本发明专利技术公开了一种企业风险预测方法、装置、电子设备、介质及产品。该方法通过获取目标企业的预设指标项在预设时间窗口的第一历史时间序列，基于预先构建指标预测模型，对预设指标项上的第一历史时间序列进行预测处理，得到预设指标项在预测时间范围内的预测时间序列，基于风险预测模型对预设指标项的第一历史时间序列和/或预测时间序列进行预测处理，得到目标企业的风险预测结果。解决了以往企业风险预测因忽略了变量在时间维度上的前后因果关系而导致模型无法实现提前预警的目的的问题，提升了企业风险预测的精度与准确性，为用户进行分析节约了时间，提高了数据的利用率。提高了数据的利用率。提高了数据的利用率。
【技术实现步骤摘要】
一种企业风险预测方法、装置、存储介质、电子设备及产品
[0001]本专利技术涉及金融科技
，尤其涉及一种企业风险预测方法、装置、电子设备、介质及产品。
技术介绍
[0002]近年来，随着互联网与信息技术的高速发展，类金融服务逐渐转为线上线下结合的方式，结构复杂的类金融产品在互联网的加持下层出不穷，提高了类金融企业的业务复杂度，企业类金融的风险越来越不容忽视。
[0003]目前，针对企业类金融风险评价方式主要是基于监管政策、金融局的专家经验以及通过简单的逻辑模型进行回归。但以上三种方法均无法体现变量的时间因素，无法达到提前预警的目的。
技术实现思路
[0004]本专利技术提供了一种企业风险预测方法、装置、电子设备、介质及产品，以实现企业风险提前预警的目的。
[0005]根据本专利技术的一方面，提供了一种企业风险预测方法，包括：
[0006]获取目标企业的预设指标项在预设时间窗口的第一历史时间序列；
[0007]基于预先构建指标预测模型，对所述预设指标项上的第一历史时间序列进行预测处理，得到所述预设指标项在预测时间范围内的预测时间序列；
[0008]基于风险预测模型对所述预设指标项的所述第一历史时间序列和/或所述预测时间序列进行预测处理，得到所述目标企业的风险预测结果。
[0009]可选的，所述预设指标项的筛选方法包括：
[0010]获取候选指标项，确定所述候选指标项分别对应的第二历史时间序列，基于所述第二历史时间序列形成随时间变化的数据趋势图；
[0011]展示所述数据趋势图，并接收用户基于所述数据趋势图对所述候选指标项的选择操作，将被选择的候选指标项确定为所述预设指标项。
[0012]可选的，所述预设指标项的筛选方法包括：
[0013]获取候选指标项，确定所述候选指标项分别对应的第二历史时间序列；
[0014]对于任一所述第二历史时间序列进行自相关运算处理，得到自相关数据，和/或，对于任一所述第二历史时间序列进行偏自相关运算处理，得到偏自相关数据；
[0015]基于各所述候选指标项对应的所述自相关数据和/或所述偏自相关数据对所述候选指标项筛选，确定预设指标项。
[0016]可选的，所述基于各所述候选指标项对应的所述自相关数据和/或所述偏自相关数据对所述候选指标项筛选，确定预设指标项，包括：
[0017]将所述自相关数据满足预设趋势要求，和/或，所述偏自相关数据满足预设趋势要求的候选指标项确定为所述预设指标项。
[0018]可选的，所述指标预测模型为差分整合移动平均自回归模型。
[0019]可选的，所述指标预测模型的生成方法，包括：
[0020]基于所述预设指标项对应的第三历史时间序列，确定所述预设指标项对应的模型阶数；
[0021]基于所述模型阶数创建初始的指标预测模型，并基于训练数据对所述初始的指标预测模型进行训练，得到训练好的指标预测模型。
[0022]可选的，所述指标预测模型的数量为一个；所述指标预测模型基于多个预设指标项确定的模型阶数均值生成，或者，基于多个预设指标项确定的模型阶数最大值生成；
[0023]或者，所述每一预设指标项分别对应一个指标预测模型，任一所述预设指标项对应的指标预测模型，基于所述预设指标项确定的模型阶数生成。
[0024]可选的，所述基于所述预设指标项对应的第三历史时间序列，确定所述预设指标项对应的模型阶数，包括：
[0025]确定所述第三历史时间序列对应的自相关数据和/或偏自相关数据；
[0026]基于所述自相关数据和/或偏自相关数据随时间周期的变化趋势确定模型阶数。
[0027]可选的，在基于所述自相关数据和/或偏自相关数据随时间周期的变化趋势确定模型阶数之后，还包括：
[0028]对所述预设指标项对应的第三历史时间序列进行平稳性检测；
[0029]若所述预设指标项对应的第三历史时间序列不满足平稳性检测条件，则对所述预设指标项对应的第三历史时间序列进行差分处理，并更新所述预设指标项对应的模型阶数。
[0030]可选的，所述方法还包括：对差分处理后的第三历史时间序列进行平稳性检测，若差分处理后的第三历史时间序列不满足平稳性检测条件，则对所述差分处理后的第三历史时间序列再次进行差分处理；
[0031]其中，所述更新所述预设指标项对应的模型阶数，包括：
[0032]在完成一次差分处理后，对当前的模型阶数加一，得到新的模型阶数。
[0033]可选的，所述风险预测模型为基于XGBoost算法的回归预测模型。
