【技术实现步骤摘要】
基于机器学习的数据处理方法及装置
本专利技术涉及计算机
，具体而言，涉及一种基于机器学习的数据处理方法、基于机器学习的数据处理装置、电子设备以及计算机可读存储介质。
技术介绍
在现有技术中，固定收益类资产(例如债券)的信用风险分析主要是通过人工来实现的，或者即使有一些软件系统可以提供债券投资分析，也还是不能满足用户需求。原因是现有的软件系统具有以下缺点：第一，偏市场分析，缺乏企业信用债决策支持系统。目前国内信用债市场刚刚兴起，还处于探索阶段，固定收益类的投资分析管理系统较为匮乏。第二，开发的决策支持软件系统的开发人员缺乏金融市场及投资业务的相关经历经验，开发出的科技产品与实际脱离较为严重，导致市场上大多数软件系统实用性差。第三，底层数据库不够完善，其系统页面存在严重数据缺失情况，数据量难以满足业务和模型需求。正确的决策离不开关键信息的支持，因此，若无相当的数据量支持是无法做好决策支持系统的。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本专利技术背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本专利技术实施例的目的...
【技术保护点】
1.一种基于机器学习的数据处理方法，其特征在于，包括：利用训练完成的机器学习模型，获取目标发债主体所属行业的目标行业指标和目标发债主体指标；根据所述目标行业指标和所述目标发债主体指标生成所述目标发债主体的基本面指标；将所述基本面指标发送至客户端，以使所述基本面指标显示于所述客户端。
【技术特征摘要】
1.一种基于机器学习的数据处理方法，其特征在于，包括：利用训练完成的机器学习模型，获取目标发债主体所属行业的目标行业指标和目标发债主体指标；根据所述目标行业指标和所述目标发债主体指标生成所述目标发债主体的基本面指标；将所述基本面指标发送至客户端，以使所述基本面指标显示于所述客户端。2.根据权利要求1所述的方法，其特征在于，还包括：获取所述目标发债主体的当前业务收入信息；根据所述当前业务收入信息识别所述目标发债主体的主营业务信息；将所述主营业务信息输入至训练完成的基于机器学习的分类模型中，预测所述目标发债主体所属行业。3.根据权利要求1所述的方法，其特征在于，获取目标发债主体所属行业的目标行业指标，包括：基于所属行业下的发债主体的债券数据，获得所属行业的目标行业利差数据；获得所属行业的目标行业特征数据；获得所属行业下市场占有率前预设数量的发债主体数据；基于所属行业下的发债主体的市场占有率，获得所属行业的目标行业分化度数据；获得所属行业的目标行业风险数据；将所属行业的目标行业利差数据、目标行业特征数据、市场占有率前预设数量的发债主体数据、目标行业分化度数据和目标行业风险数据输入至训练完成的基于机器学习的行业量化模型中，输出所述目标行业指标。4.根据权利要求3所述的方法，其特征在于，获得所属行业的目标行业特征数据，包括：获得各行业的财务指标数据；对比各行业的财务指标数据，获得所属行业的异常值；根据所属行业的异常值确定所属行业的目标行业特征数据。5.根据权利要求3所述的方法，其特征在于，获得所属行业的目标行业风险数据，包括：获得所属行业下的发债主体的财务指标；获得所属行业下的发债主体的财务数据；将所属行业的目标行业分化度数据、发债主体的财务指标和财务数据输入至训练完成的基于机器学习的行业风险模型中，输出所述目标行业风险数据。6.根据权利要求1所述的方法，其特征在于，获取目标发债主体指标，包括：获得所述目标发债主体的财务指标；获得所述目标发债主体的舆情指标；获得所述目标发债主体的股权结构指标；根据所述目标发债主体的财务指标、舆情指标和股权结构指标获得所述目标发债主体指标。7.根据权利要求6所述的方法，其特征在于，获得所述目标发债主体的财务指标，包括：将所述目标发债主体的财务数据输入至第一财务模型，输出第一衍生财务指标；将所述目标发债主体的财务数据、发行债券的时间与票面利率信息、授信信息、担保数据和所述第一衍生财务指标输入至第二财务模型，输出第二...
【专利技术属性】
技术研发人员：盖书文，戴伟，奚奇，杨晓晨，
申请(专利权)人：京东数字科技控股有限公司，
类型：发明
国别省市：北京,11
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。