指标数据获取方法、装置、电子设备及可读存储介质

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种指标数据获取方法、装置、电子设备及可读存储介质。

背景技术

在企业经营过程中，财务情况是能够反映企业的经营状况的，所以对企业进行财务风险分析，能够为企业的经营或者投资提供有效的数据支撑。目前一般是通过人工凭借经验筛选出一些财务数据，并根据这些财务数据来进行财务风险分析，这种方式筛选出的财务数据更多的是依赖人为主观思想，这样获取的财务数据可能并不能真正反映企业的财务风险，使得后续进行财务风险分析时，分析结果并不准确。

发明内容

本申请实施例的目的在于提供一种指标数据获取方法、装置、电子设备及可读存储介质，用以改善现有技术中通过人工筛选获得的财务数据并不能真正反映企业的财务风险的问题。

第一方面，本申请实施例提供了一种指标数据获取方法，所述方法包括：

获取目标企业的多个指标组合，每个指标组合包括两个财务指标数据；

将每个指标组合与预先构建的企业风险评估网络进行匹配，获得具有风险关联关系的目标指标组合，其中，所述企业风险评估网络是指基于多个企业的多个财务指标数据之间的风险关联关系构建的。

在上述实现过程中，通过将由财务指标数据形成的指标组合与预先构建的企业风险评估网络进行匹配，如此获得具有风险关联关系的目标指标组合，该目标指标组合可用于后续对企业进行财务风险分析，这样可以通过企业风险评估网络挖掘出更多具有风险关联关系的财务指标数据，这些财务指标数据更能够反映企业的财务风险。

可选地，通过以下方式构建所述企业风险评估网络：

获取由多个企业的多个财务指标数据所形成的多个企业指标组合，每个企业指标组合包括两个财务指标数据；

确定每个企业指标组合中的两个财务指标数据之间的风险关联关系；

根据所述风险关联关系构建所述企业风险评估网络。

在上述实现过程中，通过财务指标数据之间的风险关联关系来构建企业风险评估网络，这样可以使得构建的企业风险评估网络更能够综合反映具有风险关联关系的财务指标数据，进而能够更准确地挖掘出一个企业的具有风险关联关系的财务指标数据。

可选地，所述确定每个企业指标组合中的两个财务指标数据之间的风险关联关系，包括：

针对每个企业指标组合，以其中一个财务指标数据作为横坐标，以其中另一个财务指标数据作为纵坐标，构建坐标系；

确定所述坐标系的至少一组划分方式，每组划分方式至少从所述坐标系中划分出两个区域；

针对每组划分方式，统计其划分出的每个区域中企业的违约概率，并确定每组划分方式对应的最大违约概率，其中，所述违约概率为对应区域内违约企业的占比；

从每组划分方式对应的最大违约概率中确定最大的目标违约概率；

若所述目标违约概率大于设定概率，则确定该企业指标组合中的两个财务指标数据之间具有风险关联关系。

在上述实现过程中，通过以财务指标数据构建坐标系，然后通过计算坐标系中所划分的区域的违约概率来确定财务指标数据之间是否具有风险关联关系，如此将财务指标数据之间的风险关联关系进行量化为违约概率后来进行衡量，从而可以更快速获得两个财务指标数据之间的风险关联关系。

可选地，所述企业风险评估网络包括多个节点，每个节点对应一个财务指标数据，具有风险关联关系的节点之间具有边，所述将每个指标组合与预先构建的企业风险评估网络进行匹配，获得具有风险关联关系的目标指标组合，包括：

查找所述企业风险评估网络中是否包括有指标组合中的两个财务指标数据对应的节点之间的边；

若有，则确定该指标组合是具有风险关联关系的目标指标组合。

在上述实现过程中，通过匹配企业风险评估网络中的节点和边，可以快速获得具有风险关联关系的目标指标组合。

可选地，所述获得具有风险关联风险的目标指标组合之后，所述方法还包括：

根据所述目标指标组合对所述目标企业进行财务风险分析，获得分析结果。由于获得的目标指标组合是具有风险关联关系的，更能够反映企业的财务风险，所以分析结果更准确。

可选地，所述根据所述目标指标组合对所述目标企业进行财务风险分析，获得分析结果，包括：

统计获得所述目标指标组合所包含的财务指标数据的数量；

若所述数量超过设定数量，则确定所述分析结果为所述目标企业具有财务风险。数量较多，表明具有财务风险的财务指标数据较大，财务风险越大，如此可以准确分析出企业的财务风险。

