[发明专利]一种基于LightGBM的企业失信概率预测方法及系统

说明书

本发明提供一种基于LightGBM的企业失信概率预测方法及系统，所述方法包括对企业在各个方面留下的信誉行为足迹信息进行分析与理解，并对数据进行预处理，同时结合业务需求在已有的数据特征维度上做进一步的特征工程，然后利用特征选择和特征降维的相关方法去降低特征的维度，使用以LightGBM为主的机器学习模型去学习数据，利用训练出的模型得到企业失信的概率风险值以及是否会失信的分类。本发明的技术方案可进一步提高金融机构防范欺诈和降低不良率的能力，实现对企业是否会出现失信的精准识别，适用于解决企业融资以及信用评价的问题，能够有效提高融资风险防范能力，可广泛应用于银行对企业贷款审核以及企业社会信用评估领域。

技术领域

本发明涉及机器学习技术领域，特别是指一种基于LightGBM的企业失信概率预测方法。

背景技术

信用是整个社会的基础，市场交易中所有的经济活动，均与信用息息相关。目前，我国企业正处于飞速发展阶段，影响力逐渐扩大，已逐渐成为社会经济发展的重要推动力。因此加强融资市场的风险管理与处理能力，降低企业的融资风险，促进融资市场的发展，建立完善的融资风险评测体系迫在眉睫；其中，准确预测企业失信概率，实现对企业是否会出现失信的精准识别，是建立完善的融资风险评测体系的基础；企业失信与否，关乎整个企业命运。但目前还未有对企业失信概率进行预测，实现对企业是否会出现失信的精准识别的方法。

发明内容

本发明要解决的技术问题是提供一种基于LightGBM的企业失信概率预测方法及系统，填补相关领域的技术空白，利用大数据和人工智能、机器学习等相关技术，调动社会全员的大数据建模创新积极性，帮助社会各界为解决企业融资问题提供思路，进一步提高融资风险防范能力。

为解决上述技术问题，本发明提供一种基于LightGBM的企业失信概率预测方法，所述基于LightGBM的企业失信概率预测方法包括：

获取企业信誉行为足迹信息数据集，构建训练数据集，并对所述训练数据集进行预处理和特征提取，构建第一特征集；

基于所述第一特征集，首先使用LightGBM模型进行训练，得到第一LightGBM模型；然后使用XGBoost、CatBoost、LightGBM三个模型进行训练，并分别提取各模型按照特征重要性排序的前30个特征，构建第二特征集；

基于所述第二特征集，用LightGBM模型进行训练，得第二LightGBM模型；

利用所述第一LightGBM模型和第二LightGBM模型，根据待预测企业的信誉行为足迹信息分别预测其失信概率，并对所述第一LightGBM模型和第二LightGBM模型的预测结果进行加权综合，得到最终预测结果。

可选地，所述信誉行为足迹信息包括：脱敏后的工商股权信息、行政处罚信息、司法诉讼信息，以及民间欠款信息。

进一步地，对训练数据集进行预处理和特征提取，构建第一特征集，包括：

对所述训练数据集进行清洗，剔除噪声数据，并进行缺失值填充；

对预处理后的训练数据集分别从统计特征、交叉特征、业务特征三个角度做特征工程，进行特征数据提取；

利用预设特征降维方法对提取的特征数据进行降维，构建第一特征集。

进一步地，对训练数据集进行缺失值填充的方法为均值填充、0填充、LightGBM填充中的任一种；对提取的特征数据进行降维的方法为PCA降维法。

进一步地，基于第一特征集，使用LightGBM模型进行训练时，和基于第二特征集，使用LightGBM模型进行训练时，均采用交叉验证法进行训练。

进一步地，所述对所述第一LightGBM模型和第二LightGBM模型的预测结果进行加权综合，得到最终预测结果，具体为：