(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111680987.2 (22)申请日 2021.12.31 (71)申请人 上海华鑫股份有限公司 地址 200131 上海市徐汇区肇 嘉浜路五洲 国际大厦3 01华鑫证券 (72)发明人 李少华　胡彦鹏　罗乐　陈晗锋　 李晨辉　王长波　沙曼　陈会平　 (74)专利代理 机构 成都拓荒者知识产权代理有 限公司 51254 专利代理师 杨争华 (51)Int.Cl. G06Q 10/06(2012.01) G06N 3/04(2006.01) (54)发明名称 一种面向二级市场市值重估的可视分析系 统及分析方法 (57)摘要 本发明提供面向二级市场市值重估的可视 化分析系统及分析方法， 可视化分析系统包括： 数据库， 用于存储公司的财务数据； 数据提取模 块， 用于从数据库中提取出与用户输入信息相匹 配的财务数据； 预处理模块， 用于对所提取的财 务数据进行预处理； 分析处理模块， 用于接收预 处理后的财务数据， 基于相应的财务数据集训练 出对应的LS TM神经网络模型， 并基于训练完成的 LSTM神经网络模型， 以公司近期的财务数据作为 输入， 输出得到相应财务数据变化趋势的分析结 果； 可视化模块， 基于分析处理模块的分析结果 进行可视化展示。 基于本申请的可视化分析系统 及分析方法， 能够较好地实现公司市值数据的有 效可视化， 具有较高的分析效率和良好的可视化 效果。 权利要求书2页 说明书7页 附图4页 CN 114511190 A 2022.05.17 CN 114511190 A 1.面向二级市场市值重估的可视化分析系统， 其特 征在于， 包括： 数据库， 用于存储公司的财务数据， 所述财务数据包括利润表数据、 资产负债表数据、 现金流量表数据和历史股价数据； 数据提取模块， 用于接收用户输入信息， 并从数据库中提取出与所述用户输入信息相 匹配的财务数据； 预处理模块， 用于对数据提取模块所提取的财务数据进行预处理， 以处理财务数据集 中的异常数据， 并对数据进行 标准化处理； 分析处理模块， 用于接收预处理模块处理后的财务数据， 基于相应的财务数据集训练 出对应的LSTM神经网络模型， 并基于训练完成的LSTM神经网络模型， 以公司近期的财务数 据作为输入， 输出 得到相应财务数据变化趋势的分析 结果； 可视化模块， 基于分析处 理模块的分析 结果进行 可视化展示。 2.根据权利要求1所述的可视化分析系统， 其特征在于， 所述预处理模块包括异常数据 处理单元和标准化处理单元， 异常数据 处理单元用于检查缺失的数据， 并根据对缺失变量 的含义理解， 进行常量 填充或者插值 填充， 以形成完整的数据； 标准化处理单元用于对数据进行标准化处理， 从原始的财务数据集{X1,X2,...,Xn}中 找出属性的最小 值min{X1， X2， ...， Xn}和最大值max{X1， X2， ...， Xn}， 并将财务数据集中每个 数据的原 始值Xi通过标准化映射为区间[0,1]中的值Xi′， 即: 3.根据权利要求2所述的可视化分析系统， 其特征在于， 所述LSTM神经网络模型中以每 一层提取 的特征作为下一层数据的输入， 设定时间步长K， 以前K日的数据生成后面时间周 期T的分析数据； 并建立一个for循环， 让K的起始日期不断向后滑动， 每滑动一次生 成一个T ×1大小的分析样本， 使得从第K+T天开始具有T个不同的分析值， 求出分析值集合中的最大 值和最小值， 从而得到分析 结果的上 下界区间。 4.根据权利要求1所述的可视化分析系统， 其特征在于， 分析处理模块包括市值分析单 元， 市值分析单元基于财务数据变化趋势的分析结果分别采用相对估值模 型和绝对估值模 型得到公司的市值分析 结果。 5.根据权利要求1所述的可视化分析系统， 其特征在于， 所述可视化模块以图和表格的 形式对分析结果进 行可视化展示， 图的形式包括柱状图、 折线图或堆叠图中的任一形式， 表 格的形式用于 详细展示 不同指标的具体数值。 6.根据权利要求3所述的可视化分析系统， 其特征在于， 可视化模块以折线图的形式展 示分析结果的最大值和最小值的变化趋势， 并在最大值和 最小值之间填充色块， 以展示分 析结果的范围。 7.根据权利要求1所述的可视化分析系统， 其特征在于， 所述可视化模块包括交互输入 单元， 交互输入单元用于提供用户输入自定义的参数， 并依据所述参数调整相 应分析结果 的可视化展示形式。 8.面向二级市场市值重估的可视化分析 方法， 其特 征在于， 包括以下步骤： S1、 获取公司的财务数据， 所述财务数据包括利润表数据、 资产负债表数据、 现金流量权　利　要　求　书 1/2 页 2 CN 114511190 A 2表数据和历史股价数据； S2、 对财务数据进行预处理， 以处理财务数据集中的异常数据， 并对数据进行标准化处 理； S3、 在相应的财务数据集上训练一个对应的LSTM神经网络模型； S4、 将公司近期的财务数据输入经步骤S3训练完成的LSTM神经网络模型， 得到相应财 务数据变化趋势的分析 结果； S5、 基于财务数据变化趋势的分析结果分别采用相对估值模型和绝对估值模型得到公 司的市值分析 结果； S6、 将所述市值分析 结果进行 可视化展示。 9.根据权利要求8所述的可视化分析方法， 其特征在于， 处理财务数据集中的异常数据 的方法包括： 检查缺失的数据， 根据对缺失变量的含义理解， 进行常量填充或者插值填充， 以保证数 据指标的完整性和可利用性； 对数据进行 标准化处理的方法包括： 从原始的财务数据集{X1,X2,...,Xn}中找出属性的最小值min{X1， X2， ...， Xn}和最大值 max{X1， X2， ...， Xn}， 并将财务数据集中每个数据的原始值Xi通过标准化映射为区间[0,1] 中的值Xi′， 即: 10.根据权利要求8或9所述的可视化分析方法， 其特征在于， 所述LSTM神经网络模型中 以每一层提取的特征作为下一层数据的输入， 设定时间步长K， 以前K日的数据形成后面时 间周期T的分析数据； 并建立一个for循环， 让K的起始日期不 断向后滑动， 每滑动一次生成 一个T×1大小的分析样本， 使得从第K+T天开始具有T个不同的分析值， 求出分析值集合中 的最大值和最小值， 从而得到分析 结果的上 下界区间。权　利　要　求　书 2/2 页 3 CN 114511190 A 3