可选地，所述根据所述目标指标组合对所述目标企业进行财务风险分析，获得分析结果，包括：

根据所述目标指标组合生成所述目标企业对应的目标企业风险评估网络；

获取违约企业对应的违约企业风险评估网络；

获取所述目标企业风险评估网络与所述违约企业风险评估网络之间的相似度；

若所述相似度大于设定相似度，则确定所述分析结果为所述目标企业具有财务风险。

在上述实现过程中，将目标企业风险评估网络与违约企业风险评估网络进行相似度对比，在相似度大于设定相似度时，表明目标企业的财务风险较大，这样可以更为准确地分析出目标企业的财务风险。

可选地，所述获取所述目标企业风险评估网络与所述违约企业风险评估网络之间的相似度，包括：

统计所述目标企业风险评估网络与所述违约企业风险评估网络中属于相同节点的第一数量，和/或具有相同边的第二数量；

根据所述第一数量和/或所述第二数量确定所述目标企业风险评估网络与所述违约企业风险评估网络之间的相似度。

在上述实现过程中，通过节点和/或边的数量来确定两个网络的相似度，更快速，效率更高。

第二方面，本申请实施例提供了一种指标数据获取装置，所述装置包括：

指标组合获取模块，用于获取目标企业的多个指标组合，每个指标组合包括两个财务指标数据；

数据匹配模块，用于将每个指标组合与预先构建的企业风险评估网络进行匹配，获得具有风险关联关系的目标指标组合，其中，所述企业风险评估网络是指基于多个企业的多个财务指标数据之间的风险关联关系构建的。

可选地，所述装置还包括：

网络构建模块，用于获取由多个企业的多个财务指标数据所形成的多个企业指标组合，每个企业指标组合包括两个财务指标数据；确定每个企业指标组合中的两个财务指标数据之间的风险关联关系；根据所述风险关联关系构建所述企业风险评估网络。

可选地，所述网络构建模块，用于：

针对每个企业指标组合，以其中一个财务指标数据作为横坐标，以其中另一个财务指标数据作为纵坐标，构建坐标系；

确定所述坐标系的至少一组划分方式，每组划分方式至少从所述坐标系中划分出两个区域；

针对每组划分方式，统计其划分出的每个区域中企业的违约概率，并确定每组划分方式对应的最大违约概率，其中，所述违约概率为对应区域内违约企业的占比；

从每组划分方式对应的最大违约概率中确定最大的目标违约概率；

若所述目标违约概率大于设定概率，则确定该企业指标组合中的两个财务指标数据之间具有风险关联关系。

可选地，所述企业风险评估网络包括多个节点，每个节点对应一个财务指标数据，具有风险关联关系的节点之间具有边，所述数据匹配模块，用于查找所述企业风险评估网络中是否包括有指标组合中的两个财务指标数据对应的节点之间的边；若有，则确定该指标组合是具有风险关联关系的目标指标组合。

可选地，所述装置还包括：

分析模块，用于根据所述目标指标组合对所述目标企业进行财务风险分析，获得分析结果。

可选地，所述分析模块，用于统计获得所述目标指标组合所包含的财务指标数据的数量；若所述数量超过设定数量，则确定所述分析结果为所述目标企业具有财务风险。

可选地，所述分析模块，用于根据所述目标指标组合生成所述目标企业对应的目标企业风险评估网络；获取违约企业对应的违约企业风险评估网络；获取所述目标企业风险评估网络与所述违约企业风险评估网络之间的相似度；若所述相似度大于设定相似度，则确定所述分析结果为所述目标企业具有财务风险。

