【技术实现步骤摘要】
本专利技术涉及人工智能领域，具体而言，涉及一种金融机构的风险评估方法及其装置、电子设备及存储介质。
技术介绍
1、当前，人工智能技术被应用到各种金融产业中，人工智能技术通过对大量数据进行分析，能够明确其风险所在，使金融产品与服务相匹配，催生了服务效率个性化和自动化的服务。例如，智能交互客服、智能推荐管理等。
2、而风险防范是金融机构智能化面临的一种风险类型。当前，金融业的发展严重依赖互联网与计算机技术，人工智能技术的参与使得金融数据与人工智能技术更加兼容，但人工智能也有可能成为攻击金融机构的手段，这可能导致金融机构的智能化成为金融系统风险的触发因素。
3、相关技术中，对于金融机构的风险管理，一般采用定性评价方法。首先通过对金融机构风险特征的分析建立评价指标，然后制作风险评估表和评分模型，获取对金融机构风险的评价数据。然而，仅采用定性评价方法进行金融机构风险评估，会导致评估准确性较低的问题。
4、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
1、本专利技术实施例提供了一种金融机构的风险评估方法及其装置、电子设备及存储介质，以至少解决相关技术中对金融机构进行风险评估的准确性较低的技术问题。
2、根据本专利技术实施例的一个方面，提供了一种金融机构的风险评估方法，包括：获取目标金融机构在预设时间段内的第一信用数据以及客户特征数据，并获取其他金融机构在所述预设时间段内的第二信用数据，其中，所述其他金融机构是除所述目标金融机构外的任
3、进一步地，所述风险评估方法还包括：构建初始信用评价模型，并采集多个金融机构在不同历史时间段内的金融数据，其中，所述初始信用评价模型包含初始比例系数，所述金融数据包括：信用数据以及客户特征数据；将所述金融数据输入至所述初始信用评价模型，得到初始信用评价数据，其中，所述初始信用评价数据包括：每个所述金融机构在每个所述历史时间段内的初始信用评价值；基于所述初始信用评价数据，采用所述预设遗传算法对所述初始比例系数进行迭代处理，得到目标比例系数；采用所述目标比例系数更新所述初始信用评价模型，得到所述预设信用评价模型。
4、进一步地，基于所述初始信用评价数据，采用所述预设遗传算法对所述初始比例系数进行迭代处理，得到目标比例系数的步骤，包括：将所述初始信用评价数据表征为初始种群；采用所述预设遗传算法对所述初始种群进行迭代，直到迭代次数达到预设迭代阈值，得到中间比例系数；采用所述中间比例系数更新所述初始信用评价模型，并确定更新后的所述初始信用评价模型的模型指标值；在所述模型指标值大于预设指标阈值的情况下，将所述中间比例系数表征为所述目标比例系数。
5、进一步地，采用所述预设遗传算法对所述初始种群进行迭代，直到迭代次数达到预设迭代阈值，得到中间比例系数的步骤，包括：将每次迭代得到的临时比例系数更新至所述初始信用评价模型中，并采用更新后的所述初始信用评价模型继续计算临时信用评价数据；将所述临时信用评价数据作为新的所述初始种群继续进行迭代，直到迭代次数达到所述预设迭代阈值，得到所述中间比例系数。
6、进一步地，确定更新后的所述初始信用评价模型的模型指标值的步骤，包括：获取更新后的所述初始信用评价模型输出的中间信用评价数据；采用预设统计检验策略对所述中间信用评价数据进行处理，得到所述模型指标值。
7、进一步地，所述中间信用评价数据包括：每个所述金融机构在每个所述历史时间段内的中间信用评价值，采用预设统计检验策略对所述中间信用评价数据进行处理，得到所述模型指标值的步骤，包括：对所述中间信用评价数据进行分箱处理，得到多个分箱数据；将大于等于所述预设评价阈值的所述中间信用评价值确定为第一数据，并将小于所述预设评价阈值的所述中间信用评价值确定为第二数据；统计每个所述分箱数据中的所述第一数据的第一数据数量以及所述第二数据的第二数据数量，并统计所有所述分箱数据中所述第一数据的总第一数据数量以及所述第二数据的总第二数据数量；对于每个所述分箱数据，确定所述分箱数据的所述第一数据数量与所述总第一数据数量之间的第一比率，并确定所述分箱数据的所述第二数据数量与所述总第二数据数量之间的第二比率；对于每个所述分箱数据，确定所述第一比率与所述第二比率之间的绝对值；从所有所述绝对值之间选择最大绝对值表征为所述模型指标值。
8、进一步地，在确定更新后的所述初始信用评价模型的模型指标值之后，还包括：在所述模型指标值小于等于预设指标阈值的情况下，继续采用所述预设遗传算法对所述初始种群进行迭代，直到所述模型指标值大于所述预设指标阈值。
