[發明專利]資產池違約率預測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202310161204.2
• 申請日: 2023-02-23
• 公開（公告）號: CN116071151A
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 葉蕓彤;徐佩文;吳永華
• 申請（專利權）人: 中銀金融科技有限公司
• 主分類號: G06Q40/03
• 分類號: G06Q40/03;G06Q40/06;G06Q10/04;G06Q10/063;G06N20/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 陳穎

1.一種資產池違約率預測方法，其特征在于，包括：

獲取證券化產品中資產池違約風險評價基礎數據；

對所述資產池違約風險評價基礎數據進行數據預處理，得到資產池違約風險評價目標數據；

基于所述資產池違約風險評價目標數據得到多個違約率評價指標；

將多個所述違約率評價指標輸入至預先建立的資產池違約率預測模型，得到當前資產池違約率預測值。

2.根據權利要求1所述的資產池違約率預測方法，其特征在于，所述數據預處理包括：異常數據清洗、缺失值填充和違約風險特征數據選擇。

3.根據權利要求1所述的資產池違約率預測方法，其特征在于，所述資產池違約率預測模型的構建過程包括：

獲取證券化產品中資產池違約風險評價的歷史數據集；

對所述歷史數據集進行數據預處理，得到資產池違約風險評價目標數據集；

將所述資產池違約風險評價目標數據集按照預設劃分標準劃分為訓練數據集和測試數據集；

以所述測試數據集中各個所述違約率評價指標為訓練樣本，以所述違約率評價指標對應的資產池違約率作為樣本標簽，采用機器學習方法，得到所述資產池違約率預測模型。

4.根據權利要求3所述的資產池違約率預測方法，其特征在于，還包括：

將所述測試數據集中的所述違約率評價指標輸入至所述資產池違約率預測模型，得到資產池違約率預測值；

將所述資產池違約率預測值與所述測試數據集中對應的資產池真實違約率進行比較，得到資產池違約率比較結果；

基于所述資產池違約率比較結果確定所述資產池違約率預測模型的精確度。

5.根據權利要求3所述的資產池違約率預測方法，其特征在于，還包括：

基于所述資產池違約率預測模型與各個所述違約率評價指標的關聯關系，得到各個所述違約率評價指標對資產池違約率的影響程度。

6.一種資產池違約率預測裝置，其特征在于，包括：

獲取單元，用于獲取證券化產品中資產池違約風險評價基礎數據；

預處理單元，用于對所述資產池違約風險評價基礎數據進行數據預處理，得到資產池違約風險評價目標數據；

指標確定單元，用于基于所述資產池違約風險評價目標數據得到多個違約率評價指標；

預測單元，用于將多個所述違約率評價指標輸入至預先建立的資產池違約率預測模型，得到當前資產池違約率預測值。

7.根據權利要求6所述的資產池違約率預測裝置，其特征在于，還包括：

建模單元，用于構建所述資產池違約率預測模型；

所述建模單元包括：

獲取子單元，用于獲取證券化產品中資產池違約風險評價的歷史數據集；

預處理子單元，用于對所述歷史數據集進行數據預處理，得到資產池違約風險評價目標數據集；

劃分子單元，用于將所述資產池違約風險評價目標數據集按照預設劃分標準劃分為訓練數據集和測試數據集；

訓練子單元，用于以所述測試數據集中各個所述違約率評價指標為訓練樣本，以所述違約率評價指標對應的資產池違約率作為樣本標簽，采用機器學習方法，得到所述資產池違約率預測模型。

8.根據權利要求7所述的資產池違約率預測裝置，其特征在于，所述建模單元還包括：

輸入子單元，用于將所述測試數據集中的所述違約率評價指標輸入至所述資產池違約率預測模型，得到資產池違約率預測值；

比較子單元，用于將所述資產池違約率預測值與所述測試數據集中對應的資產池真實違約率進行比較，得到資產池違約率比較結果；

精確度確定子單元，用于基于所述資產池違約率比較結果確定所述資產池違約率預測模型的精確度。

9.根據權利要求7所述的資產池違約率預測裝置，其特征在于，所述建模單元還包括：

關聯關系確定子單元，用于基于所述資產池違約率預測模型與各個所述違約率評價指標的關聯關系，得到各個所述違約率評價指標對資產池違約率的影響程度。