(jīng)驗(yàn)設(shè)計(jì)出來的邏輯推理 原則，以代碼形式封裝于所述智能評(píng)估系統(tǒng)，并按順序進(jìn)行編碼，可被規(guī)格化、系統(tǒng)化的調(diào) 用。
【文檔編號(hào)】G06F17/30GK106067094SQ201610416226
【公開日】2016年11月2日
【申請(qǐng)日】2016年6月14日 公開號(hào)201610416226.9, CN 106067094 A, CN 106067094A, CN 201610416226, CN-A-106067094, CN106067094 A, CN106067094A, CN201610416226, CN201610416226.9
【發(fā)明人】宋曉華, 張宇霖, 張栩蓓, 龍蕓, 史富蓮, 寧相波
【申請(qǐng)人】華北電力大學(xué)