[发明专利]模型训练方法、风险预测方法及装置

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取多个样本客户的客户数据与违约信息，不同样本客户的客户数据维度不完全相同；

基于所述样本客户的客户数据的重合性确定多个样本数据集合；

基于各个所述样本数据集合分别训练微观风险模型，得到多个微观风险模型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述样本客户的客户数据的重合性确定多个样本数据集合，包括：

基于所有样本客户的客户数据确定客户数据包含的数据的维度；

基于任意至少两个数据维度确定一个样本数据集合。

3.根据权利要求1所述的方法，其特征在于，基于任意至少两个数据维度确定一个样本数据集合，包括：

遍历所述样本客户的客户数据；

当所述样本客户的客户数据包含所述至少两个数据维度的数据时，将所述样本客户的客户数据及对应的违约信息，添加至该至少两个数据维度对应的样本数据集合。

4.根据权利要求1所述的方法，其特征在于，所述基于各个所述样本数据集合分别训练微观风险模型，得到多个微观风险模型，之前包括：

判断各个所述样本数据集合中的客户数据是否满足预定的数量阈值条件；

如果某一样本数据集合满足预定的数量阈值条件，则基于所述某一样本数据集合中的样本数据训练微观风险模型。

5.根据权利要求1-4所述的方法，其特征在于，该方法还包括：

基于所述多个样本客户的客户数据与违约信息，训练确定各个微观风险模型的权重。

6.一种风险预测方法，其特征在于，包括：

获取目标客户的客户数据；

基于所述目标客户的客户数据从根据权利要求1-5任一项训练的多个微观风险模型中确定与所述目标客户匹配的至少一个目标微观风险模型；

基于确定的至少一个目标微观风险模型与所述目标客户的客户数据确定所述目标客户的目标微观违约风险。

7.根据权利要求6所述的方法，其特征在于，基于所述目标客户的客户数据从根据权利要求1-5任一项训练的多个微观风险模型中确定与所述目标客户匹配的至少一个目标微观风险模型，包括：

基于所述目标客户的客户数据确定所述目标客户包含的数据维度；

基于所述目标客户包含的数据维度与预训练的所述微观风险模型对应的训练样本数据的数据维度确定目标微观风险模型。

8.根据权利要求6所述的方法，其特征在于，该方法还包括：

当所述目标微观风险模型包括多个时，基于各目标微观风险模型的风险预测结果，以及对应的各目标微观风险模型的权重确定目标微观违约风险。

9.根据权利要求8所述的方法，其特征在于，该方法还包括：

对各目标微观风险模型的权重进行归一化处理，得到各目标微观风险模型归一化后的权重；

所述基于各目标微观风险模型的风险预测结果，以及对应的各目标微观风险模型的权重确定目标微观违约风险，包括：

所述基于各目标微观风险模型的风险预测结果，以及各目标微观风险模型归一化后的权重确定目标微观违约风险。

10.根据权利要求9所述的方法，其特征在于，所述对各目标微观风险模型的权重进行归一化处理，得到各目标微观风险模型归一化后的权重，包括：

获取各目标微观风险模型的权重值，基于公式确定各目标微观模型归一化后的权重值，其中，X_k表示目标微观模型的权重、K表示目标微观模型的个数、ω_k表示各目标微观风险模型归一化后的权重值。

11.根据权利要求6-10任一项所述的方法，其特征在于，包括：

基于预训练的宏观风险模型确定目标宏观违约风险；

基于确定的目标宏观违约风险与所述目标微观违约风险确定目标客户的目标违约风险。