构建智能化破产管理人的方法
文献发布时间:2023-06-19 13:26:15
技术领域
本发明涉及企业破产管理技术领域,具体为一种构建智能化破产管理人的方法。
背景技术
破产管理人是指破产案件中,对破产财产全面接管并负责对其进行保管、清理、估价、处理和分配的专门机构,又被称为“破产清算组”。在破产案件中,破产财产的管理和清算工作沉重繁杂,大量的法律事务与专业性、技术性较强的非法律事务相掺杂,而对破产财产的管理、变价、分配等工作,应由破产管理人来处理。
而在当前技术中,由于破产管理人没有技术辅助,导致效率低,人为因素较多,耗时长,而且不够智能、自动化,因此本发明提出了一种构建智能化破产管理人的方法,用以实现智能构建破产管理人,代替律师业务,实现智能化,提高工作效率和规范性。
发明内容
本发明的目的在于提供一种构建智能化破产管理人的方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:
构建智能化破产管理人的方法,该方法包括:
获取企业的申报数据,进行破产原因概率分析;
进行数字公证,评估破产状态,并选择破产路径,所述破产路径包括破产预和解、破产预重整、破产清算;
计算破产预重整价值,生成破产预重整的期望值,判断是否执行破产预重整;
建立预测模型,进行破产重整指标可用性判断,破产重整指标的概率计算,排除问题指标;
评定破产预重整建设等级,构建破产预重整模型,完成企业破产预重整,实施信用修复。
根据上述技术方案,企业的破产原因概率分析包括:
获取企业破产的判断条件,并对企业进行分析,判断其是否破产;
所述破产企业的数据特征包括企业破产原因、破产企业类型、破产企业债权债务关系、社会经济发展情况、当时阶段政策规定、企业合规情况、企业犯罪情况等;
利用马尔科夫链蒙特卡洛方法进行企业的破产原因概率分析;
获取破产企业的数据特征,记为L,在任一个L中存在变量x,x 为正整数,不同的正整数x的大小对应着不同状态;
描述x在不同状态的概率分布,记为q;
更新单一的马尔科夫链;
其中,t代表周期;T
根据状态为整数的参数化设定,我们可以将转移算子T
A
计算获取破产原因概率分布;
对企业破产原因的概率进行排序,并且不断更新调整。
当下一个企业再进行申报数据的时候,可以将申报数据与概率排序靠前的破产原因进行对比,用来判断该企业发生破产的概率大小。
根据上述技术方案,进行数字公证包括:
获取电子数据,为电子数据设置标签,结构化数据设标签0,非结构化数据设标签1;
构建关联分析模型,关联分析上报到数字公证模型的电子数据;
通过数据分析,实现企业破产概率检测。
根据上述技术方案,构建关联分析模型,进行破产概率检测还包括:
关联分析设置指标分析点,查看指标之间的关联性;
通过概率推理勾画出关联分析设置的特征图谱、特点、趋势、规律,画出关联曲线,构建关联分析模型,并利用该模型对行为特征持续收集;
通过先验概率模型进行指标检测,并对检测出的问题数据进行打标签,从而获得冗余的信息,提取出统计检测量,记为Y;
设置判决门限K
则有:
当Y≥K
其中,H0表示企业不存在破产状况;H1表示企业临近破产;从而实现破产概率检测。
根据上述技术方案,所述破产预和解通过值迭代算法和蒙特卡洛方法组合为申请破产预和解的企业提供第三方调解机构,供其选择后,由第三方为利益相关方开展预和解,按照债务人填报,自动生成和解协议。
根据上述技术方案,所述破产预重整包括:
评估破产预重整价值,判断是否执行破产预重整;
利用自适应卡尔曼滤波对破产预重整价值进行评估;
设计多个维度值,依次为:判断主体、判断客体、判断标准、判断原则、判断目标;
设置自适应因子a
由此建立的自适应滤波解表达式为:
其中,
其中,
从而利用自适应卡尔曼滤波根据判断主体、判断客体、判断标准、判断原则、判断目标进行综合评估是否执行破产预重整;
若存在预重整收益大于清算收益;并且能够实现重整社会价值与经济价值的最大化,则执行破产预重整。
a
通过以最小均方差为准则,但是最小方差估计是无偏估计,因此它的估计误差的均值为零:
实现无偏估计的条件如下:
被估计系统的状态模型和测量模型都是线性的;
系统驱动噪声与测量噪声为相互独立的零均值高斯白噪声;
要求每次测量都相互独立;
如果不满足上述条件,即当测量噪声中包含偏差不再满足零均值时,估计值也将出现偏差不再是无偏的;
根据判断主体、判断客体、判断标准、判断原则、判断目标进行判断是否执行破产预重整;
