[發(fā)明專利]同業(yè)評(píng)級(jí)方法、系統(tǒng)、終端設(shè)備以及計(jì)算機(jī)存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110559657.1
• 申請(qǐng)日: 2021-05-21
• 公開（公告）號(hào): CN113177734A
• 公開（公告）日: 2021-07-27
• 發(fā)明（設(shè)計(jì)）人: 周志剛;陳浩翔
• 申請(qǐng)（專利權(quán)）人: 深圳前海微眾銀行股份有限公司
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06Q40/02
• 代理公司: 深圳市世紀(jì)恒程知識(shí)產(chǎn)權(quán)代理事務(wù)所 44287
• 代理人: 孫朝銳

本發(fā)明涉及金融科技技術(shù)領(lǐng)域，公開了一種同業(yè)評(píng)級(jí)方法、系統(tǒng)、終端設(shè)備以及計(jì)算機(jī)存儲(chǔ)介質(zhì)。該同業(yè)評(píng)級(jí)方法通過獲取同業(yè)評(píng)級(jí)需求，并調(diào)用預(yù)設(shè)的同業(yè)評(píng)級(jí)模型針對(duì)所述同業(yè)評(píng)級(jí)需求指向的待評(píng)級(jí)主體進(jìn)行同業(yè)評(píng)級(jí)得到初始評(píng)級(jí)結(jié)果，其中，所述同業(yè)評(píng)級(jí)模型基于深度學(xué)習(xí)的迭代算法構(gòu)建得到；根據(jù)所述待評(píng)級(jí)主體的股票交易數(shù)據(jù)，和所述待評(píng)級(jí)主體關(guān)聯(lián)的輿情數(shù)據(jù)針對(duì)所述初始評(píng)級(jí)結(jié)果進(jìn)行調(diào)整，以得到所述待評(píng)級(jí)主體的同業(yè)評(píng)級(jí)結(jié)果。本發(fā)明實(shí)現(xiàn)了靜態(tài)評(píng)估疊加動(dòng)態(tài)調(diào)整的量化模型架構(gòu)來進(jìn)行同業(yè)評(píng)級(jí)，解決了現(xiàn)有通過AHP技術(shù)構(gòu)建模型進(jìn)行銀行同業(yè)評(píng)級(jí)對(duì)于人為經(jīng)驗(yàn)的依賴較高，導(dǎo)致評(píng)級(jí)結(jié)果具有隨機(jī)性和不穩(wěn)定性的技術(shù)問題。

技術(shù)領(lǐng)域

本發(fā)明涉及金融科技(Fintech)技術(shù)領(lǐng)域，尤其涉及一種同業(yè)評(píng)級(jí)方法、系統(tǒng)、終端設(shè)備以及計(jì)算機(jī)存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)的發(fā)展，越來越多的技術(shù)應(yīng)用在金融領(lǐng)域，傳統(tǒng)金融業(yè)正在逐步向金融科技方向轉(zhuǎn)變，但由于金融行業(yè)的安全性要求，也對(duì)技術(shù)提出了更高的要求。

目前，金融機(jī)構(gòu)對(duì)于銀行同業(yè)評(píng)級(jí)通常都是使用專家打分的方法來構(gòu)建評(píng)級(jí)模型，從而基于該模型進(jìn)行銀行同業(yè)評(píng)級(jí)，即，通過專家對(duì)銀行的定性打分并結(jié)合部分財(cái)務(wù)數(shù)據(jù)，通過AHP(The analytic hierarchy process，層次分析法，是一種定性與定量相結(jié)合的決策分析方法)技術(shù)確定模型的指標(biāo)權(quán)重，最終獲得銀行的得分與對(duì)應(yīng)評(píng)級(jí)結(jié)果。然而，現(xiàn)有AHP技術(shù)依照影響因素進(jìn)行比較分析，對(duì)于專家的主觀判斷及經(jīng)驗(yàn)水平依賴性較高，導(dǎo)致評(píng)價(jià)結(jié)果具有一定的隨機(jī)性和不穩(wěn)定性。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種同業(yè)評(píng)級(jí)方法、系統(tǒng)、終端設(shè)備、計(jì)算機(jī)存儲(chǔ)介質(zhì)以及計(jì)算機(jī)程序產(chǎn)品，旨在解決現(xiàn)有通過AHP技術(shù)構(gòu)建模型進(jìn)行銀行同業(yè)評(píng)級(jí)對(duì)于人為經(jīng)驗(yàn)的依賴較高，導(dǎo)致評(píng)級(jí)結(jié)果具有隨機(jī)性和不穩(wěn)定性的技術(shù)問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種同業(yè)評(píng)級(jí)方法，所述同業(yè)評(píng)級(jí)方法包括：

