[发明专利]基于机器学习的数据处理方法及装置

说明书

本发明的实施例提供了一种基于机器学习的数据处理方法、装置、电子设备以及存储介质，属于计算机技术领域。该方法包括：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。本发明实施例的技术方案利用机器学习模型，能够自动预测目标发债主体的基本面指标，提高了数据处理的效率和准确性。

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种基于机器学习的数据处理方法、基于机器学习的数据处理装置、电子设备以及计算机可读存储介质。

背景技术

在现有技术中，固定收益类资产(例如债券)的信用风险分析主要是通过人工来实现的，或者即使有一些软件系统可以提供债券投资分析，也还是不能满足用户需求。原因是现有的软件系统具有以下缺点：

第一，偏市场分析，缺乏企业信用债决策支持系统。目前国内信用债市场刚刚兴起，还处于探索阶段，固定收益类的投资分析管理系统较为匮乏。

第二，开发的决策支持软件系统的开发人员缺乏金融市场及投资业务的相关经历经验，开发出的科技产品与实际脱离较为严重，导致市场上大多数软件系统实用性差。

第三，底层数据库不够完善，其系统页面存在严重数据缺失情况，数据量难以满足业务和模型需求。正确的决策离不开关键信息的支持，因此，若无相当的数据量支持是无法做好决策支持系统的。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明实施例的目的在于提供一种基于机器学习的数据处理方法、基于机器学习的数据处理装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本发明实施例的第一方面，提供了一种基于机器学习的数据处理方法，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。

根据本发明实施例的第二方面，提供一种基于机器学习的数据处理方法，包括：指标获取模块，配置为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；指标生成模块，配置为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；指标发送模块，配置为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。

根据本发明实施例的第三方面，提供一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如上述任意一项所述的基于机器学习的数据处理方法。

根据本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任意一项所述的基于机器学习的数据处理方法。