若存在预重整收益大于清算收益;并且能够实现重整社会价值与经济价值的最大化,则执行破产预重整。
根据上述技术方案,所述破产预重整还包括:
搭建预测模型;
在预测模型中,获取历史数据,并根据历史数据设置专项破产预重整指标系列,单项指标设置来源于历史数据分析,查看发生破产的事件构成要件,根据这些构成要件出现的次数测算概率,指标阈值设置来自于构成要件出现的概率,划定出现违法违规次数超出阈值M
判断指标是否超限,既可以做必要的概率分析和预判,又可以将此次收集证据进行再累积,这样就自动迭代,使预测模型具有自适应能力,通过朴素贝叶斯算法进行深度学习,采集和分析对象的特征和历史数据,包括破产重整特征、规避方法、企业犯罪方法和自适应能力等,利用该模型进行评估预判;
在预测模型中,进行破产重整指标可用性判断,破产重整指标的概率计算,具体步骤如下:
获取企业经济情况历史数据;例如:工商档案、银行调取的材料、纳税情况、进出口情况、工厂年度水电气费情况、公司经营情况、社保情况等,进行大数据分析,通过关联比对和逻辑分析,勾画出该企业破产预重整概率的特征图谱、行为特点、破产趋势等,利用该模型对该行为特征持续数据收集,关联比对已有专家系统和数据库中出现违法违规问题的各方面数据,比如司法数据、行政处罚数据、国际组织处罚数据等;
获取预重整企业的实际经营情况;实际经营情况包括:企业投资收益率小于负债利息率,偿债能力失控,过度投资、盲目扩张引发财务危机,存货和应收账款大量占用资金,营私舞弊;
设置破产预重整指标阈值,根据破产预重整事件对应构成要件出现的概率进行设置;
破产预重整事件对应构成要件出现的概率计算公式为:
其中,c表示破产预重整事件构成要件的名称,P
将设置的指标阈值传递至指标判断单元;
判断破产预重整指标的可用性;
判断破产预重整指标的可用性,通过分析破产原因,特别是根据行政区划、行业特点、企业发展阶段特点、个人经济状况特点(因每个地区的企业或个人违法违规、发生破产原因是不同的,将发生概率较大的相关违法违规事项排序,比如因虚开增值税发票、非法吸收公众存款等导致企业破产)而导致的企业破产或个人破产;
还要分析企业加杠杆、增加债务、增加成本、不当经营等因素,通过与历史数据的比对,来综合判断和评估指标的可用性。
利用最小二乘残差法来设计指标可用性判决门限K
获取统计检测量;
获取破产最大告警率,记为X
获取可观测的样本数,记为m;
在正常误差条件下,判决统计量服从自由度为m-4的
破产预重整指标可用性得到确认后,计算出与破产预重整相似度最大的破产原因,公式如下:
给定破产原因变量V
V
其中,p(V
则有联合概率的条件概率表达式:
p(V
计算出与破产预重整相似度最大的破产原因,并按照概率大小进行排序;
则进一步排除问题指标,公式如下:
其中,H为观测指标值的矩阵;Q是协方差矩阵;Q
设概率密度函数为:
其中P(p)为概率密度函数,括号及等号右方的p为概率,b为问题指标数,T为预先设定的破产预重整指标阈值;
由最大似然估计可知,要得到参数的最大似然估计值,就要使似然函数值达到最大;
设第d个指标对应的偏差向量应该使似然函数
其中,b
将上式对参数b
所以可得参数b
这个估计值使
综上所述,使概率密度最大的即为问题指标,将其排除。
根据上述技术方案,通过破产概率评定破产预重整建设等级;
所述破产预重整建设等级包括四级警告、三级警告、二级警告、一级警告;
当破产概率为20%至30%时,破产预重整建设等级为四级警告;
当破产概率为30%至40%时,破产预重整建设等级为三级警告;
当破产概率为40%至50%时,破产预重整建设等级为二级警告;
当破产概率为高于50%时,破产预重整建设等级为一级警告。
根据上述技术方案,搭建破产预重整模型还包括:
根据破产预重整等级,结合企业申报的债务人的股东会、董事会、主管部门或投资人同意预重整的文件;债务人具有预重整价值的分析报告及证据材料;债务人预重整的可行性分析报告或预重整方案,以及企业发展阶段、发展类型,判断下一步的趋势,经授权,采取下一步骤;
利用马尔科夫链蒙特卡洛方法挑选最适合的破产预重整办法,提出整改计划,包括整改方案、时间、进度情况;
根据上述整改计划,通过将特征相似度较高的破产预重整方案列举出来,成为供选择破产预重整方案;所述特征例如:相同地域、破产原因、企业发展阶段等;
强化学习完善破产预重整方案,自动建立优化版合规破产预重整方案,并建立持续监控措施,生成预重整工作报告,完成企业的破产预重整。
