【技术实现步骤摘要】
金融风险等级预测方法、装置、电子设备、存储介质
本专利技术涉及大数据
，尤其涉及一种金融风险等级预测方法、装置、电子设备、存储介质。
技术介绍
普惠金融需要挖掘更多人的信用。国内目前真正发挥作用的征信体系主要是央行的征信系统，所覆盖的人群还是非常有限，远远低于美国征信体系对人口的85％的覆盖。国内数量庞大没有被传统征信体系覆盖的人群同样也需要信用服务，享受金融普惠，这就需要探索征信的新思路。随着互联网与经济的不断发展，互联网金融的崛起也促进了信贷行业的快速发展。因此，提供一种可靠的风险识别方案，无疑具有重要意义。依托于海量数据，服务于互联网金融业务的个人信用评估技术便应运而生。公开号为CN110033159A的专利通过从官方组织机构侧获取企业的相关数据，然后利用该数据提取出运营行为特征、营收状况特征、借贷行为特征、资产变动特征和行政奖惩特征，输入至风险识别模型，由风险识别模型输出指示企业的风险状况的识别结果。其针对的为企业用户，而非个人用户，个人户用因其个体差异性及行为复杂性导致其与企业风险等级判断方法会有很大差异，判...
【技术保护点】
1.一种金融风险等级预测模型建立方法，其特征在于，包括：/n获取司机信息及司机金融风险等级；/n对所获取的司机信息进行特征提取获得司机特征；/n根据一司机的司机特征及司机金融风险等级形成一司机样本，根据多个司机样本形成司机样本集合；/n将所述司机样本集合划分为N份训练集，N为大于等于2的整数；/n对于i自1到N的每一取值，对第i份训练集：/n以平均绝对误差作为第一损失函数，采用一机器学习算法对该份训练集进行建模，获得第i1预测模型；/n以均方误差作为第二损失函数，采用一机器学习算法对该份训练集进行建模，获得第i2预测模型；/n第i1预测模型和第i2预测模型组成第i组预测模型...
【技术特征摘要】
1.一种金融风险等级预测模型建立方法，其特征在于，包括：
获取司机信息及司机金融风险等级；
对所获取的司机信息进行特征提取获得司机特征；
根据一司机的司机特征及司机金融风险等级形成一司机样本，根据多个司机样本形成司机样本集合；
将所述司机样本集合划分为N份训练集，N为大于等于2的整数；
对于i自1到N的每一取值，对第i份训练集：
以平均绝对误差作为第一损失函数，采用一机器学习算法对该份训练集进行建模，获得第i1预测模型；
以均方误差作为第二损失函数，采用一机器学习算法对该份训练集进行建模，获得第i2预测模型；
第i1预测模型和第i2预测模型组成第i组预测模型；将获得的N组预测模型作为所述金融风险等级预测模型。
2.如权利要求1所述的金融风险等级预测模型建立方法，其特征在于，所述对所获取的司机信息进行特征提取获得司机特征包括：
对每个司机特征，按如下公式计算该司机特征与其它司机特征之间的相关性系数ρ(A,B)：
其中，cov(A,B)表示该司机特征与其它司机特征协方差，σA和σB表示该司机特征与其它司机特征的标准差；
若该司机特征与其它各司机特征之间的相关性系数皆小于相关性阈值，则删除该司机特征。
3.如权利要求1所述的金融风险等级预测模型建立方法，其特征在于，所述第一损失函数为：
其中，y为司机金融风险等级的实际值，为司机金融风险等级的模型预测值，n为该训练集中样本的个数，n为大于等于2的整数。
4.如权利要求1所述的金融风险等级预测模型建立方法，其特征在于，所述第二损失函数为：
其中，y为司机金融风险等级的实际值，为司机金融风险等级的模型预测值，n为该训练集中样本的个数，n为大于等于2的整数。
5.如权利要求1至4任一项所述的金融风险等级预测模型建立方法，其特征在于，所述机器学习算法为轻量级梯度提升机算法。
6.如权利要求1至4任一项所述的金融风险等级预测模型建立方法，其特征在于，所述司机信息包括司机身份信息、车辆信息、设备终端信息、交易支付信息、订单信息、车辆实况信息中的一项或多项。
7.一种金融风险等级预测方法，其特征在于，包括：
获取司机的司机信息；
对所获取的司机信息进行特征提取获得司机特征；
将所述司机特征作为所述金融风险等级预测模型的输入，所述金融风险等级预测模型根据如权利要求1至6任一项所述的金融风险等级预测模型建立方法建立；
对于i自1到N的每一取值，对第i组预测模型：
将所述司机特征输入所述N组预测模型中第i1预测模型，获得第i1预测值；
将所述司机特征输入所述N组预测模型中第i2预测模型，获得第i2预测值；
根据N个第i1预测值获得第一预测值，根据N...
【专利技术属性】
技术研发人员：刘思妤，赵延宁，
申请(专利权)人：江苏满运软件科技有限公司，
类型：发明
国别省市：江苏;32
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。