在数智时代,智能技术与数据深度融合,逐渐实现了大数据价值的充分挖掘与有效利用,为进一步推动数字经济发展奠定了坚实基础。数智时代的研究决策范式开始从“大数据”向“大知识”转变。“大知识”主要是应对从复杂大数据中挖掘海量知识的挑战。大知识既可以实现知识驱动的自动建模,也可以帮助决策者对结果进行理解和解释。
在此背景下,CSMAR推出了智能研究系列数据库,基于金融大数据,运用深度学习、自然语言处理等AI技术手段,从股价预测、舆情分析、财务诊断、风险感知四个方面着手,实现从数据获取、清洗到数据处理以及结果分析研判整个研究周期的智能化处理,帮助研究者搭建从金融领域“大数据”向“大知识”转变的桥梁,助力相关领域研究的深入开展。本期内容,我们将针对智能研究系列数据库中的智能财务诊断数据库,分享研究案例,解析相关数据资源的应用。
智能财务分析与诊断机器人的开发及实证检验[J].证券市场导报,2021.
该研究基于自主研发的“智能财务分析与诊断机器人”,设计了两个投资决策实验,并实证检验了其择股能力。
该研究开发的智能财务分析与诊断机器人(AI-FAD)遵循的技术路线如下图所示:
AI-FAD具有财务状况分析、财务评价、财务问题诊断三大功能,可评价上市公司的综合财务绩效。
为了考察AI-FAD的实际应用效果,该研究设计了如下实验对其择股能力进行检验:
个股和组合实验结果均表明:该款智能机器人能有效地评价和区分上市公司的财务绩效类型。
该研究证实了智能财务诊断具有快速高效、客观公正和专业准确的特点,可以代替人工的财务分析,具有广泛的应用前景。基于该研究,学者们从CSMAR智能财务诊断数据库中获取上市公司的财务诊断、业绩预测及估值分析相关内容,为投资决策的构建提供参考。
数据资源介绍
CSMAR智能财务诊断数据库从财务诊断、业绩预测、估值分析三个维度进行分析。财务诊断从盈利能力、运营能力、成长能力、偿债能力和盈利质量等五个方面,运用AI技术综合评价特定时间点上个股的财务亮点、财务异常点、财务评分及相对位置,包括财务诊断信息表、财务评分表、财务评分相对位置表。业绩预测从历史核心财务指标数据,运用AI技术对个股核心财务指标进行预测,包括财务核心指标表、财报分析业绩预测表(近6个月)。估值分析主要从个股趋势和所在行业两方面,运行文本技术生成描述信息。
查询路径:https://cn.gtadata.com/智能研究系列/智能财务诊断