[發明專利]機構風險預測模型的訓練方法、機構風險預測方法和裝置

在審

• 申請號: 202011475410.3
• 申請日: 2020-12-14
• 公開（公告）號: CN112561320A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 張東凱;吳勇;李寧;陳亞君;蔡樸銳;盧世溫;林瑩
• 申請（專利權）人: 中國建設銀行股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 宗磊;楊倩

1.一種機構風險預測模型的訓練方法，其特征在于，包括：

獲取機構樣本集，所述機構樣本集包括多個機構樣本，每個所述機構樣本包括多個機構指標及風險標簽；

將所述機構樣本中的多個機構指標作為輸入，所述機構樣本中的風險標簽作為輸出，對多個初始預測模型進行訓練，得到多個目標預測模型；

確定每個所述目標預測模型對應的權重；

根據多個所述目標預測模型及所述目標預測模型對應的權重，確定機構風險預測模型。

2.根據權利要求1所述的方法，其特征在于，所述確定每個所述目標預測模型對應的權重，包括：

確定每個所述目標預測模型的性能參數；

根據所述性能參數，確定每個所述目標預測模型對應的權重。

3.根據權利要求2所述的方法，其特征在于，所述性能參數包括以下至少之一：接收者操作特征曲線、混淆矩陣、模型得分、模型準確率或模型精確率。

4.根據權利要求2所述的方法，其特征在于，所述根據所述性能參數，確定每個所述目標預測模型對應的權重，包括：

若當前性能參數小于性能閾值，則當前目標預測模型對應的權重為0，所述當前目標預測模型對應于所述當前性能參數。

5.根據權利要求1所述的方法，其特征在于，所述多個初始預測模型包括：第一預測模型，所述第一預測模型采用神經網絡模型；

所述將所述機構樣本中的多個機構指標作為輸入，所述機構樣本中的風險標簽作為輸出，對多個初始預測模型進行訓練，得到多個目標預測模型，包括：

將所述機構樣本中的多個機構指標作為輸入，所述機構樣本中的風險標簽作為輸出，對第一初始預測模型進行訓練，得到第一目標預測模型。

6.根據權利要求1所述的方法，其特征在于，所述多個初始預測模型包括：第二預測模型，所述第二預測模型采用支持向量機模型；

所述將所述機構樣本中的多個機構指標作為輸入，所述機構樣本中的風險標簽作為輸出，對多個初始預測模型進行訓練，得到多個目標預測模型，包括：

將所述機構樣本中的多個機構指標作為輸入，所述機構樣本中的風險標簽作為輸出，對第二初始預測模型進行訓練，得到第二目標預測模型。

7.根據權利要求1所述的方法，其特征在于，所述多個初始預測模型包括：第三預測模型，所述第三預測模型采用隨機森林模型；

所述將所述機構樣本中的多個機構指標作為輸入，所述機構樣本中的風險標簽作為輸出，對多個初始預測模型進行訓練，得到多個目標預測模型，包括：

將所述機構樣本中的多個機構指標作為輸入，所述機構樣本中的風險標簽作為輸出，對第三初始預測模型進行訓練，得到第三目標預測模型。

8.根據權利要求1所述的方法，其特征在于，所述獲取機構樣本集，包括：

獲取多個機構的財務數據和非財務數據；

針對所述多個機構中的每個所述機構：根據所述機構的財務數據和非財務數據，確定所述機構的多個指標；確定所述機構的風險標簽；根據所述機構的多個指標及所述機構的風險標簽，構建所述機構樣本。

9.根據權利要求8所述的方法，其特征在于，在所述根據所述機構的財務數據和非財務數據，確定所述機構的多個指標之前，還包括：

對所述根據所述財務數據和所述非財務數據進行清洗處理，所述清洗處理包括以下至少之一：缺失值處理、異常值處理、數據轉置及數據求和。

10.一種機構風險預測方法，其特征在于，包括：

獲取目標機構的多個指標值；

將所述多個指標值輸入至機構風險預測模型中，得到所述目標機構的風險預測結果，所述機構風險預測模型由多個目標預測模型及所述目標預測模型對應的權重生成。

11.根據權利要求10所述的方法，其特征在于，所述目標預測模型對應的權重是根據所述目標預測模型的性能參數確定的。