[发明专利]中小企业风险预警模型训练方法、装置和设备

说明书

本申请涉及一种中小企业风险预警模型训练方法、装置和设备。其中，通过获取中小企业的企业数据，并根据预先定义的样本划分标准选取正样本和负样本，再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，对样本进行特征提取，得到多个特征变量，进而利用机器学习算法对特征变量进行训练，从而得到中小企业风险预警模型。如此设置，可以实现多点信息的采集，多风险的评估，从而多维度、综合评估企业信用风险，进而能够主动、前瞻、高效地预判风险的发生，避免银行等贷款提供方出现较大损失，且降低风险排查难度和成本。

技术领域

本申请涉及企业风险预警技术领域，尤其涉及一种中小企业风险预警模型训练方法、装置和设备。

背景技术

随着经济的发展，商业银行多元化、差异化的信贷产品越来越多，在方便广大企业获取更好的融资外，也对银行的风控手段产生了重大的冲击，尤其是中小企业经营风险显著提升，银行缺乏相应数据的获取渠道以及风控技术的积累，同时企业风险表现形式多元化，使得银行风险识别难度进一步加大。因此，如何找到有效、及时的风险预警方法是商业银行等贷款提供方迫在眉睫需要解决的痛点。

目前，传统商业银行客户风险预警主要是基于企业自身基本情况，或基于资产负债率等传统的客户财务指标，同时，也在尝试通过舆情等互联网信息的收集和分析，进一步提升客户风险预警的及时性。但是，无论是在尽职调查、信贷审查还是贷后管理的过程中，风险预警所使用的调查、审查和检查方法依然类似中医问诊，主要通过对授信主体的“望”“闻”“问”“切”来实现，仍局限在单点信息的采集，单一风险的评估，缺少多维度、综合评估信用风险的方法，难以主动、前瞻、高效地预判风险的发生，往往在企业临近违约才发现风险事项，一旦出险就会措手不及。此外，预警信息有冗余、虚警率高，增加风险排查难度和成本。

发明内容

本申请提供一种中小企业风险预警模型训练方法、装置和设备，以至少在一定程度上解决现有的风险预警方法及时性不足、预警信息有冗余、虚警率高、风险排查难度和成本高的问题。

本申请的上述目的是通过以下技术方案实现的：

第一方面，本申请实施例提供一种中小企业风险预警模型训练方法，其包括：

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的生成的自定义特征；

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。

可选的，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。

可选的，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。

可选的，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。

可选的，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：