企业信用等级和信用展望的多任务预测方法技术

本发明专利技术涉及一种企业信用等级和信用展望的多任务预测方法，属于多任务预测技术领域，包括获取与企业信用等级有关的多维度历史数据样本，以及与经济环境有关的多变量样本；对样本进行预处理，构建企业数据集；为样本建立信用展望标签，构建企业信用预测数据集；使用多独立样本的非参数Kruskal‑Wallis秩和检验，评估选择的数值特征指标对各信用等级类别样本之间是否有差异性；建立基于软标签Informer模型的企业信用等级和信用展望的多任务预测框架；将更新后的企业信用预测数据集分为训练集、测试集和验证集，对模型进行训练、测试和调参；将需要预测的企业历史样本输入训练好的模型，预测出企业的信用等级以及信用展望结果。

【技术实现步骤摘要】

本专利技术属于多任务预测，涉及一种企业信用等级和信用展望的多任务预测方法。

技术介绍

1、在过去的信用等级评估方法中，通常依赖经验丰富的专家进行人工评估，然而，这种方法受制于主观因素较强，且高度依赖于专家的经验。引入统计模型，虽然在一定程度上克服了主观因素的影响，但却难以提供对变量之间内在联系的合理解释。随着人工智能的迅速发展，研究者们纷纷将机器学习、深度学习和集成学习方法引入企业信用评估领域，包括但不限于随机森林、神经网络和梯度提升决策树等。这些先进方法极大地提高了企业信用风险分类的准确性，使得评估更加客观且精准。

2、然而，目前的风险评估方法往往比较片面，有的仅考虑财务交易数据，而没有考虑到经济环境因素，缺乏针对性和科学性。这种情况使得如何建立一种适用于企业的信用等级预测方法成为亟待解决的问题。

技术实现思路

1、有鉴于此，本专利技术的目的在于提供一种企业信用等级和信用展望的多任务预测方法，解决当前风险评估模型在适应企业实际情况方面存在的不足。通过优化特征的选择、引入经济趋势特征以及考虑多任务本文档来自技高网...

【技术保护点】

1.一种企业信用等级和信用展望的多任务预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的企业信用等级和信用展望的多任务预测方法，其特征在于：步骤S1具体包括以下步骤：

3.根据权利要求1所述的企业信用等级和信用展望的多任务预测方法，其特征在于：步骤S2所述构建企业数据集，具体包括以下步骤：

4.根据权利要求1所述的企业信用等级和信用展望的多任务预测方法，其特征在于：步骤S3具体包括以下步骤：

5.根据权利要求1所述的企业信用等级和信用展望的多任务预测方法，其特征在于：步骤S4具体包括以下步骤：

6.根据权利要求1所述...

【技术特征摘要】

1.一种企业信用等级和信用展望的多任务预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的企业信用等级和信用展望的多任务预测方法，其特征在于：步骤s1具体包括以下步骤：

3.根据权利要求1所述的企业信用等级和信用展望的多任务预测方法，其特征在于：步骤s2所述构建企业数据集，具体包括以下步骤：

4.根据权利要求1所述的企业信用等级和信用展望的多任务预测方法，其特征在于：步骤s3具体包括以下步骤：

5.根据权利要求1所述的企业信用等级和信用展望的多任务预测方法，其特征在于：步骤s4具体包括以下步骤：

6.根据权利要求1所述的企业信用等级和信用展望的多任务预测方法，其特征在于：...

【专利技术属性】
技术研发人员：许国良，张梦娅，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：