本發(fā)明涉及金融風(fēng)險(xiǎn)評(píng)估，具體為一種基于大語言模型的行業(yè)報(bào)告自動(dòng)生成系統(tǒng)。

背景技術(shù)：

1、傳統(tǒng)房地產(chǎn)金融分析報(bào)告數(shù)據(jù)來源單一，且未充分考慮基于多源數(shù)據(jù)（財(cái)務(wù)數(shù)據(jù)、市場(chǎng)數(shù)據(jù)、外部監(jiān)管數(shù)據(jù)和樓盤開發(fā)進(jìn)度數(shù)據(jù)）進(jìn)行金融風(fēng)險(xiǎn)報(bào)告分析，導(dǎo)致金融風(fēng)險(xiǎn)報(bào)告生成準(zhǔn)確性和全面性受限；因此，亟需一種能夠動(dòng)態(tài)整合多源數(shù)據(jù)、深度挖掘多模態(tài)關(guān)聯(lián)并精準(zhǔn)評(píng)估風(fēng)險(xiǎn)的行業(yè)報(bào)告自動(dòng)生成系統(tǒng)。

2、為此，提出一種基于大語言模型的行業(yè)報(bào)告自動(dòng)生成系統(tǒng)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于大語言模型的行業(yè)報(bào)告自動(dòng)生成系統(tǒng)，通過動(dòng)態(tài)多源數(shù)據(jù)歸集模塊獲取各房地產(chǎn)企業(yè)的結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)，并基于多源可信度系數(shù)與數(shù)據(jù)歸集策略構(gòu)建第一綜合數(shù)據(jù)集；構(gòu)建企業(yè)金融風(fēng)險(xiǎn)評(píng)估模型識(shí)別第一綜合數(shù)據(jù)集，得到金融風(fēng)險(xiǎn)異常特征，進(jìn)而生成多源金融風(fēng)險(xiǎn)系數(shù)；金融風(fēng)險(xiǎn)評(píng)估與報(bào)告生成模塊根據(jù)多源金融風(fēng)險(xiǎn)系數(shù)生成綜合金融風(fēng)險(xiǎn)評(píng)分，根據(jù)房地產(chǎn)企業(yè)的綜合金融風(fēng)險(xiǎn)評(píng)分排序輸出自動(dòng)化報(bào)告；本發(fā)明通過企業(yè)金融風(fēng)險(xiǎn)評(píng)估模型，能夠有效實(shí)現(xiàn)房地產(chǎn)企業(yè)金融風(fēng)險(xiǎn)的智能化分析與報(bào)告自動(dòng)生成。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種基于大語言模型的行業(yè)報(bào)告自動(dòng)生成系統(tǒng)，包括：

4、動(dòng)態(tài)多源數(shù)據(jù)歸集模塊，獲取各個(gè)房地產(chǎn)企業(yè)的第一結(jié)構(gòu)化數(shù)據(jù)與第一非結(jié)構(gòu)化數(shù)據(jù)，并計(jì)算第一多源可信度系數(shù)，并基于所述第一多源可信度系數(shù)和數(shù)據(jù)歸集策略得到第一綜合數(shù)據(jù)集；

5、風(fēng)險(xiǎn)評(píng)估模型構(gòu)建模塊，用于構(gòu)建企業(yè)金融風(fēng)險(xiǎn)評(píng)估模型對(duì)第一綜合數(shù)據(jù)集進(jìn)行識(shí)別，依次經(jīng)過所述模型的第一輸入層、第一預(yù)處理層、金融風(fēng)險(xiǎn)特征提取層、金融風(fēng)險(xiǎn)特征分析層和第一輸出層；金融風(fēng)險(xiǎn)特征提取層用于提取金融風(fēng)險(xiǎn)異常特征；金融風(fēng)險(xiǎn)異常特征包括財(cái)務(wù)異常特征、市場(chǎng)異常特征、外部監(jiān)管異常特征和樓盤開發(fā)異常特征；金融風(fēng)險(xiǎn)特征分析層根據(jù)金融風(fēng)險(xiǎn)特征得到多源金融風(fēng)險(xiǎn)系數(shù)；

6、金融風(fēng)險(xiǎn)評(píng)估與報(bào)告生成模塊，用于根據(jù)多源金融風(fēng)險(xiǎn)系數(shù)生成綜合金融風(fēng)險(xiǎn)評(píng)分，并根據(jù)綜合金融風(fēng)險(xiǎn)評(píng)分對(duì)各個(gè)企業(yè)進(jìn)行綜合排名，并輸出報(bào)告。

