[發明專利]融合文本信息的信用債發債主體違約風險評估方法

有效

• 申請號: 202010208514.1
• 申請日: 2020-03-23
• 公開（公告）號: CN111583012B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 部慧;張玨;李曄林;左源;薛旭植;吳俊杰
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06F16/33;G06F16/35;G06F40/284
• 代理公司: 北京遠大卓悅知識產權代理有限公司 11369
• 代理人: 卞靜靜

本發明公開了一種融合文本信息的信用債發債主體違約風險評估方法，包括：構建違約詞典；計算新聞輿情負面程度值；獲取宏觀數據、財務數據、是否發生違約的數據；構建訓練樣本和測試樣本；以上一季度的宏觀數據、新聞輿情負面程度值和財務數據為輸入值，以下一季度是否發生違約的數據為輸出值，構建評估模型，訓練并測試得到穩定的評估模型；將待評估發債主體的新聞輿情負面程度值、宏觀數據、財務數據輸入至評估模型，輸出得到該發債主體在當前季度是否發生違約的評估數據。本發明具有融合文本信息，將難以利用結構化數據度量，且引入評估時存在較大的主觀隨意性的指標，以更為客觀的方式納入風險評估過程中，增強評估方法的可信度的有益效果。

技術領域

本發明涉及數據挖掘和機器學習領域。更具體地說，本發明涉及一種融合文本信息的信用債發債主體違約風險評估方法。

背景技術

目前債券違約現象日益升溫，違約余額日漸增大，違約嚴重程度日益嚴重。在債券市場信用風險加速暴露、違約事件發生趨于常態化的背景下，如何對發債主體違約風險進行有效評估與提前預測成為當前面臨的主要問題。

但已有的國內外信用評級體系均存在所考慮的信用評級要素側重評估償債能力對償還意愿分析不足、在評級信息上主要依賴容易量化分析的結構化數據，如財務指標等，對一些難以量化的因素，如政策因素、管理水平等，則運用定性的方法進行評價，容易產生依賴于專家的定性分析主觀成分較大，難以建立統一的標準進行客觀評價等問題。

因此，在財務分析的基礎上，建立一種能夠利用非結構化數據，并綜合考慮傳統方法難以量化因素的違約風險評估方法是亟待解決的問題。

發明內容

本發明的一個目的是解決至少上述問題，并提供至少后面將說明的優點。

本發明還有一個目的是提供一種融合文本信息的信用債發債主體違約風險評估方法，融合文本信息，將難以利用結構化數據度量，且引入評估時存在較大的主觀隨意性的指標，以更為客觀的方式納入風險評估過程中，增強評估方法的可信度。

為了實現根據本發明的這些目的和其它優點，提供了一種融合文本信息的信用債發債主體違約風險評估方法，包括：

構建違約詞典，所述違約詞典包括多個違約風險類別，每個違約風險類別具有權重，且所有違約風險類別的權重之和等于1，每個違約風險類別包括至少1個種子詞和該種子詞的至少0個擴展詞，所述種子詞和所述擴展詞構成對應違約風險類別的特征詞，所述特征詞為負面詞，每個特征詞具有量化的風險程度值；

計算發債主體上一季度的新聞輿情負面程度值：獲取上一季度期間內與發債主體相關的新聞標題文本，計算新聞標題文本中特征詞的詞頻，對發債主體所有特征詞的詞頻、違約風險類別的權重、特征詞的風險程度值乘積累加，所得數值即為該發債主體的上一季度的新聞輿情負面程度值；

獲取上一季度的宏觀數據和該發債主體的上一季度的財務數據，獲取該發債主體下一季度是否發生違約的數據；

以多個發債主體的上一季度的新聞輿情負面程度值和財務數據、上一季度的宏觀數據、發債主體下一季度是否發生違約的數據構建多個樣本，選取其中一部分樣本作為訓練樣本，選取其中一部分樣本作為測試樣本；

以上一季度的宏觀數據、發債主體的上一季度的新聞輿情負面程度值和財務數據為輸入值，以該發債主體下一季度實際是否發生違約的數據為輸出值，構建評估模型，并以訓練樣本訓練該評估模型，直至得到采用測試樣本測試穩定的評估模型；

計算待評估發債主體上一季度的新聞輿情負面程度值，獲取上一季度的宏觀數據和待評估發債主體上一季度的財務數據，輸入至測試穩定的評估模型，輸出得到該發債主體在當前季度是否發生違約的評估數據。

優選的是，評估模型的公式如式1所示：