可选地，所述分析模块，用于统计所述目标企业风险评估网络与所述违约企业风险评估网络中属于相同节点的第一数量，和/或具有相同边的第二数量；根据所述第一数量和/或所述第二数量确定所述目标企业风险评估网络与所述违约企业风险评估网络之间的相似度。

第三方面，本申请实施例提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。

第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。

本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本申请实施例提供的指标数据获取方法的流程图；

图2为本申请实施例提供的一种企业风险评估网络的示意图；

图3为本申请实施例提供的一种象限划分的示意图；

图4为本申请实施例提供的一种指标数据获取装置的结构框图；

图5为本申请实施例提供的一种用于执行指标数据获取方法的电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本发明实施例中的术语“系统”和“网络”可被互换使用。“多个”是指两个或两个以上，鉴于此，本发明实施例中也可以将“多个”理解为“至少两个”。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。

本申请实施例提供一种指标数据获取方法，该方法通过将由财务指标数据形成的指标组合与预先构建的企业风险评估网络进行匹配，如此获得具有风险关联关系的目标指标组合，该目标指标组合可用于后续对企业进行财务风险分析，这样可以通过企业风险评估网络挖掘出更多具有风险关联关系的财务指标数据，这些财务指标数据更能够反映企业的财务风险，进而后续采用这些财务指标数据对企业进行财务分析时，分析结果更为准确。

请参照图1，图1为本申请实施例提供的一种指标数据获取方法的流程图，该方法包括如下步骤：

步骤S110：获取目标企业的多个指标组合。

其中，指标组合是由多个财务指标数据所形成的，如指标组合是由两个不同的财务指标数据进行两两组合所形成的，每个指标组合包括两个财务指标数据。财务指标数据可以涉及多个财务指标的数据，如企业盈利能力、投资能力、股权质量、资产质量、偿债能力、现金流质量、运营能力等几个方面，具体的各个财务指标的数据包括但不限于：企业盈利能力：非主营利润占比、营业外收支净额占比、核心利润率；投资能力：高溢价收购关联方资产、跨界并购；股权质量：大额资产减值比例、大股东持股比例、大股东质押比例；资产质量：在建工程占净资产比重、应收账款占净资产比例；偿债能力：短期债务占总债务比例、对外担保比例；现金流质量：净现金流/净资产、销售商品、提供劳务收到的现金与营业收入比；运营能力：在建工程/固定资产、非流动资产周转率。这些财务指标数据可以反映企业经营各个方面的数据。

另外，指标组合还可以由不同报告期的财务指标数据组成，以考虑不同报告期指标之间相互的风险影响关系，比如上一期的负债情况可能影响这一期的现金流，因此财务指标数据可能会有不同时期之间的风险关联关系。如实际情况中还可以考虑获取两年内的财务指标数据，每年4个报告期，一共8个报告期，因此上述的每个财务指标数据还可以包括4个报告期的财务指标数据。例如，对于具体某个财务指标X来说，每个报告期的数据对于当前的时间节点来说可以看作另一个指标，也就是每个指标扩展为8个：X、pre1_X、pre2_X、…、pre7_X，扩展为8个指标是因为指标之间可能存在跨期的关联，比如pre4_X会和pre2_Y有联系，后续在计算两个财务指标数据之间的风险关联关系时，可以共同作用影响当前的风险关联关系。

这些财务指标数据一般存储在企业服务器中，所以，在获取这些财务指标数据时，可以直接从服务器中读取出这些财务指标数据，然后将这些财务指标数据进行两两组合，从而形成多个指标组合。

步骤S120：将每个指标组合与预先构建的企业风险评估网络进行匹配，获得具有风险关联关系的目标指标组合。

其中，企业风险评估网络是指基于多个企业的多个财务指标数据之间的风险关联关系构建的，在构建企业风险评估网络时，通过挖掘财务指标数据之间潜在的风险关联关系，从而可以获得更多用于评价企业的财务风险的财务指标数据。