7、優(yōu)選的，所述第一結(jié)構(gòu)化數(shù)據(jù)包括企業(yè)資產(chǎn)負(fù)債表、企業(yè)現(xiàn)金流量表、企業(yè)收益表、房源銷售成交數(shù)據(jù)、房源租賃成交數(shù)據(jù)、土地交易數(shù)據(jù)庫和供應(yīng)鏈合同；所述第一非結(jié)構(gòu)化數(shù)據(jù)包括外部監(jiān)管文件報(bào)告、樓盤開發(fā)進(jìn)度數(shù)據(jù)和工程款結(jié)賬情況。

8、優(yōu)選的，所述第一多源可信度系數(shù)為：

9、；

10、其中，為第一多源可信度系數(shù)；為數(shù)據(jù)新鮮度衰減因子影響系數(shù)；為數(shù)據(jù)新鮮度衰減因子，反映數(shù)據(jù)的新鮮度；為平臺(tái)權(quán)威系數(shù)影響系數(shù)；為平臺(tái)權(quán)威系數(shù)，用于評(píng)估數(shù)據(jù)來源平臺(tái)的權(quán)威性；為數(shù)據(jù)完整度評(píng)分影響系數(shù)；為數(shù)據(jù)完整度評(píng)分，用于評(píng)估數(shù)據(jù)的完整性。

11、優(yōu)選的，根據(jù)所述第一多源可信度系數(shù)和預(yù)設(shè)閾值，得到各個(gè)數(shù)據(jù)的可信度等級(jí)，可信度等級(jí)包括高可信度、中可信度和低可信度；對(duì)高可信度的數(shù)據(jù)進(jìn)行全量采集；對(duì)中可信度的數(shù)據(jù)進(jìn)行抽樣采集；對(duì)低可信度的數(shù)據(jù)不進(jìn)行采集；進(jìn)而將采集的數(shù)據(jù)歸并，得到第一綜合數(shù)據(jù)集。

12、優(yōu)選的，所述企業(yè)金融風(fēng)險(xiǎn)評(píng)估模型基于llm（large?language?model，大語言模型）構(gòu)建，包括第一輸入層、第一預(yù)處理層、金融風(fēng)險(xiǎn)特征提取層、金融風(fēng)險(xiǎn)特征分析層和第一輸出層；

13、所述第一輸入層用于將第一綜合數(shù)據(jù)集輸入所述企業(yè)金融分析評(píng)估模型；

14、所述第一預(yù)處理層基于自然語言處理預(yù)訓(xùn)練范式，對(duì)第一綜合數(shù)據(jù)集中的結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行統(tǒng)一表示建模，包括數(shù)據(jù)編碼、文本標(biāo)準(zhǔn)化和語義嵌入構(gòu)建，得到第二綜合數(shù)據(jù)集；

15、所述金融風(fēng)險(xiǎn)特征提取層基于transformer架構(gòu)，通過多頭自注意力機(jī)制對(duì)第二綜合數(shù)據(jù)集進(jìn)行上下文建模與語義關(guān)聯(lián)分析，識(shí)別金融風(fēng)險(xiǎn)異常特征；金融風(fēng)險(xiǎn)異常特征包括財(cái)務(wù)異常特征、市場(chǎng)異常特征、外部監(jiān)管異常特征和樓盤開發(fā)異常特征；

16、所述金融風(fēng)險(xiǎn)特征分析層分別根據(jù)這四個(gè)異常特征得到多源金融風(fēng)險(xiǎn)系數(shù)；多源金融風(fēng)險(xiǎn)系數(shù)包括財(cái)務(wù)風(fēng)險(xiǎn)系數(shù)、市場(chǎng)風(fēng)險(xiǎn)系數(shù)、外部監(jiān)管風(fēng)險(xiǎn)系數(shù)和樓盤開發(fā)風(fēng)險(xiǎn)系數(shù)；

17、所述第一輸出層用于輸出多源金融風(fēng)險(xiǎn)系數(shù)。

18、優(yōu)選的，所述財(cái)務(wù)異常特征包括同比資產(chǎn)負(fù)債率、環(huán)比資產(chǎn)負(fù)債率、同比現(xiàn)金流波動(dòng)率、環(huán)比現(xiàn)金流波動(dòng)率和凈利潤(rùn)率；所述市場(chǎng)異常特征包括房?jī)r(jià)波動(dòng)率、同比銷售量比值、環(huán)比銷售量比值、同比租賃量比值、環(huán)比租賃量比值和供應(yīng)合同違約率；所述外部監(jiān)管異常特征包括金融操作監(jiān)管匹配度和稅務(wù)違規(guī)率；所述樓盤開發(fā)異常特征包括進(jìn)度滯后率和工程款延時(shí)支付時(shí)間。

