【技术实现步骤摘要】
一种基于多模态高维特征的不良资产估值算法
[0001]本专利技术涉及数据收集与处理
,提供了一种基于多模态高维特征的不良资产估值算法
。
技术介绍
[0002]金融不良资产广义上指商业银行等持牌金融机构持有的不能为其带来正常经济利益流入的各类股权
、
债权
、
实物类资产
。
金融不良资产处置方式主要包括诉讼清收
、
债务重组
、
债权转让
、
债转股
、
资产证券化等方式
。
不良资产处置中离不开对不良资产进行合理的评估定价,该估值将成为不良资产市场上买卖双方交易对价的重要参考依据
。
[0003]目前市场对于不良资产转让估值没有成熟的方法,目前评估机构还不能短期内拿出成熟的估值报告
。
这也导致市场上的不良资产转让价格具有很大的随机性和不确定性
。
而一个不良资产包中一般存在很多不良资产案件,每个案件的状况和实际质地千差万别
。
在不良资产包估值过程中,由于买卖双方信息不对称,欠缺债务人相对完善的财务信息以及未来收益,债权的可变现价值依赖于每个债务人的实际财务状况和还款意愿
。
[0004]当前不良资产包估值的方法主要包括:
1、
静态现金流贴现模型:按照确定的期望收益率对证券的未来现金流进行折现,此种方法的关键是确定利率和现金流
。
静态现金流贴现模型在实操中, ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种基于多模态高维特征的不良资产估值算法,其特征在于,包括以下步骤:步骤
1、
对非结构化的图像
、
视频
、
文本
、
语音数据进行高维特征提取,得到多模态非结构化特征;步骤
2、
先进行特征筛选,再进行特征融合,具体的为:先对结构化特征进行筛选,再将筛选出的结构化特征和多模态非结构化特征进行特征融合,再利用深度学习,对融合后的特征构建预测算法模型,完成资产包的估值
。2.
根据权利要求1所述的一种基于多模态高维特征的不良资产估值算法,其特征在于,对非结构化的图像
、
视频
、
文本
、
语音数据进行高维特征提取,得到多模态非结构化特征,具体为:通过身份证照片和大头照编码器实现对身份证照片和大头照的特征编码,得到非结构化图像特征;通过活体视频编码器实现对活体视频的特征编码,得到非结构化视频特征;通过催收语音编码器实现对催收语音的特征编码,得到非结构化语音特征;通过文本编码器实现对身份证
OCR
识别的文本和用户填写资料文本的特征编码,得到非结构化文本特征
。3.
根据权利要求1所述的一种基于多模态高维特征的不良资产估值算法,其特征在于,获取信贷产品本身存在的结构化数据,结构化数据的加工根据业务指标定义,使用
Spark SQL
,
Python
数据加工引擎编写脚本进行数据提取和指标加工,形成多维结构化数据特征
。4.
根据权利要求1所述的一种基于多模态高维特征的不良资产估值算法,其特征在于,所述特征筛选实现为:对多维结构化数据特征使用
IV
值计算法计算特征重要性,筛选出
IV
值大于
0.1
的多维结构化数据特征
。5.
根据权利要求4所述的一种基于多模态高维特征的不良资产估值算法,其特征在于,步骤2中特征融合具体的为:对
IV
值大于
0.1
的多维结构化数据特征和非结构化图像特征
、
非结构化文本特征
、
非结构化语音特征
、
非结构化视频特征进行融合,融合时将非结构化图像特征
、
非结构化文本特征
、
非结构化语音特征
、
非结构化视频特征的每一个维度组成一列,非结构化图像特征是
256
维特征
、
非结构化文本特征是
256
维特征
、
非结构化语音特征是
128
维特征
、
非结构化视频特征是
512
维特征,结构化特征是
1000
维特征,组成的特征维度是
256+256+128+512+1000=2152
维特征
。6.
根据权利要求2所述的一种基于多模态高维特征的不良资产估值算法,其特征在于,身份证照片和大头照编码器的实现包括以下步骤:步骤
a1、
使用
Yolov8
算法进行身份证照片检测或者大头照的人脸检测,将身份证照片或人脸照片从图像中提取出来
;
步骤
a2、
基于身份证照片或人脸照片,使用
Resnet34
网络提取身份证照片或人脸照片主干网络特征
;
步骤
a3、
使用
VIT Transformer
嫁接到
Resnet34
网络之后
;
步骤
a4、
在
VIT Transformer
网络之后,针对人脸照片或者身份证照片造假类型使用
Alexnet
,
Resnet
网络进行网络连接,最后使用不同的损失函数进行学习目标定义,让
VIT Transformer
学习到图像翻拍,打印特征信息,得到身份证照片和大头照编码器的模型;
步骤
a5、
身份证照片和大头照编码器的模型使用反向传播算法将每一轮迭代得到的误差向前传递,并进行梯度求导和更新,不断经过多次迭代完成身份证照片和大头照编码器的模型训练;步骤
a6、
身份证照片和大头照编码器的模型训练完成后,提取
VIT Transformer
这一层的特征
Map
作为身份证照片或者大头照的特征表示,其特征分别记作:
Face_Vi_Encode
,
Id_Vi_Encode。7.
根据权利要求2所述的一种基于多模态高维特征的不良资产估值算法,其特征在于,活体视频编码器的实现包括以下步骤:步骤
b1、
对活体视频使用
OpenCV
进行视频解析,将每一帧图像提取出来存入到图像数组中,记作: ,表示图像的序列编号,从1到;步骤
b2、
技术研发人员:张玻,
申请(专利权)人:四川智筹科技有限公司,
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。