企业风险评估网络可以是一种图网络，其中包括多个节点，每个节点对应一种财务指标数据，具有风险关联关系的两个节点之间可以采用连线相连，即具有风险关联关系的节点之间具有边，在将目标企业的每个指标组合与企业风险评估网络进行匹配时，可以是将每个指标组合中的财务指标数据与企业风险评估网络中的各个边进行匹配，且查找是否有匹配的边，如果有，则表示这两个财务指标数据之间具有风险关联关系。

具体实现过程中，可以在企业风险评估网络中查找是否包括有指标组合中的两个财务数据对应的节点之间的边，若有，则确定该指标组合是具有风险关联关系的目标指标组合。

例如，针对一个指标组合中的财务指标数据A、B，先在企业风险评估网络中查找是否有匹配的边，若有，则确定该财务指标数据A、B之间具有风险关联关系。

需要说明的是，由于目标企业的财务指标数据可能有多个，则生成的指标组合也可能有多个组合，后续进行匹配后获得的目标指标组合可能也有多个，这些目标指标组合后续可用于对目标企业的财务风险进行分析。

在上述实现过程中，通过将由财务指标数据形成的指标组合与预先构建的企业风险评估网络进行匹配，如此获得具有风险关联关系的目标指标组合，该目标指标组合可用于后续对企业进行财务风险分析，这样可以通过企业风险评估网络挖掘出更多具有风险关联关系的财务指标数据，这些财务指标数据更能够反映企业的财务风险。

在上述实施例的基础上，下面对上述的企业风险评估网络的构建过程进行介绍。

其构建过程包括：获取由多个企业的多个财务指标数据所形成的多个企业指标组合，每个企业指标组合包括两个财务指标数据，然后确定每个企业指标组合中的两个财务指标数据之间的风险关联关系，然后根据风险关联关系构建企业风险评估网络。

其中，多个企业的多个财务指标数据也可如上述实施例中目标企业的财务指标数据一样，只是多个企业的财务指标数据的数量更多，所以，所形成的企业指标组合的数量也更多，这里的企业指标组合也是由两个不同的财务指标数据所组合形成的。例如，一共有108*8＝864(其中，108个指标，8个报告期)个财务指标数据，则生成的企业指标组合有864*863个，若每个财务指标有8个报告期，所以对于同一财务指标，对应有8个财务指标数据，所以，企业指标组合中还需要去掉同一指标不同跨期的组合，即最后获得的企业指标组合为864*863-8*7*108，其中，108是指财务指标的个数。

然后针对每个企业指标组合，确定每个企业指标组合中的两个财务指标数据之间的风险关联关系，如果两个财务指标数据之间具有风险关联关系，则将这两个财务指标数据对应的两个节点进行连接，没有风险关联关系的两个财务指标数据对应的两个节点之间不连接，从而构建企业风险评估网络，构建的企业风险评估网络的示意图如图2所示。

在上述实现过程中，通过财务指标数据之间的风险关联关系来构建企业风险评估网络，这样可以使得构建的企业风险评估网络更能够综合反映具有风险关联关系的财务指标数据，进而能够更准确地挖掘出一个企业的具有风险关联关系的财务指标数据。

在上述实施例的基础上，可以通过以下方式确定两个财务指标数据之间的风险关联关系：针对每个企业指标组合，以其中一个财务指标数据作为横坐标、以其中另一个财务指标数据作为纵坐标，构建坐标系；确定坐标系的至少一组划分方式，每组划分方式至少从坐标系中划分出两个区域，针对每组划分方式，统计其划分出的每个区域中企业的违约概率，并确定每组划分方式对应的最大违约概率，其中，违约概率为对应区域内违约企业的占比，然后从每组划分方式对应的最大违约概率中确定最大的目标违约概率，若目标违约概率大于设定概率，则确定该企业指标组合中的两个财务指标数据之间具有风险关联关系。

