[发明专利]一种债券风险预测方法和系统

说明书

本发明实施例提供了一种债券风险预测方法和一种债券风险预测系统，包括获取待训练数据集，对待训练数据集进行预处理以得到均衡数据集，根据预设置评估模型对所述均衡数据集进行数据特征的重要性分析得到特征数据集和特征系数数据集，将特征数据集和特征系数数据集分别对预设置分类模型进行训练，得到第一分类模型和第二分类模型，根据第一分类模型和第二分类模型分别对获取到的待测试数据集进行分类，根据分类结果进行综合预测。通过经特征数据集和特征系数数据集训练后的第一分类模型和第二分类模型对债券风险进行综合预测，从而能够保证债券风险预测结果的准确性和可靠性。

技术领域

本发明涉及债券风险预测技术领域，特别是涉及一种债券风险预测方法 和一种债券风险预测系统。

背景技术

债券违约事件的频繁发生，使得债券投资者所承担的风险剧增，如何对 债券进行风险预测成为了一个亟待解决的问题。

对债券进行预测评估的传统方式，是由人工对评估对象的经营状况、财 务状况以及所属行业行情做出定性的分析预测；这种方法结合了评估人的经 验，具有一定可信度。

但传统的定性预测评估方式缺乏数据支持，不够严谨。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至 少部分地解决上述问题的一种债券风险预测方法和相应的一种债券风险预 测系统。

为了解决上述问题，本发明实施例公开了一种债券风险预测方法和系 统，所述技术方案如下：

一方面，提供了一种债券风险预测方法，所述方法包括：

获取待训练数据集；

对所述待训练数据集进行预处理以得到均衡数据集；

根据预设置评估模型对所述均衡数据集进行数据特征的重要性分析得 到特征数据集和特征系数数据集；

将所述特征数据集和所述特征系数数据集分别对预设置分类模型进行 训练，得到第一分类模型和第二分类模型；

根据所述第一分类模型和所述第二分类模型分别对获取的待测试数据 集的分类结果进行综合预测。

可选地，所述对所述待训练数据集进行预处理以得到均衡数据集包括：

对所述待训练数据集采用欠采样和过采样方法进行预处理。

可选地，所述根据预设置评估模型对所述均衡数据集进行数据特征的重 要性分析得到特征数据集和特征系数数据集包括：

根据特征重要性X＝∑(eerOOB2-eerOOB1)/N得出数据特征的重要性指 数，根据得出的重要性指数对数据特征的重要性程度进行排序并生成重要性 权重系数。

可选地，所述根据所述第一分类模型和所述第二分类模型分别对获取的 待测试数据集的分类结果进行综合预测包括：

当所述第一分类模型和所述第二分类模型的分类结果不一致，则定义为 具有可避免的潜在风险；

当所述第一分类模型和所述第二分类模型的分类结果一致，则根据所述 分类结果进行预测。

另一方面，还提供了一种债券风险预测系统，所述系统包括：

获取模块，用于获取待训练数据集；

预处理模块，用于对所述待训练数据集进行预处理以得到均衡数据集；

评估模块，用于根据预设置评估模型对所述均衡数据集进行数据特征的 重要性分析得到特征数据集和特征系数数据集；

分类模块，用于将所述特征数据集和所述特征系数数据集分别对预设置 分类模型进行训练，得到第一分类模型和第二分类模型；