19、優(yōu)選的，所述綜合金融風(fēng)險(xiǎn)評(píng)分為：

20、；

21、其中，表示第個(gè)房地產(chǎn)企業(yè)的綜合金融風(fēng)險(xiǎn)評(píng)分；表示第個(gè)房地產(chǎn)企業(yè)的財(cái)務(wù)風(fēng)險(xiǎn)系數(shù)，用于反映財(cái)務(wù)數(shù)據(jù)對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的影響；表示第個(gè)房地產(chǎn)企業(yè)的市場(chǎng)風(fēng)險(xiǎn)系數(shù)；表示第個(gè)房地產(chǎn)企業(yè)的外部監(jiān)管風(fēng)險(xiǎn)系數(shù)，用于外部監(jiān)管數(shù)據(jù)對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的影響；表示第個(gè)房地產(chǎn)企業(yè)的樓盤開發(fā)風(fēng)險(xiǎn)系數(shù)，用于反映樓盤開發(fā)進(jìn)度對(duì)房地產(chǎn)金融風(fēng)險(xiǎn)的影響。

22、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：

23、1、本發(fā)明通過獲取各個(gè)房地產(chǎn)企業(yè)的結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)，并根據(jù)數(shù)據(jù)新鮮度衰減因子、平臺(tái)權(quán)威系數(shù)和數(shù)據(jù)完整度評(píng)分計(jì)算第一多源可信度系數(shù)，并基于第一多源可信度系數(shù)和數(shù)據(jù)歸集策略得到第一綜合數(shù)據(jù)集；數(shù)據(jù)歸集策略包括：根據(jù)所述第一多源可信度系數(shù)和預(yù)設(shè)閾值，得到各個(gè)數(shù)據(jù)的可信度等級(jí)，可信度等級(jí)包括高可信度、中可信度和低可信度；對(duì)高可信度的數(shù)據(jù)進(jìn)行全量采集；對(duì)中可信度的數(shù)據(jù)進(jìn)行抽樣采集；對(duì)低可信度的數(shù)據(jù)不進(jìn)行采集；進(jìn)而將采集的數(shù)據(jù)歸并，得到第一綜合數(shù)據(jù)集；本發(fā)明通過第一多源可信度系數(shù)和數(shù)據(jù)歸集策略對(duì)報(bào)告來源數(shù)據(jù)進(jìn)行有效甄別篩選，提升模型輸入數(shù)據(jù)質(zhì)量，從而有效提升金融風(fēng)險(xiǎn)報(bào)告生成準(zhǔn)確性和全面性。

24、2、本發(fā)明通過構(gòu)建企業(yè)金融風(fēng)險(xiǎn)評(píng)估模型對(duì)第一綜合數(shù)據(jù)集進(jìn)行識(shí)別分析，得到金融風(fēng)險(xiǎn)異常特征；金融風(fēng)險(xiǎn)異常特征包括財(cái)務(wù)異常特征、市場(chǎng)異常特征、外部監(jiān)管異常特征和樓盤開發(fā)異常特征；根據(jù)這四個(gè)異常特征得到多源金融風(fēng)險(xiǎn)系數(shù)；多源金融風(fēng)險(xiǎn)系數(shù)包括財(cái)務(wù)風(fēng)險(xiǎn)系數(shù)、市場(chǎng)風(fēng)險(xiǎn)系數(shù)、外部監(jiān)管風(fēng)險(xiǎn)系數(shù)和樓盤開發(fā)風(fēng)險(xiǎn)系數(shù)；根據(jù)多源金融風(fēng)險(xiǎn)系數(shù)生成綜合金融風(fēng)險(xiǎn)評(píng)分，并根據(jù)綜合金融風(fēng)險(xiǎn)評(píng)分對(duì)各個(gè)企業(yè)進(jìn)行綜合排名，并生成自動(dòng)化報(bào)告；通過基于財(cái)務(wù)、市場(chǎng)、外部監(jiān)管和樓盤開發(fā)多方面進(jìn)行房地產(chǎn)企業(yè)的金融分析，能夠有效實(shí)現(xiàn)房地產(chǎn)企業(yè)的金融分析準(zhǔn)確性和全面性、從而有效提升金融風(fēng)險(xiǎn)報(bào)告生成準(zhǔn)確率。

技術(shù)特征：

1.一種基于大語言模型的行業(yè)報(bào)告自動(dòng)生成系統(tǒng)，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于大語言模型的行業(yè)報(bào)告自動(dòng)生成系統(tǒng)，其特征在于：所述第一結(jié)構(gòu)化數(shù)據(jù)包括企業(yè)資產(chǎn)負(fù)債表、企業(yè)現(xiàn)金流量表、企業(yè)收益表、房源銷售成交數(shù)據(jù)、房源租賃成交數(shù)據(jù)、土地交易數(shù)據(jù)庫和供應(yīng)鏈合同；所述第一非結(jié)構(gòu)化數(shù)據(jù)包括外部監(jiān)管文件報(bào)告、樓盤開發(fā)進(jìn)度數(shù)據(jù)和工程款結(jié)賬情況。

