[发明专利]一种证券下行风险评估诊断的方法及系统

权利要求书

1.一种证券下行风险评估诊断的方法，其特征在于，包括：

根据目标变量与定量特征变量构建数据集；

根据所述数据集选择动态显著特征，得到模型变量，根据所述模型变量建立动态打分模型，根据所述动态打分模型生成评分规则，根据所述评分规则得出最终模型评分值；

根据所述最终模型评分值计算低风险概率值与最终概率分布值，得到标准安全分，根据所述标准安全分，得到诊断文本。

2.根据权利要求1所述的证券下行风险评估诊断的方法，其特征在于，所述根据目标变量与定量特征变量构建数据集的步骤具体包括：

获取特征描述，并对所述特征描述进行定量刻画，得到所述定量特征变量；

根据最大回撤以降序排名，得到所述目标变量；

根据所述定量特征变量与所述目标变量的时间顺序构建所述数据集；

根据时间顺序标准将所述数据集划分为训练集与测试集。

3.根据权利要求1所述的方法，其特征在于，所述根据所述数据集选择动态显著特征，得到模型变量，根据所述模型变量建立动态打分模型，根据所述动态打分模型生成评分规则，根据所述评分规则得出最终模型评分值的步骤具体包括：

选取所述训练集中的所述定量特征变量，输入数据训练模型，计算得出证据权重值与信息量值；

根据所述定量特征变量的取值进行分箱并对所述定量特征变量的进行筛选，输出模型变量。

4.根据权利要求3所述的方法，其特征在于，所述根据所述数据集选择动态显著特征，得到模型变量，根据所述模型变量建立动态打分模型，根据所述动态打分模型生成评分规则，根据所述评分规则得出最终模型评分值的步骤还包括：

根据所述模型变量计算出的相关系数，将所述模型变量进一步筛选，输出最终模型变量，得到对所述目标变量具有显著性关联的所述最终模型变量；

根据所述模型变量结合所述目标变量，构建回归模型，获得拟合方程。

5.根据权利要求4所述的方法，其特征在于，所述根据所述数据集选择动态显著特征，得到模型变量，根据所述模型变量建立动态打分模型，根据所述动态打分模型生成评分规则，根据所述评分规则得出最终模型评分值的步骤还包括：

根据所述拟合方程对所述训练集进行拟合，得到分箱属性参数与截距，通过调权公式更新变量属性系数，所述变量属性系数在所述回归模型中根据所述数据集的变化输出所述动态评分规则；

根据所述分箱属性参数与所述截距，通过证券原始分公式计算，输出所述最终模型评分。

6.根据权利要求5所述的方法，其特征在于，所述根据所述最终模型评分值计算低风险概率值与最终概率分布值，得到标准安全分，根据所述标准安全分，得到诊断文本的步骤具体包括：

根据评分卡赔率原理得出低风险概率值；

将所述低风险概率值分别输入线性插值估算方法和分段平衡估算方法两种不同的估算方法，分别输出两种估算方法的低风险概率值，取出平均值，得出风险排名概率分布；

获取目标证券不同时间段的最大回撤率，根据标准安全分计算公式，得到所述目标证券的标准安全分；

根据所述动态评分规则获取证券各项显著性变量的评分值，将所述评分值进行对比，预先对所述各项显著性变量设有评价文本，根据所述标准安全分找到对应的评价文本得出评估诊断文本。

7.根据权利要求4所述的方法，其特征在于，所述将所述模型变量进一步筛选，输出最终模型变量，得到对所述目标变量具有显著性关联的所述最终模型变量的步骤具体包括：

将所述模型变量输入初始化模型变量集中，输出的最终模型变量集；

选取候选的所述模型变量；

确定所述最终模型变量；

确定所述最终模型变量集中的所述模型变量为所述最终模型变量。

8.一种证券下行风险评估诊断的系统，其特征在于，用于执行如权利要求1至7任一项所述的证券下行风险评估诊断的方法。