[发明专利]违约概率预测方法及装置

权利要求书

1.一种违约概率预测方法，其特征在于，包括：

对于每一待预测目标，根据所述待预测目标每一时间窗口的基础数据和所述每一时间窗口对应的回归模型，获取所述待预测目标所述每一时间窗口的违约概率的预测结果；

根据各所述待预测目标各时间窗口的违约概率的预测结果和各时间窗口对应的权重，对各所述待预测目标进行聚类，根据聚类结果，获取每个类对应的违约概率预测结果，作为所述每个类中的待预测目标的违约概率预测结果；

其中，任意两个所述时间窗口的时长不同。

2.根据权利要求1所述的违约概率预测方法，其特征在于，所述根据所述待预测目标每一时间窗口的基础数据和所述每一时间窗口对应的回归模型，获取所述待预测目标所述每一时间窗口的违约概率的预测结果的具体步骤包括：

根据所述待预测目标所述每一时间窗口的基础数据，获取所述待预测目标所述每一时间窗口的概率预测特征；

将所述待预测目标所述每一时间窗口的概率预测特征，输入所述每一时间窗口对应的回归模型，输出所述待预测目标所述每一时间窗口的违约概率的预测结果；

其中，所述每一时间窗口对应的回归模型，是根据所述每一时间窗口的概率预测特征样本数据，及所述样本数据对应的未违约或违约数据进行训练后获得的。

3.根据权利要求1所述的违约概率预测方法，其特征在于，所述根据各所述待预测目标各时间窗口的违约概率的预测结果和各时间窗口对应的权重，对各所述待预测目标进行聚类的具体步骤包括：

根据各所述待预测目标各时间窗口的违约概率的预测结果和各时间窗口对应的权重，获取每两个所述待预测目标之间的特征距离；

基于聚类算法，根据每两个所述待预测目标之间的特征距离，获取每一所述待预测目标所属的类。

4.根据权利要求2所述的违约概率预测方法，其特征在于，所述对于每一待预测目标，根据所述待预测目标每一时间窗口的基础数据和所述每一时间窗口对应的回归模型，获取所述待预测目标所述每一时间窗口的违约概率的预测结果之前，还包括：

对于所述每一时间窗口，根据所述每一时间窗口的概率预测特征样本数据，及所述样本数据对应的未违约或违约数据进行logistic回归分析，获取所述每一时间窗口对应的回归模型。

5.根据权利要求2所述的违约概率预测方法，其特征在于，所述对于所述每一时间窗口，根据所述每一时间窗口的概率预测特征样本数据，及所述样本数据对应的未违约或违约数据进行logistic回归分析，获取所述每一时间窗口对应的回归模型之前，还包括：

对于所述每一时间窗口，基于特征工程方法，根据所述每一时间窗口的样本基础数据，确定所述每一时间窗口的概率预测特征。

6.根据权利要求3所述的违约概率预测方法，其特征在于，所述聚类算法为K均值聚类算法。

7.根据权利要求1至6任一所述的违约概率预测方法，其特征在于，所述基础数据包括人员数据、金融数据、经营数据和工商数据中的至少一种。

8.一种违约概率预测装置，其特征在于，包括：

回归分析模块，用于对于每一待预测目标，根据所述待预测目标每一时间窗口的基础数据和所述每一时间窗口对应的回归模型，获取所述待预测目标所述每一时间窗口的违约概率的预测结果；

加权聚类模块，用于根据各所述待预测目标各时间窗口的违约概率的预测结果和各时间窗口对应的权重，对各所述待预测目标进行聚类，根据聚类结果，获取每个类对应的违约概率预测结果，作为所述每个类中的待预测目标的违约概率预测结果；

其中，任意两个所述时间窗口的时长不同。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的违约概率预测方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述的违约概率预测方法的步骤。