[发明专利]信息预测方法、装置、计算机设备和存储介质

说明书

本申请涉及大数据处理领域，特别涉及一种信息预测方法、装置、计算机设备和存储介质。包括获取非金融企业杠杆率数据，并从基础指标库中逐个获取基础宏观指标数据；从各基础宏观指标数据中提取多个时间周期的基础宏观指标序列，根据所提取的多个时间周期的基础宏观指标序列得到多个时间周期的基础宏观指标序列组合；分别计算各组合中各基础宏观指标序列与非金融企业杠杆率数据的相关系数；根据计算出的相关系数筛选出各组合中与非金融企业杠杆率数据关联的基础宏观指标序列；采用主成分分析法对筛选出的基础宏观指标序列进行分析并构建多组信贷风险指数预测模型；根据多组信贷风险指数预测模型进行信贷风险指数预测。本方法能提高信息预测准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种信息预测方法、装置、计算机设备和存储介质。

背景技术

银行机构是金融经济的命脉，与国民经济的各个参与主体之间均具有复杂的关系，银行机构作为经济主体的枢纽，其风险危机的波及性较为广泛且迅速。

商业银行经营过程中面临多种风险，其中最重要的就是信贷风险，信贷风险是银行因企业不能按时归还贷款本息而遭受损失的可能性，是银行必须要积极面对与防范的一种风险。但是，目前缺少对信贷风险相关的宏观经济指标的发展趋势进行准确预测的有效手段。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高信息预测准确性的信贷风险指标预测方法、装置、计算机设备和存储介质。

一种信息预测方法，所述方法包括：

获取非金融企业杠杆率数据，并从基础指标库中逐个获取基础宏观指标数据；

从各所述基础宏观指标数据中提取多个时间周期的基础宏观指标序列，根据所提取的多个时间周期的基础宏观指标序列得到多个时间周期的基础宏观指标序列组合；

分别计算各组合中各所述基础宏观指标序列与所述非金融企业杠杆率数据的相关系数；

根据计算出的所述相关系数筛选出各组合中与所述非金融企业杠杆率数据关联的基础宏观指标序列；

采用主成分分析法对筛选出的所述基础宏观指标序列进行分析并构建多组信贷风险指数预测模型；

根据多组所述信贷风险指数预测模型进行信贷风险指数预测。

在其中一个实施例中，所述根据计算出的所述相关系数筛选出各组合中与所述非金融企业杠杆率数据关联的基础宏观指标序列，包括：

获取预设相关阈值，提取所述相关系数大于所述预设相关阈值的基础宏观指标序列；

获取提取出的所述基础宏观指标序列的指标属性，根据所述指标属性对提取出的所述基础宏观指标序列进行分类；

将每一分类中对应的所述相关系数最大的所述基础宏观指标序列筛选出来。

在其中一个实施例中，所述将每一分类中对应的所述相关系数最大的所述基础宏观指标序列筛选出来之后，还包括：

获取提取出的所述基础宏观指标序列的分类数量，并获取预设指标下限数值；

当所述分类数量小于所述预设指标下限数值时，计算所述预设指标下限数值与所述分类数量的差值；

将未筛选出的提取的所述基础宏观指标序列根据对应相关系数由大至小的顺序进行排序，将排在前列的所述基础宏观指标序列筛选出来，且筛选出的排在前列的所述基础宏观指标序列的数量与所述差值一致。

在其中一个实施例中，所述分别计算各组合中各所述基础宏观指标序列与所述非金融企业杠杆率数据的相关系数，包括：

获取各组合中所述基础宏观指标序列的序列初始时间；