也就是说，从坐标系中找出一个最大的目标违约概率对应的区域，若该区域内企业的违约概率都大于设定概率，则认为这两个财务指标数据之间具有风险关联关系。

其中，在一些实施方式中，对坐标系的划分方式可以是：在坐标系中随机生成至少两条相交的线，该至少两条相交的线用于将坐标轴划分为至少四个象限，共有至少一组这样的两条线，比如，共有50组这样的两条线，然后可利用50组的两条线将坐标系进行划分，共获得50组划分方式，针对每组划分方式都会划分为四个象限，然后统计每个象限内企业的违约概率，该违约概率为象限内违约企业的占比，根据每个象限内企业的违约概率确定最大违约概率，这样针对每组划分方式会获得一个最大违约概率，如此可获得50个最大违约概率，然后再从50个最大违约概率中确定一个最大的目标违约概率，若目标违约概率大于设定概率，则确定该企业指标组合中的两个财务指标数据之间具有风险关联关系。

如图3所示，以财务指标数据A为横轴，以财务指标数据B为纵轴，生成二维坐标系，A为短期负债，B为现金流流出，然后在该坐标系内随机生成的至少两条相交的线，包括一条横线y＝b以及一条竖线x＝a，这横线和竖线将坐标系分为四个象限。然后统计每个象限内企业的违约概率，例如对于第一象限(x>a且y>b)，如对于某个企业的财务指标数据A和B，如果满足A>a，B>b，则该企业落入第一象限内。按照同样的方式，可统计落入第一象限内的企业的数量，例如总共数量为10，如果其中违约企业为5，则该象限对应的违约概率为0.5，同理，按照同样的方式分别获得其他三个象限的违约概率，如其他三个象限的违约概率分别为0.3,0.8,0.7，此时，确定出最大违约概率为0.8。

然后重复上述过程，即另外生成一条横线y＝b和一条竖线x＝a，这两条线所划分的四个象限和上述举例的四个象限不同，即象限的范围不同，因为a，b的取值不同，然后同样统计出每个象限的违约概率，确定最大违约概率。如此，可遍历所有的a，b的取值，生成很多横线和竖线，其中，a的最大取值可以为该企业指标组合中短期负债A的值，b的最大取值为该企业指标组合中现金流流出B的值。

可以理解地，在以上述示例划分坐标系时，可以是每次取一个(a,b)值，生成一条横线和竖线，然后对坐标系划分，确定出最大违约概率，然后重复该过程，即又取一个(a,b)值，生成一条横线和竖线，然后对坐标系进行划分，直至取到最后一个(a,b)值，最后获得50个最大违约概率，再从这50个最大违约概率中确定出最大的目标违约概率。

或者，例如(a,b)的取值组合共有50个，可以每次取一个(a,b)值，然后生成四个象限，可获取四个象限的违约概率进行存储，然后依次取剩余的49个(a,b)值后，共获得50*4＝200个违约概率，然后再从这200个违约概率中确定出最大的目标违约概率，该目标违约概率即为该企业指标组合对应的最大违约概率。

或者，也可以是一次性确定50个(a,b)值，然后对坐标系进行并行划分(此时可以理解为有50个坐标系)，如此可并行计算获得200个违约概率后，再从中确定出最大的目标违约概率，计算效率更高。

若目标违约概率大于设定概率，则认为该企业指标组合中的两个财务指标数据具有风险关联关系，即违约概率越大，则表示风险越大。其中，设定概率可以实际需求灵活设置。还可以获取该企业指标组合对应的目标违约概率时a，b的取值，以及对应的象限范围，这样在构建企业风险评估网络时，可以将两个节点之间的边以a，b的取值以及对应的象限范围来表示，比如财务指标数据A和B，其目标违约概率对应的a取值为a1，b的取值为b1，目标违约概率对应的象限范围为a大于a1，b大于b1，所以，A和B之间的边的关系可以用a>a1且b>b1来表示。

在上述将指标组合与企业风险评估网络进行匹配时，查找匹配的边可以理解为是：将该指标组合中的财务指标数据(A1，B1)与企业风险评估网络中的边进行匹配，若满足A1的值大于a1，B1的值大于b1，则可认为与A和B之间的边匹配，则认为A1和B1之间具有风险关联关系。

按照同样的方式，还可以判断其他企业指标组合中的两个财务指标数据之间的风险关联关系。

另外，为了简化操作，提高计算效率，a,b的取值还可以离散取值，如以多个财务指标数据中A，B的取值进行离散取值，如多个财务指标数据中包括20个短期负债，20个现金流流出，则对a取值20次，对b取值20次。

