一种债券征信评价方法技术

本发明专利技术实施例提供了一种债券征信评价方法，所述方法包括：获取债券数据集；对所述债券数据集进行预处理，获取债券征信模型；通过所述债券征信模型获取债券征信特征；对所述债券征信特征分析，评价所述债券的征信值；本发明专利技术提供的实施例中通过对债券数据集的预处理，得到均衡的债券数据集，根据均衡数据集得到不同分类的债券模型，根据不同分类的债券模型获取具有不同征信特征的债券征信模型，再提取其征信特征，分析其征信特征的重要性，根据其重要性评价债券的征信值；能够通过对债券数据的分析得到有关债券发行主体的相关征信评价，并得到其相关的征信值，使得债券购买者或投资者能够有效地了解其债券征信信息，并作出更好的投资选择。

【技术实现步骤摘要】
一种债券征信评价方法
本专利技术涉及债券
，特别是涉及一种债券征信评价方法。
技术介绍
债券是政府、企业、银行等债务人为筹集资金,按照法定程序发行并向债权人承诺于指定日期还本付息的有价证券；债券是一种金融契约，是政府、金融机构、工商企业等直接向社会借债筹借资金时，向投资者发行，同时承诺按一定利率支付利息并按约定条件偿还本金的债权债务凭证；债券的本质是债的证明书，具有法律效力；债券购买者或投资者与发行者之间是一种债权债务关系，债券发行人即债务人，投资者(债券购买者)即债权人；债券是一种有价证券；由于债券的利息通常是事先确定的，所以债券是固定利息证券(定息证券)的一种；在金融市场发达的国家和地区，债券可以上市流通。而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，对于债券发行主体的征信评价也尤为重要。对债券发行主体进行征信评价的传统方式，是由人工对发行主体的经营状况、财务状况、信用状况以及所属行业信用行情做出定性的分析，这种方法结合了评估人的经验，是具有一定可信度的；但传统的定性征信评价方式缺乏数据支持的问题，不够严谨。
技术实现思路
鉴于上述问题，提出了本专利技术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征信评价方法。为了解决上述问题，本专利技术实施例公开了一种债券征信评价方法，所述方法包括：获取债券数据集；对所述债券数据集进行预处理，获取债券征信模型；通过所述债券征信模型获取债券征信特征；对所述债券征信特征分析，评价所述债券的征信值；进一步地，所述获取债券数据集，包括：所述债券数据集包括债券基本信息、债券发行主体财务报表、债券历史评级、债券行业指数、债券发行主体信用数据、债券新闻以及债券公告；进一步地，所述对所述债券数据集进行预处理，获取债券征信模型，包括：对所述债券数据集进行数据均衡；对数据均衡后债券数据集进行分类预测；根据所述分类预测得到债券征信模型；进一步地，所述对所述债券数据集进行数据均衡，包括：将所述债券数据集的少类样本设定为xi，i＝1,2，…，N，N为少数类样本总数，每个样本具有m个属性，则样本xi的第j个属性为xij，j＝1,2，…，m；多数类样本设定为yi，i＝1，…，M，M为多数类样本总数，样本yi的第j个属性为yij；少数类样本的同类K-近邻集合为Ne_Pi＝{ne_Pik|k＝1,…,K,ne_Pik∈少数类，且在少数类集合中为xi的K-近邻}；xi的异类K-近邻集合为NE_Ni＝{ne_nik|k＝1,…,K,ne_nik∈多数类，且在多数类集合中为xi的K-近邻}；预设置K值，在Ne_Pi中选择一个样本设为x2，x1与x2之间对应属性j上的差值diffj＝x2j-x1j；使用下式将差值diffj与一个[0,1]内的随机数相乘之后，同原始的属性向量中对应属性值x1j相加，生成一个新的属性值f1j。将得到的m个属性值[f11，…f1m]组合，从而产生一个新的少类样本f1；f1j＝x1j+diffj╳rand[0,1]＝x1j+(x2j-x1j)╳rand[0,1]；得到数据均衡后的债券数据集；进一步地，所述对数据均衡后债券数据集进行分类预测，包括：通过SVM算法对所述数据均衡后债券数据集进行训练，得到训练后的债券模型；评估所述训练后的债券模型，得到不同分类的债券模型；进一步地，所述根据所述分类预测得到债券征信模型，包括：根据分类预测得到不同分类的债券模型；所述不同分类的债券模型通过RandomForest算法获取具有不同征信特征的债券征信模型；进一步地，所述通过所述债券征信模型获取债券征信特征，包括：提取所述债券征信模型的征信特征；所述征信特征包括债券发行主体信用数据、债券发行主体信用评价系数、债券发行主体信用值；进一步地，所述对所述债券征信特征分析，评价所述债券的征信值，包括：根据债券征信特征获取征信特征数据；分析所述征信特征数据获取征信特征重要性；通过征信特征重要性得到债券的征信值；本专利技术实施例包括以下优点：通过对债券数据集的预处理，得到均衡的债券数据集，根据均衡数据集得到不同分类的债券模型，根据不同分类的债券模型获取具有不同征信特征的债券征信模型，再提取其征信特征，分析其征信特征的重要性，根据其重要性评价债券的征信值；能够通过对债券数据的分析得到有关债券发行主体的相关征信评价，并得到其相关的征信值，使得债券购买者或投资者能够有效地了解其债券征信信息，并作出更好的投资选择。附图说明图1是本专利技术一种债券征信评价方法实施例一的步骤流程图；图2是本专利技术一种债券征信评价方法实施例二的步骤流程图；图3是本专利技术一种债券征信评价方法实施例三的步骤流程图；图4是本专利技术一种债券征信评价方法实施例四的步骤流程图；图5是本专利技术一种债券征信评价方法实施例五的步骤流程图；图6是本专利技术一种债券征信评价方法实施例六的步骤流程图。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。参照图1，示出了本专利技术的一种债券征信评价方法实施例一的步骤流程图，具体可以包括如下步骤：步骤S10，获取债券数据集；步骤S20，对所述债券数据集进行预处理，获取债券征信模型；步骤S30，通过所述债券征信模型获取债券征信特征；步骤S40，对所述债券征信特征分析，评价所述债券的征信值；其中所述债券数据集包括债券基本信息、债券发行主体财务报表、债券历史评级、债券行业指数、债券发行主体信用数据、债券新闻以及债券公告；在本专利技术实施例中，通过获取债券数据集，债券数据集包括债券基本信息、债券发行主体财务报表、债券历史评级、债券行业指数、债券发行主体信用数据、债券新闻以及债券公告；其中债券发行主体财务报表还包括资产负债表、利润表以及现金流量表；通过对债券数据集的预处理，先对数据进行均衡处理，根据均衡处理后的债券数据集进行分类预测，根据分类预测得到债券征信模型，提取债券征信模型的征信特征，对其征信特征对应的征信数据进行分析，得到其债券对应的征信值。参照图2，示出了本专利技术的一种债券征信评价方法实施例二的步骤流程图，所述对所述债券数据集进行预处理，获取债券征信模型，具体可以包括如下步骤：步骤S201，对所述债券数据集进行数据均衡；步骤S202，对数据均衡后债券数据集进行分类预测；步骤S203，根据所述分类预测得到债券征信模型；在本专利技术实施例中，对所述债券数据集进行数据均衡，对数据均衡后债券数据集进行分类预测，根据所述分类预测得到债券征信模型；实际通过对数据集进行过采样处理后，使得设计的分类器对于少类样本具有更大的泛化空间，允许分类预测中更好地预测未知本文档来自技高网...

