[发明专利]信用违约预测方法、装置及电子设备

权利要求书

1.一种信用违约预测方法，其特征在于，包括：

获取待预测企业的预测数据和舆情信息；其中，所述预测数据包括财务数据，所述舆情信息包括多个舆情事件；

分别对所述预测数据和所述舆情信息进行特征提取，得到所述待预测企业对应的结构化特征和序列特征；

根据所述待预测企业对应的结构化特征和序列特征以及训练后的预测模型，确定所述待预测企业的信用违约预测结果；所述预测模型用于对所述待预测企业对应的结构化特征和序列特征进行特征拼接，并输出与拼接后特征对应的信用违约预测结果。

2.根据权利要求1所述的信用违约预测方法，其特征在于，分别对所述预测数据和所述舆情信息进行特征提取，得到所述待预测企业对应的结构化特征和序列特征的步骤，包括：

对所述预测数据进行特征筛选、空缺值填充、异常值处理和数据归一化处理，得到所述待预测企业对应的结构化特征；

按照各个所述舆情事件发生的时间，构建目标舆情事件序列；

对所述目标舆情事件序列进行数字编码，得到所述待预测企业对应的序列特征。

3.根据权利要求2所述的信用违约预测方法，其特征在于，按照各个所述舆情事件发生的时间，构建目标舆情事件序列的步骤，包括：

按照各个所述舆情事件发生的时间先后顺序，构建初始舆情事件序列；

对所述初始舆情事件序列进行相邻位置重复元素的去除，得到目标舆情事件序列。

4.根据权利要求2所述的信用违约预测方法，其特征在于，对所述目标舆情事件序列进行数字编码，得到所述待预测企业对应的序列特征的步骤，包括：

对所述目标舆情事件序列中所有不同的元素依次分别赋予一个从0开始递增的数字，得到所述待预测企业对应的序列特征。

5.根据权利要求1所述的信用违约预测方法，其特征在于，所述待预测企业为发债企业；所述方法还包括：

获取训练样本集，所述训练样本集包括历史发债企业在预测窗口内的历史预测数据和历史舆情信息以及预测时间点的实际债券违约结果；

分别对所述历史预测数据和所述历史舆情信息进行特征提取，得到所述历史发债企业对应的结构化特征和序列特征；

根据所述历史发债企业对应的结构化特征、序列特征和所述实际债券违约结果，对初始预测模型进行训练，得到训练后的预测模型。

6.根据权利要求1-5中任一项所述的信用违约预测方法，其特征在于，所述预测模型包括第一输入层、与所述第一输入层连接的第一全连接层、第二输入层、与所述第二输入层连接的嵌入层、与所述嵌入层连接的双向长短时记忆网络层、与所述双向长短时记忆网络层连接的第二全连接层、分别与所述第一全连接层和所述第二全连接层连接的特征融合层、以及与所述特征融合层连接的第三全连接层；

所述第一输入层用于将结构化特征输入到所述第一全连接层；所述第二输入层用于将序列特征输入到所述嵌入层；所述特征融合层用于对所述第一全连接层的输出和所述第二全连接层的输出进行拼接，并将拼接后特征输入到所述第三全连接层；所述第三全连接层用于输出与所述拼接后特征对应的信用违约预测结果。

7.根据权利要求6所述的信用违约预测方法，其特征在于，所述特征融合层与所述第三全连接层之间还设置有Dropout层。

8.一种信用违约预测装置，其特征在于，包括：

获取模块，用于获取待预测企业的预测数据和舆情信息；其中，所述预测数据包括财务数据，所述舆情信息包括多个舆情事件；

提取模块，用于分别对所述预测数据和所述舆情信息进行特征提取，得到所述待预测企业对应的结构化特征和序列特征；

确定模块，用于根据所述待预测企业对应的结构化特征和序列特征以及训练后的预测模型，确定所述待预测企业的信用违约预测结果；所述预测模型用于对所述待预测企业对应的结构化特征和序列特征进行特征拼接，并输出与拼接后特征对应的信用违约预测结果。