或者a,b的取值也可以间隔离散取值，如a的最大取值为100，则可每隔5进行一次取值，b也同理，a和b的间隔值可以相同，也可以不同。

在另一些实施方式中，为了更为准确地确定两个财务指标数据之间的风险关联关系，上述生成的至少两条相交的线可以是多条横线和多条竖线，或者是至少两条相交的曲线或斜线等，这样可以将坐标系划分为四个象限或更多象限，然后再按照上述示例的方式通过获取最大的目标违约概率来确定两个财务指标数据之间的风险关联关系，这种方式可以将象限进行更细化地划分，这样可以将每个象限的范围划分得更小，从而可以找到更合理的范围对应的违约概率，对风险关联关系的分析更合理。

在另一些实施方式中，对坐标系进行区域划分时，还可以将区域划分为多个圆形或矩形等，圆形区域可以以中心点坐标(a,b)以及半径r来确定，这样可以找出一个圆形区域，使得其对应的违约概率为最大，同理，对于矩形区域，可以以中心点坐标(a,b)以及对应的长宽来确定，这样也可以确定出一个矩形区域，使得其对应的违约概率为最大，然后再判断最大的违约概率是否大于设定概率，若是，则确定对应的两个财务指标数据之间具有风险关联关系。

需要说明的是，上述对坐标系进行区域划分的方式仅为部分示例，在实际应用中，并不限定所划分的区域的具体形状，其划分的区域还可以为椭圆形、多边形等，目的是为了找出一个最优区域，使得该区域对应的违约概率是所有区域中最大的。

在上述实现过程中，通过以财务指标数据构建坐标系，然后通过计算每个区域的违约概率来确定财务指标数据之间是否具有风险关联关系，如此将财务指标数据之间的风险关联关系进行量化为违约概率后来进行衡量，从而可以更快速获得两个财务指标数据之间的风险关联关系。

在上述实施例的基础上，在确定目标指标组合后，可以根据目标指标组合对目标企业的财务风险进行分析。由于获得的目标指标组合是具有风险关联关系的，更能够反映企业的财务风险，所以分析结果更准确。

在一些实施方式中，可以统计获得目标指标组合所包含的财务指标数据的数量，若该数量超过设定数量，则确定分析结果为目标企业具有财务风险。

例如，目标指标组合有10个，则对应的财务指标数据有20个，设定数量可以根据实际需求灵活设置，如设定数量可以为15，或者设定数量可以为目标企业的财务指标数据的总数量的50％，若20大于设定数量，表示目标企业有风险的财务指标数据较多，则确定该目标企业有财务风险。

在上述实现过程中，目标指标组合所包含的财务指标数据的数量较多，表明具有财务风险的财务指标数据较大，财务风险越大，如此可以准确分析出企业的财务风险。

在另一些实施方式中，在对目标企业进行风险分析时，还可以根据目标指标组合生成目标企业对应的目标企业风险评估网络，获取违约企业对应的违约企业风险评估网络，然后获取目标企业风险评估网络与违约企业风险评估网络之间的相似度，若相似度大于设定相似度，则确定该风险结果为目标企业具有财务风险。

目标企业风险评估网络和违约企业风险评估网络的网络结构与上述的企业风险评估网络的网络结构类似，也是可以包括多个节点，以及具有风险关联关系的节点之间通过边连接。例如，目标指标组合中的每个财务指标数据可作为目标企业评估网络中的一个节点，一个目标指标组合中对应的两个节点之间通过边连接。目标企业风险评估网络可以准确反映该目标企业中可能存在问题的财务指标以及各个财务指标数据之间的风险关联关系，后续还可以将目标企业风险评估网络输出给评估人员，这样可以更加直观地知晓目标企业的财务风险。

违约企业是事先确定的具有违约记录的企业，其是具有财务风险的企业，对于违约企业风险评估网络的获取方式也如此，如可以获取违约企业的财务指标数据，然后通过匹配企业风险评估网络获取具有风险关联关系的指标组合，然后根据指标组合生成违约企业风险评估网络。

