[发明专利]一种企业风险预警方法及电子设备

权利要求书

1.一种企业风险预警方法，其特征在于，包括：

获取第一企业在第t年的信息特征因子；所述t为正整数；

将所述信息特征因子中的高多维度因子的特征输入企业风险预警融合模型中的第一集成分类智能模型，得到第一风险概率；

将所述信息特征因子中的低多维度因子的特征输入所述企业风险预警融合模型中的第一逻辑回归智能模型，得到第二风险概率；所述高多维度因子中维度数目最小的特征的维度数目大于所述低多维度因子中维度数目最大的特征的维度数目；

将所述第一风险概率与所述第二风险概率输入所述企业风险预警融合模型中的第二逻辑回归智能模型，得到所述第一企业在第t+1年的风险预测值；所述第二逻辑回归智能模型为与所述第一逻辑回归智能模型不同的一个逻辑回归智能模型。

2.根据权利要求1所述的方法，其特征在于，所述高多维度因子包括财务数据，所述高多维度因子中维度数目最小的特征的维度数目大于60；

所述低多维度因子包括工商司法信息和舆情信息，所述低多维度因子中维度数目最大的特征的维度数目不大于60。

3.根据权利要求1所述的方法，其特征在于，所述第一集成分类智能模型为一种极端梯度提升XGB模型。

4.根据权利要求1所述的方法，其特征在于，在所述获取第一企业在第t年的信息特征因子之前，所述方法还包括：

获取M个企业N年的信息特征因子；所述M和N均为正整数；

按照预设标注规则，标注与每个企业第i年的信息特征因子对应的第i+1年的风险预测值并显示；所述i+1小于所述N；

接收对所述第i+1年的风险预测值的更新。

5.根据权利要求4所述的方法，其特征在于，在接收对所述第i+1年的风险预测值的更新的步骤之后，所述方法还包括：

对于所述M个企业中的每一个企业：

以第i年的信息特征因子中的财务数据的特征作为输入变量，以第i+1年的风险预测值作为目标变量，构建一条第一训练数据；以第i+1年的信息特征因子中的财务数据的特征作为输入变量，以第i+2年的风险预测值作为目标变量，构建另一条第一训练数据；以此类推，构建出多条第一训练数据；

以所述第i年的信息特征因子中的离散数据的特征作为输入变量，以所述第i+1年的风险预测值作为目标变量，构建一条第二训练数据；以所述第i+1年的信息特征因子中的离散数据的特征作为输入变量，以所述第i+2年的风险预测值作为目标变量，构建另一条第二训练数据；以此类推，构建出多条第二训练数据；所述离散数据包括工商司法信息和/或新闻舆情数据；

以所述第i年的信息特征因子的特征作为输入变量，以所述第i+1年的风险预测值作为目标变量，构建一条第三训练数据；以所述第i+1年的信息特征因子的特征作为输入变量，以所述第i+2年的风险预测值作为目标变量，构建另一条第三训练数据；以此类推，构建出多条第三训练数据。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

使用包括所述第一训练数据的第一训练数据集训练基础集成分类智能模型，得到所述第一集成分类智能模型；

使用包括所述第二训练数据的第二训练数据集训练一个基础逻辑回归智能模型，得到所述第一逻辑回归智能模型；

使用包括所述第三训练数据的第三训练数据集训练基础企业风险预警融合模型，得到训练完成的企业风险预警融合模型。