[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

本發明公開了一種機構風險預測模型的訓練方法裝置、機構風險預測方法和裝置，涉及計算機技術領域。該方法的一具體實施方式包括：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。通過該實施方式的機構風險預測模型確定的機構風險預測結果具有較高的準確性。

技術領域

本發明涉及計算機技術領域，尤其涉及一種機構風險預測模型的訓練方法、機構風險預測方法和裝置。

背景技術

在機構日常經營過程中，由于受到諸如內部控制不完善、外部經濟環境迅速變化等各種各樣的影響，導致機構的生產經營可能遭受到巨大的沖擊。而這不僅會使機構本身受損，還可能使得公司的股東連帶受損，另外，諸如銀行之類的信貸機構也可能因未及時識別機構的財務風險而遭受到壞賬損失。

因此，對機構的風險進行預測是非常必要的，比如識別機構是否存在欺詐風險、洗錢風險以及違約風險等。傳統的機構風險評估通常由人工對各種指標打分計算得到，機構風險預測結果缺乏一定的準確性。

發明內容

有鑒于此，本發明實施例提供一種機構風險預測模型的訓練方法、機構風險預測方法和裝置，能夠較準確地預測出機構可能存在的風險。

第一方面，本發明實施例提供了一種機構風險預測模型的訓練方法，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。

可選地，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。

可選地，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。

可選地，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。

可選地，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。

可選地，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。