[發明專利]同業評級方法、系統、終端設備以及計算機存儲介質

在審

• 申請號: 202110559657.1
• 申請日: 2021-05-21
• 公開（公告）號: CN113177734A
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 周志剛;陳浩翔
• 申請（專利權）人: 深圳前海微眾銀行股份有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q40/02
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 孫朝銳

1.一種同業評級方法，其特征在于，所述同業評級方法包括：

獲取同業評級需求，并調用預設的同業評級模型針對所述同業評級需求指向的待評級主體進行同業評級得到初始評級結果，其中，所述同業評級模型基于深度學習的迭代算法構建得到；

根據所述待評級主體的股票交易數據，和所述待評級主體關聯的輿情數據針對所述初始評級結果進行調整，以得到所述待評級主體的同業評級結果。

2.如權利要求1所述的同業評級方法，其特征在于，所述深度學習的迭代算法為模擬退火算法，所述同業評級方法，還包括：

基于所述模擬退火算法構建同業評級模型。

3.如權利要求2所述的同業評級方法，其特征在于，所述基于所述模擬退火算法構建同業評級模型的步驟，包括：

從預設的特征變量當中確定目標特征變量；

按照所述目標特征變量針對全量的同業樣本數據進行預處理得到訓練樣本數據；

基于模擬退火算法針對所述訓練樣本數據進行訓練以構建模型評分卡的權重設置；

建立構建權重設置后的所述模型評分卡與同業等級標尺之間的映射關系以得到同業評級模型。

4.如權利要求3所述的同業評級方法，其特征在于，所述基于模擬退火算法針對所述訓練樣本數據進行訓練以構建模型評分卡的權重設置的步驟，包括：

確定目標函數并按照所述訓練樣本數據初始化所述目標函數的參數；

基于模擬退火算法利用所述訓練樣本數據計算經過初始化參數的所述目標函數以得到最優權重向量；

按照所述最優權重向量構建所述同業評級模型中模型評分卡的權重設置。

5.如權利要求1所述的同業評級方法，其特征在于，所述根據所述待評級主體的股票交易數據，和所述待評級主體關聯的輿情數據針對所述初始評級結果進行調整，以得到所述待評級主體的同業評級結果的步驟，包括：

根據所述待評級主體的股票交易數據針對所述初始評級結果進行第一動態調整以得到待確認的同業評級結果；

根據所述待評級主體關聯的輿情數據針對所述待確認的同業評級結果進行第二動態調整以得到所述待評級主體的同業評級結果。

6.如權利要求5所述的同業評級方法，其特征在于，所述根據所述待評級主體的股票交易數據針對所述初始評級結果進行第一動態調整以得到待確認的同業評級結果的步驟，包括：

按照預設頻次計算所述待評級主體的第一違約距離；

將所述第一違約距離與市場違約主體的第二違約距離進行比對得到比對結果，其中，所述第二違約距離基于市場違約主體的股票交易數據計算得到；

根據所述比對結果對所述初始評級結果進行第一動態調整以得到待確認的同業評級結果。

7.如權利要求5所述的同業評級方法，其特征在于，所述根據所述待評級主體關聯的輿情數據針對所述待確認的同業評級結果進行第二動態調整以得到所述待評級主體的同業評級結果的步驟，包括：

將所述待評級主體關聯的輿情數據與預設輿情信息標簽進行對照，以判斷所述輿情數據是否觸發評級調整；

若是，則針對所述待確認的同業評級結果進行等級下調，并將等級下調后的所述待確認的同業評級結果，作為所述待評級主體最終的同業評級結果；

若否，則將所述待確認的同業評級結果，直接作為所述待評級主體最終的同業評級結果。

8.一種同業評級系統，其特征在于，所述同業評級系統包括：

靜態評級模塊，用于獲取同業評級需求，并調用預設的同業評級模型針對所述同業評級需求指向的待評級主體進行同業評級得到初始評級結果，其中，所述同業評級模型基于深度學習的迭代算法構建得到；

動態調整模塊，用于根據所述待評級主體的股票交易數據，和所述待評級主體關聯的輿情數據針對所述初始評級結果進行調整，以得到所述待評級主體的同業評級結果。