獲取同業(yè)評(píng)級(jí)需求，并調(diào)用預(yù)設(shè)的同業(yè)評(píng)級(jí)模型針對(duì)所述同業(yè)評(píng)級(jí)需求指向的待評(píng)級(jí)主體進(jìn)行同業(yè)評(píng)級(jí)得到初始評(píng)級(jí)結(jié)果，其中，所述同業(yè)評(píng)級(jí)模型基于深度學(xué)習(xí)的迭代算法構(gòu)建得到；

根據(jù)所述待評(píng)級(jí)主體的股票交易數(shù)據(jù)，和所述待評(píng)級(jí)主體關(guān)聯(lián)的輿情數(shù)據(jù)針對(duì)所述初始評(píng)級(jí)結(jié)果進(jìn)行調(diào)整，以得到所述待評(píng)級(jí)主體的同業(yè)評(píng)級(jí)結(jié)果。

可選地，所述深度學(xué)習(xí)的迭代算法為模擬退火算法，所述同業(yè)評(píng)級(jí)方法，還包括：

基于所述模擬退火算法構(gòu)建同業(yè)評(píng)級(jí)模型。

可選地，所述基于所述模擬退火算法構(gòu)建同業(yè)評(píng)級(jí)模型的步驟，包括：

從預(yù)設(shè)的特征變量當(dāng)中確定目標(biāo)特征變量；

按照所述目標(biāo)特征變量針對(duì)全量的同業(yè)樣本數(shù)據(jù)進(jìn)行預(yù)處理得到訓(xùn)練樣本數(shù)據(jù)；

基于模擬退火算法針對(duì)所述訓(xùn)練樣本數(shù)據(jù)進(jìn)行訓(xùn)練以構(gòu)建模型評(píng)分卡的權(quán)重設(shè)置；

建立構(gòu)建權(quán)重設(shè)置后的所述模型評(píng)分卡與同業(yè)等級(jí)標(biāo)尺之間的映射關(guān)系以得到同業(yè)評(píng)級(jí)模型。

可選地，所述基于模擬退火算法針對(duì)所述訓(xùn)練樣本數(shù)據(jù)進(jìn)行訓(xùn)練以構(gòu)建模型評(píng)分卡的權(quán)重設(shè)置的步驟，包括：

確定目標(biāo)函數(shù)并按照所述訓(xùn)練樣本數(shù)據(jù)初始化所述目標(biāo)函數(shù)的參數(shù)；

基于模擬退火算法利用所述訓(xùn)練樣本數(shù)據(jù)計(jì)算經(jīng)過初始化參數(shù)的所述目標(biāo)函數(shù)以得到最優(yōu)權(quán)重向量；

按照所述最優(yōu)權(quán)重向量構(gòu)建所述同業(yè)評(píng)級(jí)模型中模型評(píng)分卡的權(quán)重設(shè)置。

可選地，所述根據(jù)所述待評(píng)級(jí)主體的股票交易數(shù)據(jù)，和所述待評(píng)級(jí)主體關(guān)聯(lián)的輿情數(shù)據(jù)針對(duì)所述初始評(píng)級(jí)結(jié)果進(jìn)行調(diào)整，以得到所述待評(píng)級(jí)主體的同業(yè)評(píng)級(jí)結(jié)果的步驟，包括：