基于树模型和灰色聚类的估值方法、装置、设备及介质与流程

本发明涉及计算机处理，尤其涉及一种基于树模型和灰色聚类的估值方法、装置、设备及介质。

背景技术：

1、企业估值是指着眼于企业本身，对企业的内在价值进行评估。对企业的准确估值有利于对企业价值进行正确评价，能够帮助投资者、分析师和管理人员等评估企业的价值和潜在投资回报。

2、目前的企业估值方法主要采用的是通过人工依据企业数据进行判断的方式。这种方式需要基于人工计算，且不同的计算方法需要获取不同的数据，对其专业知识要求较高，存在数据处理困难，估值准确性差的问题。

技术实现思路

1、本发明提供了一种基于树模型和灰色聚类的估值方法、装置、设备及介质，以实现达到提高企业估值的全面性、准确性和可靠性的技术效果。

2、根据本发明的一方面，提供了一种基于树模型和灰色聚类的估值方法，该方法包括：

3、获取待估值企业的资产数据；其中，所述资产数据中包括与至少两个估值指标相对应的第一资产数据和与至少一个非财务指标相对应的第二资产数据；所述估值指标包括资产定价因子和财务指标；

4、基于预先训练得到的目标树模型对所述第一资产数据进行处理，得到估值因子的因子值；其中，所述目标树模型是基于参考企业的历史资产数据和与所述历史资产数据相对应的估值因子的真实值训练得到的；所述历史资产数据与所述估值指标相对应；

5、对所有非财务指标所对应的第二资产数据进行灰色聚类处理，得到与所述待估值企业相对应的目标分类结果；

6、基于所述目标分类结果、所述因子值、预先确定的行业估值参数以及所述第一资产数据，确定所述待估值企业的估值结果。

7、根据本发明的另一方面，提供了一种基于树模型和灰色聚类的估值装置，该装置包括：

8、资产数据获取模块，用于获取待估值企业的资产数据；其中，所述资产数据中包括与至少两个估值指标相对应的第一资产数据和与至少一个非财务指标相对应的第二资产数据；所述估值指标包括资产定价因子和财务指标；

9、因子值确定模块，用于基于预先训练得到的目标树模型对所述第一资产数据进行处理，得到估值因子的因子值；其中，所述目标树模型是基于参考企业的历史资产数据和与所述历史资产数据相对应的估值因子的真实值训练得到的；所述历史资产数据与所述估值指标相对应；

10、目标分类结果确定模块，用于对所有非财务指标所对应的第二资产数据进行灰色聚类处理，得到与所述待估值企业相对应的目标分类结果；

11、估值结果确定模块，用于基于所述目标分类结果、所述因子值、预先确定的行业估值参数以及所述第一资产数据，确定所述待估值企业的估值结果。

12、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

13、至少一个处理器；以及

14、与所述至少一个处理器通信连接的存储器；其中，

15、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的基于树模型和灰色聚类的估值方法。

16、根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于树模型和灰色聚类的估值方法。

17、本发明实施例的技术方案，通过获取待估值企业的资产数据；基于预先训练得到的目标树模型对第一资产数据进行处理，得到估值因子的因子值；对所有非财务指标所对应的第二资产数据进行灰色聚类处理，得到与待估值企业相对应的目标分类结果；基于目标分类结果、因子值、预先确定的行业估值参数以及第一资产数据，确定待估值企业的估值结果，解决了现有技术中人工处理企业数据进行估值，存在估值准确性差、可靠性低的问题，实现了通过使用目标树模型对估值指标下的第一资产数据进行处理，使得能够更准确地预测企业估值因子的因子值，避免了传统估值方法对历史数据的过度依赖，提高估值准确性。同时，通过对非财务指标下的第二资产数据进行灰色聚类处理，全面、客观地评估企业在多个非财务指标的表现，得到与待估值企业相对应的目标分类结果，进而，结合目标分类结果、因子值、预先确定的行业估值参数以及第一资产数据，对待估值企业进行估值，提高企业估值的准确性和可靠性。

18、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种基于树模型和灰色聚类的估值方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，在所述基于预先训练得到的目标树模型对所述第一资产数据进行处理，得到估值因子的因子值之前，包括：

3.根据权利要求1所述的方法，其特征在于，所述至少一个非财务指标包括至少两个，在所述对所有非财务指标所对应的第二资产数据进行灰色聚类处理，得到与所述待估值企业相对应的目标分类结果之前，还包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述资产数据矩阵，确定不同非财务指标之间的目标关联度，包括：

5.根据权利要求1所述的方法，其特征在于，所述对所有非财务指标所对应的第二资产数据进行灰色聚类处理，得到与所述待估值企业相对应的目标分类结果，包括：

6.根据权利要求1所述的方法，其特征在于，所述估值指标中包括至少一个预设指标，所述基于所述目标分类结果、所述因子值、预先确定的行业估值参数以及所述第一资产数据，确定所述待估值企业的估值结果，包括：

7.根据权利要求6所述的方法，其特征在于，所述基于所述目标分类结果和每个预设指标所对应的第一资产数据，确定波动率调整系数，包括：

8.根据权利要求6所述的方法，其特征在于，所述行业估值参数中包括行业估值波动率和估值因子的参数值，所述基于所述波动率调整系数、预先确定的行业估值参数以及所述因子值，确定与所述待估值企业相对应的估值结果，包括：

9.一种基于树模型和灰色聚类的估值装置，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的基于树模型和灰色聚类的估值方法。

技术总结本发明公开了一种基于树模型和灰色聚类的估值方法、装置、设备及介质。该方法包括：获取待估值企业的资产数据；基于预先训练得到的目标树模型对第一资产数据进行处理，得到估值因子的因子值；对所有非财务指标所对应的第二资产数据进行灰色聚类处理，得到与待估值企业相对应的目标分类结果；基于目标分类结果、因子值、预先确定的行业估值参数以及第一资产数据，确定待估值企业的估值结果。解决了现有技术中人工处理企业数据进行估值，存在估值准确性差、可靠性低的问题，实现达到提高企业估值的全面性、准确性和可靠性的效果。技术研发人员：张兴慧,刘小勃受保护的技术使用者：北京心流慧估科技有限公司技术研发日：技术公布日：2024/7/29