或者，目标企业风险评估网络也可以是基于目标指标组合以及其他非目标指标组合的指标组合来生成的，违约企业风险评估网络的生成方式也同理，这样网络中还可能包含有不具有风险的财务指标数据对应的节点。

由于违约企业是具有财务风险的企业，所以将目标企业风险评估网络与违约企业风险评估网络进行相似度计算，如果相似度大于设定相似度，则认为两者比较相似，说明目标企业也是具有财务风险的，这样可以更为准确地分析出目标企业的财务风险，因为违约企业是已经违约过的企业，如果目标企业与违约企业的相似度较大，基于谨慎投资的思想，所以可认为目标企业的风险也较大，表示目标企业会出现同样违约情况的可能性会高于其他相似度小的企业。

在上述实施例的基础上，在计算两个网络的相似度时，可以统计目标企业风险评估网络与违约企业风险评估网络中属于相同节点的第一数量，和/或具有相同边的第二数量，然后根据第一数量和/或第二数据确定目标企业风险评估网络与违约企业风险评估网络之间的相似度。

例如，将目标企业风险评估网络中的每个节点与违约企业风险评估网络中的每个节点进行比对，确定相同的节点，然后统计这些相同节点的数量，或者统计这些相同节点中具有相同边的数量，如相同节点包括A、B、C，假如相同边只有A和B之间的边，则具有相同边的数量为1。

如果第一数量大于第一设定数量和/或第二数量大于设定数量，则确定两个网络之间的相似度大于设定相似度，也即，可以将第一数量和/或第二数量作为两个网络之间的相似度。

其中，在判断相似度时，若第一数量大于第一设定数量，可以认为相似度大于设定相似度，或者第二数量大于第二设定数量，可以认为相似度大于设定相似度，或者若第一数量大于第一设定数量，且第二数量大于第二设定数量，则认为相似度大于设定相似度。

在上述实现过程中，通过节点和/或边的数量来确定两个网络的相似度，更快速，效率更高。

在另一些实施方式中，由于上述的两个网络本质上是图结构，所以，计算两个网络的相似度的方式还可以将两个网络映射到某个Hibert空间，然后相似度可以通过Hibert空间中的点积运算得到。

或者，两个网络的最终相似度可以是上述通过相同节点数量和/或相同边的数量确定的相似度与通过Hibert空间中的点积运算得到的相似度来综合确定的，如最终相似度可以是两个相似度的平均值。

另外，在对企业进行财务风险的分析过程中，还可以对目标指标组合所涉及的财务指标进行分析，如统计每个财务指标对应的出现风险的财务指标数据的数量，然后若对应的财务指标对应出现风险的财务指标数据的数量大于设定数量，表明这个财务指标的风险最大，应该重点关注，比如，对于盈利能力指标总共有10个财务指标数据，其中有8个都有风险，则表示这家企业盈利能力有问题。当然，在分析时，可以基于上述的目标企业风险评估网络来进行分析，如遍历目标企业风险评估网络中节点的数量，如果数量大于设定数量，则确定该目标企业具有财务风险，这样分析效率更高。

在获得分析结果后，可以向评估人员输出对应的分析结果，或者在分析结果为具有财务风险时，向评估人员输出对应的预警信息，用于告知评估人员该企业的财务风险，以重点关注。

请参照图4，图4为本申请实施例提供的一种指标数据获取装置200的结构框图，该装置200可以是电子设备上的模块、程序段或代码。应理解，该装置200与上述图1方法实施例对应，能够执行图1方法实施例涉及的各个步骤，该装置200具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。

可选地，所述装置200包括：

指标组合获取模块210，用于获取目标企业的多个指标组合，每个指标组合包括两个财务指标数据；

数据匹配模块220，用于将每个指标组合与预先构建的企业风险评估网络进行匹配，获得具有风险关联关系的目标指标组合，其中，所述企业风险评估网络是指基于多个企业的多个财务指标数据之间的风险关联关系构建的。