所述预重整工作报告包括:债务人的基本情况;债务人出现经营或财务困境的原因;债务人的资产、负债状况;债务人的生产经营状况;债务人重整价值的分析意见;债务人重整可行性的分析意见;是否形成重整方案以及重整方案的协商情况;进行重整的潜在风险及相关建议;应当报告的其他情形。
在预测模型中,根据历史数据和预测破产预重整发现的问题,分析企业或人员破产情况、模式和是否违法违规的类型、范围、影响,通过数据挖掘分析、数据关联性分析和因果推断模型,判断危险等级,提出破产预重整方案,并通过强化学习完善识别方案。
例如:完全的不确定性表现为偶然、无知以及出乎意料;风险的发生也具有不确定性,但以发生的盖然性为本质特征。二者最大的不同,就是风险可以通过概率来进行把握,即可以对风险进行预期值的计算。处置风险因素,也就是依据预期值,根据主要矛盾提出解决方案。
根据上述技术方案,信用修复包括:生态环境修复、银行信用修复、税务信用修复、市场监管信用修复;
根据企业的破产预重整结果,自动向其提供第三方机构,供企业选择,解决企业存在的信用问题,并给出修复意见。例如:税务机关依法受偿后,智能破产管理人可以向税务机关提出纳税信用修复申请,税务机关根据系统出具的预重整计划或认可和解协议的裁定书评价其纳税信用级别。并将破产预重整企业视为新设立的企业,对其信用等级进行重新评定。
与现有技术相比,本发明所达到的有益效果是:
1、本发明能够实现破产管理的全过程智能化,代替人,实现破产管理人的智能化分析和处置,实现破产管理的智能化处理,代替律师和会计业务,减少人为因素,利用人工智能和大数据技术,智能化制定破产重整计划;
2、本发明在实现破产预重整的过程中,提出预测模型,能够根据企业申报数据,进行预测企业破产的概率,并且可以根据企业的相关数据,判断企业破产预重整的概率,并且能够自动给出企业破产预重整的方案。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
在附图中:
图1是本发明一种构建智能化破产管理人的方法的流程示意图;
图2是本发明一种构建智能化破产管理人的方法的破产预重整的价值流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-2,本发明提供技术方案:
构建智能化破产管理人的方法,该方法包括:
获取企业的申报数据,进行破产原因概率分析;
进行数字公证,评估破产状态,并选择破产路径,所述破产路径包括破产预和解、破产预重整、破产清算;
计算破产预重整价值,生成破产预重整的期望值,判断是否执行破产预重整;
建立预测模型,进行破产重整指标可用性判断,破产重整指标的概率计算,排除问题指标;
评定破产预重整建设等级,构建破产预重整模型,完成企业破产预重整,实施信用修复。
企业的破产原因概率分析包括:
获取企业破产的判断条件,并对企业进行分析,判断其是否破产;
利用马尔科夫链蒙特卡洛方法进行企业的破产原因概率分析;
获取破产企业的数据特征,记为L,在任一个L中存在变量x,x 为正整数,不同的正整数x的大小对应着不同状态;
描述x在不同状态的概率分布,记为q;
更新单一的马尔科夫链;
其中,t代表周期;T
根据状态为整数的参数化设定,我们可以将转移算子T
A
计算获取破产原因概率分布;
对企业破产原因的概率进行排序,并且不断更新调整。
进行数字公证包括:
获取电子数据,为电子数据设置标签,结构化数据设标签0,非结构化数据设标签1;
构建关联分析模型,关联分析上报到数字公证模型的电子数据;
通过数据分析,实现企业破产概率检测。
构建关联分析模型,进行破产概率检测还包括:
关联分析设置指标分析点,查看指标之间的关联性;
通过概率推理勾画出关联分析设置的特征图谱、特点、趋势、规律,画出关联曲线,构建关联分析模型,并利用该模型对行为特征持续收集;
通过先验概率模型进行指标检测,并对检测出的问题数据进行打标签,从而获得冗余的信息,提取出统计检测量,记为Y;
设置判决门限K
则有:
当Y≥K
其中,H0表示企业不存在破产状况;H1表示企业临近破产;从而实现破产概率检测。
所述破产预和解通过值迭代算法和蒙特卡洛方法组合为申请破产预和解的企业提供第三方调解机构,供其选择后,由第三方为利益相关方开展预和解,按照债务人填报,自动生成和解协议。
所述破产预重整包括:
评估破产预重整价值,判断是否执行破产预重整;
利用自适应卡尔曼滤波对破产预重整价值进行评估;
设计多个维度值,依次为:判断主体、判断客体、判断标准、判断原则、判断目标;
设置自适应因子a
由此建立的自适应滤波解表达式为:
其中,
