[發明專利]違約概率預測方法及裝置

在審

• 申請號: 202011080647.1
• 申請日: 2020-10-10
• 公開（公告）號: CN112308294A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 賀歐文;卜志成
• 申請（專利權）人: 北京貝殼時代網絡科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06K9/62;G06F17/18
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 張睿

1.一種違約概率預測方法，其特征在于，包括：

對于每一待預測目標，根據所述待預測目標每一時間窗口的基礎數據和所述每一時間窗口對應的回歸模型，獲取所述待預測目標所述每一時間窗口的違約概率的預測結果；

根據各所述待預測目標各時間窗口的違約概率的預測結果和各時間窗口對應的權重，對各所述待預測目標進行聚類，根據聚類結果，獲取每個類對應的違約概率預測結果，作為所述每個類中的待預測目標的違約概率預測結果；

其中，任意兩個所述時間窗口的時長不同。

2.根據權利要求1所述的違約概率預測方法，其特征在于，所述根據所述待預測目標每一時間窗口的基礎數據和所述每一時間窗口對應的回歸模型，獲取所述待預測目標所述每一時間窗口的違約概率的預測結果的具體步驟包括：

根據所述待預測目標所述每一時間窗口的基礎數據，獲取所述待預測目標所述每一時間窗口的概率預測特征；

將所述待預測目標所述每一時間窗口的概率預測特征，輸入所述每一時間窗口對應的回歸模型，輸出所述待預測目標所述每一時間窗口的違約概率的預測結果；

其中，所述每一時間窗口對應的回歸模型，是根據所述每一時間窗口的概率預測特征樣本數據，及所述樣本數據對應的未違約或違約數據進行訓練后獲得的。

3.根據權利要求1所述的違約概率預測方法，其特征在于，所述根據各所述待預測目標各時間窗口的違約概率的預測結果和各時間窗口對應的權重，對各所述待預測目標進行聚類的具體步驟包括：

根據各所述待預測目標各時間窗口的違約概率的預測結果和各時間窗口對應的權重，獲取每兩個所述待預測目標之間的特征距離；

基于聚類算法，根據每兩個所述待預測目標之間的特征距離，獲取每一所述待預測目標所屬的類。

4.根據權利要求2所述的違約概率預測方法，其特征在于，所述對于每一待預測目標，根據所述待預測目標每一時間窗口的基礎數據和所述每一時間窗口對應的回歸模型，獲取所述待預測目標所述每一時間窗口的違約概率的預測結果之前，還包括：

對于所述每一時間窗口，根據所述每一時間窗口的概率預測特征樣本數據，及所述樣本數據對應的未違約或違約數據進行logistic回歸分析，獲取所述每一時間窗口對應的回歸模型。

5.根據權利要求2所述的違約概率預測方法，其特征在于，所述對于所述每一時間窗口，根據所述每一時間窗口的概率預測特征樣本數據，及所述樣本數據對應的未違約或違約數據進行logistic回歸分析，獲取所述每一時間窗口對應的回歸模型之前，還包括：

對于所述每一時間窗口，基于特征工程方法，根據所述每一時間窗口的樣本基礎數據，確定所述每一時間窗口的概率預測特征。

6.根據權利要求3所述的違約概率預測方法，其特征在于，所述聚類算法為K均值聚類算法。

7.根據權利要求1至6任一所述的違約概率預測方法，其特征在于，所述基礎數據包括人員數據、金融數據、經營數據和工商數據中的至少一種。

8.一種違約概率預測裝置，其特征在于，包括：

回歸分析模塊，用于對于每一待預測目標，根據所述待預測目標每一時間窗口的基礎數據和所述每一時間窗口對應的回歸模型，獲取所述待預測目標所述每一時間窗口的違約概率的預測結果；

加權聚類模塊，用于根據各所述待預測目標各時間窗口的違約概率的預測結果和各時間窗口對應的權重，對各所述待預測目標進行聚類，根據聚類結果，獲取每個類對應的違約概率預測結果，作為所述每個類中的待預測目標的違約概率預測結果；

其中，任意兩個所述時間窗口的時長不同。

9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至7任一項所述的違約概率預測方法的步驟。

10.一種非暫態計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現如權利要求1至7任一項所述的違約概率預測方法的步驟。