本发明专利技术公开了一种信用风险评估方法及装置、电子设备、存储介质。其中，该方法包括：选取对待评估主体进行信用评估的多个财务指标，得到指标体系；采用随机森林算法对指标体系进行排序，得到指标排序结果；采用主成分分析策略将指标排序结果中排序在预设数值阈值之前的多个筛选指标转化为多个新综合指标；基于多个新综合指标，采用预先构建的逻辑回归模型度量待评估主体的信用风险指数，其中，信用风险指数用于确定待评估主体是否为信用风险主体。本发明专利技术解决了相关技术中金融机构所采用的信用评估策略，评估结果误差大的技术问题。评估结果误差大的技术问题。评估结果误差大的技术问题。
Credit risk assessment methods and devices, electronic equipment, storage media
【技术实现步骤摘要】
信用风险评估方法及装置、电子设备、存储介质
[0001]本专利技术涉及金融科技
，具体而言，涉及一种信用风险评估方法及装置、电子设备、存储介质。
技术介绍
[0002]金融机构的稳定运营对金融市场说具有非常重要的意义，在金融机构运营的多种风险中，信用风险是最重要的风险之一，无法有效控制信用风险会直接导致金融机构的不良贷款增加，甚至造成金融机构破产，在金融市场引起恐慌。
[0003]目前的企业信用风险度量方法而言，信用体系建设还不太完善，存在主观评价顾客水平的局限性，且人员成本过高等问题。
[0004]相关技术中，在评估各贷款主体的信用风险时，各金融机构都尝试采用各种信用风险度量模型，目前运用最为广泛的信用风险度量模型有KMV模型、信用度量术模型等。其中，KMV模型主要是通过贷款主体在股票市场中的表现来衡量企业违约的概率。通过其股价与负债信息对企业的资产做出具有预测性的资产价值衡量，但是该模型只适用于上市企业，对非上市企业的预测有局限，对于模型的后期功能升级有限制，而且单凭股票市场信息可能对公司违约率进行分析有所局限。而信用度量术模型通过计算一段时间内企业的信贷违约率、损失率、信用评级以及信用评级跃迁等数据，计算得到信用风险的VaR值(风险价值)，可以用于计算不同信用背景下的贷款或贷款组合的损失值；但是该模型也有一个显著的缺点，评级迁移矩阵和违约率的假设太过于理想，与实际市场不符，因此会有预测误差。
[0005]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0006]本专利技术实施例提供了一种信用风险评估方法及装置、电子设备、存储介质，以至少解决相关技术中金融机构所采用的信用评估策略，评估结果误差大的技术问题。
[0007]根据本专利技术实施例的一个方面，提供了一种信用风险评估方法，包括：选取对待评估主体进行信用评估的多个财务指标，得到指标体系；采用随机森林算法对所述指标体系进行排序，得到指标排序结果；采用主成分分析策略将所述指标排序结果中排序在预设数值阈值之前的多个筛选指标转化为多个新综合指标；基于所述多个新综合指标，采用预先构建的逻辑回归模型度量所述待评估主体的信用风险指数，其中，所述信用风险指数用于确定所述待评估主体是否为信用风险主体。
[0008]可选地，选取对待评估主体进行信用评估的多个财务指标，得到指标体系的步骤，包括：获取多个已评估主体的财务披露信息中的财务数据；从所述财务数据中选取与所述待评估主体的财务状态存在危机关联的指标集合；从所述指标集合中筛选出与预设财务指标类别对应的多个财务指标，得到所述指标体系，其中，所述预设财务指标类别包括下述至少之一：偿债能力、主体发展能力、主体经营能力、主体盈利能力、现金流能力、主体规模。
[0009]可选地，采用随机森林算法对所述指标体系进行排序，得到指标排序结果的步骤，
包括：基于主体类别个数以及每个主体类别占待评估的财务指标所属当前节点的比例值，计算所述当前节点的基尼指数；获取在以所述当前节点为基准进行分支后得到的前一节点和后一节点的基尼指数变化量；结合所述当前节点的基尼指数、所述前一节点和所述后一节点的基尼指数变化量，计算所有所述待评估的财务指标在所述当前节点的权重值；基于每个所述待评估的财务指标的权重值，对所述指标体系中的所有财务指标进行排序，得到所述指标排序结果。
[0010]可选地，采用主成分分析策略将所述指标排序结果中排序在预设数值阈值之前的多个筛选指标转化为多个新综合指标的步骤，包括：按照所述预设数值阈值，筛选所述指标排序结果，得到所述多个筛选指标；计算所有所述筛选指标的协方差矩阵；对所述协方差矩阵中的矩阵数据进行标准化处理；采用所述主成分分析策略，对标准化处理后的所述矩阵数据进行主成分分析，得到所述多个新综合指标。
[0011]可选地，计算所有所述筛选指标的协方差矩阵的步骤，包括：基于每个所述筛选指标对应的指标数据，计算所有所述筛选指标的指标平均值；基于所有所述筛选指标的指标平均值和所述筛选指标的总数量，计算每两个所述筛选指标之间的协方差；综合每两个所述筛选指标之间的协方差，确定与所有所述筛选指标对应的所述协方差矩阵。
[0012]可选地，采用所述主成分分析策略，对标准化处理后的所述矩阵数据进行主成分分析的步骤，包括：基于所有所述筛选指标的指标数据，计算数据方差；基于每两个所述筛选指标之间的协方差以及多个所述筛选指标对应的指标数据的方差，计算与所述矩阵数据具备关联关系的相关系数矩阵；基于所述相关系数矩阵和预先配置的单位矩阵，计算所述相关系数矩阵的特征值以及对应的特征向量，完成主成分分析。
