This application provides a method of risk identification, which is applied to the terminal to identify the bankruptcy risk of the enterprise. The methods include: obtaining the information data of the enterprise to be predicted; analyzing and processing the information data of the enterprise to be predicted according to the constructed risk identification model to obtain the prediction results. The constructed risk identification model is trained and constructed based on the lightGBM machine learning algorithm. The predicted results are displayed on the terminal's display interface in a preset visualization way, so that users can clearly know the predicted results. The application also provides a risk identification system. Through the risk identification method and system provided in this application, the data standardization process can be reduced, the speed of model building can be improved, and in the process of tree building, more errors can be reduced and better accuracy can be obtained. At the same time, in the process of learning risk identification model, different types of enterprise information data are used to make the established model more perfect to ensure the accuracy of risk prediction.
【技术实现步骤摘要】
一种风险识别方法和系统
本申请属于数据处理
,具体涉及一种风险识别方法和系统。
技术介绍
企业在生产经营过程中,需要通过金融市场的金融工具实现资金的筹备等,而,企业破产会对金融市场造成严重的损失,金融企业通过建立风险模型并通过风险模型对企业经营风险进行预测,以使得金融企业保持投资回报。在企业经营过程中,每个企业每天都在发生着改变,这些改变有可能使得企业越来越好,也有可能使得企业面临各种风险。面对企业的千万级数据,从中分析出企业的风险信息对企业运营的决策和投资者都是比较好的参考。目前已有的企业经营风险预测方法主要包括于统计学的方法和基于机器学习的方法。目前,现有的企业风险预测评估方法不完善,而且在风险模型的建立过程中数据处理量过大,对服务器造成巨大压力,且数据处理速度过慢。因此,亟待一种企业风险识别能够结合企业的各种资产、财务数据、经营数据、债务相关数据,迅速建立模型并将该模型应用到预测数据中,从不同维度对企业风险进行预测。
技术实现思路
为了解决现有技术存在的上述问题,本申请目的在于提供一种风险识别方法和系统,旨在解决现有预测模型对内存消耗过大,存在大量不必要的数据计算的问题。为解决上述技术问题,本申请提供了一种风险识别方法,应用于终端,用于对企业破产风险进行识别,所述方法包括:获取待预测企业的信息数据;根据构建的风险识别模型对所述待预测企业的信息数据进行分析处理以得到预测结果,其中,所述构建的风险识别模型为依据lightGBM机器学习算法训练建立;将所述预测结果以预设的可视化方式显示于所述终端的显示界面,以供用户可以清楚地获知预测结果。可选地,所述方法 ...
【技术保护点】
1.一种风险识别方法,其特征在于,应用于终端,用于对企业破产风险进行识别,所述方法包括:获取待预测企业的信息数据;根据构建的风险识别模型对所述待预测企业的信息数据进行分析处理以得到预测结果,其中,所述构建的风险识别模型为依据lightGBM机器学习算法训练建立;将所述预测结果以预设的可视化方式显示于所述终端的显示界面,以供用户可以清楚地获知预测结果。
【技术特征摘要】
1.一种风险识别方法,其特征在于,应用于终端,用于对企业破产风险进行识别,所述方法包括:获取待预测企业的信息数据;根据构建的风险识别模型对所述待预测企业的信息数据进行分析处理以得到预测结果,其中,所述构建的风险识别模型为依据lightGBM机器学习算法训练建立;将所述预测结果以预设的可视化方式显示于所述终端的显示界面,以供用户可以清楚地获知预测结果。2.如权利要求1所述的风险识别方法,其特征在于,所述方法还包括:获取所述风险识别模型的原始训练数据;利用所述lightGBM机器学习算法对所述原始训练数据进行学习,以得到所述风险识别模型。3.如权利要求2所述的风险识别方法,其特征在于,所述利用所述lightGBM机器学习算法对所述原始训练数据进行学习,以得到所述风险识别模型的步骤,包括:将所述原始训练数据进行数值处理以得到连续的特征值数据;对所述连续的特征值数据进行离散处理以得到直方图;根据所述直方图生成所述风险识别模型。4.如权利要求2所述的风险识别方法,其特征在于,所述原始训练数据包括已知破产企业数据信息和非破产企业数据信息,其中,所述已知破产企业与所述非破产企业的数量比为1:1.4。5.如权利要求4所述的风险识别方法,其特征在于,所述已知破产企业数据信息和非破产企业数据信息包括但不限于:工商信息、行政处罚、开庭公告、裁判文书、招投标、司法拍卖、商标注册、失信被执行、专利和判决执行。6.如权利要求3所述的风险识别方法,其特征在于,所述直方图中包括的类别包括:注册资本(量级万)、成立年限、行业...
【专利技术属性】
技术研发人员:刘德彬,陈玮,黄远江,严开,陈长沙,
申请(专利权)人:重庆誉存大数据科技有限公司,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。