[发明专利]基于机器学习的数据处理方法及装置

权利要求书

1.一种基于机器学习的数据处理方法，其特征在于，包括：

利用训练完成的机器学习模型，获取目标发债主体所属行业的目标行业指标和目标发债主体指标；

根据所述目标行业指标和所述目标发债主体指标生成所述目标发债主体的基本面指标；

将所述基本面指标发送至客户端，以使所述基本面指标显示于所述客户端。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取所述目标发债主体的当前业务收入信息；

根据所述当前业务收入信息识别所述目标发债主体的主营业务信息；

将所述主营业务信息输入至训练完成的基于机器学习的分类模型中，预测所述目标发债主体所属行业。

3.根据权利要求1所述的方法，其特征在于，获取目标发债主体所属行业的目标行业指标，包括：

基于所属行业下的发债主体的债券数据，获得所属行业的目标行业利差数据；

获得所属行业的目标行业特征数据；

获得所属行业下市场占有率前预设数量的发债主体数据；

基于所属行业下的发债主体的市场占有率，获得所属行业的目标行业分化度数据；

获得所属行业的目标行业风险数据；

将所属行业的目标行业利差数据、目标行业特征数据、市场占有率前预设数量的发债主体数据、目标行业分化度数据和目标行业风险数据输入至训练完成的基于机器学习的行业量化模型中，输出所述目标行业指标。

4.根据权利要求3所述的方法，其特征在于，获得所属行业的目标行业特征数据，包括：

获得各行业的财务指标数据；

对比各行业的财务指标数据，获得所属行业的异常值；

根据所属行业的异常值确定所属行业的目标行业特征数据。

5.根据权利要求3所述的方法，其特征在于，获得所属行业的目标行业风险数据，包括：

获得所属行业下的发债主体的财务指标；

获得所属行业下的发债主体的财务数据；

将所属行业的目标行业分化度数据、发债主体的财务指标和财务数据输入至训练完成的基于机器学习的行业风险模型中，输出所述目标行业风险数据。

6.根据权利要求1所述的方法，其特征在于，获取目标发债主体指标，包括：

获得所述目标发债主体的财务指标；

获得所述目标发债主体的舆情指标；

获得所述目标发债主体的股权结构指标；

根据所述目标发债主体的财务指标、舆情指标和股权结构指标获得所述目标发债主体指标。

7.根据权利要求6所述的方法，其特征在于，获得所述目标发债主体的财务指标，包括：

将所述目标发债主体的财务数据输入至第一财务模型，输出第一衍生财务指标；

将所述目标发债主体的财务数据、发行债券的时间与票面利率信息、授信信息、担保数据和所述第一衍生财务指标输入至第二财务模型，输出第二衍生财务指标；

根据所述第二衍生财务指标获得所述目标发债主体在所属行业中的排名信息；

根据所述排名信息计算所述目标发债主体的财务指标。

8.根据权利要求7所述的方法，其特征在于，所述第二衍生财务指标包括财报质量指标、偿债能力指标、运营效率指标、盈利能力指标和现金流状况指标。

9.根据权利要求6所述的方法，其特征在于，获得所述目标发债主体的舆情指标，包括：

获取所述目标发债主体的公告文件信息和负面新闻信息；

将所述目标发债主体的公告文件信息和负面新闻信息输入至训练完成的基于机器学习的负面舆情量化模型，输出所述目标发债主体的舆情指标。