[发明专利]信用债投资交易风险预测方法及装置

权利要求书

1.一种信用债投资交易风险预测方法，其特征在于，包括：

采集信用债投资交易过程中的交易数据，所述交易数据包括：训练集数据和预测集数据；

根据所述训练集数据和支持向量机算法进行监督训练，得到信用债风险预测模型；基于所述信用债风险预测模型对所述预测集数据进行风险预测并确定风险预测的预测准确率；

将所述预测准确率作为布谷鸟搜索算法的适应度值，通过所述布谷鸟搜索算法对所述信用债风险预测模型中的惩罚因子和核参数进行迭代寻优处理，得到风险预测模型；

基于所述风险预测模型对目标信用债投资交易过程中的目标交易数据进行风险预测。

2.根据权利要求1所述的信用债投资交易风险预测方法，其特征在于，在所述信用债投资交易过程中的交易数据之后，还包括：

对所述训练集数据和所述预测集数据进行归一化处理。

3.根据权利要求1或2所述的信用债投资交易风险预测方法，其特征在于，所述采集信用债投资交易过程中的交易数据，包括：

对所述交易数据中的每一条数据增设一个风险登记标签；

其中，每个风险登记标签对应一个风险评估值。

4.根据权利要求1或2所述的信用债投资交易风险预测方法，其特征在于，所述将所述预测准确率作为布谷鸟搜索算法的适应度值，通过所述布谷鸟搜索算法对所述信用债风险预测模型中的惩罚因子和核参数进行迭代寻优处理，得到风险预测模型，包括：

初始化布谷鸟搜索算法的初始参数，所述初始参数包括：鸟巢数、迭代次数、惩罚因子的搜索范围和核参数的搜索范围；

随机产生初始鸟巢位置；所述初始鸟巢位置的横标为信用债风险预测模型中的惩罚因子，纵标为信用债风险预测模型中的核参数；

通过莱维飞行的方式更新鸟巢位置；

将所述预测准确率作为每个鸟巢对应的适应度值；

在达到最大迭代次数后输出迭代寻优处理的惩罚因子和核参数。

5.根据权利要求4所述的信用债投资交易风险预测方法，其特征在于，在将所述预测准确率作为每个鸟巢对应的适应度值之后，还包括：

与上一代鸟巢对比，替换预测准确率低的鸟巢；

判断产生的随机数是否大于宿主发现概率；其中，若是，则随机改变鸟巢位置并替换被发现鸟巢；计算每个鸟巢的适应度值并确定当前最优鸟巢及最优风险预测准确率；若否，则计算每个鸟巢的适应度值并确定当前最优鸟巢及最优风险预测准确率；

在所述最优风险预测准确率大于预设的所需精度后输出迭代寻优处理的惩罚因子和核参数；

其中，所述初始参数还包括：宿主发现概率。

6.一种信用债投资交易风险预测装置，其特征在于，包括：

数据采集模块，用于采集信用债投资交易过程中的交易数据，所述交易数据包括：训练集数据和预测集数据；

训练预测模块，用于根据所述训练集数据和支持向量机算法进行监督训练，得到信用债风险预测模型；基于所述信用债风险预测模型对所述预测集数据进行风险预测并确定风险预测的预测准确率；

迭代寻优模块，用于将所述预测准确率作为布谷鸟搜索算法的适应度值，通过所述布谷鸟搜索算法对所述信用债风险预测模型中的惩罚因子和核参数进行迭代寻优处理，得到风险预测模型；

风险预测模块，用于基于所述风险预测模型对目标信用债投资交易过程中的目标交易数据进行风险预测。

7.根据权利要求6所述的信用债投资交易风险预测装置，其特征在于，还包括：

归一化模块，用于对所述训练集数据和所述预测集数据进行归一化处理。

8.根据权利要求6或7所述的信用债投资交易风险预测装置，其特征在于，所述数据采集模块包括：

风险登记单元，用于对所述交易数据中的每一条数据增设一个风险登记标签；

其中，每个风险登记标签对应一个风险评估值。