[发明专利]信托产品定价方法、装置、存储介质及电子装置

权利要求书

1.一种信托产品定价方法，其特征在于，包括：

对采集的信托产品数据做预处理；

用预处理后的信托产品数据对集成分类回归树模型进行训练；

基于训练后的集成分类回归树模型对待预测信托产品的定价进行预测。

2.根据权利要求1所述的方法，其特征在于，对采集的信托产品数据做预处理，包括：

将所述信托产品数据进行数据清理、数据类型转换以及数据归一化处理，得到所述信托产品数据的多个特征。

3.根据权利要求2所述的方法，其特征在于，用预处理后的信托产品数据训练集成分类回归树模型之前，还包括：

基于所述多个特征构建N棵分类回归树，其中N为正整数；

通过装袋算法训练所述N棵分类回归树，以对所述多个特征按照重要性进行排序。

4.根据权利要求3所述的方法，用预处理后的信托产品数据训练集成分类回归树模型，包括：

将特征的重要性排在前m的特征组成训练集，其中m为整数；

基于所述训练集对由多棵所述分类回归树组成的集成分类回归树模型进行训练。

5.根据权利要求1所述的方法，其特征在于，基于训练后的集成分类回归树模型对信托产品定价进行回归预测，包括：

将待预测信托产品数据输入到训练后的所述集成分类回归树模型中；

对集成分类回归树模型中所有分类回归树输出的预测值进行算术平均值计算，将得到的所述算数平均值作为所述待预测信托产品的定价预测值。

6.根据权利要求1所述的方法，其特征在于，基于训练后的集成分类回归树模型对信托产品定价进行回归预测之前，还包括：

基于训练集、测试集和全量数据集评估所述集成分类回归树模型的拟合能力和稳定性。

7.一种信托产品定价装置，其特征在于，包括：

处理模块，用于对采集的信托产品数据做预处理；

训练模块，用于用预处理后的信托产品数据对集成分类回归树模型进行训练；

预测模块，用于基于训练后的集成分类回归树模型对待预测信托产品的定价进行预测。

8.根据权利要求7所述的装置，其特征在于，还包括：

排序模块，用于基于信托产品数据的多个特征构建N棵分类回归树，以对所述多个特征按照重要性进行排序。

9.根据权利要求7所述的装置，其特征在于，还包括：

评估模块，用于基于训练集、测试集和全量数据集评估所述集成分类回归树模型的拟合能力和稳定性。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的方法。

11.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6任一项中所述的方法。