[发明专利]信用风险预测模型构建方法及系统、存储介质及电子设备

说明书

本发明涉及一种信用风险预测模型构建方法及系统、存储介质及电子设备，该方法包括步骤：构建特征库，所述特征库中包含有若干个用于预测企业信用风险的特征变量；根据预先定义的多种风险类型，构建训练样本集，训练样本包括黑样本和白样本；基于所述特征库和训练样本集，分别针对每一种风险类型进行训练，得到对应的预测模型；将得到的多种预测模型进行融合，得到所述企业信用风险预测模型。本发明方法尤其适用于对缺乏交易数据的中小型企业的信用风向进行预测，采用本发明所构建的预测模型对中小型企业的信用风险进行预测，可以提高预测结果的准确性，不受交易数据的限制。

技术领域

本发明涉及数据处理技术领域，特别涉及一种信用风险预测模型构建方法及系统、存储介质及电子设备。

背景技术

基于大数据时代，通过对企业运营中产生的各种数据进行收集、分析，可以有效地帮助企业自己或他人创造更多的价值。例如，通过分析产品的热销类型和购买人群，可以帮助企业做出更准确的产品营销策略。又例如，通过对企业交易数据的分析，可以帮助企业形成信用档案，有助于企业进行融资或贷款。以企业信用评估为例，传统的征信模型虽然能够一定程度上评价企业信用风险，但是传统的信用评估模型的数据太依赖于交易数据，而对于缺乏贷款经历和交易行为的中小企业，它们的信贷记录缺失或者不完整，便会自动被视为信用风险较大，继而影响其融资或贷款。换言之，目前的评估模型不具有针对性，不适用于缺乏交易数据的中小企业，继而会导致对中小企业的信用风险预测结果不准确。

发明内容

本发明的目的在于针对于中小企业，提供一种尤其适用于中小企业的信用风险预测模型构建方法及系统，利用该方法或系统构建的预测模型对企业信用风险进行预测，以提高中小企业的信用风险预测结果的准确性。

为了实现上述发明目的，本发明实施例提供了以下技术方案：

第一方面，本发明实施例提供了一种信用风险预测模型构建方法，包括以下步骤：

构建特征库，所述特征库中包含有若干个用于预测企业信用风险的特征变量；

根据预先定义的多种风险类型，构建训练样本集，训练样本包括黑样本和白样本；

基于所述特征库和训练样本集，分别针对每一种风险类型进行训练，得到对应的预测模型；

将得到的多种预测模型进行融合，得到所述企业信用风险预测模型。

上述方法中，在构建特征库时特征变量涉及企业的多个方面，而不仅是涉及交易数据，在构建预测模型时，定义了多种风险类型，进而先构建出多种预测模型，最后再融合多种模型得到最终的预测模型，使得最终得到的预测模型具有较高的预测准确性。

在第一方面的第一个可实施方案中，所述构建特征库的步骤中，首先初步确定出各个特征变量，然后再基于WOE分箱处理和IV值测算对初步确定的特征变量进行再次筛选，筛选出的特征变量入选特征库中。

在第一方面的第二个可实施方案中，所述预先定义的多种风险类型包括吊销风险、被告风险、借贷违约风险、买卖违约风险、被执行风险、失信风险。

在第一方面的第三个可实施方案中，针对每一种风险类型，分别基于逻辑回归算法训练得到对应预测模型。

在第一方面的第四个可实施方案中，基于逻辑回归算法对得到的多种预测模型进行融合，得到所述企业信用风险预测模型。

第二方面，本发明实施例同时提供了一种信用风险预测模型构建系统，包括：

特征库构建模块，用于构建特征库，所述特征库中包含有若干个用于预测企业信用风险的特征变量；

样本集构建模块，用于根据预先定义的多种风险类型，构建训练样本集，训练样本包括黑样本和白样本；