项目风险决策方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及大数据处理领域，特别涉及一种项目风险决策方法、装置、计算机设备和存储介质。所述方法包括接收项目风险决策指令；从项目风险决策指令中获取项目类别和项目信息数据；查找与项目类别对应的预设风险预测模型，并获取预设风险预测模型中的决策参数；采集与决策参数对应的实时决策因子数据；根据实时决策因子数据对预设风险预测模型的风险类别划分阈值进行调整得到实时风险预测模型；将项目信息数据输入实时风险预测模型得到评估风险类别，根据评估风险类别生成项目风险决策建议。采用本方法能够提高项目风险评估准确性。

Project risk decision-making methods, devices, computer equipment and storage media

The application relates to the field of large data processing, in particular to a project risk decision-making method, device, computer equipment and storage medium. The method includes receiving project risk decision instructions, obtaining project category and project information data from project risk decision instructions, searching the preset risk prediction model corresponding to project category and obtaining decision parameters in the preset risk prediction model, collecting real-time decision factor data corresponding to decision parameters, and predicting the preset risk model based on real-time decision factor data. The real-time risk prediction model is obtained by adjusting the threshold of risk classification. The real-time risk prediction model is input with project information data, and the risk categories are evaluated. The project risk decision-making suggestions are generated according to the risk categories. This method can improve the accuracy of project risk assessment.

【技术实现步骤摘要】
项目风险决策方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种项目风险决策方法、装置、计算机设备和存储介质。
技术介绍
项目投资是实现社会资本积累功能的主要途径，也是扩大社会再生产的重要手段。但是，项目投资具有投资数额多、影响时间长、发生频率低、变现能力差的特点，因此，项目投资投资风险很大。因此，在进行投资前，对项目风险进行评估显得尤为重要。目前，市场上在对项目的风险进行评估时，往往是根据专家经验进行评估，但是不能满足动态变化的市场需要，评估结果不尽人意。
技术实现思路
基于此，有必要针对上述技术问题，提供一种提高项目风险评估准确性的项目风险决策方法、装置、计算机设备和存储介质。一种项目风险决策方法，所述方法包括：接收项目风险决策指令；从所述项目风险决策指令中获取项目类别和项目信息数据；查找与所述项目类别对应的预设风险预测模型，并获取所述预设风险预测模型中的决策参数；采集与所述决策参数对应的实时决策因子数据；根据所述实时决策因子数据对所述预设风险预测模型的风险类别划分阈值进行调整得到实时风险预测模型；将所述项目信息数据输入所述实时风险预测模型得到评估风险类别，根据所述评估风险类别生成项目风险决策建议。在其中一个实施例中，预设风险预测模型的生成方式，包括：获取与所述项目类别对应的量化因子数据和初始风险预测模型；从所述量化因子数据中筛选出决策因子；根据所述决策因子采集项目样本数据；根据所述项目样本数据对所述初始风险预测模型进行调整优化并构建预设风险预测模型。在其中一个实施例中，根据所述项目样本数据对所述初始风险预测模型进行调整优化并构建预设风险预测模型，包括：从所述项目样本数据中提取决策因子序列和样本风险得分；获取初始类别划分阈值，根据所述初始类别划分阈值和所述样本风险得分设定项目风险类别标签；根据所述决策因子序列和所述项目风险类别标签生成项目样本集；获取预设模型损失函数；将所述项目样本集输入所述初始风险预测模型，根据所述预设模型损失函数进行模型训练优化并构建得到预设风险预测模型。在其中一个实施例中，采集与所述决策参数对应的实时决策因子数据，包括：根据所述项目样本数据计算项目风险波动系数；查找与所述项目风险波动系数对应的数据样本周期；获取实时更新的最新决策因子数据；根据所述数据样本周期从所述最新决策因子数据中提取出实时决策因子数据。在其中一个实施例中，从所述量化因子数据中筛选出决策因子，包括：计算所述量化因子数据中各量化因子的因子贡献率；获取预设贡献率阈值；将所述因子贡献率大于所述预设贡献率阈值的量化因子筛选为决策因子。在其中一个实施例中，从所述量化因子数据中筛选出决策因子，包括：计算所述量化因子数据中各量化因子的因子贡献率；根据所述因子贡献率对所述量化因子进行预筛选；对预筛选后的所述量化因子进行主成分分析得到因子主成分表达式；根据所述因子主成分表达式构建决策因子。在其中一个实施例中，根据所述实时决策因子数据对所述预设风险预测模型的风险类别划分阈值进行调整得到实时风险预测模型，包括：将所述实时决策因子数据输入所述预设风险预测模型得到风险类别概率；将所述风险类别概率转换为风险水平得分；动态调整所述风险类别划分阈值，根据所述风险水平得分计算各动态调整的所述风险类别划分阈值对应的动态类别标签；获取所述实时决策因子数据对应的真实类别标签；根据所述动态类别标签和所述真实类别标签计算阈值分类效果曲线；根据所述阈值分类效果曲线确定最佳类别划分阈值，根据所述预设风险预测模型和所述最佳类别划分阈值生成实时风险预测模型。一种项目风险决策装置，所述装置包括：指令接收模块，用于接收项目风险决策指令；项目数据获取模块，用于从所述项目风险决策指令中获取项目类别和项目信息数据；模型查找模块，用于查找与所述项目类别对应的预设风险预测模型，并获取所述预设风险预测模型中的决策参数；实时数据采集模块，用于采集与所述决策参数对应的实时决策因子数据；实时模型生成模块，用于根据所述实时决策因子数据对所述预设风险预测模型的风险类别划分阈值进行调整得到实时风险预测模型；决策建议模块，用于将所述项目信息数据输入所述实时风险预测模型得到评估风险类别，根据所述评估风险类别生成项目风险决策建议。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。上述项目风险决策方法、装置、计算机设备和存储介质，当接收到项目风险决策指令后，查找与待决策项目的项目类别对应的风险预测模型，并采集与风险预测模型中的决策参数相对应的实时决策数据，根据实时决策数据对模型中的风险类别划分阈值进行调整，根据实时调整动态阈值后的风险预测模型对待决策项目进行风险评估，从而可以根据动态变化的决策数据不断对风险预测模型进行调整，提高模型风险分类的效果，对项目的风险评估更加合理有效。附图说明图1为一个实施例中项目风险决策方法的应用场景图；图2为一个实施例中项目风险决策方法的流程示意图；图3为一个实施例中预设风险预测模型的生成方法的流程示意图；图4为一个实施例中项目风险决策装置的结构框图；图5为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的项目风险决策方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。用户通过在终端102上操作生成项目风险决策指令，终端102将项目风险决策指令发送给服务器104，服务器104接收项目风险决策指令；从项目风险决策指令中获取项目类别和项目信息数据；查找与项目类别对应的预设风险预测模型，并获取预设风险预测模型中的决策参数；采集与决策参数对应的实时决策因子数据；根据实时决策因子数据对预设风险预测模型的风险类别划分阈值进行调整得到实时风险预测模型；将项目信息数据输入实时风险预测模型得到评估风险类别，根据评估风险类别生成项目风险决策建议。服务器104将生成的项目风险决策建议返回给终端102，以供用户进行项目风险决策。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图2所示，提供了一种项目风险决策方法，以该方法应用于图1中的服务器104为例进行说明，在其他实施例中，该方法也可以应用于服务器，方法包括以下步骤：步骤210，接收项目风险决策指令。政府、企业等投资方在对投资项目进行风险评估决策时，可以在终端上输入投资项目的项目数据。终端上可以提供项目风险决策辅助功能，投资方用户可以通过选择操作提供项目风险决策辅助功能生成项目风险决策指令，终端将生成的项目风险决策指令发送给服务器，服务器接收终端发送的项目风险决策指令，项目风险决策指令携带待评估项目的项目类别和项目信息数据。步骤220，从项目风险决策指令中获取项目类别和项目信息数据。服务器从项目风险决本文档来自技高网...

