[发明专利]违约概率预测方法及装置

权利要求书

1.一种违约概率预测方法，其特征在于，包括：

根据待预测目标在预设的时间段内的基础数据，获取所述基础数据在所述时间段内各特征时间的变化率，作为所述待预测目标的概率预测特征；

将所述待预测目标的概率预测特征输入违约概率预测模型，输出所述待预测目标的违约概率预测结果；

其中，所述违约概率预测模型，是以概率预测特征样本数据为样本，以所述概率预测特征样本数据对应的未违约或违约数据为样本标签进行训练后获得的。

2.根据权利要求1所述的违约概率预测方法，其特征在于，所述根据待预测目标在预设的时间段内的基础数据，获取所述基础数据在所述时间段内各特征时间的变化率的具体步骤包括：

根据所述待预测目标在所述时间段内的基础数据和预设的时间窗口，获取所述时间段的各子时间段对应的基础数据的滑动平均值，获得滑动平均值曲线；

获取每一所述特征时间对应的所述滑动平均值曲线的导数，作为所述基础数据在所述特征时间的变化率；

其中，所述时间窗口，为时长等于所述子时间段的时长的大于1的整数倍的时间段。

3.根据权利要求1所述的违约概率预测方法，其特征在于，所述特征时间为所述时间段的若干个子时间段；

相应地，所述根据待预测目标在预设的时间段内的基础数据，获取所述基础数据在所述时间段内各特征时间的变化率的具体步骤包括：

根据所述待预测目标所述时间段内的基础数据，获取所述若干个子时间段中的每个子时间段的基础数据的同比变化率和/或环比变化率。

4.根据权利要求1所述的违约概率预测方法，其特征在于，所述基础数据包括人员数据和/或经营数据。

5.根据权利要求4所述的违约概率预测方法，其特征在于，所述人员数据包括员工数量和/或离职员工数量。

6.根据权利要求4所述的违约概率预测方法，其特征在于，所述经营数据包括订单数量、订单成交量和订单成交率中的至少一种。

7.根据权利要求1至6任一所述的违约概率预测方法，其特征在于，所述违约概率预测模型，为多元线性回归模型或神经网络模型。

8.一种违约概率预测装置，其特征在于，包括：

特征提取模块，用于根据待预测目标在预设的时间段内的基础数据，获取所述基础数据在所述时间段内各特征时间的变化率，作为所述待预测目标的概率预测特征；

概率预测模块，用于将所述待预测目标的概率预测特征输入违约概率预测模型，输出所述待预测目标的违约概率预测结果；

其中，所述违约概率预测模型，是以概率预测特征样本数据为样本，以所述概率预测特征样本数据对应的未违约或违约数据为样本标签进行训练后获得的。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的违约概率预测方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述的违约概率预测方法的步骤。