[发明专利]违约概率预测方法及装置

说明书

本发明实施例提供一种违约概率预测方法及装置，其中，该方法包括：根据待预测目标在预设的时间段内的基础数据，获取基础数据在时间段内各特征时间的变化率，作为待预测目标的概率预测特征；将待预测目标的概率预测特征输入违约概率预测模型，输出待预测目标的违约概率预测结果；其中，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。本发明实施例提供的违约概率预测方法及装置，通过获取待预测目标的基础数据在时间段内各特征时间的变化率，作为待预测目标的概率预测特征，根据概率预测特征获取违约概率预测结果，能获得更准确的违约概率预测结果。

技术领域

本发明涉及计算机技术领域，尤其涉及一种违约概率预测方法及装置。

背景技术

在对企业或个人进行违约概率预测时，通常是基于提取出的静态特征进行建模，利用建立的模型进行违约概率预测。

静态特征，通常为某一数据本身，例如人员或资金数量等。静态特征，难以反映企业或个人的瞬时动态违约可能性，不具备瞬时动态违约可能性的刻画能力。对于企业或个人而言，不同的时间点的静态特征相同，但是否违约的结果可能完全不同。因此，现有违约概率预测方法存在预测准确率较低的不足。

发明内容

本发明实施例提供一种违约概率预测方法及装置，用以解决现有技术中准确率较低的缺陷，实现更准确的违约概率预测。

本发明实施例提供一种违约概率预测方法，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。

根据本发明一个实施例的违约概率预测方法，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。

根据本发明一个实施例的违约概率预测方法，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。

根据本发明一个实施例的违约概率预测方法，所述基础数据包括人员数据和/或经营数据。

根据本发明一个实施例的违约概率预测方法，所述人员数据包括员工数量和/或离职员工数量。

根据本发明一个实施例的违约概率预测方法，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。

根据本发明一个实施例的违约概率预测方法，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。

本发明实施例还提供一种违约概率预测装置，包括：