[0013]可选地，基于所述相关系数矩阵和预先配置的单位矩阵，计算所述相关系数矩阵的特征值以及对应的特征向量，完成主成分分析的步骤，包括：基于所述相关系数矩阵和预先配置的单位矩阵，计算所述相关系数矩阵的特征值；将所述相关系数矩阵以及对应的特征值代入预设特征方程组，解析所述预设特征方程组，得到多个所述特征向量，其中，每个所述特征向量用于表征所述新综合指标。
[0014]可选地，基于所述多个新综合指标，采用预先构建的逻辑回归模型度量所述待评估主体的信用风险指数的步骤，包括：将所述多个新综合指标作为逻辑回归的变量，代入选取的样本数据，得到逻辑回归系数；将所述逻辑回归系数代入所述逻辑回归模型，以度量所述待评估主体的违规参数；基于所述待评估主体的违规参数，评估所述待评估主体的信用风险指数。
[0015]根据本专利技术实施例的另一方面，还提供了一种信用风险评估装置，包括：选取单元，用于选取对待评估主体进行信用评估的多个财务指标，得到指标体系；排序单元，用于采用随机森林算法对所述指标体系进行排序，得到指标排序结果；转化单元，用于采用主成分分析策略将所述指标排序结果中排序在预设数值阈值之前的多个筛选指标转化为多个新综合指标；度量单元，用于基于所述多个新综合指标，采用预先构建的逻辑回归模型度量所述待评估主体的信用风险指数，其中，所述信用风险指数用于确定所述待评估主体是否为信用风险主体。
[0016]可选地，选取单元包括：第一获取模块，用于获取多个已评估主体的财务披露信息中的财务数据；第一选取模块，用于从所述财务数据中选取与所述待评估主体的财务状态
存在危机关联的指标集合；第一筛选模块，用于从所述指标集合中筛选出与预设财务指标类别对应的多个财务指标，得到所述指标体系，其中，所述预设财务指标类别包括下述至少之一：偿债能力、主体发展能力、主体经营能力、主体盈利能力、现金流能力、主体规模。
[0017]可选地，排序单元包括：第一计算模块，用于基于主体类别个数以及每个主体类别占待评估的财务指标所属当前节点的比例值，计算所述当前节点的基尼指数；第二获取模块，用于获取在以所述当前节点为基准进行分支后得到的前一节点和后一节点的基尼指数变化量；第二计算模块，用于结合所述当前节点的基尼指数、所述前一节点和所述后一节点的基尼指数变化量，计算所有所述待评估的财务指标在所述当前节点的权重值；排本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种信用风险评估方法，其特征在于，包括：选取对待评估主体进行信用评估的多个财务指标，得到指标体系；采用随机森林算法对所述指标体系进行排序，得到指标排序结果；采用主成分分析策略将所述指标排序结果中排序在预设数值阈值之前的多个筛选指标转化为多个新综合指标；基于所述多个新综合指标，采用预先构建的逻辑回归模型度量所述待评估主体的信用风险指数，其中，所述信用风险指数用于确定所述待评估主体是否为信用风险主体。2.根据权利要求1所述的方法，其特征在于，选取对待评估主体进行信用评估的多个财务指标，得到指标体系的步骤，包括：获取多个已评估主体的财务披露信息中的财务数据；从所述财务数据中选取与所述待评估主体的财务状态存在危机关联的指标集合；从所述指标集合中筛选出与预设财务指标类别对应的多个财务指标，得到所述指标体系，其中，所述预设财务指标类别包括下述至少之一：偿债能力、主体发展能力、主体经营能力、主体盈利能力、现金流能力、主体规模。3.根据权利要求1所述的方法，其特征在于，采用随机森林算法对所述指标体系进行排序，得到指标排序结果的步骤，包括：基于主体类别个数以及每个主体类别占待评估的财务指标所属当前节点的比例值，计算所述当前节点的基尼指数；获取在以所述当前节点为基准进行分支后得到的前一节点和后一节点的基尼指数变化量；结合所述当前节点的基尼指数、所述前一节点和所述后一节点的基尼指数变化量，计算所有所述待评估的财务指标在所述当前节点的权重值；基于每个所述待评估的财务指标的权重值，对所述指标体系中的所有财务指标进行排序，得到所述指标排序结果。4.根据权利要求1所述的方法，其特征在于，采用主成分分析策略将所述指标排序结果中排序在预设数值阈值之前的多个筛选指标转化为多个新综合指标的步骤，包括：按照所述预设数值阈值，筛选所述指标排序结果，得到多个所述筛选指标；计算所有所述筛选指标的协方差矩阵；对所述协方差矩阵中的矩阵数据进行标准化处理；采用所述主成分分析策略，对标准化处理后的所述矩阵数据进行主成分分析，得到所述多个新综合指标。5.根据权利要求4所述的方法，其特征在于，计算所有所述筛选指标的协方差矩阵的步骤，包括：基于每个所述筛选指标对应的指标数据，计算所有所述筛选指标的指标平均值；基于所有所述筛选指标的指标平均值和所述筛选指标的总数量，计算每两个所述筛选指标之间的协方差；综合每两个所述筛选指标之间的协方差，确定与所有所述筛选指标对应的所述协方...
【专利技术属性】
技术研发人员：李捷，宋军超，陈浩然，何珍珍，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。