[发明专利]一种信用风险的预测方法及相关设备

权利要求书

1.一种信用风险的预测方法，其特征在于，所述方法包括：

获取多种征信特征中每种征信特征的样本数据；

对所述每种征信特征的所述样本数据进行分组处理得到多组数据；

确定所述多组数据中的每组数据与信用风险的相关系数；

根据所述相关系数，确定所述样本数据的分组准确度；

当所述分组准确度大于第一预设阈值时，根据所述多组数据，构造训练样本输入到待训练模型进行训练得到预测模型；

根据所述预测模型，对待征信用户的信用风险进行预测。

2.如权利要求1所述的方法，其特征在于，所述根据所述多组数据，构造训练样本输入待训练模型进行训练得到征信模型包括：

根据所述多组数据，对所述样本数据进行编码；

将编码后的所述样本数据作为所述训练样本。

3.如权利要求2所述的方法，其特征在于，所述根据所述多组数据，对所述样本数据进行编码包括：

确定所述多组数据中的所述每组数据的证据权重系数；

将属于所述每组数据的所述样本数据替换为所述证据权重系数。

4.如权利要求3所述的方法，其特征在于，所述样本数据包括正常样本数据和风险样本数据；

所述确定所述多组数据中的所述每组数据的证据权重系数包括：

确定所述每组数据中所述正常样本数据的第一占比率和所述风险样本数据的第二占比率；

计算所述第一占比率与第一预设值的第一和值、以及所述第二占比率与第二预设值的第二和值；

根据所述第一和值和所述第二和值，确定所述证据权重系数。

5.如权利要求1所述的方法，其特征在于，所述根据所述相关系数，确定所述样本数据的分组准确度包括：

将所述多组数据的所述相关系数的平均值作为所述分组准确度；或

将所述多组数据的所述相关系数中的最大值作为所述分组准确度。

6.如权利要求1所述的方法，其特征在于，所述确定所述多组数据中的每组数据与信用风险的相关系数包括：

确定所述每组数据中的所述样本数据对应的信用指数；

计算所述每组数据中的所述样本数据的第一平均值、以及所述信用指数的第二平均值；

根据所述每组数据中的所述样本数据、所述信用指数、所述第一平均值和所述第二平均值，确定所述相关系数。

7.如权利要求1-6任一项所述的方法，其特征在于，所述根据所述预测模型，对待征信用户的所述信用风险进行预测包括：

获取所述待征信用户的所述每种征信特征的特征数据；

将所述特征数据输入到所述预测模型得到所述待征信用户的风险预测值；

当所述风险预测值大于第二预设阈值时，确定所述待征信用户为风险用户；当所述风险预测值不大于所述第二预设阈值时，确定所述待征信用户为正常用户。

8.一种信用风险的预测装置，其特征在于，所述装置包括：

获取模块，用于获取多种征信特征中每种征信特征的样本数据；

分组模块，用于对所述每种征信特征的所述样本数据进行分组处理得到多组数据；

确定模块，用于确定所述多组数据中的每组数据与信用风险的相关系数；

所述确定模块，还用于根据所述相关系数，确定所述样本数据的分组准确度；

训练模块，用于当所述分组准确度大于预设阈值时，根据所述多组数据，构造训练样本输入到待训练模型进行训练得到预测模型；

预测模块，用于根据所述预测模型，对待征信用户的所述信用风险进行预测。

9.一种电子设备，其特征在于，包括：处理器、存储器、通信接口和总线；

所述处理器、所述存储器和所述通信接口通过所述总线连接并完成相互间的通信；

所述存储器存储可执行程序代码；

所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行如权利要求1-7任一项所述的信用风险的预测方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求1-7任一项所述的信用风险的预测方法。