【技术保护点】
1.一种债券征信评价方法，其特征在于，包括：/n获取债券数据集；/n对所述债券数据集进行预处理，获取债券征信模型；/n通过所述债券征信模型获取债券征信特征；/n对所述债券征信特征分析，评价所述债券的征信值。/n

【技术特征摘要】
1.一种债券征信评价方法，其特征在于，包括：
获取债券数据集；
对所述债券数据集进行预处理，获取债券征信模型；
通过所述债券征信模型获取债券征信特征；
对所述债券征信特征分析，评价所述债券的征信值。


2.根据权利要求1所述的方法，其特征在于，所述获取债券数据集，包括：
所述债券数据集包括债券基本信息、债券发行主体财务报表、债券历史评级、债券行业指数、债券发行主体信用数据、债券新闻以及债券公告。


3.根据权利要求1所述的方法，其特征在于，所述对所述债券数据集进行预处理，获取债券征信模型，包括：
对所述债券数据集进行数据均衡；
对数据均衡后债券数据集进行分类预测；
根据所述分类预测得到债券征信模型。


4.根据权利要求3所述的方法，其特征在于，所述对所述债券数据集进行数据均衡，包括：
将所述债券数据集的少类样本设定为xi，i＝1,2，…，N，N为少数类样本总数，每个样本具有m个属性，则样本xi的第j个属性为xij，j＝1,2，…，m；多数类样本设定为yi，i＝1，…，M，M为多数类样本总数，样本yi的第j个属性为yij；
少数类样本的同类K-近邻集合为Ne_Pi＝{ne_Pik|k＝1,…,K,ne_Pik∈少数类，且在少数类集合中为xi的K-近邻}；xi的异类K-近邻集合为NE_Ni＝{ne_nik|k＝1,…,K,ne_nik∈多数类，且在多数类集合中为xi的K-近邻}；
预设置K值，在Ne_Pi中选择一个样本设为x2，x1与x2之间对...

【专利技术属性】
技术研发人员：吴凌坤，
申请(专利权)人：深圳博普科技有限公司，
类型：发明
国别省市：广东;44