风险预测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种风险预测方法、装置、计算机设备和存储介质，涉及人工智能技术领域。所述方法包括：获取目标项目在各历史时间区间内的历史风险数据；提取各历史风险数据的线性数据特征和非线性数据特征；进而根据各历史风险数据的线性数据特征和非线性数据特征，构建目标项目的历史特征序列；进一步的，通过风险预测模型，根据历史特征序列，预测在未来时段实施目标项目的风险信息。采用本方法能够兼顾历史风险数据的线性数据特征和非线性数据特征，实现同时对目标项目的线性风险波动和非线性风险波动进行预测，进而合理预测目标项目在较久远的未来时段的风险信息，有效提升了风险预测的可靠性和准确性。测的可靠性和准确性。测的可靠性和准确性。

【技术实现步骤摘要】
风险预测方法、装置、计算机设备和存储介质


[0001]本申请涉及人工智能
，特别是涉及一种风险预测方法、装置、计算机设备和存储介质，可应用于金融领域或其他


技术介绍

[0002]项目风险是实施项目时需要去重点关注的因素。针对不同的领域，其可能的项目风险不同，如在金融领域，项目风险可以是金融投资风险，在互联网领域，项目风险可以是软件开发风险。针对不同的项目风险，其均可能产生大幅度或小幅度的非线性风险波动，此外，风险情况还有可能受到时间距离较久远的历史风险情况的影响。
[0003]常规的RNN(Recurrent Neural Network，循环神经网络)模型只能基于线性的波动对未来数据进行预测，并且其对长记忆性的时间序列数据的刻画能力较弱，在时间序列过长的时候，存在梯度消散和梯度爆炸的现象。因此，目前无法基于常规的RNN模型对项目风险有一个合理准确的预测。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够兼顾线性风险波动和非线性风险波动，从而对项目风险进行合理预测的风险预测方法、装置本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风险预测方法，其特征在于，包括：获取目标项目在各历史时间区间内的历史风险数据；提取各历史风险数据的线性数据特征和非线性数据特征；根据各历史风险数据的线性数据特征和非线性数据特征，构建所述目标项目的历史特征序列；通过风险预测模型，根据所述历史特征序列，预测在未来时段实施所述目标项目的风险信息。2.根据权利要求1所述的方法，其特征在于，所述提取各历史风险数据的线性数据特征和非线性数据特征，包括：针对每一历史风险数据，根据所述目标项目在该历史风险数据对应的历史时间区间内的参考发展趋势，提取该历史风险数据的线性数据和非线性数据；对所述线性数据进行特征提取，得到所述线性数据对应的线性数据特征，以及对所述非线性数据进行特征提取，得到所述非线性数据对应的非线性数据特征。3.根据权利要求2所述的方法，其特征在于，所述根据所述目标项目在该历史风险数据对应的历史时间区间内的参考发展趋势，提取该历史风险数据的线性数据和非线性数据，包括：将历史风险数据中，与所述目标项目在该历史风险数据对应的历史时间区间内的参考发展趋势相符的数据，作为该历史风险数据的线性数据；将历史风险数据中，与所述目标项目在该历史风险数据对应的历史时间区间内的参考发展趋势不相符的数据，作为该历史风险数据的非线性数据。4.根据权利要求3所述的方法，其特征在于，所述将历史风险数据中，与所述目标项目在该历史风险数据对应的历史时间区间内的参考发展趋势不相符的数据，作为该历史风险数据的非线性数据，包括：判断该历史风险数据中，是否存在与所述目标项目在该历史风险数据对应的历史时间区间内的参考发展趋势不相符的数据；若存在，则将历史风险数据中，与所述目标项目在该历史风险数据对应的历史时间区间内的参考发展趋势不相符的数据，作为该历史风险数据的非线性数据；若不存在，则将所述目标项目的相似项目在该历史风险数据对应的历史时间区间内的非线性数据，作为该历史风险数据的非线性数据。5.根据权利要求1所述的方法，其特征在于，所述根据各历史风险数据的线性数据特征和非线性数据特征，构建所述目标项目的历史特征序列，包括：将每一历史风险数据的线性数据特征和非线性数据特征进行拼接，得到每一历史风险数据对应的历史特征；对各历史风险数据的历...

【专利技术属性】
技术研发人员：乔冠文，陈永录，王静，李璇，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：