[0034]可选的，所述预设指标项为类金融维度指标项；
[0035]所述目标企业的风险预测结果为所述目标企业属于类金融企业的风险预测结果。
[0036]根据本专利技术的另一方面，提供了一种企业风险预测装置，包括：
[0037]序列获取模块，用于获取目标企业的预设指标项在预设时间窗口的第一历史时间序列；
[0038]时间序列分析模块，用于基于预先构建指标预测模型，对所述预设指标项上的第一历史时间序列进行预测处理，得到所述预设指标项在预测时间范围内的预测时间序列；
[0039]回归分析模块，基于风险预测模型对所述预设指标项的所述第一历史时间序列和/或所述预测时间序列进行预测处理，得到所述目标企业的风险预测结果。
[0040]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0041]至少一个处理器；以及
[0042]与所述至少一个处理器通信连接的存储器；其中，
[0043]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序
被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的企业风险预测方法。
[0044]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的企业风险预测方法。
[0045]根据本专利技术的另一方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序在被处理器执行时实现本专利技术任一实施例所述的企业风险预测方法。
[0046]本专利技术实施例的技术方案，通过获取目标企业的预设指标项在预设时间窗口的第一历史时间序列，基于预先构建指标预测模型，对预设指标项上的第一历史时间序列进行预测处理，得到预设指标项在预测时间范围内的预测时间序列，基于风险预测模型对预设指标项的第一历史时间序列和/或预测时间序列进行预测处理，得到目标企业的风险预测结果。解决了以往企业风险预测因忽略了变量在时间维度上的前后因果关系而导致模型无法实现提前预警的目的的问题，提升了企业风险预测的精度与准确性。
[0047]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种企业风险预测方法，其特征在于，包括：获取目标企业的预设指标项在预设时间窗口的第一历史时间序列；基于预先构建指标预测模型，对所述预设指标项上的第一历史时间序列进行预测处理，得到所述预设指标项在预测时间范围内的预测时间序列；基于风险预测模型对所述预设指标项的所述第一历史时间序列和/或所述预测时间序列进行预测处理，得到所述目标企业的风险预测结果。2.根据权利要求1所述的方法，其特征在于，所述预设指标项的筛选方法包括：获取候选指标项，确定所述候选指标项分别对应的第二历史时间序列，基于所述第二历史时间序列形成随时间变化的数据趋势图；展示所述数据趋势图，并接收用户基于所述数据趋势图对所述候选指标项的选择操作，将被选择的候选指标项确定为所述预设指标项。3.根据权利要求1所述的方法，其特征在于，所述预设指标项的筛选方法包括：获取候选指标项，确定所述候选指标项分别对应的第二历史时间序列；对于任一所述第二历史时间序列进行自相关运算处理，得到自相关数据，和/或，对于任一所述第二历史时间序列进行偏自相关运算处理，得到偏自相关数据；基于各所述候选指标项对应的所述自相关数据和/或所述偏自相关数据对所述候选指标项筛选，确定预设指标项。4.根据权利要求3所述的方法，其特征在于，所述基于各所述候选指标项对应的所述自相关数据和/或所述偏自相关数据对所述候选指标项筛选，确定预设指标项，包括：将所述自相关数据满足预设趋势要求，和/或，所述偏自相关数据满足预设趋势要求的候选指标项确定为所述预设指标项。5.根据权利要求1所述的方法，其特征在于，所述指标预测模型为差分整合移动平均自回归模型。6.根据权利要求1或5所述的方法，其特征在于，所述指标预测模型的生成方法，包括：基于所述预设指标项对应的第三历史时间序列，确定所述预设指标项对应的模型阶数；基于所述模型阶数创建初始的指标预测模型，并基于训练数据对所述初始的指标预测模型进行训练，得到训练好的指标预测模型。7.根据权利要求6所述的方法，其特征在于，所述指标预测模型的数量为一个；所述指标预测模型基于多个预设指标项确定的模型阶数均值生成，或者，基于多个预设指标项确定的模型阶数最大值生成；或者，所述每一预设指标项分别对应一个指标预测模型，任一所述预设指标项对应的指标预测模型，基于所述预设指标项确定的模型阶数生成。8.根据权利要求6所述的方法，其特征在于，所述基于所述预设指标项对应的第三历史时间序列，确定所述预设指标项对应的模型阶数，包括：确定所述第三历史时间序列对应的自相关数据...
【专利技术属性】
技术研发人员：李磊，颜可心，王靖文，尹丛笑，
申请(专利权)人：建信金融科技有限责任公司，
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。