[发明专利]一种风险预测方法和装置及计算机可读存储介质

说明书

本发明实施例公开了一种风险预测方法和装置，包括：获取至少一个金融主体的事件数据，对获得的每一个事件数据进行清洗得到清洗后的事件数据；获取至少一个金融主体间的关系网络；根据至少一个金融主体的清洗后的事件数据和至少一个金融主体间的关系网络计算时序点过程的强度函数矩阵；根据至少一个金融主体的清洗后的事件数据和强度函数矩阵计算每一个金融主体在每一个时刻发生每一类事件的概率。本发明实施例基于时序点过程理论进行风险预测，而不依赖于专家经验，提高了准确度；并且，不需要专家长时间讨论确定模型，缩短了建模周期；并且，适用于多种不同的应用场景，使得模型得到统一和量化。

技术领域

本发明实施例涉及但不限于风险评估领域，尤指一种风险预测方法和装置及计算机可读存储介质。

背景技术

近几十年来，我国经济发展迅速，但随之也会存在大量风险问题。如何有效的把控风险，是如银行业、证券业、风险投资业所最为关注的。研究企业风险传导机理，有助于从过程的视角了解和掌控风险对企业产生影响的过程与规律，从而更好的控制和管理企业风险。

传统的风险预测方法是首先分别建立风险计量模型和风险传导模型。建立风险传导模型时，将风险视为能量，基于动力学理论建模，描述风险的传导与衰减路径。然后基于建立的风险计量模型和风险传导模型进行风险预测。

传统的风险预测方法的整个流程非常依赖专家经验，首先，风险计量模型和风险传导模型均依赖于专家的建立，不同专家开发的模型难以统一和量化比较，并且需要长时间讨论确定模型，建模周期较长；其次，模型中的各项因子的分箱和权重也依赖于专家设定。因此，传统的风险预测方法的准确度很难保障，应用场景也比较受限。

发明内容

本发明实施例提供了一种风险预测方法和装置及计算机可读存储介质，能够提高准确度。

本发明实施例提供了一种风险预测方法，包括：

获取至少一个金融主体的事件数据，对获得的每一个事件数据进行清洗得到清洗后的事件数据；获取至少一个金融主体间的关系网络；

根据至少一个金融主体的清洗后的事件数据和至少一个金融主体间的关系网络计算时序点过程的强度函数矩阵；

根据至少一个金融主体的清洗后的事件数据和强度函数矩阵计算每一个金融主体在每一个时刻发生每一类事件的概率。

在本发明实施例中，所述计算时序点过程的强度函数矩阵之前，该方法还包括：

根据至少一个金融主体的清洗后的事件数据和至少一个金融主体间的关系网络计算包含有未知参数的所述强度函数矩阵；

根据至少一个金融主体的清洗后的事件数据和包含有未知参数的所述强度函数矩阵计算包含有未知参数的每一个金融主体的最大似然函数；

根据所有金融主体的最大似然函数计算总的最大似然函数；

根据所述总的最大似然函数计算所述未知参数的最优取值。

在本发明实施例中，按照公式计算包含有未知参数的每一个金融主体的最大似然函数

按照公式计算所述总的最大似然函数

其中，θ表示未知参数，m表示第m个发生的事件，t_m-1为第(m－1)个事件发生的时间，t_m为第m个事件发生的时间。

在本发明实施例中，所述根据至少一个金融主体的清洗后的事件数据和至少一个金融主体间的关系网络计算时序点过程的强度函数矩阵包括：

根据至少一个所述金融主体间的所述关系网络计算所述金融主体间的传导系数矩阵；

根据至少一个所述金融主体的清洗后的事件数据和所述传导系数矩阵计算时序点过程的所述强度函数矩阵。