3.根據(jù)權(quán)利要求2所述的一種基于大語言模型的行業(yè)報(bào)告自動(dòng)生成系統(tǒng)，其特征在于：所述第一多源可信度系數(shù)為：

4.根據(jù)權(quán)利要求3所述的一種基于大語言模型的行業(yè)報(bào)告自動(dòng)生成系統(tǒng)，其特征在于：根據(jù)所述第一多源可信度系數(shù)和預(yù)設(shè)閾值，得到各個(gè)數(shù)據(jù)的可信度等級(jí)，可信度等級(jí)包括高可信度、中可信度和低可信度；對(duì)高可信度的數(shù)據(jù)進(jìn)行全量采集；對(duì)中可信度的數(shù)據(jù)進(jìn)行抽樣采集；對(duì)低可信度的數(shù)據(jù)不進(jìn)行采集；進(jìn)而將采集的數(shù)據(jù)歸并，得到第一綜合數(shù)據(jù)集。

5.根據(jù)權(quán)利要求4所述的一種基于大語言模型的行業(yè)報(bào)告自動(dòng)生成系統(tǒng)，其特征在于：所述企業(yè)金融風(fēng)險(xiǎn)評(píng)估模型基于llm構(gòu)建，包括第一輸入層、第一預(yù)處理層、金融風(fēng)險(xiǎn)特征提取層、金融風(fēng)險(xiǎn)特征分析層和第一輸出層；

6.根據(jù)權(quán)利要求5所述的一種基于大語言模型的行業(yè)報(bào)告自動(dòng)生成系統(tǒng)，其特征在于：所述財(cái)務(wù)異常特征包括同比資產(chǎn)負(fù)債率、環(huán)比資產(chǎn)負(fù)債率、同比現(xiàn)金流波動(dòng)率、環(huán)比現(xiàn)金流波動(dòng)率和凈利潤(rùn)率；所述市場(chǎng)異常特征包括房?jī)r(jià)波動(dòng)率、同比銷售量比值、環(huán)比銷售量比值、同比租賃量比值、環(huán)比租賃量比值和供應(yīng)合同違約率；所述外部監(jiān)管異常特征包括金融操作監(jiān)管匹配度和稅務(wù)違規(guī)率；所述樓盤開發(fā)異常特征包括進(jìn)度滯后率和工程款延時(shí)支付時(shí)間。

7.根據(jù)權(quán)利要求6所述的一種基于大語言模型的行業(yè)報(bào)告自動(dòng)生成系統(tǒng)，其特征在于：所述綜合金融風(fēng)險(xiǎn)評(píng)分為：

技術(shù)總結(jié)
本發(fā)明涉及金融風(fēng)險(xiǎn)評(píng)估技術(shù)領(lǐng)域，具體為一種基于大語言模型的行業(yè)報(bào)告自動(dòng)生成系統(tǒng)，包括：通過動(dòng)態(tài)多源數(shù)據(jù)歸集模塊獲取各房地產(chǎn)企業(yè)的結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)，并構(gòu)建第一多源可信度系數(shù)，基于該系數(shù)與數(shù)據(jù)歸集策略構(gòu)建第一綜合數(shù)據(jù)集；風(fēng)險(xiǎn)評(píng)估模型構(gòu)建模塊構(gòu)建企業(yè)金融風(fēng)險(xiǎn)評(píng)估模型識(shí)別第一綜合數(shù)據(jù)集，得到金融風(fēng)險(xiǎn)異常特征，進(jìn)而生成多源金融風(fēng)險(xiǎn)系數(shù)；金融風(fēng)險(xiǎn)評(píng)估與報(bào)告生成模塊根據(jù)多源金融風(fēng)險(xiǎn)系數(shù)生成綜合金融風(fēng)險(xiǎn)評(píng)分，根據(jù)房地產(chǎn)企業(yè)的綜合金融風(fēng)險(xiǎn)評(píng)分排序輸出自動(dòng)化報(bào)告；本發(fā)明通過構(gòu)建企業(yè)金融風(fēng)險(xiǎn)評(píng)估模型，能夠有效實(shí)現(xiàn)房地產(chǎn)企業(yè)金融風(fēng)險(xiǎn)的智能化分析與報(bào)告自動(dòng)生成。

技術(shù)研發(fā)人員：唐科偉,陳聲鴻,邱鵬飛
受保護(hù)的技術(shù)使用者：浙江孚臨科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/8