【技术实现步骤摘要】
风险评估方法、模型训练方法、装置、介质及设备
[0001]本说明书涉及机器学习
,尤其涉及一种风险评估方法、风险评估模型训练方法、装置、存储介质及设备。
技术介绍
[0002]信用债是债券市场规模最大的投资品种之一,评判信用债的资质状况主要依赖于对发债主体的信用风险定价。因此,如何科学评价和跟踪信用债资产的风险,防范化解金融系统风险并保护众多机构投资者和居民理财权益,成了亟待解决的问题。
[0003]在一种技术方案中,根据外部评级机构给出的评级,以及基于该评级的简单判断规则来评估发债主体的信用风险。然而,在这种技术方案中,往往发债主体已经出现违约或信用资质出现重大变化,外部评级机构给出的评级才会发生变动,难以及时准确地预测发债主体的信用风险。
[0004]因此,如何及时准确地预测发债主体的信用风险,成为了亟待解决的技术难题。
技术实现思路
[0005]本说明书提供一种风险评估方法、风险评估模型训练方法、装置、存储介质及设备,能够及时准确地预测发债主体的信用风险。
[0006]第一方面,本说明书实施例提供一种风险评估方法,包括:
[0007]获取待评估企业的多个因子数据;
[0008]基于所述多个因子数据,通过风险评估模型中多个子评估模型确定所述待评估企业对应的子风险评分,所述风险评估模型为基于训练样本通过集成学习方式对所述多个子评估模型进行集成得到的模型,所述训练样本包括所述待评估企业所处行业的多个企业的所述多个因子数据;
[0009]基于所述多个 ...
【技术保护点】
【技术特征摘要】
1.一种风险评估方法,包括:获取待评估企业的多个因子数据;基于所述多个因子数据,通过风险评估模型中多个子评估模型确定所述待评估企业对应的子风险评分,所述风险评估模型为基于训练样本通过集成学习方式对所述多个子评估模型进行集成得到的模型,所述训练样本包括所述待评估企业所处行业的多个企业的所述多个因子数据;基于所述多个因子数据,通过所述风险评估模型中的分类权重子模型确定各个所述子风险评分的分类权重,所述分类权重子模型为对所述多个子评估模型进行集成以生成所述风险评估模型的模型;基于所述分类权重对各个所述子风险评分进行加权运算,确定所述待评估企业的信用风险评分。2.根据权利要求1所述的方法,其中,所述多个子评估模型包括时序评估子模型以及至少一个非时序评估子模型,所述通过风险评估模型中多个子评估模型确定所述待评估企业对应的子风险评分,包括:基于所述多个因子数据中的时序因子数据,通过所述时序评估子模型确定所述待评估企业的第一子风险评分;基于所述多个因子数据,通过所述至少一个非时序评估子模型确定所述待评估企业的至少一个第二子风险评分。3.根据权利要求2所述的方法,其中,所述至少一个非时序评估子模型包括:非线性多因子模型和线性多因子模型,所述基于所述多个因子数据,通过所述至少一个非时序评估子模型确定所述待评估企业的至少一个第二子风险评分,包括:基于所述多个因子数据,通过所述非线性多因子模型确定所述待评估企业的第二子风险评分;基于所述多个因子数据,通过所述线性多因子模型确定所述待评估企业的第三子风险评分,所述线性因子模型是所述多个因子数据之间的线性关系模型。4.根据权利要求3所述的方法,其中,所述非线性多因子模型包括决策树回归模型,所述基于所述多个因子数据,通过所述非线性多因子模型确定所述待评估企业的第二子风险评分,包括:基于所述决策树回归模型确定所述多个因子数据的信息增益率;基于所述多个因子数据的信息增益率确定所述待评估企业的第二子风险评分。5.根据权利要求1所述的方法,其中,所述风险评估模型还包括行业评估子模型,所述方法还包括:获取所述待评估企业所处行业的行业数据,所述行业数据包括行业基本面数据和行业内多个发债主体的财务数据;基于所述行业数据,通过所述行业评估子模型确定所述行业的信用风险评分的行业中枢状态,所述行业评估子模型为用于确定所述行业的信用风险评分的行业中枢状态的统计模型,所述基于所述多个因子数据,通过所述风险评估模型中的分类权重子模型确定各个所述风险评分的分类权重,包括:
结合所述行业中枢状态以及所述多个因子数据,通过所述风险评估模型中的分类权重子模型确定各个所述风险评分的分类权重。6.根据权利要求1所述的方法,其中,所述获取待评估企业的多个因子数据,包括:周期性获取待评估企业的多个因子数据,所述多个因子数据包括:所述待评估企业的专家评分数据、企业基本数据以及行业数据。7.根据权利要求1至6中任一项所述的方法,其中,所述分类权重子模型为梯度提升决策树模型。8.一种风险评估模型训练方法,其中,所述风险评估模型包括多个子评估模型以及分类权重子模型,所述方法包括:获取目标行业的多个企业中各个企业的多个因子数据;基于所述多个因子数据中各个所述子评估模型对应的因子数据,构建对应的所述子评估模型,所述子评估模型用于确定所述企业的子风险评分;基于各个所述子评估模型对应的因子数据以及评价指标,对所述分类权重子模型进行训练,所述分类权重模型用于确定各个所述子风险评分的分类权重,所述分类权重子模型还用于基于所述分类权重对所述多个子评估模型进行集成来生成所述风险评估模型。9.根据权利要求8所述的方法,其中,所述基于各个所述子评估模型对应的因子数据以及评价指标,对所述分类权重子模型进行训练,包括:基于所述子评估模型对应的因子数据,通过所述分类权重子模型确定所述子评估模型对应的预测评价指标;基于各个所述子评估模型对应的评价指标以及所述预测评价指标的差值,确定所述分类权重子模型...
【专利技术属性】
技术研发人员:项舒畅,李天明,
申请(专利权)人:支付宝杭州信息技术有限公司,
类型:发明
国别省市:
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。