[发明专利]中小企业风险预警模型训练方法、装置和设备

权利要求书

1.一种中小企业风险预警模型训练方法，其特征在于，包括：

获取中小企业的企业数据；

根据预先定义的样本划分标准，基于所述企业数据选取正样本和负样本；所述正样本为未发生贷款逾期的企业的相关数据，所述负样本为曾发生贷款逾期的企业的相关数据；

根据预先定义的企业基础属性特征、内部属性特征和外部属性特征，对选取的正样本和负样本进行特征提取，得到多个特征变量；其中，所述内部属性特征包括但不限于贷款提供方内部针对中小企业的基础数据生成的特征，所述外部属性特征包括特定第三方企业针对所述基础数据和所述内部属性特征生成的自定义特征；

基于所述多个特征变量，利用机器学习算法进行训练，得到中小企业风险预警模型。

2.根据权利要求1所述的方法，其特征在于，所述预先定义的样本划分标准包括：将逾期欠息天数大于等于n日或发生延展期的企业划分为违约企业，违约企业的相关数据为负样本；将一定年限内贷款到期后均正常还款的企业划分为正常企业，正常企业的相关数据为正样本；其中，n为正整数。

3.根据权利要求2所述的方法，其特征在于，所述基于所述企业数据选取正样本和负样本，包括：

根据预先设定的表现期条件，将企业业务存续期内不同时间阶段存在的不同的时点状态纳入到样本中作为扩充，以增加样本量；其中，所述表现期条件包括：在预先定义的时间窗口内，满足违约企业的判断条件或满足正常企业的判断条件。

4.根据权利要求2或3所述的方法，其特征在于，选取正样本时，以贷款正常到期前m个月的数据作为正样本；选取负样本时，以首次发生n天以上逾期时点前m个月或首次发生延展期时点的前m个月的数据作为负样本，其中，m为正整数。

5.根据权利要求1所述的方法，其特征在于，所述对选取的正样本和负样本进行特征提取，得到多个特征变量，包括：

将所选的中小企业划分为小微企业和一般企业；其中，划分时的考虑因素包括企业规模和行业；

对选取的正样本和负样本进行特征提取，得到区分小微企业的特有特征的特征变量和一般企业的共有特征的特征变量。

6.根据权利要求1所述的方法，其特征在于，所述根据预先定义的企业基础属性特征、内部属性特征和外部属性特征，对选取的正样本和负样本进行特征提取，得到多个特征变量，之前还包括：

针对同一企业，预先定义基于贷款业务品种和担保方式下的多项特征。

7.根据权利要求1所述的方法，其特征在于，所述基于所述多个特征变量，利用机器学习算法进行训练，得到中小企业风险预警模型，包括：

通过预设的选择算法对所述多个特征变量进行选择，确定重要程度最高的p个特征变量，其中，p为正整数；

利用机器学习算法对所述p个特征变量进行训练，得到中小企业风险预警模型。

8.根据权利要求1所述的方法，其特征在于，所述内部属性特征包括决策人情况、经营情况、资金情况、风险特征、贷款信息和信用特征；所述外部属性特征包括企业轮廓、生态环境、基因特质、软实力、关联企业、联络信息、经营情况、发展沿革、风险特征、创新能力和公众属性。

9.一种中小企业风险预警模型训练装置，其特征在于，包括：

获取模块，用于获取中小企业的企业数据；

选取模块，用于根据预先定义的样本划分标准，基于所述企业数据选取正样本和负样本；所述正样本为未发生贷款逾期的企业的相关数据，所述负样本为曾发生贷款逾期的企业的相关数据；

提取模块，用于根据预先定义的企业基础属性特征、内部属性特征和外部属性特征，对选取的正样本和负样本进行特征提取，得到多个特征变量；其中，所述内部属性特征包括但不限于贷款提供方内部针对中小企业的基础数据生成的特征，所述外部属性特征包括特定第三方企业针对所述基础数据和所述内部属性特征的生成的自定义特征；

训练模块，用于基于所述多个特征变量，利用机器学习算法进行训练，得到中小企业风险预警模型。

10.一种智能设备，其特征在于，包括：

存储器和与所述存储器相连接的处理器；

所述存储器用于存储程序，所述程序至少用于实现如权利要求1-8任一项所述的中小企业风险预警模型训练方法；

所述处理器用于调用并执行所述存储器存储的所述程序。