System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及坏账预测,具体而言,涉及一种坏账预测的方法、装置、电子设备及存储介质。
技术介绍
1、随着经济的飞速发展,为了适应人们的金融需求,越来越多的银行等金融机构推出了信贷产品。信贷是指以偿还和付息为条件的价值运动形式。通常包括银行存款、贷款等信用活动。在推出信贷产品之后,为了避免损失,金融机构需要对信贷产品进行监测,避免大量的坏账出现。
2、现有技术中,对于坏账预测较多使用逻辑回归、决策树、随机森林、支持向量机(svm)、神经网络、深度学习或者集成学习方法,但这些方法通常需要金融机构能够收集到较多的特征,在金融机构收集到的特征有限的时候,对于坏账的预测不能达到理想效果。
技术实现思路
1、有鉴于此,本申请的目的在于提供一种坏账预测的方法、装置、电子设备及存储介质,以克服现有技术中的问题。
2、第一方面,本申请实施例提供了一种坏账预测的方法,所述方法包括:
3、将获取的历史信贷数据划分为训练集和测试集,并对所述训练集再次拆分,得到训练子集和验证子集;其中,所述训练子集用于输入到初始坏账预测模型中,得到所述初始坏账预测模型的输出结果;
4、基于所述输出结果和所述验证子集确定所述初始坏账预测模型的目标参数,得到待验证坏账预测模型;
5、使用所述测试集对所述待验证坏账预测模型进行性能测试,若所述待验证坏账预测模型满足预设的性能要求,得到目标坏账预测模型;
6、将待预测信贷数据输入到所述目标坏账预测模型中,得到所述目
7、在本申请一些技术方案中,上述训练集中包括有多个历史信贷数据,所述方法通过以下方式对所述训练集进行拆分:
8、在所述训练集中选取任一历史信贷数据作为所述验证子集;
9、将所述训练集中除所述验证子集以外的历史信贷数据作为训练子集。
10、在本申请一些技术方案中,上述训练子集和所述验证子集均为多个;
11、所述方法通过以下方式得到多个所述验证子集和所述训练子集:
12、将所述训练集中的历史信贷数据依次作为所述验证子集;
13、将所述训练集中除所述验证子集以外的历史信贷数据作为训练子集。
14、在本申请一些技术方案中,上述从所述待选坏账预测模型中选出待验证坏账预测模型,包括:
15、基于预设的筛选准则,从所述待选坏账预测模型中选出初选坏账预测模型;
16、基于各个所述训练子集的所述输出结果和所述验证子集,对所述初选坏账预测模型的目标参数进行调整优化,得到所述待验证坏账预测模型。
17、在本申请一些技术方案中,上述初始坏账预测模型为包含有分数阶查分的自回归移动平均模型;所述确定所述初始坏账预测模型的目标参数包括:
18、确定所述自回归移动平均模型的目标差分次数、目标自回归阶数和目标移动平均阶数。
19、在本申请一些技术方案中,上述方法通过以下方式得到所述待验证坏账预测模型:
20、通过对所述训练子集进行分数阶差分,得到零均值参数序列;其中,所述零均值参数序列中包括有待选自回归阶数和与所述待选自回归阶数对应的待选移动平均阶数;
21、将所述待选自回归阶数和与该待选自回归阶数对应的待选移动平均阶数带入初始坏账预测模型中,得到待选坏账预测模型;
22、从所述待选坏账预测模型中选出待验证坏账预测模型。
23、在本申请一些技术方案中,上述方法通过以下方式确定所述待验证坏账预测模型是否满足预设的性能要求:
24、对所述待验证坏账预测模型对所述测试集进行预测的预测值和所述测试集的真实值进行残差分析,确定所述待验证坏账预测模型是否满足预设的性能要求。
25、第二方面,本申请实施例提供了一种坏账预测的装置,所述装置包括:
26、划分模块,用于将获取的历史信贷数据划分为训练集和测试集,并对所述训练集再次拆分,得到训练子集和验证子集;其中,所述训练子集用于输入到初始坏账预测模型中,得到所述初始坏账预测模型的输出结果;
27、确定模块,用于基于所述输出结果和所述验证子集确定所述初始坏账预测模型的目标参数,得到待验证坏账预测模型;
28、测试模块,用于使用所述测试集对所述待验证坏账预测模型进行性能测试,若所述待验证坏账预测模型满足预设的性能要求,得到目标坏账预测模型;
29、预测模块,用于将待预测信贷数据输入到所述目标坏账预测模型中,得到所述目标坏账预测模型输出的坏账预测结果。
30、第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的坏账预测的方法的步骤。
31、第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述的坏账预测的方法的步骤。
32、本申请的实施例提供的技术方案可以包括以下有益效果:
33、本申请方法将获取的历史信贷数据划分为训练集和测试集,并对所述训练集再次拆分,得到训练子集和验证子集;其中,所述训练子集用于输入到初始坏账预测模型中,得到所述初始坏账预测模型的输出结果;基于所述输出结果和所述验证子集确定所述初始坏账预测模型的目标参数,得到待验证坏账预测模型;使用所述测试集对所述待验证坏账预测模型进行性能测试,若所述待验证坏账预测模型满足预设的性能要求,得到目标坏账预测模型;将待预测信贷数据输入到所述目标坏账预测模型中,得到所述目标坏账预测模型输出的坏账预测结果。
34、本申请通过将训练集对再次划分、交叉验证的方式来确定初始坏账预测模型的目标参数,得到预测准确率更高的目标坏账预测模型,使用目标坏账预测模型对待预测信贷数据进行预测,能够有效降低银行等金融机构的经济损失。
35、为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种坏账预测的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述训练集中包括有多个历史信贷数据,所述方法通过以下方式对所述训练集进行拆分:
3.根据权利要求2所述的方法,其特征在于,所述训练子集和所述验证子集均为多个;
4.根据权利要求3所述的方法,其特征在于,所述从所述待选坏账预测模型中选出待验证坏账预测模型,包括:
5.根据权利要求1所述的方法,其特征在于,所述初始坏账预测模型为包含有分数阶查分的自回归移动平均模型;所述确定所述初始坏账预测模型的目标参数包括:
6.根据权利要求5所述的方法,其特征在于,所述方法通过以下方式得到所述待验证坏账预测模型:
7.根据权利要求1所述的方法,其特征在于,所述方法通过以下方式确定所述待验证坏账预测模型是否满足预设的性能要求:
8.一种坏账预测的装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至7任一所述的坏账预测的方法的步骤。
...【技术特征摘要】
1.一种坏账预测的方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述训练集中包括有多个历史信贷数据,所述方法通过以下方式对所述训练集进行拆分:
3.根据权利要求2所述的方法,其特征在于,所述训练子集和所述验证子集均为多个;
4.根据权利要求3所述的方法,其特征在于,所述从所述待选坏账预测模型中选出待验证坏账预测模型,包括:
5.根据权利要求1所述的方法,其特征在于,所述初始坏账预测模型为包含有分数阶查分的自回归移动平均模型;所述确定所述初始坏账预测模型的目标参数包括:
6.根据权利要求5所述的方法,其特征在于,所述方法通过以下方式得到所述待验证坏...
【专利技术属性】
技术研发人员:杜培良,戈汉权,肖勃飞,陈明,何兴凤,石建伟,
申请(专利权)人:中电金信数字科技集团有限公司,
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。