[发明专利]风险预测方法及相关装置

权利要求书

1.一种风险预测方法，其特征在于，包括：

获得目标客户的投资数据；

从所述投资数据中抽取得到多个信息项；

将各所述信息项输入至预先训练的RBF神经网络模型；

获得所述RBF神经网络模型基于各所述信息项预测得到的所述目标客户的信用风险评分。

2.根据权利要求1所述的方法，其特征在于，所述RBF神经网络模型训练过程，包括：

获得多个客户的投资数据；

针对任一所述客户的投资数据，均从所述投资数据中抽取得到多个信息项，其中，所述信息项包括：姓名、性别、年龄、账户余额、投资产品、投资金额和投资日期；

基于熵权法确定各所述信息项的指标权重；

基于TOPSIS法对各所述信息项的指标权重进行指标评分；

针对任一所述客户的各所述信息项，筛选得到所述指标评分大于预设评分阈值的信息项；

根据各所述客户的各所述指标评分大于预设评分阈值的信息项，对所述RBF神经网络模型进行训练和测试。

3.根据权利要求2所述的方法，其特征在于，所述根据各所述客户的各所述指标评分大于预设评分阈值的信息项，对所述RBF神经网络模型进行训练和测试，包括：

以客户为单位，将各所述客户的各所述指标评分大于预设评分阈值的信息项分为训练集和测试集，其中，训练集和测试集均包括多个客户的信息项；

基于所述训练集和所述测试集，对所述RBF神经网络模型进行训练和测试。

4.根据权利要求2所述的方法，其特征在于，所述从所述投资数据中抽取得到多个信息项，包括：

根据筛选得到所述指标评分大于所述预设评分阈值的信息项，从所述投资数据抽取对应的信息项。

5.一种风险预测装置，其特征在于，包括：目标数据获得单元、信息项抽取单元、信息项输入单元和预测评分获得单元；

所述目标数据获得单元，用于获得目标客户的投资数据；

所述信息项抽取单元，用于从所述投资数据中抽取得到多个信息项；

所述信息项输入单元，用于将各所述信息项输入至预先训练的RBF神经网络模型；

所述预测评分获得单元，用于获得所述RBF神经网络模型基于各所述信息项预测得到的所述目标客户的信用风险评分。

6.根据权利要求5所述的装置，其特征在于，所述装置还包括模型训练单元；

所述模型训练单元包括：训练数据获得子单元、第一抽取子单元、权重确定子单元、指标评分子单元、信息项筛选子单元和第一模型训练子单元；

所述模型训练单元，用于执行所述RBF神经网络模型训练过程；

所述训练数据获得子单元，用于获得多个客户的投资数据；

所述第一抽取子单元，用于针对任一所述客户的投资数据，均从所述投资数据中抽取得到多个信息项，其中，所述信息项包括：姓名、性别、年龄、账户余额、投资产品、投资金额和投资日期；

所述权重确定子单元，用于基于熵权法确定各所述信息项的指标权重；

所述指标评分子单元，用于基于TOPSIS法对各所述信息项的指标权重进行指标评分；

所述信息项筛选子单元，用于针对任一所述客户的各所述信息项，筛选得到所述指标评分大于预设评分阈值的信息项；

所述第一模型训练子单元，用于根据各所述客户的各所述指标评分大于预设评分阈值的信息项，对所述RBF神经网络模型进行训练和测试。

7.根据权利要求6所述的装置，其特征在于，所述第一模型训练子单元，包括：第二模型训练子单元和集合划分子单元；

所述第二模型训练子单元，用于以客户为单位，将各所述客户的各所述指标评分大于预设评分阈值的信息项分为训练集和测试集，其中，训练集和测试集均包括多个客户的信息项；

所述集合划分子单元，用于基于所述训练集和所述测试集，对所述RBF神经网络模型进行训练和测试。