[发明专利]融合文本信息的信用债发债主体违约风险评估方法

权利要求书

1.融合文本信息的信用债发债主体违约风险评估方法，其特征在于，包括：

构建违约词典，所述违约词典包括多个违约风险类别，每个违约风险类别具有权重，且所有违约风险类别的权重之和等于1，每个违约风险类别包括至少1个种子词和该种子词的至少0个扩展词，所述种子词和所述扩展词构成对应违约风险类别的特征词，所述特征词为负面词，每个特征词具有量化的风险程度值；

计算发债主体上一季度的新闻舆情负面程度值：获取上一季度期间内与发债主体相关的新闻标题文本，计算新闻标题文本中特征词的词频，对发债主体所有特征词的词频、违约风险类别的权重、特征词的风险程度值乘积累加，所得数值即为该发债主体的上一季度的新闻舆情负面程度值；

获取上一季度的宏观数据和该发债主体的上一季度的财务数据，获取该发债主体下一季度是否发生违约的数据；

以多个发债主体的上一季度的新闻舆情负面程度值和财务数据、上一季度的宏观数据、发债主体下一季度是否发生违约的数据构建多个样本，选取其中一部分样本作为训练样本，选取其中一部分样本作为测试样本；

以上一季度的宏观数据、发债主体的上一季度的新闻舆情负面程度值和财务数据为输入值，以该发债主体下一季度实际是否发生违约的数据为输出值，构建评估模型，并以训练样本训练该评估模型，直至得到采用测试样本测试稳定的评估模型；

计算待评估发债主体上一季度的新闻舆情负面程度值，获取上一季度的宏观数据和待评估发债主体上一季度的财务数据，输入至测试稳定的评估模型，输出得到该发债主体在当前季度是否发生违约的评估数据；

评估模型的公式如式1所示：

其中，Ω_t-τ表示发债主体发生违约风险之前的新闻舆情负面程度值、宏观数据、财务数据，t表示违约日期或到期日所在的季度，τ表示领先季度数；P(Y_i＝1|Ω_t-τ)表示利用发债主体发生违约风险之前的新闻舆情负面程度值、宏观数据、财务数据判断该发债主体未来的发生违约的概率；x_i为进入评估模型的解释变量，β为变量的回归系数；Y_i取值0或者1，代表评估模型中的两类结果，其中0表示发债主体i被判定为未违约，1表示发债主体i被判定为发生违约。

2.如权利要求1所述的融合文本信息的信用债发债主体违约风险评估方法，其特征在于，训练样本中违约发债主体与健康发债主体的比例为1:3，其中，健康发债主体是指下一季度未发生违约的发债主体，训练样本输入时Y取值为0或1，输出时则为取值在0～1之间的概率，并且以概率值0.647作为输出时的发债主体是否违约的分类分界点。

3.如权利要求1所述的融合文本信息的信用债发债主体违约风险评估方法，其特征在于，违约风险类别包括监管品质、财务状况、投融资、经营管理、市场信息，并且其权重分别为30％、20％、20％、10％、20％。

4.如权利要求1所述的融合文本信息的信用债发债主体违约风险评估方法，其特征在于，所述特征词的风险程度值分为高风险、中风险、低风险三个等级，并且其量化值分别为3、2、1。

5.如权利要求1所述的融合文本信息的信用债发债主体违约风险评估方法，其特征在于，扩展词获取的方法为：对新闻标题和正文进行分词处理，利用word2vec技术在分词处理过的新闻标题和正文中进行拓展，然后再采用金融情感词典筛除中性词和正面词，计算剩余词语与每个种子词的向量相似度，根据向量相似度筛选得到每个种子词的扩展词。

6.如权利要求1所述的融合文本信息的信用债发债主体违约风险评估方法，其特征在于，宏观数据为每个季度的固定资产投资额增速；

财务数据为从第三方平台或公开媒体获得的发债主体的每个季度的财务报表，然后根据财务报表计算得到的留存收益比率、销售利润比率、速动比率、运营资本比率、资产负债比率、应收账款周转率。