9、根据本专利技术实施例的另一方面，还提供了一种金融机构的风险评估装置，包括：获取单元，用于获取目标金融机构在预设时间段内的第一信用数据以及客户特征数据，并获取其他金融机构在所述预设时间段内的第二信用数据，其中，所述其他金融机构是除所述目标金融机构外的任一金融机构；输入单元，用于将所述第一信用数据、所述客户特征数据以及所述第二信用数据输入至预设信用评价模型，输出所述目标金融机构的信用评价值，其中，所述预设信用评价模型中的比例系数是基于预设遗传算法迭代得到的，所述比例系数用于对所述第一信用数据、所述客户特征数据以及所述第二信用数据进行加权处理；确定单元，用于在所述信用评价值小于预设评价阈值的情况下，确定所述目标金融机构处于风险状态。
10、进一步地，所述风险评估装置还包括：第一构建模块，用于构建初始信用评价模型，并采集多个金融机构在不同历史时间段内的金融数据，其中，所述初始信用评价模型包含初始比例系数，所述金融数据包括：信用数据以及客户特征数据；第一输入模块，用于将所述金融数据输入至所述初始信用评价模型，得到初始信用评价数据，其中，所述初始信用评价数据包括：每个所述金融机构在每个所述历史时间段内的初始信用评价值；第一处理模块，用于基于所述初始信用评价数据，采用所述预设遗传算法对所述初始比例系数进行迭代处理，得到目标比例系数；第一更新模块，用于采用所述目标比例系数更新所述初始信用评价模型，得到所述预设信用评价模型。
11、进一步地，所述第一处理模块包括：第一表征子模块，用于将所述初始信用评价数据表征为初始种群；第一迭代子模块，用于采用所述预设遗传算法对所述初始种群进行迭代，直到迭代次数达到预设迭代阈值，得到中间比例系数；第一更新子模块，用于采用所述中间比例系数更新所述初始信用评价模型，并确定更新后的所述初始信用评价模型的模型指标值；第二表征子模块，用于在所述模型指标值大于预设指标阈值的情况下，将所述中间比例系数表征为所述本文档来自技高网...
【技术保护点】
1.一种金融机构的风险评估方法，其特征在于，包括：
2.根据权利要求1所述的风险评估方法，其特征在于，所述风险评估方法还包括：
3.根据权利要求2所述的风险评估方法，其特征在于，基于所述初始信用评价数据，采用所述预设遗传算法对所述初始比例系数进行迭代处理，得到目标比例系数的步骤，包括：
4.根据权利要求3所述的风险评估方法，其特征在于，采用所述预设遗传算法对所述初始种群进行迭代，直到迭代次数达到预设迭代阈值，得到中间比例系数的步骤，包括：
5.根据权利要求3所述的风险评估方法，其特征在于，确定更新后的所述初始信用评价模型的模型指标值的步骤，包括：
6.根据权利要求5所述的风险评估方法，其特征在于，所述中间信用评价数据包括：每个所述金融机构在每个所述历史时间段内的中间信用评价值，采用预设统计检验策略对所述中间信用评价数据进行处理，得到所述模型指标值的步骤，包括：
7.根据权利要求3所述的风险评估方法，其特征在于，在确定更新后的所述初始信用评价模型的模型指标值之后，还包括：
8.一种金融机构的风险评估
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的金融机构的风险评估方法。
10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的金融机构的风险评估方法。
...【技术特征摘要】
1.一种金融机构的风险评估方法，其特征在于，包括：
2.根据权利要求1所述的风险评估方法，其特征在于，所述风险评估方法还包括：
3.根据权利要求2所述的风险评估方法，其特征在于，基于所述初始信用评价数据，采用所述预设遗传算法对所述初始比例系数进行迭代处理，得到目标比例系数的步骤，包括：
4.根据权利要求3所述的风险评估方法，其特征在于，采用所述预设遗传算法对所述初始种群进行迭代，直到迭代次数达到预设迭代阈值，得到中间比例系数的步骤，包括：
5.根据权利要求3所述的风险评估方法，其特征在于，确定更新后的所述初始信用评价模型的模型指标值的步骤，包括：
6.根据权利要求5所述的风险评估方法，其特征在于，所述中间信用评价数据包括：每个所述金融机构在每个所述历史时间段内的中间信用评价...
【专利技术属性】
技术研发人员：张瑞彬，董渊，张宇，
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。