[发明专利]信用风险预测模型构建方法及系统、存储介质及电子设备

权利要求书

1.一种信用风险预测模型构建方法，其特征在于，包括以下步骤：

构建特征库，所述特征库中包含有若干个用于预测企业信用风险的特征变量；

根据预先定义的多种风险类型，构建训练样本集，训练样本包括黑样本和白样本；

基于所述特征库和训练样本集，分别针对每一种风险类型进行训练，得到对应的预测模型；

将得到的多种预测模型进行融合，得到所述企业信用风险预测模型。

2.根据权利要求1所述的方法，其特征在于，所述构建特征库的步骤中，首先初步确定出各个特征变量，然后再基于WOE分箱处理和IV值测算对初步确定的特征变量进行再次筛选，筛选出的特征变量入选特征库中。

3.根据权利要求1所述的方法，其特征在于，所述预先定义的多种风险类型包括吊销风险、被告风险、借贷违约风险、买卖违约风险、被执行风险、失信风险。

4.根据权利要求1所述的方法，其特征在于，针对每一种风险类型，分别基于逻辑回归算法训练得到对应预测模型。

5.根据权利要求1所述的方法，其特征在于，基于逻辑回归算法对得到的多种预测模型进行融合，得到所述企业信用风险预测模型。

6.一种信用风险预测模型构建系统，其特征在于，包括：

特征库构建模块，用于构建特征库，所述特征库中包含有若干个用于预测企业信用风险的特征变量；

样本集构建模块，用于根据预先定义的多种风险类型，构建训练样本集，训练样本包括黑样本和白样本；

模型训练模块，用于基于所述特征库和训练样本集，分别针对每一种风险类型进行训练，得到对应的预测模型；

模型融合模块，用于将得到的多个预测模型进行融合，得到所述企业信用风险预测模型。

7.根据权利要求6所述的系统，其特征在于，所述特征库构建模块在构建特征库时，首先初步确定出各个特征变量，然后再基于WOE分箱处理和IV值测算对初步确定的特征变量进行再次筛选，筛选出的特征变量入选特征库中。

8.根据权利要求6所述的系统，其特征在于，所述预先定义的多种风险类型包括吊销风险、被告风险、借贷违约风险、买卖违约风险、被执行风险、失信风险。

9.一种包括计算机可读指令的计算机可读存储介质，其特征在于，所述计算机可读指令在被执行时使处理器执行权利要求1-5任一所述方法中的操作。

10.一种电子设备，其特征在于，所述的设备包括：

存储器，存储程序指令；

处理器，与所述存储器相连接，执行存储器中的程序指令，实现权利要求1-5任一所述方法中的步骤。