可选地，所述装置200还包括：

网络构建模块，用于获取由多个企业的多个财务指标数据所形成的多个企业指标组合，每个企业指标组合包括两个财务指标数据；确定每个企业指标组合中的两个财务指标数据之间的风险关联关系；根据所述风险关联关系构建所述企业风险评估网络。

可选地，所述网络构建模块，用于：

针对每个企业指标组合，以其中一个财务指标数据作为横坐标，以其中另一个财务指标数据作为纵坐标，构建坐标系；

确定所述坐标系的至少一组划分方式，每组划分方式至少从所述坐标系中划分出两个区域；

针对每组划分方式，统计其划分出的每个区域中企业的违约概率，并确定每组划分方式对应的最大违约概率，其中，所述违约概率为对应区域内违约企业的占比；

从每组划分方式对应的最大违约概率中确定最大的目标违约概率；

若所述目标违约概率大于设定概率，则确定该企业指标组合中的两个财务指标数据之间具有风险关联关系。

可选地，所述企业风险评估网络包括多个节点，每个节点对应一个财务指标数据，具有风险关联关系的节点之间具有边，所述数据匹配模块220，用于查找所述企业风险评估网络中是否包括有指标组合中的两个财务指标数据对应的节点之间的边；若有，则确定该指标组合是具有风险关联关系的目标指标组合。

可选地，所述装置200还包括：

分析模块，用于根据所述目标指标组合对所述目标企业进行财务风险分析，获得分析结果。

可选地，所述分析模块，用于统计获得所述目标指标组合所包含的财务指标数据的数量；若所述数量超过设定数量，则确定所述分析结果为所述目标企业具有财务风险。

可选地，所述分析模块，用于根据所述目标指标组合生成所述目标企业对应的目标企业风险评估网络；获取违约企业对应的违约企业风险评估网络；获取所述目标企业风险评估网络与所述违约企业风险评估网络之间的相似度；若所述相似度大于设定相似度，则确定所述分析结果为所述目标企业具有财务风险。

可选地，所述分析模块，用于统计所述目标企业风险评估网络与所述违约企业风险评估网络中属于相同节点的第一数量，和/或具有相同边的第二数量；根据所述第一数量和/或所述第二数量确定所述目标企业风险评估网络与所述违约企业风险评估网络之间的相似度。

需要说明的是，本领域技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再重复描述。

请参照图5，图5为本申请实施例提供的一种用于执行指标数据获取方法的电子设备的结构示意图，所述电子设备可以包括：至少一个处理器310，例如CPU，至少一个通信接口320，至少一个存储器330和至少一个通信总线340。其中，通信总线340用于实现这些组件直接的连接通信。其中，本申请实施例中设备的通信接口320用于与其他节点设备进行信令或数据的通信。存储器330可以是高速RAM存储器，也可以是非易失性的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器330可选的还可以是至少一个位于远离前述处理器的存储装置。存储器330中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器310执行时，电子设备执行上述图1所示方法过程。

可以理解，图5所示的结构仅为示意，所述电子设备还可包括比图5中所示更多或者更少的组件，或者具有与图5所示不同的配置。图5中所示的各组件可以采用硬件、软件或其组合实现。

本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，执行如图1所示方法实施例中电子设备所执行的方法过程。

本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如，包括：获取目标企业的多个指标组合，每个指标组合包括两个财务指标数据；将每个指标组合与预先构建的企业风险评估网络进行匹配，获得具有风险关联关系的目标指标组合，其中，所述企业风险评估网络是指基于多个企业的多个财务指标数据之间的风险关联关系构建的。

综上所述，本申请实施例提供一种指标数据获取方法、装置、电子设备及可读存储介质，该方法通过将由财务指标数据形成的指标组合与预先构建的企业风险评估网络进行匹配，如此获得具有风险关联关系的目标指标组合，该目标指标组合可用于后续对企业进行财务风险分析，这样可以通过企业风险评估网络挖掘出更多具有风险关联关系的财务指标数据，这些财务指标数据更能够反映企业的财务风险。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。

以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。