从而利用自适应卡尔曼滤波根据判断主体、判断客体、判断标准、判断原则、判断目标进行综合评估是否执行破产预重整;
若存在预重整收益大于清算收益;并且能够实现重整社会价值与经济价值的最大化,则执行破产预重整。
所述破产预重整还包括:
搭建预测模型;
在预测模型中,进行破产重整指标可用性判断,破产重整指标的概率计算,具体步骤如下:
获取企业经济情况历史数据;
获取预重整企业的实际经营情况;
设置破产预重整指标阈值,根据破产预重整事件对应构成要件出现的概率进行设置;
破产预重整事件对应构成要件出现的概率计算公式为:
其中,c表示破产预重整事件构成要件的名称,P
将设置的指标阈值传递至指标判断单元;
判断破产预重整指标的可用性;
利用最小二乘残差法来设计指标可用性判决门限K
获取统计检测量;
获取破产最大告警率,记为X
获取可观测的样本数,记为m;
在正常误差条件下,判决统计量服从自由度为m-4的
破产预重整指标可用性得到确认后,计算出与破产预重整相似度最大的破产原因,公式如下:
给定破产原因变量V
V
其中,p(V
则有联合概率的条件概率表达式:
p(V
计算出与破产预重整相似度最大的破产原因,并按照概率大小进行排序;
则进一步排除问题指标,公式如下:
其中,H为观测指标值的矩阵;Q是协方差矩阵;Q
设概率密度函数为:
其中P(p)为概率密度函数,括号及等号右方的p为概率,b为问题指标数,T为预先设定的破产预重整指标阈值;
由最大似然估计可知,要得到参数的最大似然估计值,就要使似然函数值达到最大;
设第d个指标对应的偏差向量应该使似然函数
其中,b
将上式对参数b
所以可得参数b
这个估计值使
综上所述,使概率密度最大的即为问题指标,将其排除。
通过破产概率评定破产预重整建设等级;
所述破产预重整建设等级包括四级警告、三级警告、二级警告、一级警告;
当破产概率为20%至30%时,破产预重整建设等级为四级警告;
当破产概率为30%至40%时,破产预重整建设等级为三级警告;
当破产概率为40%至50%时,破产预重整建设等级为二级警告;
当破产概率为高于50%时,破产预重整建设等级为一级警告。
搭建破产预重整模型还包括:
根据破产预重整等级,结合企业申报的债务人的股东会、董事会、主管部门或投资人同意预重整的文件;债务人具有预重整价值的分析报告及证据材料;债务人预重整的可行性分析报告或预重整方案,以及企业发展阶段、发展类型,判断下一步的趋势,经授权,采取下一步骤;
利用马尔科夫链蒙特卡洛方法挑选最适合的破产预重整办法,提出整改计划,包括整改方案、时间、进度情况;
根据上述整改计划,通过将特征相似度较高的破产预重整方案列举出来,成为供选择破产预重整方案;
强化学习完善破产预重整方案,自动建立优化版合规破产预重整方案,并建立持续监控措施,生成预重整工作报告,完成企业的破产预重整。
信用修复包括:生态环境修复、银行信用修复、税务信用修复、市场监管信用修复;
根据企业的破产预重整结果,自动向其提供第三方机构,供企业选择,解决企业存在的信用问题,并给出修复意见。
在本实施例中:
获取企业的申报数据,进行破产原因概率分析;
企业的破产原因概率分析包括:
获取企业破产的判断条件,并对企业进行分析,判断其是否破产;
利用马尔科夫链蒙特卡洛方法进行企业的破产原因概率分析;
获取破产企业的数据特征,记为L,
所述破产企业的数据特征包括企业破产原因、破产企业类型、破产企业债权债务关系、社会经济发展情况、当时阶段政策规定、企业合规情况、企业犯罪情况等;
在本实施例中,选取破产企业类型、社会经济发展情况、企业合规情况、企业犯罪情况作为破产企业的数据特征;
在四项数据特征中,任一项中存在变量x,x为正整数,不同的正整数x的大小对应着不同状态;
描述x在不同状态的概率分布,记为q;
更新单一的马尔科夫链;
其中,t代表周期;T
根据状态为整数的参数化设定,我们可以将转移算子T
A
计算获取破产原因概率分布;
对企业破产原因的概率进行排序,
发现存在企业犯罪情况>企业合规情况>社会经济发展情况>破产企业类型,则在当前模型下,企业犯罪情况的影响性最高;
通过不断融合其他企业的数据,进行不断更新调整。
需要说明的是,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。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
- 构建智能化破产管理人的方法
- 一种基于自然语言处理的企业破产案件智能辅助判案方法