【技术保护点】
1.一种项目风险决策方法，所述方法包括：接收项目风险决策指令；从所述项目风险决策指令中获取项目类别和项目信息数据；查找与所述项目类别对应的预设风险预测模型，并获取所述预设风险预测模型中的决策参数；采集与所述决策参数对应的实时决策因子数据；根据所述实时决策因子数据对所述预设风险预测模型的风险类别划分阈值进行调整得到实时风险预测模型；将所述项目信息数据输入所述实时风险预测模型得到评估风险类别，根据所述评估风险类别生成项目风险决策建议。

【技术特征摘要】
1.一种项目风险决策方法，所述方法包括：接收项目风险决策指令；从所述项目风险决策指令中获取项目类别和项目信息数据；查找与所述项目类别对应的预设风险预测模型，并获取所述预设风险预测模型中的决策参数；采集与所述决策参数对应的实时决策因子数据；根据所述实时决策因子数据对所述预设风险预测模型的风险类别划分阈值进行调整得到实时风险预测模型；将所述项目信息数据输入所述实时风险预测模型得到评估风险类别，根据所述评估风险类别生成项目风险决策建议。2.根据权利要求1所述的方法，其特征在于，所述预设风险预测模型的生成方式，包括：获取与所述项目类别对应的量化因子数据和初始风险预测模型；从所述量化因子数据中筛选出决策因子；根据所述决策因子采集项目样本数据；根据所述项目样本数据对所述初始风险预测模型进行调整优化并构建预设风险预测模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述项目样本数据对所述初始风险预测模型进行调整优化并构建预设风险预测模型，包括：从所述项目样本数据中提取决策因子序列和样本风险得分；获取初始类别划分阈值，根据所述初始类别划分阈值和所述样本风险得分设定项目风险类别标签；根据所述决策因子序列和所述项目风险类别标签生成项目样本集；获取预设模型损失函数；将所述项目样本集输入所述初始风险预测模型，根据所述预设模型损失函数进行模型训练优化并构建得到预设风险预测模型。4.根据权利要求2所述的方法，其特征在于，所述采集与所述决策参数对应的实时决策因子数据，包括：根据所述项目样本数据计算项目风险波动系数；查找与所述项目风险波动系数对应的数据样本周期；获取实时更新的最新决策因子数据；根据所述数据样本周期从所述最新决策因子数据中提取出实时决策因子数据。5.根据权利要求2所述的方法，其特征在于，所述从所述量化因子数据中筛选出决策因子，包括：计算所述量化因子数据中各量化因子的因子贡献率；获取预设贡献率阈值；将所述因子贡献率大于所述预设贡献率阈值的量化因子筛选为决策因子。6.根据权利...

【专利技术属性】
技术研发人员：徐力，彭琛，汪伟，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44